时间:2024-07-06
杜雪花
(长沙商贸旅游职业技术学院,湖南 长沙 410001)
在线职业教育主要是为需求者提供成本合理、操作便捷的技术教育与培训服务,具有普惠性、实用性、平等性等特点[1]。通过参与人数、学习时长等一元化的指标描述地区在线职业教育发展水平,难免显片面、失精准。构建集多维度、综合性于一体的测度模型,才能对其进行更科学、更客观、更全面的分析评价。
在线职业教育(以下简称“在线职教”) 指数OVEI 是英文Online Vocational Education Index 的缩写,受启于Sarma 指数的应用研究,其表达式为
其基本原理为:从多个相关维度中选取综合反映在线职业教育与经济、人文发展最相关的指标,通过聚类分析等方法消除各指标量纲差异后对各指标赋权取值,再通过欧几里得距离公式记录两值之间的距离。通俗地讲,就是把在线职教发展状况表达在多维空间坐标上,测算坐标点与最优值点之间的距离,将这个距离值称为OVEI。
OVEI 的计算步骤与普惠金融指数(Inclusive Financial Index,IFI) 的计算步骤相同。在构建指数时,先确定n 个维度,根据各维度选取i 个指数,构建好指标体系。计算第i 个指标的变异系数及权重,对各指标进行归一化处理,得到第i 个指标值di;将di值表示为n 维笛卡尔空间中的点D,D=(d1,d2,d3,…,dn),点D 与点W 之间的距离可以表示为1-欧式标准距离后的值,即OVEI 值。所以,OVEI 是0 到1 之间的一个值。当OVEI 为1时,代表该地区各个指标值最优良,但并不能说明该地区在线职教发展已达最高水平;相反,当OVEI为0 时,代表该地区各个指标表现最差,但亦不能说明其在线职教就完全没有发展,所以OVEI 只是一个相对指标。
受在线职业教育存在形式与目的所决定,构建OVEI 模型时应充分考虑投入与环境等因素[2],本文偏重从网络技术的渗透度、职教平台的便捷度、综合效用度3 个维度进行构建。
1) 决策方面。在维度考虑、指标选取时已充分考虑地区经济、人文发展等因素,例如人口密度与就业需求、产业结构与人均GDP、投入力度与技术发展等[3],因此利用OVEI 模型得到的测度结果能直观反映本区域内与职业教育相关的因素,从而有的放矢地调整或创新相关政策制度。
2) 评价方面。通过OVEI模型得到的测度结果能辨析在线职教发展的影响因素以及各因素之间的关系,精准剖析区域水平差异的原因,有助于客观评价区域职业教育投入力度、互联网覆盖程度、大众参与度,为科学构建经济发展、在线职教发展、劳动人才供给等综合性评价体系提供数据支撑。
3) 研究方面。根据Sarma 指数原理构建OVEI模型,扩展了职业教育研究的要素边界和研究视角,为开展职业教育与在线教育融合发展的学术交流提供了新思路;通过教育学和统计学相结合,形成多维架构,将较复杂的现实情况转化成了可比性较强的数量化结果,拓深了职业教育量化测评理论的发展;通过量化结果对职业教育在线发展水平区域差异进行分析,能揭示职业教育和在线教育协同发展的规律,为数字职业教育发展理论奠定基础。
2.1.1 指标选取原则
指标体系要能客观、高效、科学、全面地评价在线职教发展的实际水平,建立的测度模型最终得出的结果要有实用性[4]。因影响在线职教发展的因素有经济的、社会的、环境的,涉及面广、种类多,所以借鉴权威学者们的研究,选取指标时应遵循以下3 项原则:科学性、可获得性、可操作性。要保证筛选出来的指标具有代表性,有些有代表性的指标难以获得,可以由关联度较高的指标替代,如果需要经计算处理的指标,要保证处理后的实现意义与可用性[5]。
2.1.2 指标体系设计维度
基于在线职教“普”“惠”的特点,指标体系设计应从3 个维度进行。
1) 互联网覆盖维度(在线职教渗透度),即充分考虑各地区经济与技术发展的不平衡,从资本投入与人口密度、就业需求等方面综合选取,例如每平方公里网络覆盖面积、在线用户数量等。
2) 在线平台使用便捷度,即综合考虑用户的参与度、在线时长与平台技术的成熟度、教学资源的丰富度、平台操作便捷度,例如每平方公里参与人数、在线学习人均时长等。
3) 服务的效用度,即能反映在线职教给地区就业、人才供给、经济增长所作的贡献,例如劳动就业率、经济增长率等。
2.1.3 指标体系构建
根据上述指标选取原则与要求,本文分3 个一级指标来确定9 个二级指标。3 个一级指标即充分考虑了投入与环境因素的3 个维度,9 个二级指标即是与3 个维度最紧密相关的指标,指标的具体描述如下。
1) 网络覆盖服务的渗透度A。互联网入户率A1=已入户数/总户数,在线职教平台(机构) 入驻率A2=入驻家数/面积(平方公里),知晓度A3=知晓人数/总人口数。
2) 在线平台使用便捷度B。职教课程(技术)在线投放率B1= 投放门(项) 数/ 在线职教平台(机构) 家数,用户连续在线时长比B2=小时数/天数,教学资源丰富度B3= 形式种类(资源数量) /总职教课程(技术) 投放形式种类(数量)。
3) 服务的效用度C。在线职教人才培养率C1=当年通过在线职教培训的就业人数/当年总就业人数,在职人员在线继续教育参与率C2=当年在职人员在线参加职教培训(教育) 人数/当年度在职人员总数,在线职教人才的经济贡献度C3=近5 年在线职教人才培养率/近5 年经济增长率。
2.2.1 构建指数
1) 构建指数OVEI。第一步,采用变异系数法对各个指标进行赋权,通过变异系数衡量各指标的差异度,消除指标间的差异量纲;计算第i 个指标的最大值、最小值、均值、标准差、偏度、峰度;用第i 个指标的均值与标准差计算出该指标的变异系数。第二步,对各个指标的变异系数加总求和,计算第i 个指标的权重。第三步,采用离散标准化法消除各指标数据在量纲上存在的差异取得标准化后的值d。因为离散标准化值是对原始数据的线性变换,d 映射在一定的取值范围内,所以d 值越大,代表该地区的i 指标越优良,反之则效果欠佳。第四步,将得到的d 值在维笛卡尔坐标中分别标注位置,再遵循Sarma 对欧氏标准距离公式的应用原理计算反欧氏距离,即1 减去欧氏标准距离后的值为在线职教发展水平指数OVEI。
2) 确定测度地区、时期,进行取值。根据指标体系中各指标及其计算方法,选取XX 地区(省) 及所辖地州市2015—2019 年A1~A3、B1~B3、C1~C3的面板数据。数据主要来源于当地的统计年鉴、职业教育质量报告、就业统计平台等权威机构、门户网站的数据库。将统计、处理后的描述性指标按年份分别列示于《XX 地区(省) 在线职教发展面板数据表》中。
2.2.2 测度结果
运用数据分析软件,根据OVEI 模型的处理步骤,对《XX 地区(省) 在线职教发展面板数据表》中的数据进行计算处理,将得到的A~C 的值分别列示于《XX 地区(省) 在线职教发展水平分析指标统计表》中,即可直观地看出2015—2019 年各指标的最小值、最大值、均值、标准差、偏度与峰度的情况。
利用OVEI 模型对《XX 地区(省) 在线职教发展水平分析指标统计表》中各值进行计算,将所得值分别列入《XX 地区(省) 所辖地州市在线职教发展指数表》,按指数综合得分进行排序,则可以直观地了解2015—2019 年XX 地区(省) 及所辖地州市职教发展指数的变化趋势。
通过OVEI 模型测度,能精准获得在线职教发展水平及地区发展差异的数量化结果。根据测度结果分析,探究在线职教发展的影响因素,能够为在线职教的健康发展提供施策建议。对在线职教发展水平测度结果的分析应该分两个层面进行。
根据《XX 地区(省) 在线职教发展水平分析指标统计表》 《XX 地区(省) 所辖地州市在线职教发展指数表》,对XX 地区(省) 及所辖地州市在线职教发展的具体情况进行评析。具体描述分析时应该至少包括:在线职教呈现何种发展趋势,例如上升速度如何,波动幅度及频率如何,整体趋势主要受何种因素影响等;各地州市在线职教发展趋势的差异,例如哪个地州市发展迅猛,哪个地州市发展迟滞等;省、地州市在线职教发展趋势在年度分布上的差异,发展速度最快的是哪一年,最慢的是哪一年;同一时间段内相邻地州市在线职教发展趋势的差异[6]。
根据《XX 地区(省) 在线职教发展水平分析指标统计表》 《XX 地区(省) 所辖地州市在线职教发展指数表》,分析主要数据的影响因素,例如财政投入度、平台技术升级频率、需求人员满意度等,从测度结果评析其内含的原因。
我们致力于保护作者版权,注重分享,被刊用文章因无法核实真实出处,未能及时与作者取得联系,或有版权异议的,请联系管理员,我们会立即处理! 部分文章是来自各大过期杂志,内容仅供学习参考,不准确地方联系删除处理!