基于DEA-Tobit两阶段模型的五年制高职会计专业学生学习成效的实证研究

赵敏 （副教授/博士） （江苏联合职业技术学院南京财经分院会计系 江苏南京 210001）

长期以来，研究学生学习成效的文献众多，学习成效的衡量方法也各有不同。有学者认为应构建包含素质教育和能力培养两方面内容的学习成效评价体系，这样方能引导师生有效实现教学目标；为了更加合理地评价高职学生学习成效，应采用“双元学分制”方法。也有学者提出将“积分制”用于学习成效评价更有优势，教学阶段、评价方法、评价主体有机结合的评价体系和方法会使得评价结果更加客观。为了弥补高职学生学习效果评价方式的不足，还有学者建议对学生学习成效评价从多角度进行，评价的内容要具有多维性特征，评价的主体要具有多元化特征，评价的方式要具备多样化特征，以提升学生的综合能力及职业素养，从而实现高职教育适应时代发展要求的目的，并有学者构建了“三位一体”学生学习成效比较评价模型。

也有少数学者构建模型，对学习成效评价开展实证研究。如基于层次分析法（AHP）构建包括知识学习、能力提升和性格完善三方面内容的学习成绩评价指标体系，并进行实证研究。研究结果表明，基于AHP方法构建实证评价模型，对高校学生学习成效的分析系统性和科学性更高，测度结果为评价高校学生学习成效提供了更加合理的实践依据；也有运用数据包络分析（DEA）模型对在线学习者学习成效进行评价。

DEA是以相对效率概念为基础的效率评价模型，特别适用于多投入多产出效率的计算。学生的学习活动是典型的多投入多产出行为，选择DEA衡量评价其效率极为合适。鉴于DEA模型对多目标评价的作用，本文基于DEA构建模型对学生学习成效进行测度。

一、基于DEA模型的会计专业学生学习成效评价

（一）变量说明和数据来源。自2015年开始，NJ职校与财务公司合作选取部分会计专业学生试点现代学徒制项目，并于2016年起将此项目推广至全体会计专业学生。自2016年以后，会计专业全体学生都参与了现代学徒制项目。考虑到数据的可获取性及研究样本的代表性，本文选择2016级和2017级学生为研究对象，2019年9月—2021年7月为研究期间。通过对这一期间学生相关的数据进行分析，研究会计专业学生四个学期的学习成效。本文数据来源于各任课教师提供资料的手工整理。使用的统计软件为DEAP 2.0。

应用DEA测算学生学习成效，需要选取合适的投入和产出指标。参照国内外关于学生学习成效的研究，为能多角度更全面地描述学生学习投入情况，本文选取教师投入时间、学校硬件投入水平、教师工资、学生投入时间、家长投入时间五个指标为投入指标。其中，教师工资和学校硬件投入水平衡量教学资金投入；教师投入时间、学生投入时间和家长投入时间衡量时间投入。

产出指标应能够代表学生开展学习活动的主要成果，衡量学生学习活动目标完成情况。本文选取知识学习、能力提升和职业素养作为产出指标。其中，各产出变量具体描述及数据获取方式如下页表1所示。

表1 各产出变量具体描述及数据获取方式

（二）模型设定。鉴于DEA在测度绩效方面的优越性，本文选择DEA模型测度学生学习成效。DEA模型包括不可变规模报酬模型（CCR）和可变规模报酬模型（BCC）。一般认为学生学习成效规模报酬是可变的，因此本文选取BCC模型来测度学生学习成效。

通过对该线性规划模型运用单纯形法进行求解，可以判定决策单元是否有效。假设线性规划的解为θ、λ、SA、SB：（1）若 θ=1，且 S=S=0，则决策单元有效 ；（2）若θ=1，但S、S至少有一个大于0，则决策单元j弱有效；（3）若 θ＜1，则决策单元 j非有效。

（三）DEA测算结果及分析。表2为基于DEA模型、运用软件DEAP 2.0，对2016级和2017级会计专业学生本文研究期间4个学期的学习成效进行测算以及描述性统计分析的结果。

1.学生学习成效综合效率不理想，但有逐年增高趋势。测度结果显示，4个学期学生学习成效均值分别为0.603、0.633、0.766和0.785，最高值的2021.2—2021.7学期也未能达到最优，说明从总体来看，学生学习成效综合效率不理想。这是技术效率和规模效率共同作用的结果。综合效率是对学校的教学资源配置能力、资源使用效率等多方面能力的综合衡量与评价。它衡量学校的教学资源投入是否充分利用，教学产出是否达到最优。一般认为，综合效率为纯技术效率与规模效率的乘积。在DEA模型中，测算的综合效率为1表明学校的教学活动同时技术有效和规模有效，教学资源投入得到了充分利用，小于1则表明该学校的教学资源投入利用程度不够。该值越小，教学资源利用程度就越低。从具体班级来看，即使是最高值的2017级6班综合效率也仅为0.866，还有13%左右的提升空间。这说明投入的教学资源没有能够得到有效利用，学校需要从教师、学生以及管理制度等多方面寻找原因，提升学生的学习成效。

测度结果也显示，学生学习成效的综合效率平均值从2019.9—2020.1的 0.603增加至 2021.2—2021.7的0.785，中位数从2019.9—2020.1的0.601增加至2021.2—2021.7的0.782，标准差也逐年有所下降，表明2019—2021年NJ职校会计专业学生学习成效综合效率虽然不理想，但呈现增长态势，学生学习成效之间的差异也在逐步缩小。

表2 2016、2017级会计专业学生2019年9月—2021年7月期间4个学期学习成效值及分布情况

2.纯技术效率优于综合效率，且逐年提高。纯技术效率（PTE）是衡量在不考虑规模因素的情况下影响学生学习成效的因素。如班级的激励约束制度、班级班风学风等。是在假设每个班级规模已经最优的前提下，用最少的教学资源投入得到最大教育产出的效率值。若某班级的学习成效PTE为1，表明该班级教学资源投入的资源配置合理有效地反映了现有的技术水平。若未能实现综合效率最优，其主要原因是规模无效率。相比综合效率而言，NJ职校会计专业学生学习成效的纯技术效率更高些。上页表2数据显示，2019至2021年会计专业学生学习成效纯技术效率的均值都高于综合效率。以测度结果较好的2017级为例，2019.9—2020.1期间，2017级各班的综合效率分别为0.635、0.631、0.581、0.648、0.585、0.671；纯技术效率分别为0.638、0.655、0.586、0.793、0.683、0.671。2020.9—2021.1 期 间，2017级各班的综合效率分别为0.774、0.794、0.820、0.813、0.805、0.861；纯技术效率分别为 0.795、0.804、1.000、0.830，1.000、0.889。可见，学生学习成效的纯技术效率高于综合效率，规模未能达到最优对综合效率产生了不利影响。

3.班级学习成效之间存在差异。描述性统计结果显示，无论是2019.9—2020.1期间，还是2020.9—2021.1期间，测算结果之间都存在一定的标准差，这说明班级学习成效之间存在一定的差异。并且这个差异还有逐步扩大的趋势，比如2019.9—2020.1期间，研究样本的综合效率、纯技术效率、规模效率标准差分别为0.037、0.064、0.058。而2020.9—2021.1期间，研究样本的综合效率、纯技术效率、规模效率标准差则分别为0.051、0.100、0.065，相较于上年同期略有增长。

二、基于Tobit模型的会计专业学生学习成效影响因素分析

（一）影响因素分析及变量选取。本文主要选择以下几个因素进行研究分析：班级管理制度（GM）、班风（GE）、学风（GS）、班级规模（SIZE）、班级信息化水平（GT）和教师学历（TD）。选取以上六个因素作为方程的解释变量。其中，班级管理制度以班级管理细则数量来衡量；班风和学风以任课教师评价来衡量；班级规模取班级学生数量；班级信息化水平以学生每周上机时间来衡量；教师学历取班级任课教师学历平均值表示，其中专科及以下取值为1分，本科取值为2分，硕士取值为4分，博士取值为8分。

（二）模型设计及数据来源。

1.模型设计。为检验各因素对学生学习成效效率影响，本文以学习成效综合技术效率为被解释变量，班级管理制度、班风、学风、班级规模、信息化水平和教师学历为解释变量，构建Tobit回归模型为：

其中，i表示班级，t表示学期。

2.数据来源。以前文所选的会计专业2016级和2017级学生为样本，区间为2019.9—2021.7。所需数据中被解释变量学习成效来源于DEA模型的测算。各解释变量数据通过手工整理所得。

3.实证分析结果。由表3可知：班级管理的系数估计值为0.671033，对应的P值则显示这种关系在1%的水平上显著，表明其与学生学习成效显著正相关。这意味着班级管理制度对学生学习成效具有积极正向的影响。班级管理力度越大，学生学习效率越高。出现这一现象的主要原因是班级管理力度在一定程度上代表班主任对班级管理的重视程度及所花费的力气。如果班主任有较强的管理意识和较有效的管理手段，则该班级学生往往学习态度端正、能力较强且具有较高的专业素养。这一研究结果肯定了班级管理工作在学生学习效果中的核心地位。学校及其他部门在支持教学工作过程中要注重充分调动班主任的积极性，发挥班主任的主观能动性，以班主任的实际管理需求为导向，对教学资源进行合理高效配置。班主任则更应加强对班级管理工作的重视程度，完善制度，提升学生学习效率。

表3 会计专业学生学习成效影响因素检验结果

班风和学风的系数分别为0.336851、0.313565，相应的P值均显示在1%的水平上显著。表明无论是班风还是学风都与学生学习效率显著正相关。班级的班风和学风代表着班级学生的学习状态，反映班级学生的学习主动性。班风和学风都比较高的班级，学生学习主动性更强，提升能力的愿望更强烈，受到的职业素养熏陶更多。在这样的班级中，学生的学习成效必然更高。班风和学风与班级学习成效显著正相关肯定了良好的班风和学风对提升学生学习效果的作用。

信息化水平系数为正也通过了显著性检验，表明班级信息化水平有助于学习成效提升。信息化水平不仅反映出学生对新鲜事物的接受能力，也反映了学生的综合能力和对待事物积极进取的态度。一般而言，信息化水平比较高的班级，学生对知识点的接受能力更强，对实践操作的掌握程度更高。这样的班级实施现代学徒制，效果必然好于其他班级。信息化水平与学生学习成效显著正相关表明，学校、家长和社会都应该重视学生信息化素养的培养。

班级规模的系数为-0.101517，通过了10%水平的显著性检验，说明班级规模与学生学习效率显著负相关。表明班级人数的增加会对学习成效产生一定的负向影响。这或许是由于班主任和任课教师精力有限，人数较多时，管理质量会下降，对学生学习效果产生了不利影响。班级规模与学生学习成效显著负相关告诉我们，良好的学习效果需要对班级规模进行控制。

教师学历的系数为0.368790，且在1%的水平上显著，表明教师学历对学生学习成效有显著的正向影响。这是因为教师学历越高，往往知识面越宽，在教学时会更加游刃有余，对学生的学习效果会起到更加积极的正向作用。

三、结论及建议

（一）结论。本文以NJ职校2016级和2017级会计专业学生为样本，2019年9月—2021年7月为研究期间，利用面板数据，运用DEA-Tobit两阶段法分析现代学徒制教学模式下会计专业学生学习成效及其影响因素。实证结果表明：现代学徒制教学模式下，学校学生学习成效呈增加趋势；班级管理制度、班风、学风、信息化教学水平和教师学历对会计专业学生的学习成效存在显著的正向影响；班级规模对会计专业学生的学习成效会产生显著的负向影响。

（二）建议。

1.知识学习与能力训练并行。高职学校以就业为导向，培养为社会服务的技能型人才。对高职学生而言，不仅要学好理论知识，更要有过硬的能力。知识是职业生涯的基础，能力是职业发展必不可少的要素。与会计专业相关的能力包括学习能力、适应能力、协调能力、合作能力、执行能力、表达能力、创新能力等。这些能力都不是一蹴而就的，需要在学校学习过程中逐步培养。为锻炼学生的学习能力和执行能力，教师应该有意识地布置一些富有挑战性、学生又能够完成的学习任务，通过这些任务日复一日地训练学生的学习能力、适应能力和抗挫折能力；为培养学生的协调和合作能力，教师应该在学生执行任务的过程中对学生进行引导，在教学过程中潜移默化地培养学生的表达能力和创新能力。

2.思政教育与素养培养并重。为达成育人及教学目标，教师不仅要培养学生的职业素养，还要挖掘思政元素并运用合适的教学策略将思政元素融入课前、课中、课后教学及考核过程，力图形成系统的思政育人体系。事实上，教学过程融入思政元素，有助于更好地培养学生的职业素养。在预习环节，将思政元素与知识点结合，引导学生课前探究，开展课前思政教育，并在课堂上检验预习效果，能够培养学生的职业认同感，端正学生的做事态度；在课堂教学环节融入思政元素，可以训练学生综合能力及职业素养；在课后复习环节融入思政元素，可以引导学生挖掘知识背后的价值观，高质量地完成课后任务，培养学生细心务实的工作作风，诚实严谨的治学态度，奋斗进取的人生状态；在课程考核环节融入思政元素，能够使得思政目标真正地融入学生的内心，变成学生的行为，实现理实结合的课程多元化评价，引导学生树立正确的奋斗目标。

3.班级规模控制与教师学历提升并举。一般来说，班级规模越大，教师在进行课堂管理时所遇到的阻力就越大。因此，达到良好的教学效果需要控制班级规模。教师学历越高，知识面也相对越宽，对学生的指导效果相对而言会更好。目前职业学校在这两点上都未能达到理想状态，这或许会成为职业教育改革需要思考的方向。