“双高计划”下的高职院校科研创新效率评价与提升路径探究

章锐旦，朱建军

（无锡商业职业技术学院，江苏 无锡 214153）

0 引言

随着职业教育改革的不断深化，高职教育发展先后经历了3个重要阶段，依次是2006年启动的“国家示范性、骨干”高职院校建设，2015年开始的“国家优质”高职院校建设和2019年启动的“中国特色高水平高职学校和专业建设计划”(以下简称“双高计划”）。“双高计划”是教育部为贯彻落实《国家职业教育改革实施方案》，在职业教育领域所做的一次重要制度设计。 2019年4月，教育部、财政部颁布《关于实施中国特色高水平高职学校和专业建设计划的意见》(教职成〔2019〕5 号），指出应“对接科技发展趋势，以技术技能积累为纽带，建设集人才培养、团队建设、技术服务于一体，促进创新成果与核心技术产业化，重点服务企业特别是中小微企业的技术研发和产品升级”［1］。 由此可见，“双高计划”更强调了职业教育要坚持深化产教融合、校企合作，为高职院校打造技术技能创新服务平台指明了方向。 高职教育与区域经济的紧密对接，不仅有助于提高高职院校的科技创新能力，而且对推进区域经济发展、促进产业转型升级有着重要意义［2］。 为规范和加强“双高计划”绩效管理，提高资金配置效益和使用效率，如期完成目标，2020年12月，教育部、财政部印发《中国特色高水平高职学校和专业建设计划绩效管理暂行办法》(教职成〔2020〕8 号），对“双高计划”的绩效目标管理提出了明确方向性要求和具体考核办法。

“双高计划”第一轮建设单位共确定56 所高水平学校建设单位和141 所高水平专业群建设单位，其中，江苏省有7 所高职院校入选高水平学校建设单位，13 所高职院校入选高水平专业群建设单位，建设周期为5年。 在“双高”建设中期，本文将从科研投入与成果产出两个维度，对江苏省20 所“双高”建设院校的科技创新效率进行测量与评价，通过摸排“双高计划”建设方案中科研成果的完成情况，检验“双高计划”意见政策推动下各建设院校产教科创的实施效果，进而有效推进“双高”建设院校技术技能创新服务平台的建设与管理，提升科研创新效率。

1 研究设计

1.1 样本选择

本文以江苏省20 所“双高计划”建设院校作为研究样本，其中包括无锡职业技术学院、江苏农林职业技术学院、江苏农牧科技职业学院、南京信息职业技术学院、常州信息职业技术学院、江苏经贸职业技术学院、常州机电职业技术学院等7 所高水平学校建设单位和江苏建筑职业技术学院、常州工程职业技术学院、江苏工程职业技术学院、江苏海事职业技术学院、江苏食品药品职业技术学院、南通航运职业技术学院、苏州工艺美术职业技术学院、苏州农业职业技术学院、南京铁道职业技术学院、南通职业大学、苏州工业职业技术学院、无锡商业职业技术学院、徐州工业职业技术学院等13 所高水平专业群建设单位。

1.2 模型假设与变量说明

1.2.1 模型假设——科技创新效率测算模型

常见的高校科技创新能力或科技创新效率评价方法较多，有因子分析法、层次分析法、模糊综合评价法、数据包络分析法。 DEA-Malmquist 指数是利用面板数据来测算全要素生产率变化的非参数前沿方法。它是在静态DEA 的目标空间上加入时间空间，更符合高校科技创新数据的特点［3］。 Malmquist 全要素生产率指数定义如下：

式中：x表示高职院校科技创新投入；y表示高职院校科技创新产出；

根据国内学者的方法，全要素生产率可以分解为技术效率和技术进步率。 如果假设科技创新投入要素存在规模报酬可变的情况，技术效率可进一步分解为纯技术效率和规模效率。 全要素生产率指数具体分解形式如下：

1.2.2 变量说明

为了衡量高校科技创新全要素生产率，本文选择科研活动人员和科研经费投入作为投入指标，发表学术论文、专利授权和“四技”服务到账金额作为产出指标，具体如表1 所示。

表1 高职院校科技创新全要素生产率投入指标和产出指标

在“双高计划”政策效应模型中，本文把高校科技创新全要素生产率指数作为结果变量，“双高计划”政策作为处理变量，同时引入师生比、高级职称占比、院校类型和地区分布等4个指标作为协变量，具体如表2 所示。

表2 “双高计划”政策效应模型指标

1.2.3 数据来源

本文科技创新全要素生产率投入指标的科研活动人员以中级职称和具有硕士学位及以上的专技人员来衡量，科研经费投入以各级各类专项费，包括项目建设、平台建设、人才队伍建设等作为统计依据，数据主要来源于各院校科技、社科统计年报人力资源与经费统计表。 产出指标中发表学术论文指标数据通过中国知网作者所在单位检索汇总得到，专利授权数据来源于IncoPat 专利检索，从当前权利人、公开(公告）日、专利状态对20 所“双高计划”院校专利授权情况分别进行检索与统计。 “四技”服务到账金额根据江苏省高校技术市场统计数据以及院校官网公布统计整理。

2 全要素生产率及分解测算

采用动态 DEA-Malmquist 指数方法，运用STATA 软件测算了2019—2021年江苏省20 所“双高计划”建设高职院校科技创新的全要素生产率及其分解效率，结果如表3—4 所示。

表3 “双高计划”建设院校2019—2021年科技创新全要素生产率及分解 （单位：%）

从表3 可以看出，20 所“双高计划”建设院校在2019—2021年的全要素生产率逐年增长，期间平均每年增长5.2%。 从全要素生产率分解结果来看，技术效率和技术进步率共同推动了“双高计划”建设院校科技创新的全要素生产率，其中技术效率年均增长率为3.8%，技术进步率年均增长率为1.4%，说明技术效率对全要素生产率的贡献要大于技术进步率。从技术效率的分解结果来看，纯技术效率和规模效率共同推动了技术效率的提高，规模效率年均增长率为2.2%，纯技术效率年均增长为1.5%，整体来看规模效率对技术效率提高影响要大于纯技术效率。2019—2021年，纯技术效率和规模效率都呈现增长，但纯技术效率要大于规模效率，说明“双高计划”建设院校越来越重视院校科技创新能力的提升，并且取得了良好的效果。

表4为20 所“双高计划”建设院校的全要素生产率及其分解效率，从全要素生产率的取值来看，所有“双高计划”建设院校的全要素生产率均得到了提升，排在前5名的是无锡职业技术学院、江苏农林职业技术学院、江苏农牧科技职业学院、南京信息职业技术学院、常州信息职业技术学院，增长率为8.1%～12.2%。 从规模效率值来看，20 所“双高计划”建设院校在2019—2021年期间规模报酬均显示小幅度递增，增长率为1.2%～3.9%，说明这期间的科研投入出现小幅度的节省。 从纯技术效率来看，有少数“双高计划”建设院校在科研发展规模、增长速度方面发展较快，但在政策监管、科研激励方面尚有欠缺，导致科研投入上存在不足。

表4 2019—2021年“双高计划”建设院校科技创新全要素生产率及分解 （单位：%）

3 结论与政策建议

3.1 研究结论

根据江苏省“双高计划”建设院校2019—2021年科研数据，对科技创新全要素生产率进行测算并分析得出，所有建设院校科技创新效率有效，均呈现不同程度的增长，整体的科研创新效率水平比较高，但院校之间存在明显的差异。 同时，这些高职院校存在不同程度的问题。 比如，从纯技术效率来看，科研管理工作还存在一定程度的不足，规模效率均有效而纯技术效率无效现象说明科研激励政策或科研投入还存一定程度的不足。 为切实提升“双高计划”建设院校科研创新效率，提出以下政策建议。

3.2 政策建议

3.2.1 进一步健全科研激励机制与运行机制

通过设立校级科研团队、科研平台、科研项目等多种渠道给予教师科研经费支持。 在“双高计划”建设科研任务指导下，突出教师科研定位应与学校办学特色、专业优势相结合，同时有针对性地减少科研一线教师的行政性工作任务，集中力量进行科学创新研究。

3.2.2 通过内外兼备方式优化科研队伍结构

在对外引进高层次人才的同时，要注重学校现有教师科研团队的阶梯建设，通过各类青年教师专项激励年轻教师的科研兴趣，提升青年教师的科研创新潜力。 对于学校现有或即将引进的高层次人才，应引导其发挥科研创新引领作用、示范作用和“传帮带”作用，真正实现教师科研队伍的协同发展。

3.2.3 进一步营造科研创新氛围

为提高教师科研创新能力，学校应有目的、有计划地组织教师参加各级各类科研创新能力培训，通过学校和二级学院两个层面的科研专项辅导，发挥各专业教研室科研基地作用，加强专业教研室教师之间的交流与合作，同时鼓励跨专业的科研交流与合作，不断提高教师交叉学科的理论水平和科研素养。

3.2.4 进一步加强产学研深度融合

鼓励教师积极参与地方政府或企事业单位组建的科技创新联盟，在各类研发中心、工程技术研究中心、教学科研基地开展科研活动，通过“一师一企”鼓励教师参与或联合研发新产品、新技术、新工艺，促进产学研深度融合，使教师科研创新能力不断增强。