“十一五”期间重庆中高职教育差距的实证

摘 要构建中高职协调发展的现代职业教育体系,必须深入认识中高职间的差距.对重庆样本的动态统计分析发现,中职在办学水平、硬件建设和软件建设等方面显著落后于高职,两者差距明显.但进一步的主成分分析表明,中高职教育差距并非呈单向逐年增加趋势,而是先为负差距,后为正差距；从综合得分的变化量来看,中高职差距趋于收敛.应加快实施“中职学校达标建设工程”和“中高职学校帮扶工程”,稳步推进区域中职教育资源倾斜战略和中高职分类指导战略.

关 键 词重庆；中等职业教育；高等职业教育；差距；主成分分析；中高职衔接

中图分类号G719.21文献标识码A文章编号1008—3219（2012）22—0054—04

根据《国家中长期教育改革和发展规划纲要（2010—2020年）》的要求,应“统筹中等职业教育与高等职业教育发展”,构建体现“中等和高等职业教育协调发展”的现代职业教育体系.《教育部关于推进高等职业教育改革创新引领职业教育科学发展的若干意见》（教职成[2011]12号）也进一步指出,高职教育应发挥引领作用,全面推进中高职衔接贯通、协调发展.

然而,人们在极力关注中高职衔接问题时,对中高职教育间现存的差距并没有足够重视.本文以重庆市为例,以统计分析为依据,旨在说明重庆“十一五”期间中高职教育发展的动态差距,并提出相应对策.

一、重庆中高职教育差距的统计分析

“十一五”期间,重庆中高职教育持续发展,取得显著成绩,具体表现在办学规模逐年扩大、职教体系日臻完善、基础能力显著增强、经费投入大幅增加、学生资助全国率先、改革创新成果丰硕、怎么写作能力明显提高等九个方面[1].但从中高职动态数据的比较来看,两者仍存在明显差距.

首先,就办学规模而言,如表1所示,通过计算高职和中职“校均招生数之差”、“校均在校生数之差”以及“校均毕业生数之差”,在“进口”、“存量”以及“出口”方面,高职显著优于中职.特别是2007年,各指标均达到峰值,分别为2017人、5161人和1456人,这一局面2008年之后才有所改观.然而,从指标的环比下降比例来看,除2007年,“校均招生数之差”、“校均在校生数之差”和“校均毕业生数之差”均有明显下降趋势,其中前两个指标在2009年幅度达到最大,为14.72%和14.53%,第三个指标在2008年达到最大,为9.44%.中高职办学规模存在较大的绝对差距,但相对差距却是逐渐缩小的,并伴随一定的收敛态势.

数据来源：根据《2012年重庆市教育事业统计分析资料》整理得出,差值计算方法为“高职数—中职数”,环比计算方法为“当年指标/上年指标—1”.

数据来源：根据《2012年重庆市教育事业统计分析资料》整理得出,差值计算方法为“高职数—中职数”,环比计算方法为“当年指标/上年指标—1”.

其次,从硬件建设来看,如表2所示,中高职学校在“生均占地面积”、“生均校舍面积”和“生均教学仪器值”三个指标上的差距也较为明显,且呈逐年加大趋势.其中,“生均占地面积”之差2009年达到最大,为53.60平方米；而“生均校舍面积”和“生均教学仪器值”的差距在2010年达到最大,分别为19.05平方米和3145.84元.从环比下降幅度来看,2007～2010年的4年中,上述三个指标12个数据仅有2个为正,即差距减少,其他均为负,即差距增大.特别是“生均校舍面积”的绝对差距大幅增加,相对差距亦是有升无降（除2010年）.可见,中高职学校在硬件条件建设方面,尽管自身有很大改善,但两者间的差距却在逐步拉开,这对于中高职衔接发展、贯通培养势必形成阻力.

最后,在软件建设方面,如表3所示,以反映师资规模和质量的“教师负担学生数”和“‘双师型’教师负担学生数”作为衡量指标,进行中高职差距比较.从表3中可以看出,“教师负担学生数”高职比中职要少,且这种趋势在逐年加强；到2010年,每个中职教师负担学生数比高职教师要多7.42个,是2006年的2.6倍,但环比下降比例却有较大改善,2010年已扭负为正,说明中职学校正在不断努力缩小差距.与此同时,“‘双师型’教师负担学生数之差”呈逐年减小趋势,环比下降比例也在不断向好,表明在“双师型”教师队伍建设方面,中高职间的差距有了明显缓解,软条件不断优化.

二、重庆中高职教育差距的主成分分析

由上述统计分析可知,重庆市中高职教育存在较大的绝对差距,但在办学规模、软件建设方面的相对差距却有一定的收敛态势.为了更好地反映“十一五”期间各年的差距变化,采用主成分分析法进行绩效打分,进而纵向比较.主成分分析是一种利用降维的思想,在损失很少信息的前提下把多个指标转化为几个综合指标的多元统计方法,它可以对多个指标和变量进行分析,且能克服不同量纲数据带来的影响[2].

(一)标准化处理和相关系数矩阵计算

首先用SPSS19.0对原始数据进行标准化处理,然后计算相关系数矩阵,见表4.除X3（校均毕业生数之差）与X4、X6、X7之间相关系数①偏低外,其他变量间相关关系均较高,这主要与职业教育毕业生需要顶岗实习有关.反映中高职办学规模差距的指标X1、X2、X3与硬件建设差距X4、X5、X6,以及软件建设差距X8之间存在反向的相关关系,即办学规模差距越大,硬件建设、软件建设差距越小,说明高职院校在“求大”的同时,并没有照顾到“求强”,而中职学校却能在规模小的情况下“做精”.值得注意的是,反映软件建设差距的指标X7（教师负担学生数之差）、X8（“双师型”教师负担学生数之差）,与其他变量的相关关系很强,但变动方向却不一致.具体来看,X7与中高职办学规模差距为正相关,与硬件建设差距是负相关；X8则相反.说明“双师型”教师的重要性,它的改善可以有效缩小中高职教育间的差距.

(二)方差分解主成分提取和初始因子载荷矩阵分析

主成分个数提取原则为主成分对应的特征值大于1的前m个主成分.特征值在某种程度上可以被看成是表示主成分影响力度大小的指标,如果特征值小于1,说明该主成分的解释力度还不如直接引入一个原变量的平均解释力度大,因此一般可以用特征值大于1作为纳入标准.通过方差分解主成分提取分析,如表5所示,前2个主成分的累计贡献率达到97.07%,而后6个主成分的累计贡献率仅为2.93%,因此取2个主成分,即m等于2.对提取的2个主成分建立初始因子载荷矩阵,如表6所示,X1、X2、X4、X5、X6、X7、X8在第一主成分上有较高载荷,X3在第二主成分上有较高载荷,说明第一主成分基本反映了除“校均毕业生数之差”（X3）以外中高职教育差距的信息,而第二主成分则基本反映了“校均毕业生数之差”指标的信息.可见,提取2个主成分是可以基本反映全部指标的信息,因此决定用2个新变量来代替原来的8个变量.