职业教育革新：基于CMMI的产业学院评估策略

周建清 邓玉良 王金娟

作者简介：周建清（1973—），男，常州市高级职业技术学校正高级讲师，研究方向为机电控制技术、职业教育；邓玉良（1978—），男，江苏省金坛中等专业学校讲师，研究方向为机电控制技术、职业教育；王金娟（1973—），女，常州市高级职业技术学校高级讲师，研究方向为电气自动化技术、职业教育。

基金项目：2022年度江苏省教育科学规划重点课题“基于成熟度理论的职业院校产业学院评价指标体系研究”（编号：B/2022/02/37）

摘要：研究分析了全球职业教育的发展趋势和中国面临的挑战，强调了产业学院在提升教育质量和资源优化方面的关键作用，旨在应用成熟度模型（CMMI）构建一个针对产业学院的评估策略，探索职业教育革新的新途径。通过混合方法设计，结合定量和定性分析，对两所代表性产业学院进行了全面实证研究。研究结果显示，CMMI模型能有效评估产业学院在教育质量、产教融合及创新能力方面的表现，为职业院校产业学院的持续改进和教育质量提升提供了新的视角和评估工具。

关键词：职业教育革新；产业学院；CMMI；评估策略；产教融合

中图分类号：G710    文献标识码：A    文章编号：1672-5727（2024）06-0050-10

产业学院不仅在提升教育质量和优化资源配置上发挥核心作用，更是教育创新和实践的前沿阵地。然而，目前的评估体系存在缺乏统一性和效率低的问题，这使得准确衡量产业学院在教学质量、产教融合效果、持续改进和创新能力等多个关键维度的表现变得困难。针对这些评估挑战，成熟度模型（Capability Maturity Model Integration， CMMI）提供了一个全新的解决方案。本研究旨在构建一个基于CMMI的产业学院评估框架，提供全面、详尽的效能分析工具，以全方位衡量产业学院在关键维度的表现，并探索职业教育与社会经济发展更紧密结合的途径。本研究致力于提升产业学院评估的科学性和系统性，引入职业教育领域新的评估思路和方法。此举不仅能促进职业教育体系的完善，也将帮助教育系统更好地适应经济发展的新要求，为高素质、高技能人才的培养提供支持，从而为社会经济发展注入新的活力，并为职业教育领域贡献新的理论和实践洞见。

一、研究背景与理论基础

（一）全球视角下的产业学院发展趋势与挑战

在全球范围内，产业学院以其多样的教育模式，在职业教育领域占据了至关重要的地位。德国的双元制模式、美国的社区学院、新加坡的“教学工厂”模式，以及澳大利亚的TAFE体系，都是产教融合的优秀实践。这些模式不仅在本国内效果显著，也为全球职业教育提供了可借鉴的经验。例如，德国双元制教育体系下学徒的就业率高达89%，远超传统学术路径[1]。相比之下，中国的产业学院在适应快速的经济增长和产业升级的过程中面临挑战，尚需构建具有国际竞争力的特色产教融合模式[2]。

（二）成熟度模型（CMMI）的理论框架

成熟度模型（CMMI）原本用于评估软件工程领域的组织能力，并通过五个成熟度等级描述能力的递进式提升。这些等级从初始级到优化级，渐进展现了持续改进和标准化对组织过程的重要性[3]。近年来，CMMI在教育管理领域的应用开始受到关注，其结构化和分层评估框架在产教融合方面显示出巨大潜力[4]。

（三）评估方法的局限性与创新需求

当前，产业学院的评估方法主要依赖定量指标，如资金投入、基地数量和就业率等。尽管这些指标提供了基本数据，但在深入理解教育质量和实践成效方面仍显不足。因此，有必要将定性分析与定量分析相结合，以更全面地捕捉教育成效。评估体系还应考虑产业学院的动态性和发展需求，综合评估其教育质量、持续改进能力及与行业需求的契合度[5]。

二、理论框架与研究假设

（一）基于CMMI的评估应用

本研究提出了一个持续建设、不断完善的评估框架，将成熟度模型（CMMI）有效应用于产业学院的评估。该框架不仅涵盖对传统的教育管理和教学流程效率的评估，还包括对教育内容的市场适应性、教学方法的创新性、产教融合的深度及其效果的评估。CMMI的五个成熟度等级与教育领域的需求紧密结合，构成了一个多维度的评估体系，能够全面捕捉并量化产业学院在各方面的绩效。

（二）理论模型的建立与研究假设的提出

如图1所示，本研究基于CMMI原理构建了一个评估理论模型，将其分为五个渐进的成熟度等级：被动级、萌芽级、主动级、创新级和卓越级。模型充分考虑了职业教育的特定需求和面临的挑战，并据此提出相应的评估指标。每个成熟度等级包括多个组成部分，每个关键过程域均有对应的关键实践，从而实现预定目标。研究假设为，产业学院在更高的成熟度等级上，在市场适应性和创新教学方法方面表现更优。此外，假设CMMI的结构化评估框架能有效识别产业学院在教育质量和持续改进方面的优势与不足。

（三）理论框架和研究假设的概念性验证

为验证理论框架和假设的有效性，本研究结合定量和定性数据，从多个维度评估产业学院在CMMI各成熟度等级下的表现，并与理论模型的预测进行比较。这种综合性方法不仅验证了CMMI在产业学院评估中的适用性和有效性，还为整个理论模型提供了实证支持。这一方法展示了理论框架与教育行业特性的协同，同时考虑了产业学院与社会经济发展的关联，突显了理论与实践创新的可能性。

三、研究方法

（一）综合研究设计的理论与实践

本研究采用混合方法设计，融合了定量研究和定性研究的优势，以全面分析产业学院的发展趋势和面临的挑战。定量研究侧重于使用统计数据来揭示趋势，例如，通过分析就业率和课程满意度等关键绩效指标来评估产业学院的教育质量。定性研究则着重于深入探讨产业学院的个案背景和内在动机，以提供对其复杂现象的全面理解。两种方法的结合为评估产业学院在多个维度上的表现和成熟度提供了坚实基础。

（二）问卷设计与样本选择

问卷设计环节专注于收集定量数据，主要针对产业学院的关键绩效指标。在设计问卷时，注重问题的准确性和清晰度，以确保数据的可靠性和全面性。样本选择遵循代表性和多样性的原则，确保能够涵盖学生、教师、管理人员及行业合作伙伴等不同群体的视角，从而实现对产业学院影响的全面分析。

（三）数据分析

定量数据的分析采用描述性统计来总结数据特征，并运用推断性统计方法，如多元回归分析和聚类分析，来测试研究假设和揭示不同成熟度等级的产业学院在关键性能指标上的差异。定性数据分析则采用内容分析和主题编码方法，借助SPSS和NVivo等工具进行详细分类和解读，以提炼关键主题并深入洞察。通过整合定量和定性数据，并实施三角验证，增强了研究的全面性和深度。例如，将毕业生就业率的定量分析与毕业生访谈的定性见解结合，可提供对产业学院整体成效更全面的了解。

四、实证研究

产业学院不仅是教育与行业之间的纽带，更是推动教育质量和创新教学方法的重要支撑。为提供一个全面且动态的评估视角，本研究采用基于成熟度模型（CMMI）的多元化评估方法。这一方法不仅涵盖了传统的定量指标，还包括教育内容的创新性、教学方法的有效性及产教融合的深入性等定性指标。通过这种综合评估，CMMI模型可以深入洞察产业学院的性能，并指导其建设路径，以持续提升教育质量和深化产教融合。

（一）案例选择与背景

本研究精选了两所具有代表性的产业学院作为实证分析对象，分别是位于常州金坛区的金旺智能制造产业学院（简称JW学院）和常州武进区的遨博机器人产业学院（简称AB学院）。这两所学院在行业背景、地理位置、教育理念、教学方法和产教融合程度上各有特色，反映了不同行业背景和地理差异对职业教育实施和成效的影响。JW学院，以其在机电一体化控制技术和机械设计方面的卓越表现，与多家知名企业建立了紧密的合作关系，为学生提供了丰富的实习和就业机会。AB学院则专注于自动化控制、智能机器人和信息技术领域，与多家高科技公司保持密切合作，为学生提供接触企业最新技术和行业发展前沿的机会。

（二）评价指标体系的构建

为构建科学合理的评价指标体系，本研究遵循了2022年6月常州市教育局发布的《关于开展常州市职业院校产业学院申报工作的通知》（以下简称《通知》）中提到的五个关键准则：体制机制健全、校企合作深入、双师素质深厚、综合素养优秀和服务发展突出。这些准则体现了职业教育在高质量发展时代的新要求，强调了产业导向、服务需求、发展聚焦及深度融合的重要性。

1.文献回顾与初步框架的构建

本研究首先通过回顾产业学院评价指标建设的相关文献，梳理分析评价产业学院的关键维度。其中，周晖杰、毛小燕认为管理体系、人才培养、科研创新和生产服务等一级指标反映了现代产业学院的绩效评价的核心要素[6]。郭巧云、马菲菲等人提出高职院校产业学院评价指标体系建设的四个评价维度：办学主体、运行机制、建设内容与建设成效[7]。周步昆、许广举等人认为产业学院的评价体系主要包括规划与定位、组织架构与办学条件、教学运行与管理、校企合作、建设绩效等五个方面[8]。综合文献研究结果，依据《通知》准则，构建产业学院评价的4个维度：体制机制、人才共育、师资共培和社会服务。在此维度下，拟定目标定位、人才培养、专业建设、课程建设等18个二级指标，及其识别影响产业学院效能的多个因素，初步构成职业院校产业学院评价指标体系框架。

2.专家咨询与德尔菲法的应用

为确保评价指标体系的合理性和适用性，组建了来自教育学、管理学和产业界等领域的跨界专家团队，通过专家咨询、德尔菲法实施多轮问卷和反馈。问卷处理采取定性、定量分析相结合的方式。定性分析是指归整、统计专家对评价指标体系的意见和建议，对指标框架进行必要的细化和调整。定量分析主要应用SPSS软件进行平均值、标准差、变异系数和肯德尔和谐指数的求取[9]。根据统计学，设定指标筛选、修正条件为：平均值（M）≥4、标准差（SD）>1、变异指数（CT）<0.2，设定是否进行新一轮德尔菲问卷的条件为肯德尔和谐指数（W）符合取值区间（0～1）。本研究经过了3轮德尔菲法问卷调查后，专家团队就所有评价指标的重要性达成了较高的一致性，从而基本确立了评价指标体系。

3.指标体系的迭代完善

为进一步完善指标体系，采用了实地调研和多视角问卷的方法。访问JW学院和AB学院，收集实践案例和经验数据，细化优化评价指标。深入分析评价指标在实际应用中的效果和影响，尤其在不同教育环境和背景下的适用性。同时，通过对教师、学生、行业专家和管理人员等多视角问卷调研，分析验证指标的可靠性和相关性，再对指标体系进行相应的调整和改进，使其更准确地反映产业学院教育质量、产教融合和创新能力等多个关键指标的表现，形成了一个较为全面而科学的评价指标体系，如表1所示。

4.权重设定逻辑与方法

基于CMMI模型和教育评估理论，借助层次分析法（AHP）对表1所有指标的重要性加以权衡，确定各评价指标的权重。通过成对比较方式，确保评估体系的系统性和科学性。

（1）构建层次结构模型。依据专家意见，确定评价指标体系为三层结构模型，其中一级指标4个，二级指标18个，三级指标39个。

（2）构造判断矩阵。邀请某公司总经理、某大学教育中心主任、JW学院院长、某公司人事经理等四位专家对指标的重要性进行打分，并采用1～9标度方法进行标记赋值。整理指标赋值得到判断矩阵，计算特征向量且归一化处理后，求得特征向量矩阵。

（3）一致性检验。计算特征向量矩阵的一致性指标和一致性比率，检验指标矩阵的一致性。一致性指标CI=（λmax-n）/（n-1），其中，λmax为最大特征根，n为指标数量。当λmax大于n时，表明判断矩阵具有基本一致性；当λmax=n，CI=0时，表明判断矩阵具备完全的一致性。另一个检验指标是一次性比率CR=CI/RI（RI为平均随机一致性指标），当CR<0.10时，表明判断矩阵具备满意的一致性。若两项指标均符合要求，则认为专家赋值的判断矩阵的一致性通过检验。

以一级指标为例，表2为其中一位专家的重要性打分。

第一步，对专家的重要性打分构建判断矩阵A。

A= 1   1/3    1    2 3    1     2    4 1   1/2    1    41/2  1/4  1/4   1

第二步，计算矩阵A的最大特征根λmax=4.0813，及矩阵A的特征向量E为{0.3340，0.8166，0.4440，0.1565}。

第三步，应用公式Vi=■进行特征向量归一化处理，得到向量V为{0.1907，0.4663，0.2535，0.0893}。

第四步，计算一致性指标Cl=■=■=0.0271，及一次性比率CR=■=■=0.03。

结果显示，CI、CR指标值均符合一致性检验条件，可认为权重分配具有合理性。由此确定一级指标权重为{0.1907，0.4663，0.2535，0.0893}。

依据上述方法和步骤，计算求得四位专家确定的一级指标和二级指标的权重，取平均值后，构成产业学院评价指标体系的权重，如图2所示。

（三）产业学院CMMI评价模型的构建

1.模型适应性调整

借鉴CMMI在软件和系统工程领域的应用经验，并针对产业学院的特殊需求进行适应性调整，使评价体系更全面、更系统。

首先，定义评估产业学院的关键维度，将CMMI模型的成熟度等级与产业学院评价体系内容相对应，将“定义级”与教学方法的创新性、有效性相结合；“量化管理级”以就业率、教师资格比例、学生满意度等定量指标评估教育质量；“优化级”则重点评估教育内容的创新性、教学方法的有效性、产教融合的深度等定性指标。其次，将CMMI等级映射到评价体系中，确保每个等级都能全面反映产业学院在教育质量、产教融合等方面的表现。最后，通过在JW、AB学院中实施调整后的CMMI模型并收集反馈，对模型进行必要的迭代优化。

2.成熟度等级的定义与适配

CMMI理论的核心在于明晰组织能力的逐步提升路径。初始级、管理级、定义级、量化管理级、优化级分别代表关键业务领域的成熟程度。将之用于产业学院评估，需重新定义和适配，使之更为贴近产业学院的实际运作和建设目标。

（1）被动级（适应与响应）。定义被动级为产业学院CMMI评价模型的初始级，强调产业学院的基础设施建设和初步响应能力，尤其关注行业需求的反应和基本教育流程的建立，如校园基础设施、初步联系行业等。

（2）萌芽级（结构化管理）。定义萌芽级为产业学院CMMI评价模型的管理级，重视教育管理和产教融合方面的结构化进展，包括教学质量的监控与管理、校企合作的组织架构及学生实习安排等。

（3）主动级（统一标准化）。定义主动级为产业学院CMMI评价模型的定义级，聚焦教育流程和教学质量的统一标准化，评估产业学院在制定统一教学标准和质量保障体系等方面的能力。

（4）创新级（质量量化控制）。定义创新级为产业学院CMMI评价模型的量化管理级，强调通过数据和度量手段来管理和优化这些领域，如学生成绩跟踪、教学质量反馈和行业合作成果等。

（5）卓越级（持续创新与改进）。定义卓越级为产业学院CMMI评价模型的优化级，重点放在持续创新能力和改进实践上，如课程内容更新、教学方法创新，以及根据行业需求的变化优化教育流程等。

3.CMMI关键过程域与评价指标的融合

如图1所示，除被动级外，CMMI模型的每个成熟度等级均包含若干个关键过程域，提供组织改进过程的详细目标和实践指南。只有按照对应等级的要求实施其所有关键过程域下的关键实践，其成熟度等级方可认定建设达成这一级别。鉴于这一理念，还需对CMMI模型关键过程域与产业学院评价指标适配融合。

在被动级阶段，产业学院建设混乱，没有关键过程域和关键实践。萌芽级阶段的重点是产业学院建设过程具有可重复性，关键过程域包括机制体制、人才共育、师资共培及建设过程规范化。主动级的关键是实现建设过程标准化；创新级的关键是创新，对建设过程量化管理，由不可控变可控；卓越级的关键是建设过程的持续改进和优化。对于主动级、创新级和卓越级而言，三者关键实践均包含评价指标体系的所有方面。见表3。

4.产业学院CMMI评价模型

综合以上元素，本研究构建了产业学院CMMI评价模型，形成了一个多层次、多维度的评估体系。该模型不仅为产业学院提供了清晰的建设指引和标准，还促进了学院的持续发展。“人才共育”的CMMI评价模型将准则层分为六个指标层：人才培养、课程体系、专业建设、文化建设、实训基地和教学建设，每一个指标层细分为五个递进的成熟度等级，以全面评估产业学院在各方面的表现和进步。如表4所示。

（四）产业学院CMMI评价模型定量评价

在产业学院CMMI评价模型定性评价的基础上，本研究邀请了来自教研机构、企业、知名产业学院、政府部门的10位专家组成评估小组，小组使用模糊综合评价法（FCE）对JW学院和AB学院进行了定量评估，以确定各自的成熟度等级，并明确其发展方向。

1.定量评价赋值

CMMI模型的五个成熟度等级（卓越级、创新级、主动级、萌芽级、被动级）在定量评价中被赋予相应的分值，分别为5、4、3、2和1分，形成成熟度等级的赋值向量P={5，4，3，2，1}。专家组根据这一标准对JW学院和AB学院的18个二级评价指标进行了打分。见表5。

2.构建一级指标模糊矩阵

依据专家组的评分，每个一级指标构建了一个模糊矩阵R[10]。以JW学院的“人才共育”B为例，它的二级指标“人才培养”B1的打分向量为{0.5，0.2，0.3，0，0}，B2的打分向量为{0.3，0.4，0.2，0.1，0}，B3的打分向量为{0，0.5，0.3，0.2，0}，B4的打分向量为{0.4，0.4，0.2，0，0}，B5的打分向量为{0，0.2，0.6，0.2，0}，及B6的打分向量为{0.4，0.4，0.2，0，0}，由此构成模糊矩阵RB为：

RB=r11 r12  …  r1mr21 r22  …  r2m… … … …rn1 rn2  …  rnm=0.5 0.2 0.3  0  00.3 0.4 0.2 0.1 0 0  0.5 0.3 0.2   00.4 0.4 0.2   0    0 0  0.2 0.6 0.2   00.4 0.4 0.2     0     0

3.确定评价因素的权重向量

根据产业学院评价指标体系的权重分配，为每个一级指标确定相应的权重向量W={w1，w2，w3 ... wn}。例如，JW学院的“人才共育”B所含B1、B2、B3、B4、B5与B6对应的权重分别为0.15、0.15、0.2、0.15、0.2和0.15，由此确定其权重向量WB={0.15，0.15，0.2，0.15，0.2，0.15}。

4.合成一级指标模糊综合评价结果向量

将一级指标模糊矩阵R与其权重向量W进行点乘，合成为一级指标模糊综合评价结果向量V。

V=R×W=r11 r12  …  r1mr21 r22  …  r2m… … … …rn1 rn2  …  rnm（W1，W2，W3 … Wn）

=（v1，v2，v3…vn）

例如，JW学院的“人才共育”B的模糊综合评价结果向量计算结果为：

VB=RB×WB=0.5 0.2 0.3  0  00.3 0.4 0.2 0.1 0 0  0.5 0.3 0.2   00.4 0.4 0.2   0    0 0  0.2 0.6 0.2   00.4 0.4 0.2     0     0×0.150.150.200.150.200.15■

=[0.240，0.350，0.315，0.095，0]

5.计算一级指标评价得分

将一级指标模糊综合评价结果向量V与成熟度等级的赋值向量P点乘，得到此一级指标的成熟度得分Z=V×P。通过这一得分，可以判断指标所处的成熟度等级。例如，JW学院的“人才共育”B的成熟度得分ZB=VB×P=[0.240，0.350，0.315，0.095，0]×[5，4，3，2，1]=3.750，表明学院在B的表现介于主动级和创新级之间。

按照上述步骤，计算出JW学院一级指标的模糊综合评价结果向量及其评价得分如下：

VA=[0.445，0.155，0.325，0.075，0]，ZA=3.970

VB=[0.240，0.350，0.315，0.095，0]，ZB=3.750

VC=[0.325，0.180，0.415，0.055，0.025]，ZC=3.725

VD=[0.150，0.090，0.535，0.190，0.035]，ZD=3.130

6.计算产业学院的成熟度综合评价得分

根据产业学院评价指标体系一级指标的权重设定其权重向量W={0.2，0.45，0.25，0.1}，再根据VA、VB、VC与VD构成产业学院模糊矩阵R，计算得到产业学院模糊综合评价结果向量为：

V=R×W=0.445 0.155 0.325 0.075 00.240 0.350 0.315 0.095 00.325 0.180 0.415 0.055 0.0250.150 0.090 0.535 0.190 0.035×0.200.450.250.10■

=[0.2933，0.2425，0.3640，0.0905，0.0098]

最终，计算得到JW学院的成熟度综合评价得分为：

Z=V×P=[0.2933，0.2425，0.3640，0.0905，0.0098]×

[5，4，3，2，1]=3.725

同样的方法应用于AB学院，根据专家组打分结果计算得到其模糊综合评价结果向量及其评价得分，见表6。

VA=[0.490，0.225，0.210，0.075，0]，ZA=4.130

VB=[0.370，0.420，0.190，0.020，0]，ZB=4.140

VC=[0.385，0.235，0.380，0，0]，ZC=4.005

VD=[0.200，0.540，0.260，0，0]，ZD=3.940

AB学院的成熟度综合评价得分为：

V=R×W=0.490 0.225 0.210 0.075 00.370 0.420 0.190 0.020 00.385 0.235 0.380    0   00.200 0.540 0.260    0   0×0.200.450.250.10■

=[0.3808，0.3468，0.2485，0.0240，0]

7.评估结果分析

Z=V×P=[0.3808，0.3468，0.2485，0.0240，0]×

[5，4，3，2，1]=4.0847

评估结果的分析显示，JW学院的成熟度综合评价得分为3.725分，位于主动级和创新级之间；而AB学院的得分为4.0847分，介于创新级和卓越级之间。这一结果揭示了两所学院在各个评价维度上的具体表现。例如，JW学院在教学质量和产教融合方面的表现突出，显示了较高的成熟度水平。然而，它在创新教学方法和提高学生满意度方面仍有提升的空间。相比之下，AB学院在技术实践和行业联系方面表现更为优秀，但其在教育质量和师资力量方面仍需进一步加强。

五、结论与建议

本研究基于成熟度模型（CMMI）构建了专门针对产业学院的评估策略，并通过对金旺智能制造产业学院和遨博机器人产业学院的深入分析，得出结论：CMMI模型能有效地适应职业教育领域的特殊性，为评估产业学院的教育质量、产教融合效果和创新能力提供了一个全面的框架；JW学院和AB学院在不同成熟度等级上展现出明显的差异，这反映了CMMI模型在评估过程中的敏感性和精准性，以及每所学院的优势和需要改进的领域；该模型结合了定量和定性的评估方法，为产业学院提供了一个多维度的评估视角，增强了评估的客观性和科学性。

建议未来的研究应将分析扩展到更广泛的地区和不同类型的学院，综合更多的维度和因素，如文化和环境因素，以进一步深化和细化CMMI模型。此外，还应关注CMMI模型在产业学院长期应用的影响，包括校企合作质量和社会认可度等方面。

总体而言，本研究不仅为职业院校产业学院提供了有效的评估工具，也为持续提升教育质量和适应未来挑战提供了实用参考。

参考文献：

[1]RAUNER F， SMITH E. Rediscovering Apprenticeship： Research Findings of the International Network on Innovative Apprenticeship（INAP）[M]. Berlin： Springer， 2010： 171-182.

[2]ZHANG L，  ZHAO S. Challenges and Opportunities in Chinas Industrial Vocational Education and Training System[J]. International Journal of Educational Development， 2018（58）： 20-30.

[3]闫瑞琼.CMMI2.0开发模型的新特点及应用[J].电子技术与软件工程，2022（11）：67-71.

[4]王建华，郑小杰，段中华.基于PCMM的电子专业教育与企业技能实践研究[J].哈尔滨职业技术学院学报，2019（5）：45-47.

[5]赵萍.BSC战略检视：现代产业学院多元协同整体治理评价[J].职教通讯，2023（3）：35-43.

[6]周晖杰，毛小燕.产学研视角下现代产业学院建设的模糊综合评价[J].宁波大学学报（理工版），2022（4）：115-120.

[7]郭巧云，马菲菲，蒋师，等.基于CIPP模型构建高职院校产业学院评价指标体系[J].浙江医学教育，2022（3）：129-134.

[8]周步昆，许广举，冀宏，等.融合创新视角下应用型高校产业学院的特征、架构与评价[J].黑龙江高教研究，2021（5）：35-40.

[9]靳玉雪.基于成熟度理论的新工科产业学院评价指标体系研究[D].天津：天津大学，2022：41-61.

[10]陆颖颖，张恒，陈琦，等.基于三元交互理论的虚拟学术社区知识交流效果评价研究[J].现代情报，2024 （3）：23-33，46.

（责任编辑：任学甍）

Vocational Education Reform： Evaluation Strategy

for Industrial Colleges Based on CMMI

ZHOU Jian-qing1， DENG Yu-liang2， WANG Jin-juan1

（1.Changzhou  Vocational College of Technology， Changzhou Jiangsu 21316， China；

2.Jiangsu Jintan Secondary Specialized School， Changzhou Jiangsu 213200， China）

Abstract： The study analyzes the development trends of global vocational education and the challenges faced by China， emphasizes the key role of industrial colleges in improving education quality and optimizing resources， and aims to apply the maturity model（CMMI） to construct an evaluation strategy for industrial colleges and explore new paths for vocational education reform. A comprehensive empirical study are conducted on two representative industrial colleges through a mixed method design， combining quantitative and qualitative analysis. The results show that the CMMI model can effectively evaluate the performance of industrial colleges interms of education quality， integration between industry and education as well as innovation ability， and provide a new perspective and evaluation tool for the continuous improvement and education quality enhancement of industrial colleges in vocational colleges.

Key words： vocational education reform; industrial college; CMMI; evaluation strategy; integration between industry and education