基于DEA 的高校物流管理专业人才培养质量评价研究

张雪梅，李盈盈

（阜阳师范学院 a.商学院；b.区域物流规划与现代物流工程安徽省重点实验室，安徽 阜阳 236037）

物流管理专业是实践性很强的专业，要求学生具有较强的组织能力、团队合作能力和创新意识等。应用型物流管理人才的培养强调不仅要掌握理论知识、基本技能，还要重视实践能力的训练。高校如何利用现有的资源条件培养出社会需要的物流人才是关键问题。基于产出的教育（outcome-based-education,OBE）培养模式理念正好符合市场需求物流人才的要求，根据产出要求确定人才培养模式是高效物流管理专业改革的方向。而物流管理专业的人才培养质量的评价有利于激发高校物流管理专业人才培养模式的创新，基于OBE视角构建评价指标体系更有利于培养出社会所需要的物流人才。

很多学者对人才培养质量评价进行了研究。李兴国等利用证据推理的方法构建了人才培养质量综合评价模型[1]。马万民从素质、知识、能力视角构建了人才培养质量的评价模型[2]。王琴等采用因子分析法进行了人才培养质量评价[3]。邹颖等采用灰色关联分析的方法对数学教学质量进行了评价[4]。吴俊采用层次分析法(analytic hierarchy process,AHP)进行了课堂教学质量评价[5]。代应等利用模糊层次分析法进行了高校的人才培养质量评价[6]。冯帅等利用AHP方法进行创业培养质量评价[7]。王冬玲等采用数据包络分析(date envelopment analysis，DEA)模型构建了人才培养质量和社会需求两个方面的评价指标体系[8]。这些方法较少从产出的角度进行人才培养质量的评价。

DEA方法不需要人为的主观赋予指标相对权重，能够处理多输入多输出的系统，具有很强的客观性[9]。并且DEA模型假定了每个输入都可关联到一个或多个输出，而不必确切知道这种关系的显示表达式。但是传统的为了使决策单元达到效率评价最大值，对输入和输出指标采用不合理的权重分配[10]。DEA交叉评价法能够很好地克服这种缺陷[11-12]。因此，本文利用DEA交叉评价模型进行应用型物流管理专业人才培养质量评价。并根据物流管理专业特点，从OBE的视角构建知识、能力与素质三维一体的输出评价指标体系，从学生、教师和学校三个方面构建输入评价指标体系。评价结果更加有利于指导高校物流管理专业人才培养模式的改革，符合基于OBE的人才培养模式理念。

1 DEA交叉评价模型

1978年，Charnes等提出了DEA模型，它是评价决策单元相对有效性的一种方法[13]。决策单元的相对有效性为该决策单元的多指标输出加权和与多指标输入加权和之比。

设n个高校开设物流管理专业，其决策单元

DEA-C2R模型是对每一个决策单元DMUi(1≤i≤n)求最大值问题：

（2）可以利用Charnes-Cooper转化为等价的线性规划问题[14]

在实际评价过程中，大部分决策单元的效率值都等于1，仅用Eii不能区分决策单元的优劣。计算DMUk的效率值，可以得到交叉评价值：

Eik越大对决策单元DMUk越有利，对决策单元DMUi越不利。

（Ⅰ）利用（3）计算出DMUi的自我评价效率值Eii(1≤i≤n)。

（Ⅱ）给定iϵ{1,2,…,n}，kϵ{1,2,…,n}，解如下线性规划问题

（Ⅳ）由（Ⅲ）的交叉评价值构成交叉评价矩阵

其中，主对角线上的元素Eii为自我评价值，非主对角线上的元素Eik(k≠i)为交叉评价值。E的第i列是各个决策单元的评价值，值越大说明越优；E的第i行是对其他决策单元的评价值，值越小说明对DMUi越有利。

表1 物流管理专业人才培养质量输入指标体系

（Ⅴ）计算E的第i列的平均值，ei越大，决策单元DMUi越优。

2 应用型物流管理专业人才培养质量指标体系构建

基于OBE的教育理念，更加强调根据产出确定物流管理专业的人才培养模式，人才培养质量的评价也需要强调产出的重要性。本文根据高校应用型物流管理专业的人才培养目标以及教学管理过程，构建基于OBE的输出和输入的高校物流管理专业人才培养质量评价的指标体系。由于DEA交叉评价模型将输入和输出指标分开来计算交叉评价值，从而确定每个高校物流管理专业人才培养质量的优劣。因此，我们建立如下表1和表2所示的物流管理专业人才培养质量评价的输入指标体系和输出指标体系。

从表1可以看出，人才培养质量依赖于学生自身情况、教师培养方面（包括教师队伍水平、教师的教学态度、教学方法与手段）以及高校物流管理专业的教学环境条件（包括教学条件和教学内容）。

表2中的输出指标体系主要根据物流管理专业的人才培养目标，体现了能力、知识和素质三维一体的人才培养模式目标，更体现了基于OBE的教育理念。

表2 物流管理专业人才培养质量输出指标体系

表3 10所高校的输入输出指标值

3 基于DEA的应用型物流管理专业人才培养质量评价实证分析

全国开设物流管理和物流工程专业的高校有400多所，主要包括：北京大学、浙江大学、大连理工大学、南开大学、北京物资学院、北京交通大学、上海交通大学、大连海事大学、上海海事大学、上海交通大学、北京工商大学、西南交通大学等，每个学校的特色不同。本文根据高校物流管理专业的办学特色选取了10所比较有代表性的高校，包括世界一流水平的985高校、国内一流水平的211高校、地方特色的省属高校，它们在学生、教师、学校方面的情况有所不同。根据学生评价情况、企业对毕业的评价情况等确定了10所高校的三个输入指标和三个输出指标值如表3所示。

利用Matlab2012软件编程进行决策单元的DEA交叉评价，得到交叉评价矩阵，从而得到决策单元的自我评价值

从决策单元的自我评价值可以看出，第1、2、5、7、8、9、10所高校物流管理专业的人才培养都是有效的，只有第3、4、6所高校物流管理专业的人才培养质量是非有效的，但是它们都接近于1，这说明大部分高校的物流管理专业人才培养模式是合理的，通过教师和学校资源对不同来源的学生进行培养，最后使得学生掌握知识，具备一些能力以及具有较高的素质。而非有效的高校主要原因可以归纳为使得学生在知识、能力和素质方面提高的较少，没有充分调动学生和教师的积极性，没有充分利用学校教学资源提高人才培养质量。

为了比较这些决策单元的相对有效性，利用交叉评价模型计算出它们的交叉评价值分别为：e1=0.975 4，e2=0.968 7，e3=0.962 1，e4=0.972 6，e5=0.962 4，e6=0.942 6，e7=0.953 0，e8=0.977 3，e9=0.965 1，e10=0.970 3。

按照交叉评价值对10所高校物流管理专业的人才培养运行效果优劣排序为：

DMU8＞DMU1＞DMU7＞DMU4＞DMU10＞DMU2＞DMU9＞DMU5＞DMU3＞DMU6。

因此，根据DEA交叉评价法可以看出，第8个决策单元的输出输入比最高，这所高校的物流管理专业运行最有效，投入较少，而产出的学生质量较高。而第6个决策单元的输出输入比最低，这所高校的物流管理专业运行效率最低，投入较多，而产出的学生质量一般。这也说明了资源利用的重要性，地方高校只要具有鲜明的办学特色，即使学生生源相对差一点，也可以充分利用教师和学校资源，提高学生培养质量。基于OBE的人才培养模式就需要高校根据市场需求确定人才培养过程，充分调动学生和教师的积极性，合理利用学校教学资源，从而培养出社会所需要的人才。

4 小结

基于OBE的教育理念要求高校的物流管理专业人才培养要适应市场的需求，根据市场对人才在知识、能力和素质三个方面的要求进行培养，而基于输入和输出的人才培养质量评价更有利于高校改变传统的人才培养模式，按输出要求进行培养。本文在OBE的教育理念下，应用了DEA交叉评价法对选取的10所代表性高校的物流管理专业进行了评价，得出了他们人才培养过程的绝对有效性和相对有效性，指出了高校物流管理专业人才培养改革的方向。相对于其他的AHP评价方法等，DEA交叉评价法具有更高的客观性，为高校在制定提高人才培养质量制度与决策等方面提供了定量的参考。

参考文献：

[1]李兴国，崔姗姗，顾东晓，等.高校人才培养质量综合评价:一种基于证据推理的方法[J].高等教育研究学报，2011，34（1）：32-35.

[2]马万民.高等教育人才培养质量评价模型研究[J].中国软科学，2008（8）：153-156.

[3]王 琴，张淑莲.因子分析在人才培养质量评价指标体系构建中的应用[J].河北师范大学学报:教育科学版，2008，10（9）：141-144.

[4]邹 颖，郭世平.基于灰色关联分析的高等数学教学质量评价[J].合肥师范学院学报，2009，27（6）：16-20.

[5]吴 俊.AHP方法在高职课堂教学质量评价中的应用[J].天津职业大学学报，2007，16（5）：39-41.

[6]代 应，宋 寒，李海燕.基于模糊层次分析的高校人才培养质量评价[J].重庆理工大学学报:社会科学版，2014，28（1）：127-130.

[7]冯 帅，刘冀琼.基于AHP的物流管理专业创业人才教育质量评价研究[J].物流科技，2016（9）：147-151.

[8]王冬玲，时俊霞.高职院校人才培养质量和社会需求对接评价指标体系构建研究[J].中国证券期货，2013（4）：279-280.

[9]史成东，陈菊红，张雅琪.物流公司绩效的DEA交叉评价[J].系统工程，2010，28（1）：47-52.

[10]Doyle J,Green R.Efficiency and cross-efficiency in DEA:derivations,meanings and Uses[J].Journal of the Operational Research Society,1994,45(5):567-578.

[11]Doyle J R,Green R H.Data envelopment analysis and multiple criteria decision making[J].Omega,1993,21(6):713-715.

[12]Sarkis J.A comparative analysis of DEA as a discrete alternative multiple criteria decision tool[J].European Journal of Operational Research,2000,123(3):543-557.

[13]魏权龄.数据包络分析[M].北京：科学出版社，2004：1.

[14]盛昭瀚.DEA理论、方法与应用[M].北京：科学出版社，1996：23-24.