应用型本科高校专业报考行为影响因素分析

胡 萍

（合肥学院，安徽 合肥 230601）

高校专业录取分数线形成过程是考生、考生家长乃至整个家庭的社会作用过程，是考生专业报考行为的结果体现。目前，对于录取分数线的预测，周爱君提出采用灰色预测系统模型预测方法，结合某高校各专业历年录取分数情况，对各专业以后几年的录取分数情况进行预测实现[1]。2014年8月，国务院出台了《关于深化考试招生制度改革的实施意见（国发〔2014〕35号）》，意见要求改进录取方式即创造条件逐步取消招生录取批次。与此同时，浙江、上海启动综合改革试点工作，改学校投档模式为专业投档已成必然趋势，但之前专业录取分数线预测大多是来自专业录取分数线与批次线分差或学校投档线分差进行的大数据分析，且构成因素的研究大多集中于单一因素或宏观层面，比如学校排名、专业就业率对专业报考行为的影响[2]，很少分析微观个体层面的影响因素，即个人爱好、成长环境等，而且微观因素和宏观层面在促进专业报考行为方面的集成框架研究鲜有涉及，更加缺乏对不同专业招生规模下考生专业报考行为的影响因素是否存在差异的解析。在对国内外研究成果探索的基础上，构建了一种综合动力理论（TM）、计划行为理论（PBT）和Triandis模型的集成理论研究框架，分析考生专业报考行为的综合内在机制和多方影响因素，并以笔者所在的应用型本科高校为研究对象，分析其报考行为的关键约束，提出有效对策。

1 专业报考行为研究基础

1.1 综合动力理论（TM）

TM认为人类由于受到综合因素的作用，任何操作都由一定的M所产生，因此判定驱动个体行为的物质是M。动力理论分为内部和外部层次两个概念定义，一方面外部概念涵盖主体的生活大环境、外部体现、他人的意见等；另一方面内部概念涉及主体的品性、心态、兴趣、观点、素养等。2011年，王言峰提出“被他人认可”代表着一种内在归纳因素。由于单一动力理论无法综合解析个体行为，借助集合相关理论的内涵，构建一个集成的分析框架以此达到研究目的。

1.2 计划行为理论（PBT）

由于个体具有不能完全约束控制自身行为的可能性存在，二十世纪九十年代，美国学者阿耶兹提出了计划行为理论（PBT）[3]，PBT认定个体行动意向的约束因素除了态度和主观规范，也会受到感受的外在约束控制的作用，其基本结构模型如图1所示。如果个体认为实行的行为能够获得回报，其利益相关体同意这种行为，并且个体具备实现目标所需背景之下（如能力和机会），从而就提高了实践该操作行为的发生率。

图1 PBT的结构模型

2 搭建专业报考行为集成研究架构

高考专业报考行动是考生与家长综合的心理比较活动过程，同时个体的报考态度影响其专业报考志愿（即专业志愿率），专业志愿率对其专业报考行动存在约束关系。为了深入明确专业报考态度、志愿和行动三方面的比较作用及其约束要件，以TM、PBT和Triandis模型为研究基础，搭建了一种集成的理论分析研究架构，对高考考生专业报考行动的约束要件进行系统解析。

“态度-志愿-行动”是PBT的基本研究模型，为了分解研究态度的前置要素，在动力理论相关研究成果的基础上，假设考生专业报考的态度源自行为的动力，认为考生的行为动力包括外部动力（EM）和内部动力（IM），其中，EM来源于行动之外的外在要求与压力，如考生报考时考虑的地域位置、学校排名等[4]；IM来源于行动个体能够满足考生的内在需求，例如考生和家长会考虑专业兴趣、好奇心、竞赛挑战和学业成就等因素的推动。

Triandis模型[5]是PBT模型的某种延伸形式，基于行动发生的特定条件，认定对考生填报行为具有作用的因素一方面来自于报考志愿，另一方面也受到行为的正面和负面因素的影响，其中正面因素是指考生在信息资源（学校排名）、挑战和数据获取（历年分数线）方面的支持，假设行动缺少正面因素，即使存在强大的行动志愿，这种行动也不会产生。综合TM、PBT和Triandis模型三个方面的理论基础，搭建考生专业报考行动的综合集成理论分析框架（见图2）。

图2 专业报考行为的集成理论框架

3 专业报考行为分析模型与假设

3.1 专业报考行为研究模型

考生专业报考行为的综合研究模型是综合以上集成理论框架体系后提出的（图3）。该模型由四个部分组成：第一部分，基于TM，从外在动力和内在动力两个角度，界定了影响专业报考态度的因素；第二部分，借鉴PBT，从专业优势特色、态度和专业历年分数线三个角度，界定了影响专业报考意愿的因素；第三部分，综合PBT和Triandis模型，从专业志愿率和专业就业率两个角度，界定了影响专业报考行为的因素；最后，研究了两种专业招生规模下（大规模和小规模）各因素对专业报考态度的影响强弱是否具有显著差异。

图3 专业报考行为研究模型和假设

3.2 考生专业报考行为影响因素的分析假设

H1 学校排名将对考生的专业报考态度具有支持作用；

H2 地域位置将对考生的专业报考态度具有支持作用；

H3 个人兴趣将对考生的专业报考态度具有支持作用；

H4 生活背景将对考生的专业报考态度具有支持作用；

H5 专业报考态度将对考生的专业报考志愿率具有支持作用；

H6 专业历年分数线将对考生的专业报考志愿率具有支持作用；

H7 专业优势特色将对考生的专业报考志愿率具有支持作用；

H8 专业志愿率将对考生的专业报考行为具有支持作用；

H9 专业就业率对考生的专业报考行为具有支持作用；

H10 不同专业招生规模中，动力因素对专业报考态度的具有不同强弱作用；

H10.1 外在动力（学校排名、地域位置）对专业报考态度的影响强度，大招生专业要强于小招生专业；

H10.2 内在动力（个人兴趣、生活背景）对专业报考态度的影响强度，小招生专业要强于大招生专业。

4 应用型本科高校专业报考行为影响因素的实证研究

首先制定调查问卷，问卷回收收集数据信息，然后基于结构方程建模（SEM）对专业报考行为进行实证研究，最后通过聚合效度（CV）和区别效度（DV）两种测量技术来评估模型测度方法的有效度，同时采用偏最小二乘法（PLS）来验证专业报考行为模型的假设是否成立。

4.1 科学设置问卷指标

就图3中的各个因素研究，并依据应用型本科高校的办学理念和办学定位，提出了富有应用型和地方性特色的具体问题项目来验证模型假设。采用文献分析与高校深度调研相结合的方法，来确保研究内容和问卷设计的信度和效度。调查问卷设计了10个潜变量和38个指标，所有指标都使用李可特（Likert）5 点等级法[6]，其中 5 代表“100%不认可”，1 代表“100%认可”。

表1 调查问卷指标含义和参考

4.2 样本来源

调查样本来自于应用型本科高校的入学新生。问卷调查样本总数近800名，问卷回收份数562份，问卷回收率为70.25%，其中有效问卷为430份。根据不同招生规模的区别（专业新生数不超过40人为小规模招生专业），430份样本中，310份是大招生专业，剩下的120份是小招生专业。

4.3 数据分析

本研究依据相关文献采用两步法[7]（首先利用测量模型然后采用结构模型），根据测量模型，通过对信息数据的信度和效度研究，基于解析结构模型，达到验证模型假设的目的。

4.3.1 信度与效度分析

（1）信度分析

信度分析是基于内部数据一致性Cronbach′s α系数检验样本数据，根据海尔等人的研究成果[8]，α系数最低可接受水平是0.7，表2说明数据的α在0.858至0.925之间，因超过了可接受最低水平，说明本研究的数据信度较高。而且，对表3的分析表明，问卷各变量项目的要素相关程度较高，各指标体现显著的正向支持，保证本研究具有较高的信度。

（2）效度分析

通过文献搜索和相关高校的实地调研等研究方法，设计的问卷指标和数据达到较高内容效度。

效度检验是测量调查水平的一种代表性方法，通过它可以反映模型是否切合实际，效度检验包括内容效度和结构效度两方面。内容效度检验问卷内容是否反映真实情况；结构效度反映问卷问题是否可以达到真正测度所要度量的指标的目的。采用验证性因子分析来检验问卷的结构效度。使用测算可靠性分析（RA）和平均提取方差值（AVE）技术来测量聚合效度。

表2 PLS验证性因子验证结果

一级指标 指数 α RA AVE Standard error Loding t-value专业报考态度 ATT1 0.913 0.913 0.732 0.025 0.800 33.174 ATT2 0.028 0.883 30.485 ATT3 0.024 0.810 31.356 ATT4 0.017 0.897 48.998 ATT5 0.016 0.887 55.987专业志愿率 IN1 0.904 0.955 0.776 0.014 0.887 60.154 IN2 0.015 0.896 64.187 IN3 0.016 0.890 53.985 IN4 0.013 0.855 55.432专业报考行为 BE1 0.881 0.912 0.739 0.016 0.867 52.939 BE2 0.024 0.808 31.184 BE3 0.016 0.882 47.998

表3 因子AVE值的平方根及因子相关系数

根据Chin等人[9]和Fornell等人[10]的研究成果，综合可靠性高于0.7表示数据可靠性合理，平均提取方差值高于0.5表示具有较好的区别效度。表2显示，本问卷指标的综合可靠性值处于0.911—0.972之间，AVE数值处于0.621—0.847之间，均达到规定标准，表示具有较好的聚合效度，然后据此测算区别效度，采用测算各因子AVE值的平方根与因子相关系数[11]，表3表示各因子AVE值的平方根均大于其余因子之间的相关系数，体现研究指标区别效度达标。

4.4 模型假设验证

专业报考模型的前九个指标采用PLS方法来验证，具体的验证约束系数如图4所示，H1、H2、H3、H4均得到正向支持，所有的假设均得到验证。该结论证实学校排名、地域位置、个人兴趣和生活背景四个动力因素均对考生的专业报考态度正相关。H5、H6、H7、H8假设得到验证，体现态度，专业优势特色和专业历年分数线均与专业报考志愿率具有正向影响，该结论证实PBT理论可以作为阐释专业报考行为重要的基础理论。最后，H9通过验证，说明专业就业率与考生专业报考行为正相关，证实基于PBT理论和Triandis理论建立的专业报考模型是有效的。

图4 结构方程模型约束系数

对于不同规模指标H10的验证，利用Keil的方法，根据专业招生规模，将样本分成大招生专业（n=1250）和小招生专业（n=1570），比较两种规模之间的差异性[12]。

式中：Spooled代表合并方差的估计数值；t代表自由度为N1+N2-2的t统计数量；Ni代表规模中数据集样本；报考模型中约束的标准误差值用SEi表示；报考模型中约束系数值用PCi表示。

表4 特定专业调节效应的对比假设检验结果

表4所示，不同招生专业下内外在动力对专业报考态度存在显著差异，大招生专业中外在动力（学校排名和地域位置）对专业报考态度的影响（t=25.450，p<0.01；t=10.463，p<0.01）更大，而小规模专业中内在动力（个人兴趣和生活背景）在统计上（t=2.525，p<0.1；t=21.754，p<0.01）对专业报考态度的影响更加显著，所以H10假设也获得正向验证。

5 结论

通过验证数据分析，作为一所地方应用型本科高校，基于具体分析考生报考行为的综合约束条件，发现有以下几个结论：第一，内在动力（个人兴趣和生活背景）对专业报考态度的约束要大于外在动力（学校排名和地域位置）；第二，“态度”“专业历年分数线”和“专业优势特色”三者均正向显著支持“专业报考意愿”，约束程度从小到大分别是“历年分数线”“专业优势特色”和“态度”；第三，在排除考生的专业报考意愿之后，专业就业率成为专业报考行为的主导因素；第四，校验了不同招生规模（大招生和小招生）中“动力”对于“态度”两者的约束关系，小招生专业中内在动力因素约束强度更大，而大招生专业中外部动力因素约束强度更大。

6 对策

（1）建立以素质能力为导向的培养体系。随着新高考改革的不断深入，学生个性化教育和兴趣化教育将成为未来教育理念的核心和主旨，应用型高校需探索与之相协调的人才培养模式，以素质能力培养为目标导向，注重模块化的人才培养模式和提倡学生自主学习模式；注重学生个性的培养，为学生创造与社会接触的机会，多去地方企事业单位进行认知实习、社会实践和毕业实习等，提高学生的综合素质；针对“地方性、应用型”办学定位和特色，推进“卓越人才教育培养计划”，通过“卓越人才教育培养计划”的实施，要求教师因材施教，编写模块化讲义和教材，构建独具特色的人才培养体系。

（2）树立以专业特色为品牌的招生机制。应用型本科高校应以个性和特色参与生源市场竞争，吸引优秀生源。以学校办学理念和规划目标为指导，对接区域经济和社会发展需求，凝聚优质教科研资源培育品牌专业，突出特色，强化优势，以点带动面，并以专业特色作为学校品牌吸引优质生源，提升学校知名度，增强学校核心竞争力。

（3）设立适应新业态发展的新兴专业。注重分析省市政府工作报告、“十三五”教育事业发展规划和省市发展行动计划，结合国家新工科发展要求，以学校就业质量分析数据为基础，申报适应社会地方产业发展需求的新专业及目录外专业，培育建设过程中紧密对接产业链、创新链的专业体系，研究设立适应新业态发展的新兴专业，新兴专业将在新高考改革后按专业志愿录取模式中凸显其优势和前景。