基于因子分析的意大利高等设计教育定位研究

章　彰，聂桂平，刘　淼

(华东理工大学 艺术设计与传媒学院，上海200237)

基于因子分析的意大利高等设计教育定位研究

(华东理工大学 艺术设计与传媒学院，上海200237)

以具有代表性的10所意大利顶级高等设计教育高校为研究对象，运用统计学中的SPSS(statistical product and service solutions)工具将样本与教育评价中的各个指标有机结合，通过对客观数据以及调查问卷所收集的主观评测数据进行因子分析，研究了影响高等设计教育定位的主要因素. 结果表明，影响高等设计教育定位的因子主要有3个，分别为面向未来市场的科研因子、面向现有市场的技术因子和专业市场的发展空间因子.

因子分析；设计教育定位；SPSS；意大利设计教育

目前国际主流高等设计教育主要分为两种不同的体系：欧洲体系和美国体系，分别根植于欧洲和美国[1]. 两种教育体系培养方式和目标有所不同，但均培养出了大量优秀设计人才. 其中，欧洲体系源自长期的社会文化变革，培养目标侧重于教授观念和解决问题以引领市场需求，属于设计文化带动商业发展模式[2-3]，而美国体系主要是商业经济发展的结果，教育理念注重表达效果、风格和形式以适应市场需要，属于商业带动设计文化发展模式[4-5]. 现阶段知识经济大环境下，商业市场更是期盼相关设计院校能够培养出更多专、精的设计人才. 然而，相似模式培养出的设计人才显然不能满足市场的需求、达到社会的期望，且高校之间的同质化竞争不利于其自身的发展[6-8]. 因此，各国高等设计教育改革迫在眉睫，学习研究国外优秀高等设计教育模式是进行高等设计教育改革的重要方式.

学科定位是确定教育模式和教育结构的基础[9]. 参考上述两种体系下发达国家的设计教育类高校发现，由于学科定位的不同，其教育模式和结构存在显著差异[1]. 通过Domus机构对欧洲50所设计类顶级高校的调查研究发现，诸多因子如教学语言、在校生人数、开设专业数、实验室建设等均会对设计教育学科定位产生显著影响，而且大量因子间交错复杂的相互作用往往使得学科定位变得困难. 目前，教育界关于学科定位的研究较少，尤其缺乏采用数学方法对影响设计教育学科定位因子的研究. 为此，本文运用现已广泛应用于统计工作的SPSS(statistical product and service solutions)工具，旨在对影响高等设计教育定位的因子进行客观数据分析，并初步建立影响评价的主要因子. 因子分析法是寻找出观测变量参数变动的共性和特性，以达到简化变量的多元统计方法. 本文利用因子分析法对国际高等设计教育界具有代表性的10所意大利顶级设计教育高校进行研究，进而归纳出影响设计教育战略决策定位的主要因子. 主要因子的确定将对我国设计类高校的教育定位提供参考.

1　数据来源与研究方法

1.1数据来源

意大利设计教育体系的形成根植于长期的社会变革和文化变迁，发展至今，其设计教育无论在理论上还是实践上都走在了世界的前列，并取得了举世瞩目的成就.本文选取了10所意大利设计类高校及研究所作为调研对象，选取的依据为国际设计界权威杂志《Domus》于2013年和2014年发布的《欧洲前100建筑与设计学校》白皮书. 书中对近两年欧洲排行前50的设计类高校及研究所进行了评估和排序，近两年意大利设计类高校及研究所上榜数均为10所(如表1所示). 这10所意大利设计高校类型丰富，其中，有的定位于培养研究型设计人才，有的着力于培养设计领导者，也有的旨在培养优秀设计工作人员.

表1　意大利设计高校样本Table 1　Samples of Italian design colleges and universities

(续　表)

1.2研究方法

设计教育定位受一系列因子影响，大量因子间交错复杂的相互作用影响着战略定位的决策. 为揭示设计教育定位的本质，本文采用SPSS工具，提取影响设计教育定位的变量，运用因子分析法探求变量之间的关系和结构，用少数因子来反映原资料中大部分信息的统计分析，从而找出影响高校设计教育定位的主因子，并研究出定位战略的几种模型[11-13].

因子分析法的核心是从大量未经加工的变量中找出变量之间的逻辑关系，并用较少的相互独立的因子来反映变量逻辑关系的大部分信息，其数学模型表达式为

X=AF+ε

(1)

其中，

A=(aij)p×k， k

(2)

式中：X=(X1，X2，…，Xp)为因子；A为因子载荷矩阵；F=(F1，F2，…，Fk)为公共因子；ε为特殊因子；p为指标数；k为主成分个数.

1.3因子选取

由式(1)可知，首先需对影响高等设计教育的变量因子X进行收集. 本文通过对《欧洲前100建筑与设计学校》白皮书中出现的高频词汇进行收集，初步确定了8项主要因子，分别为：设计系在校学生数X1、教学语言数X2(如果该校教学语言仅为意大利语，那么该校的教学语言数为1；如果该校教学语言为意大利语与德语，那么该校的教学语言数为2；如果该校教学语言仅为英文，那么则假定该校的教学语言数为3)、企业合作伙伴数X3、校际间合作伙伴数X4、开设专业数X5、现有实验室建设X6、科学实验研究X7和设计理论研究X8. 其中，前5项因子属于定量因子，后3项为定性因子. 为对后3项因子进行定量研究，本文选取了国内20位从事设计教育工作且具有意大利高校设计教育背景的人群进行了问卷调研. 具体调研对象类别及人数信息如表2所示.

表2　调查对象信息Table 2　Investigation object information

调研问卷包含两部分内容：第一部分阐述单位样本信息，信息来源于该校官网以及2013年与2014年《Domus》发布的《欧洲前100建筑与设计学校》白皮书；第二部分设置调研问题，依据样本信息，要求被调查者根据自己对被调研样本的理解和研究对单位样本的指标X6，X7和X8打分评估，最高分设置为20.

2　结果与分析

本文采用SPSS工具对以上设计教育定位因子进行了分析，其中，为防止方差过大造成误差，X6，X7和X8数据处理采用去除最低分和最高分并取平均值的方式.

2.1数据可行性分析

2.1.1相关矩阵

为验证本文数据的可行性，首先通过SPSS工具获得因子相关矩阵，结果如表3所示.由表3可知，因子相关矩阵的绝大部分相关系数绝对值大于0.3，因此适合进行因子分析.

表3　因子相关矩阵Table 3　Factor correlation matrix

2.1.2KMO和Bartlett检验

为进一步验证数据的可靠性，本文对相关数据分别进行了KMO(Kaiser-Meyer-Olkin)和Bartlett球度检验，结果如表4所示. KMO检验主要用来比较变量间简单相关系数和偏相关系数的指标，当KMO的数值越趋向于1，变量之间的关联性与结构性越强，变量越适合作因子分析. Bartlett球度检验则是以原有变量的相关系数矩阵为出发点的检验. 在SPSS生成的KMO和Bartlett球度检验数据表格中，最后一行Sig即为球体检验的概率值P. 假设因子矩阵是单位阵，当P值小于显著性水平0.05时，则拒绝原假设，变量适合做因子分析，前期所设计的问卷和调查结果才有效.

表4　KMO 和 Bartlett检验结果Table 4　The result of KMO and Bartlett's test

由表4可以看出：KMO数值为0.678，变量间的相关性较强；Bartlett球度检验Sig.为0.035，数值小于0.05，说明前期研究中所选取和定义的8个变量间高度关联，适合做因子分析.

2.2确定公共因子

2.2.1公共因子个数

为从上述8项因子中确定公共因子个数，本文采用SPSS工具对数据方差进行了分析，结果如表5所示. 由表5可知，方差大于1的特征值有3个，其对应的累积贡献率为87.079%>85%.

表5　数据方差分析Table 5　Analysis of variance

如表5所示，有3个因子的特征值大于1，即可以确定公共因子个数为3.

2.2.2确定公共因子

为明确上述3个公共因子所包含的具体内容，本文运用SPSS工具计算出因子载荷矩阵， 结果如表6所示.

表6　因子载荷矩阵Table 6　Component matrix

提取表6中每纵列数值绝对值排名前三的因子可知，很难在每纵列排前三的因子中归纳出该公共因子的实际含义. 因此，这里将对表6的因子载荷矩阵做进一步正交旋转研究，旋转后的因子载荷矩阵结果如表7所示.

表7　旋转后的因子载荷矩阵Table 7　The factor loading matrix after rotation

由表7可知，第1公共因子上高载荷的变量为设计理论研究X8、科学实验研究X7、企业合作伙伴数X3，根据其内容可归纳为面向未来市场的科研因子；第2公共因子上高载荷的变量为现有实验室建设X6、教学语言数X2、校际间合作伙伴数X4，根据其内容可归纳为面向现有市场的技术因子；第3公因子上高载荷的变量为开设专业数X5、设计系在校学生数X1，根据其内容可归纳为专业市场的发展空间因子. 统计结果如表8所示.

表8　公共因子数据表Table 8　Common factor data

(续　表)

3　结　语

本文以国际高等设计教育界具有代表性的10所意大利顶级设计教育高校为研究对象，运用因子分析法与统计学中的SPSS工具相结合对影响高等设计教育定位的因子进行了分析，推导出影响高等设计教育定位的3个因素，它们分别为面向未来市场的科研因子、面向现有市场的技术因子与面向专业市场的发展空间因子. 其中，面向未来市场的科研因子主要包含设计理论的建立和前沿技术的研究；面向现有市场的技术因子是针对当下商业市场实际问题的对策性解决措施；专业市场的发展空间因子则要求设计教育工作者能够较为客观地判断设计领域的各个专业在市场上的发展空间、方向、速度和趋势，走出有自己特色的设计教育差异化道路.

我国设计类高校应从设计教育定位的3个因素出发，开展如下工作：(1)吸收欧洲办学的先进经验，在科研方面能够实践多学科融合，以项目形式支持教师参与科研工作，形成跨学科专业优势互补；(2)在技术方面能够结合本城市、本地区甚至本学校的优势以及发展中产业，以项目形式支持教师为社会服务，解决商业市场中企业面临的实际问题；(3)在专业发展空间方面能够具有全球战略眼光、珍惜地球资源并且体现人文关怀.

“以史为鉴可以明兴替，以人为鉴可以知得失”为目前我国高等设计教育的改革势在必行，而各大设计院校的自我评估和定位是进行教育改革的基础.本文确定的3个公共因子将对我国设计高校的教育前期定位提供参考.

[1] NIGEL C. Engineering design methods: Strategies for product design[M]. 4th ed. Chichester: John Wiley & Sons, 2008.

[2] 裴悦舟. 意大利设计教育创新人才培养方法研究[J]. 设计, 2013(8):174-175.

[3] 赵持平. 另一种设计教育:意大利设计的启示[J].装饰, 2004 (8):16.

[4] GEMSER G,LEENDERS M A A M. How integrating industrial design in the product development process impacts on company performance [J]. The Journal of Product Innovation Management, 2001, 18(1): 28-38.

[5] HERTENSTEIN J H,PLATT, M B,VERYZER, R W. The impact of industrial design effectiveness on corporate financial performance [J]. The Journal of Product Innovation Management, 2005, 22(1): 3-21.

[6] 鬲波飞, 王华斌. 可持续发展对工业设计教育的启示[J].江苏大学学报:自然科学版,2006,27(5):52-54.

[7] 史耀军, 吴乃群. 对理工类院校中工业设计教育的思考[J].成人教育,2007(8):87-88.

[8] 吴国欣, 宋善威. 后世博中国创意设计教育的思考[J].同济大学学报:社会科学版, 2011, 22(3):70-74.

[9] GILBERT J K,BOULTER C J,ELMER R. Developing models in science education [M].Netherlands: Springer, 2000.

[10] 尚华, 宋晨晖, 熊明,等. 高等设计教育要素的系统分析方法及其应用[J]. 艺术百家, 2013(Z2):383-386.

[11] 孙晓松, 朱鹏程. 利用SPSS的沿海开放城市的因子分析[J]. 通化师范学院学报, 2012, 33(6):9-11.

[12] 李小胜, 陈珍珍. 如何正确应用SPSS软件做主成分分析[J]. 统计研究, 2010, 27(8):105-108.

[13] 林海明. 如何用SPSS软件一步算出主成分得分值[J]. 统计与信息论坛, 2007, 22(5):15-17.

Research on Italian Advanced Design Education Orientation Based on Factor Analysis

ZHANGZhang,NIEGui-ping,LIUMiao

(College of Art Design and Media, East China University of Science and Technology, Shanghai 200237,China)

The representative top 10 Italian design institutes are taken as the research object. SPSS (statistical product and service solutions) statistics tool is applied to analyze the essential factors which influence advanced design education orientation by combining samples of different educational evaluation indexes and analyzing the perceptual evaluation data collected by questionnaire and objective data. Based on the research, three potential common factors can be inducted as the potential market scientific research factor, existing market scientific research factor and market development space of the major factor, respectively.

factor analysis; design education orientation; SPSS; Italy design education

1671-0444(2015)04-0555-05

2014-12-23

上海市高校青年科研骨干培养计划资助项目(“晨光计划”)(13CG67)；华东理工大学基本科研业务费探索研究基金资助项目(2222014010)；华东理工大学艺术设计与传媒学院探索研究专项资助项目；华东理工大学A类教改资助项目

章彰(1986—)，女，安徽芜湖人，讲师，博士，研究方向为设计管理、产品服务体系设计.E-mail:zhangzhang@ecust.edu.cn

TB 47

A