大学生创新能力和综合绩效影响因素分析
2020-12-20罗文海
罗文海,王 颖
(滨州医学院公共卫生与管理学院,山东 烟台 264003)
党的十九大报告指出,创新是引领发展的第一动力,创新是建设现代化经济体系的战略支撑,因此全社会日益重视劳动者创新能力的培养。大学生创新能力是大学生综合素质的重要组成部分。与国外相比,中国大学生的创新能力不足[1],尽快提升大学生的创新能力已经成为全社会关注的热点。随着经济全球化的快速发展,大学生的就业竞争日趋激烈。为了更好地应对挑战,应当尽快提高大学生的综合绩效和创新能力,促进大学生就业能力的提升。本文主要探讨大学生创新能力和综合绩效的影响因素。
1 资料与方法
在广泛查阅资料的基础上,编制了大学生综合绩效与创新能力的调查问卷。据该问卷得到的主要分析变量及其赋值为:性别(1=男,2=女);来源地(1=城市,2=农村);父母受教育程度(1=大专以下,2=大专及以上);学习目标(1=学习目标不明确,2=学习目标明确);学习方法(1=不太注重学习方法,2=注重学习方法);学习行为(1=正向学习行为弱,2=正向学习行为强。正向学习行为指上课认真听讲、多记笔记、积极回答问题,不做与上课学习无关的事情等);信息利用(1=信息利用差,2=信息利用好。信息利用好指利用图书馆、网络等资源解决学习中的难题);学习评价(1=学习评价差,2=学习评价好。学习评价好指对学习目标、学习方法、学习效果等进行总结、评价和改进);综合绩效,综合绩效是依据学习成绩(60%)、奖学金(5%)、各类竞赛(5%)、技能证书(5%)、学生干部(5%)、参加集体活动(5%)、学术论文(5%)、科学研究(5%)、自我改进(5%)等计算[2],综合绩效越高,效果越好;创新能力(1=较好,2=一般,3=较差)[2];竞赛次数(0=未参加竞赛,1=参加竞赛1 次或2 次,2=参加竞赛3 次及以上);科研经历(0=未参加科研项目,1=参加过科研项目);学生干部(0=未担任学生干部,1=担任学生干部);论文数量(0=无论文,1=1 篇及以上);奖学金次数(0=未获得,1=1 次或2 次,2=3 次及以上);技能证书数量(0=未获得,1=1 个或2 个,2=3个及以上)[2]。
采用SAS 9.2、SPSS 22.0 等统计分析软件,使用多重线性回归、有序数据Logistic 回归等统计分析方法对数据进行统计分析。
2 结果
2.1 主要分析变量统计描述
本研究共发放调查问卷500 份,回收有效问卷483 份。对483 份问卷数据进行统计分析,得到了主要分析变量的统计描述结果,见表1。
表1 主要分析变量的频数分布[n(%)]
由表1 可见,在本次调查的大学生中,男性多于女性、来源地城镇多于农村、多数父母具有大专以下的文化程度、多数学生是没有科研经历、未发表论文、获得1~2 次奖学金、获得1~2个技能证书、参加1~2 次竞赛和创新能力处于一般的状态。综合绩效属于定量数据,未列入表1 中。综合绩效的最小值是1.03,最大值是4.27,其均值是2.63,标准差是0.53。
2.2 大学生综合绩效影响因素分析
以大学生综合绩效为因变量,以大学生性别、来源地、学习目标、学习方法、学习行为、信息利用、学习评价以及父母受教育程度为自变量做逐步法多重线性回归分析,使用SPSS 22.0统计分析软件,选入变量标准为0.10,剔除变量标准为0.15。自变量多重共线性分析的结果是最大的方差膨胀因子(VIF)为1.618,最大条件指数为15.992,说明自变量无明显共线性[3]。多重线性回归分析结果为:多重线性回归模型检验结果是F=26.632,P<0.001,说明该模型有统计学意义。最后选入模型的自变量有5 个,来源地等3 个自变量未选入模型,选入模型的自变量回归系数参数估计及其假设检验结果见表2。
表2 大学生综合绩效多重线性回归分析
由表2 可见,自变量中的学习评价、学习目标、父母受教育程度、性别、信息利用对因变量综合绩效的作用有统计学意义(P<0.05)。结合自变量的赋值可知,有明确的学习目标、能够根据学习效果的评价适当调整学习目标和学习方法、善于利用网络等资源帮助学习、父母具有大专及以上文化程度和女性大学生的综合绩效比较高。从自变量的标化回归系数可知,学习评价和学习目标对综合绩效的影响比较大、性别和信息利用对综合绩效的影响比较小。
2.3 大学生创新能力影响因素分析
选取竞赛次数、科研经历、学生干部、论文数量、奖学金次数和技能证书数量为自变量,以大学生创新能力为因变量,进行大学生创新能力的影响因素分析。由于大学生创新能力为有序分类变量,采用有序分类Logistic 回归模型分析大学生创新能力的影响因素。有序分类Logistic 回归模型适用条件判断,平行线检验结果χ2=7.718,P=0.563,表明数据适合做有序分类Logistic 回归分析。有序分类Logistic 回归模型检验结果是χ2=35.652,P<0.001,说明该模型有统计学意义。采用SAS 9.2 统计分析软件选择逐步法做有序分类Logistic 回归分析[4],选入自变量标准和剔除自变量标准均为0.10,该模型中有统计学意义的自变量回归系数参数估计及其假设检验结果见表3。
表3 大学生创新能力回归系数参数估计及其假设检验结果
由表3 可见,有统计学意义的自变量是科研经历、学生干部和论文数量3 个变量,其他3 个自变量未被选入该模型。由自变量学生的科研经历的优势比OR^为1.617 可知,通过参与科研项目获得科研经历的大学生比没有科研经历的大学生的创新能力强,由自变量学生干部的优势比OR^为2.304 可知,担任过学生干部的大学生比没有担任过学生干部的大学生的创新能力强,由自变量论文数量的优势比OR^为1.823 可知,发表过论文的大学生比没有发表过论文的大学生的创新能力强。
3 讨论
大学生的综合绩效是大学生就业能力的基础,应该重视大学生综合绩效的提升[2]。本研究显示大学生的父母受教育程度、学习目标、性别、信息利用和学习评价是大学生综合绩效的影响因素。
3.1 父母受教育程度高、女性大学生的综合绩效高
许多研究表明,父母受教育程度对大学生的综合绩效有明显影响,如大学生的成绩排名会随着父母学历等级的升高而上升,表现为正向作用[5]。本研究表明,父母具有大专及以上文化程度的大学生的综合绩效比较高,应当据此对大学生实施针对性教育,以提升综合绩效。多数女大学生学业成就动机(或自尊心)强、就业危机意识强,在学习上认真、刻苦、坚持不懈,其综合绩效优于男生,这与彭晓燕等[6]的报道一致。
3.2 具有良好信息素养、有明确学习目标、善于自我学习评价的大学生综合绩效高
大学生的学习目标和综合绩效有密切联系,明确的学习目标可以引导、激励和构建大学生的学习生活[7],促进大学生综合绩效的提升。良好的信息素养使大学生能够充分利用网络等资源解决学习中的难题,进而提升综合绩效和竞争力[8]。大学生的自我学习评价很重要,在完成每一项重要学习任务之后,大学生都应该进行自我学习评价。通过自我学习评价,包括教师或同学对自己进行评价,使大学生能够发现自身的优势和劣势,找准问题和改进方法,能够有效提升大学生的综合绩效[7]。大量的教学实践表明,部分学生的综合绩效比较差,是因为在学习的过程中,部分学生既缺乏明确的学习目标,终日随遇而安,又不能充分利用网络等资源从信息海洋中大海捞针般地找到解决学习难题的金钥匙[7],也不善于通过自我学习评价而适当调整学习目标和学习方法,这应当引起重视。本研究提示,明确的学习目标、重视自我学习评价、善于利用网络信息是提升大学生综合绩效的重要途径。本研究还提示学生干部、科研经历和论文数量对大学生的创新能力有影响。
3.3 具有学生干部经历的大学生创新能力强
学生干部是通过学生选举产生的,是学生当中的优秀分子,通常具有良好的综合素质,为创新能力发展奠定了良好基础。在学生管理的过程中,学生干部常常面临许多新问题、新考验,在面对这些新问题、新考验时,能够激发和提升学生干部的创新意识和创新能力。因此,应当重视通过学生干部的引导、带动和组织作用来提升全体学生的创新能力。
3.4 具有科研经历、发表过论文的大学生创新能力强
在大学生参加教师或者自己的科研项目过程中,经历了科研探索的过程,受到科研项目创新理念和创新举措的影响,能够培养他们的科研素质,增强他们的创新意识和创新能力,因此,许多研究倡导通过增加大学生的科研经历来提升大学生的创新能力[9]。让学生写论文、发表论文是高等学校培养大学生实用能力的重要途径。因为当大学生写论文时,首先要确定写什么和怎样写,这就需要把他们所学的理论知识进一步内化、融通和完善,进一步增强专业知识的综合运用能力和分析解决问题的实用能力。