基于因子分析法对我国大学城体育场地资源共享的影响因素研究

张晓敏

(广东工业大学，广东广州 510006)

随着我国教育的不断发展，高等教育在我国已经进入了“平民化”阶段。高校规模的不断扩大，超前的外延式发展，对我国传统高校教育系统产生了较大的冲击，而大学城的出现相对缓解了这一压力。结合集群理论，众多大学集中在一起形成大学城的优势在于互相联系、相互影响，便于各个方面的交流合作与信息共享以及资源共享。但毕竟大学城中的每个高校都是单独的“个体”，由于各种原因，在资源共享以及信息共享方面存在一定的局限性。本研究从我国大学城体育场地资源共享的影响因素入手，利用因子分析，找出其主要影响因素，并提出相应的建议，为我国高校体育场地资源的利用和管理提供部分参考。

1 研究对象和研究方法

1.1 研究对象

大学城体育资源共享的影响因素。

1.2 研究方法

1.2.1 文献资料法

在中国知网、万方和维普等学术期刊平台，就我国高校体育场地资源的相关研究进行查阅，并进行深度剖析，为本研究的进行提供理论支持。

1.2.2 问卷调查法

本研究根据研究需要发放问卷1200份，具体发放数量、回收率、有效率如表1所示:

表1 调查问卷发放回收情况统计

1.2.3 数理统计法

把本研究的调查结果输入spss17.0软件，进行统计，并计算出统计结果，作为本研究的数据支持。

1.2.4 逻辑分析法

依据研究设计方案，采用了因子分析、KMO检验、arlett Test of Sphericity、等方法对数据结果进行分析并进行逻辑推理。

2 结果与分析

2.1 大学城相关概述

从2004年开始建设发展的广州大学城，到现在正在建设与发展的广州大学城二期等，从全国范围来看，大学城逐渐成为一种高校聚集发展的新趋势。而大学聚集的优势在于各种自愿的共享，以及优势互补，并且在一些交叉学科中，还可以发展高校协同创新项目，可以说利远大于弊。而在现实的大学城中，由于种种的限制，并没有达到非常理想的共享和共同的发展，在各个方面都出现了不同的影响因素。例如，学校领导对本校某些资源的过多保护，或者某某高校之间地理位置较远等。因此，表面上看去大学城的高校实际上并没有形成统一的“教学园区”，这也是很多学者不断提出的主要问题所在。而所谓的“大学城”和“大学教育园区”的区别主要就在于集中在一起的高校是否能成为利益共同体，相辅相成，而非各自为政。

2.2 大学城体育场地资源相关分析

针对体育而言，或者针对体育场地而言，就目前我国高等体育教育的开展情况而言，无论学校之间学科专业如何有明显的区别，但是普通高校的体育课程以及体育场地的使用还是非常接近和统一的。

高校体育场地资源主要有传统的足球场地、篮球场地、排球场地、乒乓球场地、羽毛球场地、田径场地、体操房、游泳馆和新兴的轮滑场地、跆拳道场地、保龄球场地等组成。由于各个学校的规模和建设程度不一，在传统的体育场地方面也存在优势学校和不足的学校，对于新兴项目的场地而言，更是有很多学校欠缺。而体育场地资源的共享在一定程度上能够解决此问题，增加了聚集在一起高校学生运动项目的选择余地，增加了体育课程开设的多样性。

但是，在高校体育场地资源共享过程中可能出现很多的问题，比如:如何控制课上和课下的共享时间。如何对体育课时进行安排，地理位置是不是影响到共享的可能性，学校领导对于体育场地资源共享的态度，以及社会人员对于体育场地的需求是不是影响到高校之间体育场地资源的共享效果等。本研究利用因子分析法，将影响大学城体育场地资源共享的因素进行明确的划分并对其影响权重进行分析。

2.3 基于因子分析法的大学城体育场地资源共享影响因素分析

2.3.1 大学体育场地资源共享影响因素分析

通过调查，将上述三类人群的基本观点进行系统的梳理，得出，影响大学体育场地资源共享的因素为:政府因素、社会因素、学校因素、场地客观因素，四个一级影响因素，并依次确定了15个二级因素和37个三级变量。

本研究依据因子分析的要求和基本原理，利用Kaiser－Meyer－Olkin检验和Barlett Test phericity球形检验和对其适用性的问题来进行验证。如下表所示，使用spss17.0软件对《影响高校体育场地资源共享的因素调查问卷》中的37个三级变量。其检测结果sig=0.000＜0.01(BTS值)具有显著性。这反映出变量之间不是孤立存在的，变量之间具有关联性，原因是检测结果拒绝了变量相关系数矩阵是一个单位阵的零假设。而KMO校验值为0.914＞0.90，说明桑树变量适合进行因子分析。

表2 KMO and Bartlett＇s Test

通过因子分析，转轴前变量的特征以及解释的总方差比例(百分比)，且在上述基础上进行正交旋转中方差max法进行因子模型的旋转，进一步减少和消除拟提出的4个一级因子和15个二级因子各级之间级内的相关性，通过方差最大法的正交旋转得出其因子载荷矩阵。在确定了主因子的基础上，根据因子的分析理论，对37个原始变量进行归类。即把37个原始变量归纳在10个主因子上，并按各个主因子中各个原始变量所具有的共同特点及载荷量较高的变量所具有的特征进行主因子命名，最终得出10个主影响因子(因素):场地客观因素、学校领导因素、学校教师因素、学生因素、地理位置因素、相关政策因素、课程安排因素、经济因素、社会因素、比赛安排因素。因此，笔者将上述10个主要因子(影响因素)定义为，高校体育场地资源共享影响10要素。

2.3.2 大学体育场地资源共享影响因素得分

通过问卷调查和对调查数据的处理，本研究构造出了十个影响高校体育场地资源共享的因子。为了进一步构建出归回分析中所需要的自变量，也就是十个主要因素之间的关系(得分)，本研究采用回归法估计因子得分，调用Display factor score coefficient matrix产生因子得分的函数矩阵，在spss17.0中计算得出以下结果。

表3 主因子得分排序

为了进一步对于影响大学城体育场地资源共享的因素进行评价，本研究将10个主因子得分分别除以有效样本统计量935，计算出10个子形象评价的平均得分并进行排序:课程安排因素(3.6589分)＞学校领导因素(3.4837分)＞社会因素(3.2441分)＞经济因素(2.8601分)＞场地客观因素(2.6813分)＞地理位置因素(2.2312分)＞学校教师因素(2.0132分)＞学生因素(1.6348分)＞相关政策因素(1.4568分)＞比赛因素(1.4023分)。

从上述研究结果分析，影响大学城中普通高校体育场地资源共享的前三位的因素是课程安排因素、学校领导因素和社会因素。其中课程安排因素影响最大的原因是所有高校体育场地资源的使用，首先服从本校队体育课程安排的需要。排在第二位和第三位的影响因素分别是学校领导因素(包含学校领导的态度和支持度等)和社会因素(包含对社会的免费开放和对民间比赛以及各种民间体育协会、俱乐部的场地租赁)。分析原因，学校领导，是相关政策的执行者，对于本校体育场地资源的共享，在一定程度上具有主导的作用，特别是对共享时间和共享方式上都具有决定权;社会因素主要是非学校人员对于场地的需求，这个也是我国的一个特色，因为社区和公益的体育场地数量较少，特别是对足球场和篮球场这样的较大场地，以及保龄球这种投资较高的场地而言。加之我国推行的高校场地尽量免费向社会开放的基本政策，因此，社会方面对于场地的部分需求在一定程度上影响了高校之间体育场地资源的共享空间。

上述影响因素中影响相对较小的是比赛因素、政策因素和学生因素。分析原因，高校承办体育比赛使用场地的情况存在，但是频率并不会很高。因此其对体育场地资源共享方面的影响相对较小。在宏观的政策方针方面，我国法律虽然没有明确规定高校场地资源必须与相邻高校或者社会共享，但是，明确鼓励资源共享。因此对于高校体育场地资源共享的负面影响较小。至于学生因素，学生在调查中表现出来的意愿更加倾向于体育场地资源的共享，以便于自己在安排体育活动的时候有更多的项目以及场地器材可以选择。

3 结语

我国大学城乃至我国大学教育园区体育场地资源共享模式还处在初步的探索和发展的阶段，影响高校体育场地资源共享的因素，主要有场地客观因素、学校领导因素、学校教师因素、学生因素、地理位置因素、相关政策因素、课程安排因素、经济因素、社会因素、比赛安排因素10个方面。因此对高校体育场地资源共享模式的建设，要从这10个主要方面着手，努力改善上述影响因素对高校体育场地资源的负面影响，构建并完善大学城体育场地资源共享模式，促进我国高校体育教育事业的健康发展。

［1］陈林.我国高等院校体育场地管理面临的困境及对策研究［D］.武汉:武汉大学，2008(6):34－36

［2］朱挺中.高校体育场地利用及其创新探究［D］.辽宁:东北大学，2007(6):45－47

［3］侯名城.我国高等院校物力资源开发的研究［D］.北京:北京体育大学，2006(6):51

［4］翟青.体育产业利用资本市场融资探索——中国高职院校上市前瞻性分析［D］.上海:复旦大学，2002(4):44

［5］林庆.高校体育场地再利用［J］.当代体育科技，2007(12):74－75

［6］陈及治.体育统计.体育学院通用教材［M］.人民教育出版社，2000(5):91－94