应用型本科专业满意度指标体系研究——以重庆科技学院为例

戴庆春，卢毅

自20世纪80年代以来，重视实践教学和强化应用型人才培养成为各国高等教育改革的热点。《国家中长期教育改革和发展规划纲要（2010—2020年）》明确指出：“不断优化高等教育结构，优化学科专业、类型、层次结构，促进多学科交叉和融合。重点扩大应用型、复合型、技能型人才培养规模。”因此，国内诸多高校，尤其是新建本科院校，近年来纷纷进行应用型本科改革，探索培养应用型人才。学生专业满意度测评是这些高校的改革是否成功的关键之一。因此，本课题组以较早进行应用型本科改革的重庆科技学院为例，探索学生专业满意度指标体系，以期为应用型本科教学改革提供有益参考。

一、文献综述

从1967年开始，美国加州大学洛杉矶分校的合作机构研究项目（Cooperative Institutional Research Program）以新生为研究对象，经过长期研究后，从师生关系、课程教学方法、学生生活、学生支持、教学设备、总体学习经历评价6个方面对院校满意度进行了评价[1]。 Laurie Schreiner和 Stephanie Juillerat联合美国高等教育机构合作伙伴Noel-Levitz公司设计了《大学生满意度量表》（The Student Satisfaction Inventory，SSI）。该量表包括116个观测题项，覆盖了学术指导效果、校园氛围、高校支持的服务情况、对个人的关注情况、教育的效果、承诺和资助的效果、等级的效果、对于不同人群的情况、安全情况、服务情况、以学生为中心的情况和学术上的支持情况共12项指标。Roy采用课程、教师、职业指导、校园社会生活、教职工指导建议、校园文化发展机会、卫生服务、在校居住时间、学院总体等指标对学生满意度进行测评[2]。

田喜洲、王晓漫选取教师教学、教学管理、学生工作、学校环境、教学条件与利用、学校社会声誉6个一级指标，18个二级指标，38个观测题项对学生满意度评价体系进行研究[3]。樊明成对全国175所大学的45 552名新生进行了专业满意度调查，主要研究新生对专业的了解程度、转专业意向等，认为增大专业选择自由度会增加学生专业满意度[4]。张丽引入结构方程模型（SEM）分析方法，认为学生预期、课程设置、专业软硬件和学生感知是影响学生专业满意度的主要因素，并依此建立了专业满意度评价理论模型及指标体系[5]。鲍威依据赫茨伯格的双因素理论进行实证分析，认为师生互动、辅导员、社团活动、教学课程与学生发展是影响高校学生发展的重要因素，高等教育多元化的发展趋势将促使高校管理者采用消费者至上的服务理念[6]。

二、研究设计

（一）研究思路

以重庆科技学院为例，在借鉴他人研究的基础上，结合对部分学生的深入访谈，首先确定专业满意度初始观测变量并制作量表问卷，对学生进行抽样调查。其次，通过SPSS 22.0软件对统计数据进行探索性因子分析（EFA），得到专业满意度的影响因子。再次，采用AMOS软件进行模型拟合检验，通过路径关系实证研究得出结论。研究思路如图1所示。

图1 研究思路

（二）确定专业满意度观测变量

通过对专业满意度研究文献进行梳理，重点借鉴了张丽[5]的研究成果，结合对部分学生的深度访谈，确定了34个专业满意度观测变量，见表1。

（三）探索性因子分析

重庆科技学院共有20 000余名学生，初步确定400个样本。采用分层抽样和简单随机抽样相结合的方法，样本数分配情况见表2。通过面访调查、留置调查、网络调查的方法进行问卷调查。本次调查共发放问卷400份，回收有效问卷374份，回收有效率93.5%。

1.问卷结构效度分析

运用SPSS 22.0软件对问卷调查数据进行分析，问卷结构效度分析主要采用KMO和Bartlett检验。KMO值越接近1，则样本数据越适合作因子分析。Kaiser给出一个KMO检验标准：KMO＞0.9，非常适合；0.8＜KMO＜0.9，适合；0.7＜KMO＜0.8，一般；0.6＜KMO＜0.7，不太适合；KMO＜0.5，不适合。Bartlett球形检验只需Sig值（p值）小于0.050即可。KMO和Bartlett检验结果见表 3。由表 3可知，KMO=0.877＞0.8，适合作因子分析。Bartlett球度检验给出的相伴概率为0.000，小于显著性水平0.050，因此拒绝Bartlett球度检验的零假设，认为适合作因子分析。

2.因子分析

初步确定的满意度观测变量较多，测试项之间可能是相关联的，并且存在某一潜在共性特质。可用探索性因子分析对观测变量进行降维，用少数几个抽象的“因子”反映原来众多观测变量的主要信息，以降低研究的复杂性。

根据问卷调查数据，采用SPSS 22.0软件对34个观测变量进行因子分析，并依据以下标准进行提取：（1）删除旋转后因子载荷小于0.45的测项；（2）删除同时在两个因子上的负荷都接近的测项；（3）特征值＞1为萃取标准。按照上述标准得到最终结果：34个观测变量中有10个观测变量被剔除（Q7、Q15、Q16、Q17、Q18、Q30、Q31、Q32、Q33、Q34）。 解释的总方差见表4。由表4可知，得到7个主要因子，它们的累积方差贡献率为68.859%。

表1 专业满意度观测变量

表2 样本数分配情况

表3 KMO和Bartlett检验结果

旋转后的因子矩阵见表5。由表5可知，根据旋转后的因子矩阵，得到7个主要因子，依据各个因子包含的观测变量内容，可以将其命名为课程体系、师资配备、就业了解、意愿倾向、能力拓展、实训配备、综合满意。

根据因子分析结果，可构建专业满意度指标体系，见表6。

（四）专业满意度SEM模型

1.初始模型

在参考顾客满意度模型（ACSI）、大学生满意度模型的基础上，结合探索性因子分析结果，将7个因子设置为潜变量，分别对应24个观测变量。初始模型见图2。由图2可知，师资配备、课程体系、实训配备是外生潜变量，X1—X13是外生观测变量，e1—e13表示外生测量方程的误差；综合满意、就业了解、意愿倾向、能力拓展是内生潜变量，Y1—Y11是内生观测变量，n1—n11表示内生测量方程的误差；m1—m4为潜变量残差。

表4 解释的总方差

表5 旋转后的因子矩阵

表6 专业满意度指标体系

2.模型修正

采用AMOS 17.0软件中的ML方法进行SEM模型估计，根据模型中Modification Indices列出的参数估计，结合实际情况综合考虑进行路径修改。得到最优模型，见图3。

3.最优模型分析

最优模型拟合指数见表7。由表7可知，结构方程模型的拟合度参数：卡方自由度比值（χ2/df）＜2，GFI、AGFI、CFI等指标均大于 0.900，RMSEA=0.020＜0.050，表明该结构方程模型是可以接受的，模型拟合度良好。

图2 初始模型

图3 最优模型

表7 最优模型拟合指数

三、结论与建议

（一）结论

在借鉴相关研究成果的基础上，结合对学生的深入访谈，初步确定34个专业满意度评价观测变量。以重庆科技学院为例，通过对学生进行抽样调查得到374份有效问卷，运用因子分析筛选保留了24个专业满意度观测变量，以此为三级指标；课程体系、师资配备、就业了解、意愿倾向、能力拓展、实训配备、综合满意7个因子为二级指标，构建出专业满意度评价指标体系；运用结构方程模型（SEM）研究二级指标与三级指标之间的关系。例如，实训配备对专业满意度的直接影响最为显著；师资配备中因子载荷数最大的是 X5（教师学术水平），为 0.81，其中 X4（教学设施设备）的因子载荷数最小，为0.54；课程体系中因子载荷数最大的是X11（专业培养计划），为0.80；就业了解中Y6（就业方向）的因子载荷数最大，为0.78，Y3（社会需求）因子载荷数最小，为0.43。

（二）建议

重庆科技学院是一所新建的本科院校，定位于服务地方的应用型本科，有一定的典型性，研究结论对其他同类型高校有一定借鉴意义。

应用型本科院校应完善实训设备（包括仪器机器、场地）、实训内容（包括实习、实验的设计）。坚持产教融合、校企合作、工学结合，使实践教学更具时效性、实用性；发挥专业特色，提供更多的学科竞赛、校企合作平台，鼓励师生共同参与学科竞赛、解决企业生产经营的实际问题，营造问题导向型的教学氛围。

师资配备中，学生最关注的是教师学术水平，表明师资队伍建设仍是应用型本科院校的核心；学习资源对综合满意度影响甚微，表明学生未能充分利用学校的学习资源。应用型本科院校应在提供丰富学习资源的同时，加强对学生如何利用学习资源的培训。不断修正专业培养计划是课程体系改革中的一项重要举措，人才培养方案的制定应以适应市场需求为标准。