高职院校内部治理特色建设路径研究——基于50个案例数据挖掘的文本分析

王凤宏

(北京财贸职业学院，北京 101101)

一、研究背景

新时代我国高等教育毛入学率已经达到57.8%，意味着高等教育将逐步进入高质量发展的新阶段，教育的基本面貌也因此发生格局性的变化。党的十九届五中全会明确了“建设高质量教育体系”的政策导向，并确定了到2035年建成教育强国的目标。因此，教育治理现代化意义重大。高等职业教育治理体系也必将随着“治理”概念的兴起而进一步完善与发展，并将对以往教育管理模式产生变革和影响。党的十九届四中全会提出“建立健全运用人工智能、互联网、大数据等技术手段进行行政管理的制度规则”[1]。这对学校完善章程制度体系、主动应用数据技术手段、提升治理效能提出了新要求，技术赋能必将成为高职院校提升治理能力现代化水平的重要途径。运用大数据技术手段对政策和文本进行分析，也将是教育治理领域研究的新趋势。

(一)国家政策创设了治理体系建设的外部环境

学校治理能力现代化作为我国治理水平现代化工作的核心子领域，是高等教育治理水平现代化发展理念在高校领域里的进一步推进。中共中央、国务院印发的《中国教育现代化2035》要求“推进教育治理体系和治理能力现代化”，高职学校的治理现代化是教育治理现代化的重要组成部分[2]。《国家职业教育改革实施方案》《关于推动现代职业教育高质量发展的意见》《中华人民共和国职业教育法》等系列政策、法律的相继出台为高职教育治理改革和创新发展进一步提供了指导。2019年，教育部《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》里明确将“提升学校治理水平”作为高职院校改革发展的十大建设任务之一。这就要求高职院校全面贯彻上级政策精神，加强落实党对教育工作的全面领导，发挥多元主体参与，推进学校自主管理，完善学校治理体系，创新学校治理模式，提高学校治理能力。

(二)产业升级加速了特色多元治理的路径选择

作为技术技能人才供给主体的高等职业院校，应主动调整办学定位、人才培养方案，以适应产业升级需求，积极应对经济社会发展的新常态。这就要求高职院校进一步健全内部治理结构、完善治理机制，搭建多元主体参与共治的平台和渠道，在办学体制机制、校企深度合作、专业建设发展、技术研发、教育教学、社会服务、职业文化建设等方面全面转型升级，深耕“人人皆可成才”与“人人尽展其才”的人才培养沃土，打造职业教育认可度和满意度，促进高职类教育跨越式高质量发展。

二、研究设计

(一)研究方法

教育治理理论与实践研究多是采用质性研究的范式，对于种类和内容繁杂、无序的研究资料，通过人工阅读和整理会耗费大量的时间和精力。运用大数据模型进行分析的文本聚类能够结合定量化主题建模，深层次挖掘文本内容，扩展研究思维和视角，提升研究效率。

数据挖掘( Data Mining)是人工智能和数据库的一个热门信息处理技术，它能从大量不清晰、不完全、随机的数据中，提取出隐含在其中的、潜在有用的、所需要的信息和知识。简而言之，数据挖掘就是把信息内容从大量数据中提取或“挖掘”出来的过程[3]。文本挖掘技术是数据挖掘技术的一个分支，也是对文本内容中的知识信息进行切分、抽取、转换、分析和其他模型处理等，对所需要的有用的知识信息内容进行重新的组织和分析。文本挖掘技术主要包括文本特征的表示和抽取，以及文本的聚类和分类技术。

Python是一种面向对象解释型、完全免费、开源式、跨平台开发的高级动态计算机编程语言，也是稳定成熟、功能强大的通用型语言，应用历史长、领域广，目前在社科研究领域不断见多。Python语法简洁，遵循了模块架构程序的编程原则，它的第三方类库非常强大、丰富，可以支持多层级、多类型的高级任务。本文借助Python机器学习语言分析治理案例文本，挖掘治理规律，提炼治理体系特色实践路径。

(二)文本选择

借助“全国高等职业教育治理体系建设发展联盟”平台，选取《全国高职院校治理体系建设优秀案例50强》作为主要研究资料，对50个案例文本的内容进行摘选，鉴于研究需求，重点节选了每所院校“治理特色与创新”方面的内容为主要研究文本，完成文本数据的初步过滤与整理。

三、文本挖掘

(一)词频分析

本文对整理的研究文本采用文本分词方法，调用jieba和jieba.analyse第三方库，经过分词、去除停用词、计算词频后，排在前15位的词为“学校、学院、建设、管理、制度、工作、专业、教育、治理、发展、学生、体系、质量、教学、文化”，进而得到可视化词云图(如图1所示)，清晰地显示了高职院校治理特色建设的高频词汇。

图1 高职院校治理特色建设高频词云图

(二)主题聚类分析

从机器学习语言的角度看，聚类(Clustering )是一种无监督学习方法。与分类不同，无监督学习不依赖预先定义的类，通常我们并不清楚会有哪些簇或类。聚类技术方法实现的目标就是把相似的样本聚到一起，利用文本数据本身的分布规律，比较不同数据源间的相似性，把数据源分类到不同的簇中。K-Means是一种非常简单的聚类算法，给定固定数量的聚类和输入数据集，该算法试图将数据划分为聚类，使得聚类内部具有较高的相似性。

文本聚类的应用在于根据案例文本的客观记录，辅助研究者对给定研究内容进行科学有效的分析。本文通过运用K-Means算法，寻找最优K值，对聚类结果进行比较，凭借研究者的知识和经验确定聚类的个数num_clusters = 5，每类主题的关键特征词也选取对文本聚类贡献度较高的前5个词，以此构建适合的特征集(见表1)，聚类结果相对理想。

表1 聚类结果特征集

经过对文本进行分词、停用词处理、规范化语料库、提取tf-idf特征、定义K-Means聚类函数等步骤处理，聚类的plot绘图显示运行结果，可视化结果如图2所示。

图2 聚类结果分布图

(三)文本相似度分析

文本相似度主要是比较和衡量两个文本的相似程度。如果相似度为1，则表示这两个文本完全一致；如果相似度为0，则表示这两个文本毫无相似之处。本文节选文件《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》提升“学校治理水平”部分，通过设置主题关键文本“健全内部治理体系，完善以章程为核心的现代职业学校制度体系”“健全学校、行业、企业、社区等共同参与的学校理事会或董事会”“设立校级学术委员会”“扩大二级院系管理自主权，发展跨专业教学组织”[4]，运用文本相似度分析，可以寻找到与主题相似度较高的前10个案例，为进一步研究提供了很好的思路和内容。

四、研究结果分析

综合Python运用，得出结果为五个类别主题及特征词构成的集合，每个集合都可以视为治理体系建设的一类侧重点，在查阅语料的基础上，对特征词集合进行人工判定，为类别主题命名。根据50个案例文本内容的文本挖掘，通过主题聚类分析，提炼出治理体系建设的核心内容和建设特色，从而归纳出高职院校治理体系建设路径的五个侧重点，见表2。

表2 高职院校治理特色建设聚类主题

(一)注重搭建平台，完善治理体系

从第一类主题的关键特征词“平台”“体系”“建立”“评价”“数据”可以看出，此类高职院校注重搭建治理“平台”，在产教融合、教师评价和大数据治理方面比较有特色。山东商业职业技术学院实施党建“思想奠基、政治引领、固本强基”三大工程引领，创新治理体系顶层设计，推进党组织“堡垒指数”“先锋指数”考评，将党的组织优势转化为治理优势。重庆电子工程职业学院、广西建设职业技术学院等学校深化“平台+实体”职教集团运行模式，构建多元合作治理平台，建立了校企联盟、职教集团、产业学院“三位一体”的产教融合体系。长春金融高等专科学校强化内审内巡，搭建了内部控制管理新平台。威海职业学院搭建了优势教育资源共享新平台，构建符合新时代高职院校发展理念的“四位一体”评价新标准。长江职业学院等学校运用大数据技术推动高职院校体制机制改革创新。

(二)注重文化建设，推进校园治理

从第二类主题的关键特征词“治理”“文化”“校园”“构建”“实施”可以看出，聚在此类的高职院校在文化治理和校园治理方面特色鲜明。北京电子科技职业学院实施依法治理、开放治理和分类治理，形成了以章程为“基本法”、各专项配套制度为支撑的校内规章制度体系，以新技术赋能内部治理，加强智慧校园顶层设计。湖南铁路科技职业技术学院实行“半军事化”管理模式和宿舍“6S”管理标准，构建个性化的 VI 识别系统。山东外贸职业学院建成了融文化体验与外语教学于一体的“外语村”，实施“五清工程”，建设文明校园。哈尔滨职业技术学院改革创新管理服务模式，涵养优良校园生态，将制度根植于内心深处、固化为行为习惯、内化为“寒地艰苦创业”文化，构建“四位一体互融互导”文化内涵建设体系。安徽商贸职业技术学院以文化建设代替制度刚性约束，构建徽商文化与职教文化相融合的特色安商文化，健全安商特色文化建设体系。重庆工业职业技术学院以“文化引领、‘三匠’育人”为核心文化理念，植根深厚工业文化底蕴，发挥“三匠”之铸匠心、立匠德、砺匠艺一体化作用，系统构建了理念文化先行、制度文化保障、环境文化浸润、行为文化落脚的特色治理文化育人体系。

(三)实施“智慧+”工程，创新治理手段

从第三类主题的关键特征词“智慧”“教育”“体系”“工作”“融合”可以看出，此类高职院校在实施“智慧+”工程、创新治理手段方面的特色比较突出。浙江金融职业学院实施“最多跑一次”改革。江苏财经职业技术学院持续推进“智慧教学、智慧管理、智慧服务”。沧州职业技术学院创建“智慧就业”服务平台，利用“互联网+就业”新模式，畅通线上就业信息发布渠道，将招聘信息推送至每位毕业生的手机客户端。郑州电力高等专科学校实施“智慧+”工程，以智慧校园建设为基础，通过应用体系、数据体系、服务体系三大体系的建设，以数据为基础，以服务为目标，以平台为手段，以运营为保障，融合各业务部门以及管理层视角，创建各工作单元、管理层需要的分析模型，以对数据进行洞悉、挖掘与分析，获得决策、服务所需要的分析结果为基础，通过报表等展示形式辅助作出正确的决策。

(四)注重多元协同，深化二级管理

第四类主题的关键特征词“学院”“共同体”“办学”“按群”“优先”彰显了高职院校加强产教融合、注重多元协同、按群办学、强化二级管理方面的建设特色。济南职业学院加强多元共治的治理平台建设，以产业对接为契机，以双元育人为抓手，以中德合作为主干，打造校地协同、校企协同、师生共建、国际合作四大命运共同体。杭州职业技术学院探索基于混合所有制的二级学院多元办学与治理模式。铜仁职业技术学院探索“按群办学”，坚持“以群强院”，实行“按群管理”，实施“因群建党”，创新治理模式。北京财贸职业学院构建两级管理的柔性治理体系，推行大学学院制管理，落实二级学院办学主体责任，扩大二级学院办学自主权。

(五)注重制度体系，强化质量治理

第五类主题的关键特征词“制度”“体系”“治理”“质量”“学院”突出了制度、体系建设和质量治理的重要路径。高职院校健全了治理体系建设。河南工业职业技术学院、山西省财政税务专科学校、上海城建职业学院构建了诸如“四大体系”“六大体系”“八大体系”等特色治理体系。质量治理也成为高职院校治理体系建设的重点。淄博职业学院党委直接领导质量控制与绩效考核办公室，建立了质量观、质量要素、质量标准、行动体系、质量控制和绩效考核评价构成的“六位一体”的质量控制机制，构建了“目标指向、项目管理、质量控制、工作绩效、特色创新贡献提升”五个一级指标组成的绩效考核指标体系。江苏海事职业技术学院借鉴船员质量管理体系理念，构建了由质量手册、程序文件、知识库以及质量记录(工作流数据)组成的全面质量管理体系。广西职业技术学院全面实施卓越绩效导向管理，重构学院内设组织机构，形成职责清单。重庆工程职业技术学院加强质量文化建设，构建“诊改”制度体系，使之运行常态化。

五、结论与讨论

(一)研究结论

文本聚类分析与我国高职院校治理体系建设研究的有效结合是教育治理研究的一个新视角。通过对50所高职院校治理特色文本的综合分析，进而结合职业教育治理理论及相关政策法律，特别是对新修订的《中华人民共和国职业教育法》进行研究分析，得出以下结论：第一，文化治理、质量治理日趋成熟。高职院校在文化治理路径建设中内涵丰富、特色各异，突出了职业文化和学校文化的融合，也体现出治理体系的建设应植根于文化建设的土壤。质量治理成为治理体系建设的常态工作，也是推进高职院校高质量发展的关键路径。第二，大数据技术、智能治理成为新的增长亮点和发展趋势。2022年4月，教育部职业教育与成人教育司司长陈子季在《中国教育报》发表了《依托数字化重塑职业教育新生态》的文章。大数据技术的应用必将加快治理手段的创新，成为治理体系建设新的增长点[5]。第三，依法治校、自主管理还有待深入探索。新修订的《中华人民共和国职业教育法》第三十六条提出，职业学校应当依法办学，依据章程自主管理。明确了五项自主开展的活动，有利于提升高职院校的办学活力。在案例中，各高职院校在自主管理方面的实践探索和创新内容还比较有限。第四，多元协同治理的理念初步形成，体制机制尚待完善。产教融合、校企合作是职业教育的特色，探索混合所有制办学和多主体协同治理，一直是职业教育研究的重点，地方政府应加快出台配套的政策，完善政、行、企、校协同治理的机制体制[6]。第五，高职院校治理体系建设需要形成一个标准化建设框架或指南。高职院校具有高等教育和职业教育的双重职能，高等职业教育治理体系的建设内容体现在“党委领导、依法办学、自主管理、民主监督、社会参与”等方面[7]。因此，建议各高职院校在治理理念、治理主体、治理手段和治理效果等方面进一步细化治理要素，推进形成标准化的建设体系及评价指南。

(二)研究的不足及展望

Python数据挖掘和文本挖掘已成为质性研究的新技术、新方法和新趋势。需要指出的是，高职院校治理体系建设是一个动态发展和逐步完善的过程，本研究必然会存在一定的时限性和局限性，有待进一步持续跟踪和深入探究：第一，在研究方法上，还有深入挖掘的空间。囿于K-Means聚类本身的算法缺陷，聚类过程就是不断寻找最优K的过程，因此还需要结合人工的经验性和多次探索设定K值，以实现较好的聚类效果。第二，在文本资料的获取方面，案例文本数量比较有限，治理特色建设的内容还不够充分。