单子丹,王晓燕,韩 姣
(1.哈尔滨理工大学 经济与管理学院,哈尔滨 150040; 2.哈尔滨理工大学 高新技术产业发展研究中心,哈尔滨 150040)
当前,中国社会的经济发展正处于关键的转型期,为适应社会的发展需求,中国创新创业教育正逐步走向质量提升的发展道路[1]。高校是培养创新创业人才的主阵地,《中国教育现代化2035》[2]指出“深化高等学校创新创业改革,是国家实施创新驱动发展战略”。理工科院校作为培养高科技人才的主要基地,与社会产业发展有着密切联系,在创新型国家建设中担任重要角色。理工科高校要与时俱进,紧跟多学科交叉融合的发展趋势,培养符合社会需求的高素质创新型人才。这对于提升理工科院校创新创业教育质量、提高理工科学生就业率以及创新创业能力具有重要意义[3-4]。
理工科院校以专业特色定位为指导,形成了多学科交叉融合下的人才培养方案、教学科研团队以及协同育人的实践体系,所以在评价此类高校创新创业教育实践效果时,可以结合其人才培养模式进行研究评价。以教育部对于理工科院校进行创新创业教育的基本要求为指引,从投入和产出两个方面出发,在遵循系统性、科学性、完整性和可操作性等基本原则的基础上构建评价指标体系,选取具有代表性的6个二级指标和19个三级指标,建立评价指标体系,如图1所示。
图1 创新创业教育质量评价体系
三阶段DEA方法是以投入产出为测算因素,分析效率前沿的非参数分析模型。此方法最大的特点是可以有效剔除影响效率的环境因素和随机误差,从而得到更加接近实际水平的效率值,进而能够更加客观真实地反映决策单元的效率[5],故数据包络模型是研究效率转化行之有效的方法。
传统的DEA模型分为两种规模报酬形式,分别是规模报酬不变的CCR模型和规模报酬可变的BCC模型。高校所处的外部环境是在不断发展变化的,所以其规模也会随之发生变化。BCC模型中投入变量比产出变量更容易被控制,因此结合本文评价过程,选用以投入为导向的BCC模型进行高校创新创业教育的评价。其模型如下:
(1)
约束条件:
(2)
第1阶段DEA-BCC模型无法排除高校所处的外部环境因素,如高校所在地的宏观经济环境、宏观教育环境以及随机因素、管理因素。初步得出的效率与真实效率之间存在偏差。故第2阶段采用随机前沿模型来剔除外部环境因素和随机因素的影响,以投入松弛值为因变量,高校外部环境为自变量,构建SFA回归模型:
vri=f(zr,βi)+uri+wri
(3)
式中:vri代表第i个决策单元的第r个投入的松弛变量;zr表示环境变量;βi代表环境变量系数;f(zr,βi)代表外部环境变量对投入松弛变量的影响;uri代表管理无效率项;wri代表随机误差项,uri和wri相互独立。利用最大似然估计法求得βi、σ2、γ等参数值。根据所求参数计算管理无效率项uri和随机误差项wri,然后计算调整后的投入值,调整方法如下:
(4)
(5)
由于高校创新创业教育受环境变量的影响,所以借助随机前沿SFA模型根据变化的外部环境对初始投入变量进行调整。
为了解理工科高校开展多学科交叉融合创新创业教育的真实情况,遵循“以学为中心、以教为主导”的原则,调查选择来自全国15所高校在读学生的评价结果作为大样本数据。通过现代通信平台转发问卷的方式采集调查数据,共搜集到325份问卷数据,经过数据清洗得到有效问卷257份,其中79%来自理工类院校,21%来自其他类型院校。
运用SPSS23对样本数据进行初步的描述统计、信度检验、效度检验以及相关性分析,最终筛选出257份问卷,分析结果:效度分析KMO值为0.823,信度分析克隆巴赫系数为0.805。
根据上述分析可以得到本问卷的总体信效度值都已经处在良好的范围区间,为了更加直观地体现多学科交叉融合的研究背景,对题项做进一步的信效度检验,来观测各个维度的合理性,以及不同维度下各个投入变量的内部一致性,结果见表1。
表1 变量信度与效度分析结果
对表1进行分析可以看出,课程体系建设、师资结构、实践基地建设的α值均大于0.7,表明各个变量均具有较好的一致性。对量表题项的效度检验依旧是采用因子分析的方法,所有投入变量的各个题项的因子载荷均大于0.7,表明各个量表具有较好的效度。
以上作为最终的投入因素和产出因素,对投入因素、产出因素做进一步的相关性分析,各因素间的相关性系数见表2。
表2结果显示:皮尔逊相关系数均为正,且在0.01显著性水平下通过双侧检验,说明投入产出变量满足同向性假设,呈现正相关关系,且各个投入变量及产出变量间相关性较低,因此选用这些样本数据和变量是合理的。
表2 相关性系数描述统计
3.3.1 第一阶段
采用DEAP2.1对257个样本数据进行创新创业教育效率计算,表3列出了20个样本数据的测算结果。其中,综合效率可以分解为纯技术效率和规模效率,即:综合效率=纯技术效率×规模效率。
表3 创新创业教育质量转化效率(调整前的DEA-BCC测算结果)
从第1阶测算结果可以得出,所研究样本数据的平均综合效率值为0.695,平均纯技术效率值为0.875,而平均规模效率值为0.794,说明高校创新创业教育成果的转化效率并不高。有59个DEA有效数据处于技术的前沿面,其他各个高校的技术效率存在不同程度的改进空间;非DEA有效的高校83%处于规模报酬递增的状态,则对应的高校应该扩大投入规模,缩小高校创新创业现有产出水平与预期水平之间的差距。
但需要指出的是,该测算未剔除环境因素和随机误差的影响。环境因素需要在第2阶段SFA回归模型中予以剔除。基于环境变量应该是决策单元即高校本身无法决定和控制,但对高校的创新创业质量效果的转化率产生影响的这一基本思路,提取了如下两个环境指标:一是高校所在地的宏观经济环境,二是高校所在地的高校密度。
3.3.2 第2阶段
以投入松弛值为因变量、环境变量为自变量,利用Frontier4.1进行SFA回归分析,回归结果见表4。两个环境变量对4个投入松弛量的影响系数均通过显著性检验,表明外部环境因素对4类投入松弛量有显著性影响。
表4 SFA回归结果
根据表4的结果看出,师资力量、资金投入、实践基地建设、课程体系4项指标的投入冗余在不同程度上受到环境变量的影响。高校所在地经济发展水平正向促进资金投入冗余的产生,表明经济发展水平越高的地区对高校创新创业教育的财力投入会更大,但由于高校自身的制度限制,出现财力冗余。另外,宏观教育环境对师资投入冗余产生正向影响,是由于高校间的创新创业教育交流活动频繁,参与教育过程的人员数量增加,导致部分教师的边际劳动生产效率降低,出现教师资源投入冗余。
3.3.3 第3阶段
利用第2阶段调整后的投入数据、原始的产出数据,再次运用DEAP2.1计算剔除外界环境因素后的效率值。计算结果见表5。
表5 创新创业教育质量转化效率(调整后的BCC测算结果)
调整后的综合效率平均值为平均综合效率值为0.763,平均纯技术效率值为0.846,而平均规模效率值为0.902,不难发现平均综合效率值和平均规模效率值都有所上升,而平均纯技术效率有一定的下降。进一步使用配对样本t检验考察第1阶段调整前与第3阶段调整后的效率测算结果是否有显著差异,结果显示,综合效率配对t检验值为-3.896,显著性概率为0.01,纯技术效率配对t检验值为-2.365,显著性为0.023,规模效率配对t检验值为2.348,显著性概率为0.019,再次证明了剔除环境变量对测量真实效率的必要性。除此之外,可以发现造成样本效率不高的主要原因仍然是纯技术效率较低,即高校对创新创业教育的投入要进一步增加。
通过构建创新创业教育质量评价指标体系,基于三阶段DEA模型以投入为导向对地方理工科院校的教育效率进行分析,认为高校可以从师资结构、资源投入、教育引导、评价机制4个方面加以改进,以提升高校“双创”教育质量。
合理构建师资队伍是开展创新创业教育的关键一环。高校在安排专业教师和聘请企业教师时,要多从学生实际需要出发,让教师在学生创业之路上真正起到指路明灯的作用。另外,高校师资安排不应仅仅拘泥于传统的教师队伍,还应充分利用当下流行的线上资源共享平台(如MOOC),突破时间和空间对学生学习的限制,在保证学生轻松获取优质教学资源的同时,进一步调动学生的积极性。
从本研究可以看出,高校创新创业教育在4个投入指标上表现得并不理想。这反映出近年来高校虽然注重加强创新创业教育板块的建设,但与学生进行创新创业实践的实际需求仍有较大的差距,所以高校要有的放矢地加大创新创业教育的资源投入。依托学校的优质资源平台,让学生进一步了解宏观就业形势、创新创业环境以及行业发展现状,完成对自身情况的再定位,进而帮助学生选择更适合自身的发展方向。
在目前的创新创业教育投入情况下,高校创新创业产出并不尽如人意,创新创业教育效率还有较大的提升空间。这一现象启发高校在进行创新创业教育时要注重引导帮扶。一方面注重加强引导,着力提高大学生的创新意识和能力,特别是创新创业教育效率不够理想的高校,更应抓住这一点,有针对性地实现突破;另一方面注重加强帮扶,高校应多方努力打造更加符合学校创新创业教育发展的校园文化,为学生创新创业意愿的转化提供更强有力的保障。
第一,高校要建立健全校内创新创业激励制度,针对创新创业师资设立教师奖励制度,根据学生的创业成果和大赛获奖情况,给教师颁发不同等级的优秀指导教师荣誉证书和教育奖金;针对学生设立多形式的创新创业奖学金制度,吸引更多的学生参与到创新创业实践中来。第二,高校应加强自身创新创业教育效率的评估,适当引入第三方机构,以评估促改革,以改革增效率。各高校应根据自身情况采取相应的激励措施,促进高校创新创业教育良性发展。