论文部分内容阅读
【摘 要】本文结合当前我国对招生效益分析的研究现状，构建基于数量、质量和结构的招生效益分析模型，并以广西某高职院校2012—2015年的招生数据为例，应用模型计算其效益，并对计算结果进行分析，验证计算模型的正确性。
【关键词】广西 高职院校 招生效益 计算模型 构建 应用
【中图分类号】G 【文献标识码】A
【文章编号】0450-9889（2017）05C-0064-02
随着广西高等院校扩招及考生总量的下降，广西高职院校生源出现了短缺现象。在这种背景下，科学合理地确定招生计划，保证稳定且有较高质量的生源是一项关系到高职院校持续健康发展的重要工作。前期调研发现，广西各高职院校在每年的招生工作结束后，尽管都会总结分析本年度的招生情况，但大都是基于定性分析，或者是某几方面的定量分析，没有全面统筹定量分析，导致各院校只能在主观上模糊判断本年度的招生效益对比历年有所提高或者下降，变化量多少没有定量的结果，各方面的效益如何也无从评判，其原因是没有一个可操作的评判模型。没有可操作评判模型的原因有很多，其中一个重要原因是招生数据量大、属性多，计算工作量非常大。近几年，大数据分析技术得到了迅速发展，为处理庞大数据提供了技术支持，使得构建一个可操作的招生收益模型并且定量分析招生效益变为可能。
招生工作是对学校办学理念、办学实力、教育质量等方面的综合检验，充足而良好的生源是学校生存和发展的基础，是学校的生命线。在大数据技术日益发展和生源竞争异常激烈的今天，构建一个招生效益评价模型，使学院领导层和招生部门清晰了解每年度招生效益及各方面的收益，有助于学校有计划地布置来年的招生工作，并为学校重大决策提供数据支持，也是保证学校稳定办学、健康发展的重要举措。
一、研究现状
有关高校招生效益的研究主要集中在以下几个方面：一是系统建设方面，典型的有高宁波的招生决策支持系统的研究与实现，系统描述了招生决策系统的实现方案。二是经济效益方面，比较典型是丁浩的基于二维耦合模型的MBA招生规模与效益分析。三是数据分析和挖掘方面，典型的研究成果是黄荣坚的数据挖掘在高职院校招生中的应用研究。这些研究成果都没有深入研究招生的整体效益，只是从某一方面进行分析，无法直接给学校决策层提供数据支持。
二、指标设计与模型构建
（一）指标设计方法。通过对院领导、系领导、教师以及行政管理人员调研，利用序列综合法对调研的数据进行处理，得到本文的指标体系及权重。
（二）指标体系。指标体系分为两级，第一级是数量、质量和结构三大部分，招生效益从这三个维度进行分析，在每一个一级指标下面有若干个二级指标，见表1。
（三）计算公式（模型）。具体如下：
（四）各参数代表的意义。以上公式，a1/a2 中，a2代表招生计划，a1代表报到人数。b1/b2 中，b1代表当年的排名，b2代表当年总招生的高职高专人数。中，i代表第i年，d1代表理，d2代表文，d3代表艺术，Ei代表各类的权值。中，Ki代表第i志愿的人数，Km代表总录取人数。mi/0.1中，m1是当年超过三本线的比例。ni/km中，ni代表当年获奖的数量，Km代表总录取人数。pi/km 中，pi代表当年具有爱好特长的数量，Km代表总录取人数。steav[（u1，u2，u3）（0.6，0.2，0.2）]中，u1代表当年普招录取占比，u2 代表当年单招占比，u3代表当年对口占比，steav代表方差。steav[（e1，e2，e3）（0.65，0.3，0.05）]中，u1代表当年文科占比，u2代表当年工科占比，u3代表当年艺术占比。steav[（f1，f2，f3……）/steav（（sum（f1，f2……），0，0，0……）中， f1、f2、f3代表当年各专业录取人数。steav[（g1，g2）（0.5，0.5）]中，g1代表当年录取男生比例，g2代表当年录取女生比例。steav[（H1，H2）（0.5，0.5）]中，g1代表当年录取农村比例，g2代表当年录取城镇比例。steav[（l1，l2，l3……）/steav（（sum（l1，l2……），0，0，0……）中，l1、l2、l3……代表当年各地市录取人数。o1/0.1+o2/0.9中，o1代表党员比例，o2代表团员比例。Q/km中，Q代表当年应届生数量。
三、数据计算
以广西某高职院校2012—2015年的招生数据为基础，引入本文的指标体系，经过计算，每个指标获得的值如表2所示。
四、数据分析和验证
从整体效益来看，通过图1中可以看出，该高职院校2012—2015年的招生效益出现了逐年下滑，尤其2015年的招生效益下滑明显，与该校在招生总结会中总结的观点相符。从局部来看，主要有以下几方面情况：
其一，数量方面，2012—2015年的效益值分别为0.4441、0.4130、0.4150、0.4020，从数据角度来看，其效益略有下降，其缘由是其计划完成率出现明显下滑，这与当前高职院校生源不足的现状相符。
其二，质量方面，2012—2015年的效益值分别为0.2526、0.2609、0.2506、0.2016。在质量方面的效益下滑比较明显，其主要原因在于平录差值和高分数量出现了明显下滑，说明该高职院校在招生过程中的分数越来越低，高分学生数量越来越少，生源质量出现了比较明显的下滑。笔者与该高职院校一线教学教师进行访谈，教师明确表示近4年来学生基础一年比一年差。
其三，结构方面，2012—2015年的效益值分别为0.1201、0.1356、0.1284、0.1242。从数据可以看出，在结构方面，该高职院校较好的转换方面主要表现在两点：一是考生类别，二是男女结构。近年来，国家提出了中高职衔接的职业教育体系，所以该高职院校近些年进行了单招、对口招生和普招，丰富了考生类别。在男女比例方面，1∶1的比例是最合适的，但一直以来，该高职院校男女比例失调严重，近几年，由于新专业的开设，在一定程度上缓和了男女比例。
综上所述，学校的招生效益可以从多个维度进行分析，有对内的，有对外的，还有总效益。本文主要是从对内的角度来进行分析，如果对外部效益进行分析，可以从经济效应和社会效益两个角度来进行分析，需要更多的外部数据来支撑。如果是对总效益进行分析，则将内部效应和外部效应相加即可。由于招生效益计算需要用到的基础数据量非常庞大，可能需要涉及不同的数据系统中的数据，利用中间件技术可以实现不同数据系统之间的数据对接，为高校招生效益计算奠定基础。
【參考文献】
[1]高宁波.招生决策支持系统的研究与实现[D].西安：西安电子科技大学，2010
[2]丁浩，霍国辉，王美田，罗永灿.基于二维耦合模型的MBA招生规模与效益分析[J].河南科学，2012（6）
[3]黄荣坚.数据挖掘在高职院校招生中的应用研究[D].广州：中山大学，2014
【作者简介】唐 勇（1981— ），男，广西国际商务职业技术学院副教授，研究方向：物联网、大数据。
（责 编 苏 洋）
【关键词】广西 高职院校 招生效益 计算模型 构建 应用
【中图分类号】G 【文献标识码】A
【文章编号】0450-9889（2017）05C-0064-02
随着广西高等院校扩招及考生总量的下降，广西高职院校生源出现了短缺现象。在这种背景下，科学合理地确定招生计划，保证稳定且有较高质量的生源是一项关系到高职院校持续健康发展的重要工作。前期调研发现，广西各高职院校在每年的招生工作结束后，尽管都会总结分析本年度的招生情况，但大都是基于定性分析，或者是某几方面的定量分析，没有全面统筹定量分析，导致各院校只能在主观上模糊判断本年度的招生效益对比历年有所提高或者下降，变化量多少没有定量的结果，各方面的效益如何也无从评判，其原因是没有一个可操作的评判模型。没有可操作评判模型的原因有很多，其中一个重要原因是招生数据量大、属性多，计算工作量非常大。近几年，大数据分析技术得到了迅速发展，为处理庞大数据提供了技术支持，使得构建一个可操作的招生收益模型并且定量分析招生效益变为可能。
招生工作是对学校办学理念、办学实力、教育质量等方面的综合检验，充足而良好的生源是学校生存和发展的基础，是学校的生命线。在大数据技术日益发展和生源竞争异常激烈的今天，构建一个招生效益评价模型，使学院领导层和招生部门清晰了解每年度招生效益及各方面的收益，有助于学校有计划地布置来年的招生工作，并为学校重大决策提供数据支持，也是保证学校稳定办学、健康发展的重要举措。
一、研究现状
有关高校招生效益的研究主要集中在以下几个方面：一是系统建设方面，典型的有高宁波的招生决策支持系统的研究与实现，系统描述了招生决策系统的实现方案。二是经济效益方面，比较典型是丁浩的基于二维耦合模型的MBA招生规模与效益分析。三是数据分析和挖掘方面，典型的研究成果是黄荣坚的数据挖掘在高职院校招生中的应用研究。这些研究成果都没有深入研究招生的整体效益，只是从某一方面进行分析，无法直接给学校决策层提供数据支持。
二、指标设计与模型构建
（一）指标设计方法。通过对院领导、系领导、教师以及行政管理人员调研，利用序列综合法对调研的数据进行处理，得到本文的指标体系及权重。
（二）指标体系。指标体系分为两级，第一级是数量、质量和结构三大部分，招生效益从这三个维度进行分析，在每一个一级指标下面有若干个二级指标，见表1。
（三）计算公式（模型）。具体如下：
（四）各参数代表的意义。以上公式，a1/a2 中，a2代表招生计划，a1代表报到人数。b1/b2 中，b1代表当年的排名，b2代表当年总招生的高职高专人数。中，i代表第i年，d1代表理，d2代表文，d3代表艺术，Ei代表各类的权值。中，Ki代表第i志愿的人数，Km代表总录取人数。mi/0.1中，m1是当年超过三本线的比例。ni/km中，ni代表当年获奖的数量，Km代表总录取人数。pi/km 中，pi代表当年具有爱好特长的数量，Km代表总录取人数。steav[（u1，u2，u3）（0.6，0.2，0.2）]中，u1代表当年普招录取占比，u2 代表当年单招占比，u3代表当年对口占比，steav代表方差。steav[（e1，e2，e3）（0.65，0.3，0.05）]中，u1代表当年文科占比，u2代表当年工科占比，u3代表当年艺术占比。steav[（f1，f2，f3……）/steav（（sum（f1，f2……），0，0，0……）中， f1、f2、f3代表当年各专业录取人数。steav[（g1，g2）（0.5，0.5）]中，g1代表当年录取男生比例，g2代表当年录取女生比例。steav[（H1，H2）（0.5，0.5）]中，g1代表当年录取农村比例，g2代表当年录取城镇比例。steav[（l1，l2，l3……）/steav（（sum（l1，l2……），0，0，0……）中，l1、l2、l3……代表当年各地市录取人数。o1/0.1+o2/0.9中，o1代表党员比例，o2代表团员比例。Q/km中，Q代表当年应届生数量。
三、数据计算
以广西某高职院校2012—2015年的招生数据为基础，引入本文的指标体系，经过计算，每个指标获得的值如表2所示。
四、数据分析和验证
从整体效益来看，通过图1中可以看出，该高职院校2012—2015年的招生效益出现了逐年下滑，尤其2015年的招生效益下滑明显，与该校在招生总结会中总结的观点相符。从局部来看，主要有以下几方面情况：
其一，数量方面，2012—2015年的效益值分别为0.4441、0.4130、0.4150、0.4020，从数据角度来看，其效益略有下降，其缘由是其计划完成率出现明显下滑，这与当前高职院校生源不足的现状相符。
其二，质量方面，2012—2015年的效益值分别为0.2526、0.2609、0.2506、0.2016。在质量方面的效益下滑比较明显，其主要原因在于平录差值和高分数量出现了明显下滑，说明该高职院校在招生过程中的分数越来越低，高分学生数量越来越少，生源质量出现了比较明显的下滑。笔者与该高职院校一线教学教师进行访谈，教师明确表示近4年来学生基础一年比一年差。
其三，结构方面，2012—2015年的效益值分别为0.1201、0.1356、0.1284、0.1242。从数据可以看出，在结构方面，该高职院校较好的转换方面主要表现在两点：一是考生类别，二是男女结构。近年来，国家提出了中高职衔接的职业教育体系，所以该高职院校近些年进行了单招、对口招生和普招，丰富了考生类别。在男女比例方面，1∶1的比例是最合适的，但一直以来，该高职院校男女比例失调严重，近几年，由于新专业的开设，在一定程度上缓和了男女比例。
综上所述，学校的招生效益可以从多个维度进行分析，有对内的，有对外的，还有总效益。本文主要是从对内的角度来进行分析，如果对外部效益进行分析，可以从经济效应和社会效益两个角度来进行分析，需要更多的外部数据来支撑。如果是对总效益进行分析，则将内部效应和外部效应相加即可。由于招生效益计算需要用到的基础数据量非常庞大，可能需要涉及不同的数据系统中的数据，利用中间件技术可以实现不同数据系统之间的数据对接，为高校招生效益计算奠定基础。
【參考文献】
[1]高宁波.招生决策支持系统的研究与实现[D].西安：西安电子科技大学，2010
[2]丁浩，霍国辉，王美田，罗永灿.基于二维耦合模型的MBA招生规模与效益分析[J].河南科学，2012（6）
[3]黄荣坚.数据挖掘在高职院校招生中的应用研究[D].广州：中山大学，2014
【作者简介】唐 勇（1981— ），男，广西国际商务职业技术学院副教授，研究方向：物联网、大数据。
（责 编 苏 洋）