基于数据包络分析的高职创新创业教育质量评估分析
中图分类号 G718.5 文献标识码 A 文章编号 1008-3219（2016）14-0051-04
在教育领域，创新创业教育也受到教育研究者和实践者的普遍关注。然而，创新创业教育的成果要想得到保证，必须进行持续的评估和系统化改进[1]。质量评估环节自然成为保障创新创业教育实施过程科学化、规范化，促进教育质量提升的重要内容。国内探索创新创业教育体系的研究较多，但是针对质量评估环节的相关研究较少。本研究以国外“第三部门”中的社会创业质量评估理论为依据，通过DEA（数据包络分析）模型方法对高职创新创业教育的质量评估环节进行研究，以期丰富创新创业教育质量评估的理论依据，同时探索其实际应用价值。
一、创新创业教育质量评估的理论基础
对创新创业教育的质量评估工作主要有两个思路：一是从创新创业教育各利益相关者的满意度角度进行评价。国外发达国家对于高等教育领域的各利益相关者满意度研究较为成熟，创新创业教育过程中的利益相关者――学生、家长、创业合作伙伴、投资人，包括政府主管机构均纳入到满意度评价体系中。由于满意度能够直接呈现创新创业教育的顾客评价部分，具有客观和直接的特点，但是评价方式均为主观态度，内容指向较为单一[2]。另外一个思路则是借鉴可信赖的第三方评价。欧盟在2008年就开展了一项以创新创业教育战略、组织制度、教与学、外延活动、发展前景、创新创业教育资源等六个维度为主要内容的面向全欧盟的高校创新创业教育调查，提供了欧洲高等教育领域下创新创业教育发展现状的详实数据[3]。国内研究者也结合高职院校的实际发展情况进行了大量相关研究[4][5][6][7]，一些学者尝试采用层次分析法或模糊层次分析法对高职院校的创新创业教育进行评估体系设计与研究。这些研究均在创新创业教育的课程、师资、实践条件、外部环境和创新创业成果等评估方面达成较一致结论。
近年来，社会创业（Social Enterpreneurship，又称社会企业或公益创业，简称SE）领域逐渐成为创业研究的重点发展方向[8]，与社会创业相关的评价理论与评价方法也开始应用于创新创业教育。社会创业应社会需要而出现，随社会问题的关注而发展，充实了创业活动的形式与内涵，社会创业特指以达成特定经济或社会目标，而非以利润最大化为主要追求的产生公共利益的经营活动，同时有助于解决社会排斥及失业问题，有助于缓和社会矛盾和创新社会管理[9]。社会创业既关注经济价值的创造，更重视社会价值或社会影响的实现，因而突出“双重价值目标”。创新创业教育与知识的创造传承、学术科技创新、服务社会、促进经济发展相结合，同样关注教育的社会价值与创业人才培养的社会影响，具有公益性特征。所以从本质上看，高校的创新创业教育就是公益导向型教育，具有社会创业的典型特征[10]。
创新创业教育的质量评估实质上也是为满足社会的创新创业需求，输入各项资源，以获得创业成果，并对成果和社会影响进行评估的工作，从这个角度来说，社会创业领域广泛应用的动力源逻辑理论基础对高职创新创业教育的质量评估也具有同样适用性。
二、质量评估体系构建与方法选择
（一）质量评估研究设计思路
国外社会创业的质量评估工作以动力源理论（输入―输出―结果―影响）[11]为基础，注重投入与产出之间的对比和分析。利用国外社会创业质量评估模式及方法与国内高职院校创新创业教育相结合是质量评估环节要解决的首要问题。本研究从社会创业动力源逻辑流的基本原理出发，对应创新创业教育的投入和产出两方面进行研究设计，具体见图1。特别需要考虑如何用可衡量的指标考察，诸如，创新创业教育人才培养或改革的使命是什么？创新创业教育的战略目标是什么？使命或战略目标能否达成？创业教育教学的社会影响有多大？等等。根据专家访谈与高职院校创新创业教育实际情况，对影响创新创业教育质量的因素尽可能完整列出，然后通过社会创业平衡计分卡将访谈数据逐步分解为关键指标。
遵循质量评估指标体系构建的系统性、简明性和可操作性原则，本文选择课程资源（A1）、外延活动（A2）、教学力量（A3）、制度环境（A4）四个因素作为质量评估的投入因素，具体指创新创业教育所投入的人力、财资、物资及信息资源的数量信息；同时选择教学效果（B1）、创业成果（B2）、获奖成果（B3）和社会影响（B4）作为质量评估的产出因素，具体指创新创业教育可衡量成果的数量信息。每一项因素又由若干量化的关键评估指标构成，见表1。
（二）DEA分析原理与方法
数据包络分析（Data envelopment analysis，又称DEA分析模型）是美国运筹学家Charnes等提出的一种评价多输入、多输出同类决策单元（Decision making unit，DMU）的相对有效性评价方法和系统分析方法[12]。由于DEA分析无需统一指标单位，避免了指标权重确定过程中的人为主观偏好。因此，DEA方法在简化算法、尽量避免误差等方面具有极大优越性，特别适合性质相同的单元之间的评价。
Charnes 等（1978）首先给出了C2R模型，Banker等（1984）又提出了判断DMU技术有效性的BC2模型。总体而言，以C2R模型为代表的类型假设规模收益为等比例变化，适合于DMU理想运行情况，以BC2模型为代表的类型则假设投入和收益两者非等比例变化，因而更符合复杂变动情况下的研究需要[13]。高等职业院校的创新创业教育因为教育理念、人员结构、资源变化等因素的不同，存在投入和收益的非等比例变化，因此本研究选择BC2模型来评价创新创业教育的质量。 （三）数据获取与统计方法
按照构建的质量评估体系，统计广东省某国家骨干高职院校14个系部的教学管理数据与社会影响数据及其佐证材料。该校学科门类齐全，创新创业教育体系完整，已覆盖全部专业的学生，且创业类学生成果丰硕，在高职院校中较有代表性。为避免创业活动本身带有的时间延迟特点，对2011-2015年的数据求出算术平均值，通过MaxDEA6.0软件包进行数据分析。
三、数据分析结果
根据BC2模型的理念，θ值（最优解）为1，代表相对效率较高，如松弛变量和均为0，则对应的DMU完全有效；如θ值等于1，松弛变量和均不等于0，那么对应的DMU是有效的投入产出单元，如果和一项不为0，则为弱有效单元；其余结果是无效的投入产出单元。将各专业作为同类决策单元，数据分析情况如下：
从结果来看，14个专业里，有4个专业（会计、工程造价、通讯工程和高级护理）相对效率较低，为无效的投入产出单元，10个系部或专业为有效或弱有效单元，见表2。具体来看，电子商务、工商管理、艺术设计和软件开发是完全有效的投入产出单元，即所有专业里，上述4个专业的投入获得最好收益。文秘、商务英语和机电工程专业是有效的投入产出单元，投入所获得的收益较好。幼儿教育、法律事务和建筑设计为弱有效单元，效率较低。
另外，本研究也发现相比较人文类学科而言，理工学科的创新创业教育投入产出效率较低。以通讯工程和高级护理为例，这两个学院在S+2的结果分别是0.29和0.27，说明与其他处于效率前沿的专业相比，在创业成果方面有29%和27% 的差距。从投入产出的对比来说，无效或低效的产出主要体现在创业成果、获奖成果和社会影响方面。
四、讨论与结论
（一）社会创业理论与创新创业教育质量评估工作的融合思路
从实证研究的结果来看，社会创业的理论和方法与高职创新创业教育具有高度融合性，这既为创新创业教育的质量评估工作探索了全新的理论基础，同时又为社会创业这一年轻的“舶来品”在中国情境下的发展寻找到教育领域的延伸与创新。基于此，高职院校创新创业教育的质量评估工作可以与社会创业理论相融合，同时突出以下思路：第一，质量评估不仅要关注教育过程本身，更要着眼于创新创业教育的使命与战略目标完成情况，不同的使命和宗旨产生不同的投入与产出期待。第二，创新创业教育的产出既有教学效果、获奖成果等显性因素，同样也包含社会价值与社会影响这样的隐性因素，这类成果也可以结合社会创业理论的相关方法，将原本模糊的定性研究逐渐转向可衡量与比较的定量研究。
（二）高职院校创新创业教育质量评估结果与原因分析
高职的创新创业教育质量评估工作已经由传统的规模效益评估逐渐转向深层次的细节评价，用同一种指标体系评估不同需求和层次的创新创业教育是不现实的。因此尝试采取DEA分析方法等具体针对同一类型的不同单元进行投入产出比较的评估研究工作具有较大的应用价值。本研究针对高职院校各专业或系部进行的DEA分析能够清楚地区分有效与无效的实际投入和产出比，为针对不同教学单位的创新创业教育质量提供了客观的参考依据。人文社科类专业普遍比理工类专业的投入产出效率高，反映了我国高职院校创新创业教育的实际情况。一方面，创新创业教育尚未与专业教育较好地融合，大多数教学单位仅仅通过开设一两门通识课程来普及创新创业教育，很难使学生将专业技能灵活应用于创新创业领域。另一方面，高职院校的专业设置紧贴地方经济发展需要，工商管理、艺术设计等专业在创新创业教育活动中具有先天优势，适合将创新创业活动与专业人才培养工作相结合。软件技术、电子商务等与互联网科技发展联系紧密的学科在创新创业教育中也显现出效率较高的优越性，但其他传统理工学科在教育与就业理念、师资配备、资源整合以及创新创业类成果培育等方面还存在一定差距，创新创业教育仍未受到应有的重视。
根据上述分析，高职院校的创新创业教育应该在保持人文社科类专业优势的同时，着力提高传统理工类专业的创新创业教育质量。在学生就业观念转化、创新型师资培养、科研成果的商业性转化以及社会资源整合方面加大扶持力度。同时，确立创新创业教育与专业教育深度融合的“内源性”人才培养理念，不只关注创新创业教育的规模效益，而是更加重视学生的深层次需求，建立层次清晰的创新创业教育机制。
