我国高等教育信息资源测定模型研究——以信息丰裕系数为基础

2013-09-18 02:14倪秋菊冷德俊
中国远程教育 2013年2期
关键词:测度数量资源

□ 倪秋菊 冷德俊

信息资源测度是社会信息化测度的一部分。在关于信息资源测度模型的研究中,代表性模型是日本Tadao Saito,Hiroshi Inose和Nozomu Takasaki等人创立和发展的信息资源生产与传播测度模型,用来分析国家信息资源的生产和流动。谢康、肖静华[1]在吸收国外方法的基础上,对中国及部分国家和地区信息资源丰裕程度进行了初步测算,建立了针对信息资源丰裕程度的测算模型。刘铮、王卫兵[2]运用信息资源丰裕系数模型,对湖北省的信息化发展提出了政策性建议。然而原始的模型存在泛含性,朱红[3]依据文献、信息人员、信息设备、信息系统、信息网络五项测量要素确定了具体化指标的信息资源测度体系,对我国1990年至1997年的信息资源进行测度。同时王洋等人[4]从信息集合、信息载体和信息主体角度建立信息资源度量指标体系,改进了原来指标体系的不足。戴慧英、田建良[5]对甘肃省信息资源发展规模进行了初步的定量测度,并将甘肃省的信息资源与西部其他省份进行了比较分析,通过测定结果的对比提出甘肃省信息资源发展的不足与变化。近十多年来,网络迅速发展成为信息传播的重要途径,黄钰[6]对信息资源丰裕度系数测度模型的指标体系和具体算法进行了改进,强调不能忽视网络在信息资源测度中的重要性,使得网络成为信息资源测度的重要组成部分。随着社会的发展,教育信息资源也有了新的内容。如何评价高等教育信息资源的发展状况,也成为摆在学者面前的首要课题。本文在现有的研究基础上,根据教育资源的具体情况,利用信息资源测度模型,试图对高校的资源进行更加公正的评价。

一、我国高等教育信息资源的内容

传统的高等教育信息资源内容是指直接用于高等教育教学的信息资源,包括课堂教学用的教育信息资源、远程教育所需的教育信息资源以及其它教育形式所需要的教育信息资源等[7]。然而实际我国高等院校已经进入教育—科学研究一体化的形态,科学研究的发展将给高等教育信息资源带来积极的影响。本文遵循可操作性、可代表性和时代性原则,根据马费城、赖茂生[8]的信息资源理论,加入了科学研究对我国高等教育的影响,对高等教育信息资源的内容进行了修正。我们把高等教育信息资源的内容界定为:①高等教育(或科研)活动中经过加工处理有序化并大量积累起来的信息;②以高等教育(或科研)为目的而生产信息的信息生产者的集合;③加工、处理和传递高等教育(或科研)信息的信息技术的集合;④其他有利于信息活动的要素集合。

二、信息丰裕系数模型介绍

陈禹、谢康[9]等从信息资源的生产能力和发展潜力角度,提出了“信息资源丰裕系数”测度模型。李想[10]等从企业的信息资源出发,验证了企业信息资源对企业发展的贡献。杨秀芹[11]研究表明教育信息资源对教学效率具有直接的影响,可见高等教育的信息资源丰裕程度对高校的教学效果有较强的影响。然而针对我国高等教育的信息资源的评价模型尚未建立,这将对我们认识信息资源对教育的影响产生制约。

信息资源丰裕系数值[12]可记为R,即R=R1+R2。其中,R1表示基本信息资源生产能力,其公式为:R1=(P1+P2+P3+P4)/M。P1代表数据库数量;P2代表获得专利和商标数量;P3代表图书报刊出版数量;P4代表视听产品生产数量;M代表测度范围内的人口总数。因此,R1是一国或地区测度期测度范围内的人均生产信息资源的能力。R2表示基本信息资源的发展潜力,其公式为R2=S1+S2。S1代表信息资源的储备潜力;S2代表信息资源的处理潜力。S1的测度公式为:S1=(I1+I2+I3+I4+I5+I6)/M。I1代表计算机拥有量(计算机绝对数、普及率、用户数量);I2代表文化设施(图书馆、信息中心、档案馆、博物馆、文化馆)拥有量;I3代表新闻设施(电视、电视台)拥有量;I4代表娱乐设施(电影院、剧院、体育馆、电视机)拥有量;I5代表邮电设施拥有量(通讯网点、邮电业务量);I6代表通信设施拥有量(通信网点、电话机拥有数量)。S2的测度公式为:S2=(T1+T2+T3+T4+T5)/M。T1代表测度范围内的识字人数(或识字率);T2代表中小学、高等教育在校人数(或教育机构普及率);T3代表科研人员数(或科研机构普及率);T4代表政府部门人数;T5代表咨询机构人数。

三、高等教育信息资源测定模型建立

(一)函数的设立

根据上述的内容,函数设立形式如下:

R=R1+R2+R3+R4(R为高等教育信息资源丰裕系数)

R1为高等教育(或科研)活动中经过加工处理有序化并大量积累起来的信息,其公式为:R1=P1+P2+P3+P4。P1为专业教学时间;P2为专业数量;P3为人(教师)均专利数量;P4为人(教师)均论文数量。

R2为以高等教育(或科研)为目的而生产信息的信息生产者的集合,其公式为:R2=Q1+Q2+Q3+Q4+Q5+Q6。Q1为从事教学工作的教师学历结构/百名学生;Q2为年均已完成科研的经费;Q3为研究所(中心)数量;Q4为信息处理中心数量;Q5为产学研合作机构;Q6为获得职称的教师数量/百名学生。

R3为加工、处理和传递高等教育(或科研)信息的信息技术的集合。其公式为:R3=W1+W2+W3+W4+W5。W1为图书馆数量;W2为网络资源数量;W3为软件数量;W4为档案室数量;W5为数据库数量。

R4为其他有利于信息活动的要素集合,其公式为:R4=S1+S2+S3+S4。S1为人均电脑数量;S2为实验室设备投入;S3为从业人员/实验室数量;S4为人均建筑面积。

(二)改进后的模型

在原有的基本假设条件上,我们进行条件放松:第一,在模型中四大要素之间和四大要素内部的各具体要素之间,采用主观赋权法、客观赋权法等方法对权重进行调整,以使结论更加逼近现实;第二,通过改变相对数单位法提高某些要素的重要性,如将每名学生拥有获得高级职称的教师数量改成每百名学生拥有获得高级职称的教师数量;第三,根据教育信息发展或科研特殊需求,可以增加需考虑的要素;第四,可以采用因子分析法进一步对各信息资源要素进行筛选。

经过条件放松后原有模型的表达式改进为:

R=α1R1+α2R2+α3R3+α4R4+λ

其中, αi(i=1,2,3,4)为相对权重,且Σ αi=1。具体说αi为Ri的权重(i=1,2,3,4),λi(i=1,2,3,4)为随机变量,以适应科研对教育信息资源发展的需要;βi(i=1,2,3,4)为常数。

其中,λi(i=1,2,3,4)表示新增加信息资源的储备潜力的要素和新增加信息资源的处理潜力的要素;Q7为新增加的高等教育(或科研)为目的而生产信息的信息生产者的集合;W6为新增加的加工、处理和传递高等教育(或科研)信息的信息技术的集合;S5为其他有利于信息活动的要素集合。

四、实证分析

(一)权重的确定

模型中的各项指标对最终信息资源丰裕系数的贡献程度是不同的,因此先确定各项指标的权重,明确各项指标在模型中的贡献度。本文采用层次分析法与专家调查法相结合的方法来确定各指标的权重,利用决策者的主观判断与政策经验来综合评价各项指标,最终确定各级指标的权重(见表1)。

(二)高校信息资源丰裕系数的测算

本文分别选取贵州大学(以下简称为“高校甲”)和新疆大学(以下简称为“高校乙”)进行信息资源的测算,采用两所高校截止2012年3月份的统计数据,其基础数据来源于两所院校网站[13][14]公开公布的数据。个别数据缺失(如人均电脑数),通过对该校的调查问卷的方法进行统计估算得到。

表1模型研究指标权重表

从表2中的专业教育时间可以看出,高校乙发展起步较高校甲较晚,由于高校甲长时间的教学积累,在国内核心期刊发表的论文、已完成的科研经费、具有高级职称的教师数量以及相应的硬件投资上均比高校乙具有优势。从研究所的分布看出,高校甲的研究型研究所数量是教学型研究所数量的9倍,而高校乙的这一比值为3倍,可见高校甲为研究型综合大学,高校乙为发展中的研究型综合大学。然而高校乙的高素质人才的引进在近年来发展较高校甲好,例如硕士和博士含量是高校甲的2倍,人均发表国际核心论文数量是高校甲的2.5倍。从教师的职称结构可以看出,高校乙的初级职称和中级职称的人数分别是高校甲的3.9倍和1.8倍,可见高校乙近几年引进人才较多。综上所述:高校乙在信息资源丰裕程度上比高校甲较差,但在未来发展趋势较甲更强劲。

(三)与其他模型对比

目前,国内外对高校信息资源评价的研究焦点仅停留在如何建设高校教育信息化资源的问题上,因此为了表现出本文研究模型靶标的差异性和研究内容的客观性,本文选取了高等教育的综合性评价模型进行对比。中国校友会网的评价模型指标与权重[15]见表3。

表2高校信息资源丰裕度测算表

表3中国校友会网2012中国大学排行榜评价指标

从表3中可以看出,中国校友会网的评价模型中的综合声誉权重为15.92%,其实综合声誉是人才培养和科学研究发展带来的社会效应,综合声誉的计入有重复统计的嫌疑,如学术声誉的强弱是重大科研成果带来的必然结果,也就是重大研究成果在该评价模型的权重实际为两部分之和,即为27.96%。同时社会声誉中的媒体关注更容易受人为因素干扰,使得其评价体系不能客观地评估高校综合水平。而本文的模型,从高校信息资源的组成内容及客观存在的因素出发,更注重加工、处理和传递高等教育(或科研)信息的信息技术的集合以及有利于信息活动的要素的集合对我国高等教育的贡献。在中国校友会网的模型测定下:新疆大学综合排名全国79名,贵州大学全国91名。从表2的基础数据中,我们可以看出新疆大学的基础数据明显劣势于贵州大学,可见中国校友会网的测定模型并没有客观地评价高校的综合实力。

五、结论

构建高等教育信息资源丰裕度评价指标模型,能够量化高等院校信息资源丰富程度,同时又能判断高等院校的教育和科研的均衡性,从而正确衡量高等教育信息资源发展的规模与程度,为高等教育信息资源评估提供一个参考标准。

但该模型可以反映高等院校信息生产、加工处理有序化的程度和传递的效率,可以用于高等院校判断自身信息资源发展现状的优势与不足,特别是高等院校信息资源的结构平衡性的建设,从而有利于高等院校制定信息化发展战略。

但该模型只能对高等院校之间的信息资源丰裕程度进行比较,对单一量化高等院校的信息资源丰裕程度的测定模型,还有待于进一步的研究和改进。

]

[1]谢康,肖静华.信息资源测度、国际比较与中国的战略选择[J].情报学报,1997,(6):202-211.

[2]刘铮,王卫兵.湖北省信息资源测度与区域性比较[J].统计与决策,1998,(4):32-33.

[3]朱红.信息资源测度体系及90年代信息资源水平测度[J].情报科学,2001,(4):372-374.

[4]王洋,刘尧,侯典磊.基于信息化测度的信息资源度量指标体系研究[J].情报杂志,2010,(12):76-79.

[5]戴慧英,田建良.甘肃省信息资源测度与信息化建设的对策思考[J].社科纵横,2007,(9):15-16.

[6]黄钰.信息资源度量模型计算因素的修正[J].东方企业文化,2012,(2):243-210.

[7]辛冬云.高校教育资源使用效益评价指标体系[J].中国地质教育,2000,(2):58-63.

[8]马费城,赖茂生.信息资源管理[M].北京:高等教育出版社,2006.

[9][12]陈禹,谢康.知识经济的测度理论与方法[M].北京:中国人民大学出版社,1998.

[10]李想,孙南屏等.施工企业信息资源测定模型研究[J].广东工业大学学报,2011,(1):24-27.

[11]杨秀芹.教育资源利用效率研究综述[J].现代教育管理,2009,(2):40-43.

[13]贵州大学,学校基础数据[EB/OL].[2012-03].http://www.gzu.edu.cn/s/2/t/620/p/3/c/4906/list.htm.

[14]新疆大学,学校基础数据[EB/OL].[2012-03-10].http://www.xju.edu.cn/xxgk/index.htm.

[15]中国校友会,2012中国大学评价研究报告[EB/OL].[2012-01-09].http://cuaa.net/cur/2012/26.shtml.

猜你喜欢
测度数量资源
三个数字集生成的自相似测度的乘积谱
R1上莫朗测度关于几何平均误差的最优Vornoi分划
基础教育资源展示
非等熵Chaplygin气体测度值解存在性
Cookie-Cutter集上的Gibbs测度
一样的资源,不一样的收获
统一数量再比较
资源回收
资源再生 欢迎订阅
我国博物馆数量达4510家