中心城市電大辦學模式的多維思考
——基于SPSS Modeler的建模分析

孫治國 國剛 王珺 孫麗青

（青島廣播電視大學，山東青島，266100）

歷經40年的發展，電大覆蓋全國的辦學體系中，45所省級電大包括17所中心城市電大，即4所直轄市電大、8所省會城市電大、5所單列城市電大，均被賦予了省級電大的辦學職能。隨著2012年電大系統轉型升級，國家開放大學（以下簡稱“國開”）辦學體系也因應發生著格局的嬗變。中心城市電大又分化為“2+15模式”，即北京和上海相較于其余15所中心城市，率先掛牌轉型成為地方開放大學。國開轉型升級“改革已經進入深水區”[1]，作為辦學體系中重要的組成部分，中心城市電大（包括中心城市開放大學，為方便討論，以下仍簡稱“中心城市電大”）順應時代發展需求，不斷求索發展。多維度聚焦其生存現狀與發展方式，能夠拓寬和加深對于電大向開放大學轉型的可操作性理解、進一步支撐轉型期的辦學實踐。

一、文獻回顧

“國家開放大學建設是國家‘辦好開放大學’的試點項目，既沒有現成經驗，也沒有現成的理論和模式”[2]。作為一個辦學實體，國開“自己的辦學組織體系”“立體覆蓋全國城鄉”[3]。對于這樣“一個龐大而獨特的遠程教育系統”[4]，《教育部關于辦好開放大學的意見》中明確指出,“完善分級辦學系統”是“切實辦好開放大學，推動建設學習型社會”的主要任務之一[5]。而完善辦學系統，前提是要充分明晰系統成分間的差異。在辦學體系內部，嚴冰認為，中心城市電大（亦被稱為省級分部）的功能定位與發展模式，在整個電大的系統辦學中“有其自身特點”，顯然“不同于省、自治區電大的思路”，需要“特別關注中心城市電大在整個電大的系統辦學中、在我國現代遠程教育發展格局中的特殊重要的地位”[6]。近十年來，對于“中心城市電大的創新探索”的討論，最初是以“學習型城市建設”的實踐探討為契機的[7]。黃同華等認為，從十六大到十九大，建設學習型社會始終是全面建設小康社會的重要目標和任務之一，是“實現‘兩個一百年’奮斗目標和中華民族偉大復興中國夢的重要內容和有力支撐。建設學習型城市是實現學習型社會的重要基石”[8]。張亞斌等認為，“學習型社會建設,必然率先在城市范圍內興起和取得突破。因之, 學習型城市建設為現代遠程教育的發展帶來新的機遇和挑戰……是城市電大貫徹落實科學發展觀,走以內涵發展為主的可持續發展之路的一個全新課題。”[9]盡管在學界關于中心城市電大戰略轉型與發展的研究不是顯學，但多年來在國開體系內部針對其的探討始終方興未艾。中國遠程教育學術圓桌（會議）就聚焦了“中心城市電大的功能定位與發展模式”，先后于2005、2008和2012年舉辦了專題學術研討會，解讀了深圳模式[10]、剖析了天津案例[11]、總結了廣州經驗[12][13]。圍繞深圳、天津和廣州三所中心城市電大實踐探索的專題研討，以中心城市電大的角度，豐富了系統辦學的理論和實踐維度；在研討的發展軌跡上，從“明確功能定位”[14]，到“搶占制高點”，并最終服務于開放大學的建設發展，研討的主旨進一步演進為“中心城市電大推進開放大學建設試點的思路和措施”[15]。足見，中心城市電大的創新發展對于學習型城市建設意義重大，對于辦學系統的轉型升級，乃至于開放大學的建設及發展同樣意義非凡。而進一步相關的探討，仍有待發展。其中，徐美恒認為“以廣播電視大學系統為基礎,創辦開放大學新模式的基本思路”，應當“依托大城市和地方中心城市,根據具體情況，每個省創建一所或多所開放大學”[16]。張亞斌等“圍繞17所城市電大參與學習型城市建設的狀況, 進行文獻調研、實地調查、專題研討和個案分析”，為城市電大制定發展戰略提供參考意見[17]。此外，還有王洪兵以廣州市為例，聚焦了電大辦學系統在中心城市學習型社會建設中的功能與定位[18]；葉正茂等以成都電大為例，探討了中心城市電大轉型與國家開放大學的建設[19]；狄勇、魏勇鋼以南京市社區教育現狀為例，探索了開放大學在轉型發展的新形勢下充分發揮引領作用服務學習型城市建設的對策[20]；方子春研究了電大向開放大學轉型升級實現推動學習型社會建設的主要任務和途徑[21]。

綜上，在現有該領域的研究成果中，相對而言占有主流地位模式設想和建設行動方略的構建討論，仍屬于初步的探討；聚焦中心城市電大實踐案例的相關研究，仍為數不多；綜合整體中心城市電大的轉型探索，進而歸納構建系統辦學模式和建設路徑的研究，基本處于停滯狀態。

二、研究方法、樣本及分析路徑

研究采用實證研究的方法，使用的研究工具是SPSS Modeler，該軟件是目前流行的大數據處理工具，提供了借助機器學習、人工智能和統計學的建模方法，本建模研究使用了其K-Means和神經網絡相結合的分析方法，從而構建中心城市電大的辦學模型，為其發展提供參考借鑒。

研究共分為樣本采集、原始數據預處理、聚類分析和神經網絡算法建模四個階段。第一步，樣本采集主要圍繞17所中心城市電大轉型升級的生存與發展現狀，采取網路信息采集、文獻資料調查以及電話訪談等方式展開。第二步，原始數據進行預處理是對前期收集的17所城市電大的相關數據進行分組、分類、篩選、變量梳理等必要的處理。數據的預處理環節采用雙組雙循環的方式，即各預處理階段均由兩組研究者在背對背的情況下分別進行，然后展開校驗和討論，并不斷循環，以消減冗余項，在組間進而形成共識，以保障研究的效信度。第三步，聚類分析采用的是K-Means算法。K-Means算法作為一種典型的基于距離的聚類分析手段，采用距離作為相似性的評價指標，即認為兩個對象的距離越近，其相似度就越大。該方法能夠較好地把具有相似特征的數據進行聚集分類。研究中涉及到的聚類分析均為研究者在相關項目數據計算基礎上，在權衡比對多重分組聚類后，而判定的合理化聚類分組結果。其中，在數據總量有所局限的前提下，在無法開展孤立點分析的情形下，為有效避免數據中孤立點的產生，研究分析中亦采取了相關的有效規避措施，以保證研究的效信度。使用K-Means算法對數據進行分析并建模，分析路徑如圖1所示。第四步，在聚類分析的基礎上，進一步對聚類組內變量進行神經網絡分析，分析路徑見圖2。

圖1 K-Means分析建模路徑

圖2 神經網絡分析模型路徑

三、聚類分析和神經網絡分析

建模分析是通過SPSS Modeler對收集到的17所城市電大相關數據進行挖掘處理而完成的，具體包括綜合聚類分析（即整體聚類分析）和分項聚類分析兩個維度。其中，分項聚類分析又包括學歷教育聚類分析、非學歷教育聚類分析和其他項目聚類分析三個部分。

（一）綜合聚類分析

根據學歷教育、非學歷教育和其他項目三個項目，K-Means算法分析得出的17所中心城市電大辦學模式的整體綜合聚類分析結果，具體分為三個綜合聚類類別，見表1。

表1 中心城市電大辦學模式K-Means綜合聚類分析

對綜合聚類的重要性因素進行分析，結果如圖3所示。發現表1中三種聚類趨同（即差異性最小）的因素是學歷教育。換言之，17所中心城市電大對于學歷教育的重要性和開展程度差異性最小，其次是非學歷教育；最后，區分度最大的要因是其他項目的開展情況。表1的三個聚類分組中，上海開放大學由于相對于其他兩個聚類組迥異度較高，實則本案中屬于數據挖掘分析中的孤立點，因而只對前兩個綜合聚類進行進一步的綜合數據分析。

圖3 綜合重要性聚類分析

神經網絡算法建模分別針對兩組綜合聚類類別，進行了中心城市電大變量重要性預測，以分析學歷教育、非學歷教育和其他項目三個子項目在聚類組內的差異性。對于綜合聚類1（見表1），非學歷發展較為均衡，組內差異性小；學歷教育、其他項目依次組內差異性增大，見圖4。而聚類2組內差異性中的相關性差異并不明顯，整體各項目在組內一定差異范圍內表現得較為均衡，見圖5。

圖4 綜合變量聚類1神經網絡算法重要性預測

圖5 綜合變量聚類2神經網絡算法重要性預測

雖然上述兩類綜合聚類的組項借助神經網絡算法的辦學分類重要性分析，呈現出組間區別，但可視化圖示依然提示了組間的一個較為恒定的相似特征，即該兩類中心城市電大均同時較好地兼顧了學歷教育（見圖4和圖5的居間要素）。

（二）分項聚類分析

1.學歷教育聚類分析

聚類分析了學歷教育，獲得三個聚類類別，見表2。其中聚類2突出的特點是全日制高等學歷教育的存在，如南京、廈門等廣播電視大學。

表2 中心城市電大學歷教育聚類分析

研究進一步使用K-Means考察了原始數據中，中心城市電大學歷教育各子項間的相關重要性預測，見圖6,并結合表2分析發現，開放教育和遠程教育較為重要，全日制學歷教育的重要性并未析出。換言之，遠程教育在整體中心城市電大中區別不大，發展較為均衡；開放教育發展較為理想，但相關的項目數量差異性較為明顯。

圖6 學歷教育重要性聚類分析

聚焦三個聚類組，使用神經網絡算法進一步分析并預測學歷教育各子項變量的重要性，聚類2并未析出相應的分析結果，與K-Means分析結果相互印證；同時聚類1和3的分析結果中，中專項目也未析出。分析結果見圖7和圖8。比較兩者發現，兩聚類組間神經網絡算法預測變量重要性相對一致，僅程度上存在差別。又由于，聚類2（即雙軌制的中心城市電大）并未析出，可以認為單軌制的兩個聚類組中心城市電大組內開放教育發展都較為突出且均衡。

圖7 學歷教育聚類1神經網絡算法預測變量重要性

圖8 學歷教育聚類3神經網絡算法預測變量重要性

總而言之，中心城市電大開辦的開放教育與合作高校網院開展的遠程教育之間，重要性的強弱勢分野明顯，且差異顯著，特別是單軌制的中心城市電大對于開放教育的重視程度尤其突出，說明中心城市電大的“學歷教育定位仍應是成人高等學歷教育”[22]。但同時，全日制學歷教育在中心城市電大中，雖以“一套班子、兩塊牌子”的模式而在一定范圍內存在，但存在的普遍性相對有限；換言之，在學歷教育范疇內，相當部分的中心城市電大客觀上仍然選擇以遠程開放教育的單軌制模式發展。

2.非學歷教育聚類分析

聚類分析了非學歷教育，得出兩個聚類組，見表3。并從整體角度聚類分析了其中繼續教育、社區教育和終身教育三個維度的重要性，如圖9所示。結果顯示：整體上繼續教育聚類組間差異性小，并結合表3，其發展相對較為理想；社區教育組間差異性較大；而終身教育并未析出。需要嘗試解釋圖9中終身教育并未析出的原因。結合表2中終身教育的相關數據，可以發現實則17所中心城市電大內部，基本情況較為一致，且數值較為均衡。所以重視程度較為均衡，且數值較統一并保持在低位水準，故該項目重要性聚類分析中，該項目并未析出。

表3 中心城市電大非學歷教育聚類分析

圖9 非學歷教育重要性聚類分析

使用神經網絡算法，對聚類中心城市電大非學歷教育得出的兩個類別，進一步分析并預測繼續教育、社區教育和終身教育三者在聚類組內的變量重要性，結果見圖10和圖11。結合表3相關內容，聚類1中繼續教育的發展水平較為均衡，其次是社區教育，而終身教育并未析出，因為數據表明發展均衡劃一；聚類2中兩者差異性較弱，但聚類組內發展更為均衡（或組內差異性更小）的變量則是終身教育。

圖10 非學歷教育聚類1神經網絡算法預測變量重要性

圖11 非學歷教育聚類2神經網絡算法預測變量重要性

3.其他項目聚類分析

作為轉型升級辦學探索的重要組成部分，中心城市電大也積極地進行著區別于傳統非學歷教育的教育實踐嘗試。在數據整理收集中，將社會服務機構設立、開放資源建設投放、系統建設、特色項目和國際合作交流項目等歸類于其他項目。由此，對于其他項目內部子項之間相對的重要性預測也成為需要進一步考察的內容。聚類分析其他項目類別時，鑒于國際合作交流項目分布較為有限，從數據分析角度可視為干擾項，為保證分析效度，故做剔除處理。使用神經網絡算法對中心城市電大其他項目聚類分析得出的兩個聚類類別，見表4。

表4 中心城市電大其他項目聚類分析

中心城市電大其他項目重要性聚類分析結果，如圖12。發現中心城市電大整體上在其他項目的發展，差異性按照“特色項目——社會服務機構設立——開放資源建設投放——系統建設”的順序逐漸增大，圖12水平軸數值表明其要素的差異性幅度。但結合表4又可以分析發現，系統建設的發展備受重視，且發展程度較高。

圖12 其他項目重要性聚類分析

圖13 其他項目聚類1神經網絡算法預測變量重要性

圖14 其他項目聚類2神經網絡算法預測變量重要性

其他項目兩個聚類后組內項目重要性的進一步預測，如圖13和圖14，但與其他項目整體重要性聚類分析（圖12）存在不匹配的現象。差異性的產生源自分析手段，無論重要性聚類分析或者重要性預判分析，作為其數據支撐的K-Means值僅表示與標準項目的“趨同——差異”的相對意義，而并不表示絕對值數值的高低；而具體子項目的統計數值是具有絕對高低比較意義數值。由此，重要性聚類分析與聚類后重要性預測，表示的是不同維度下（即是否聚類和不同聚類組）的分析結果。

因此，分析結果出現的差異性或者矛盾性，需要聯系表4的數值分析數據間的聯系。綜合分析發現如下：其一，聚類1中心城市電大系統建設發展較為理想，組內差異性小，發展較為均衡。但聚類2的中心城市電大對于系統建設的發展情況較之聚類1組內差異程度更為明顯，且發展程度也略遜色于聚類1。其二，在聚類后組間項目重要性預測中，聚類1的特色項目組內差異明顯，聚類2則組內差異性明顯較弱；換言之，組2對于該項目更為重視。但整體而言，特色項目的發展水平仍然有待加強。其三，社會服務機構設立是兩個聚類組各組內區分度最大的項目變量，但聚類2中的組內差異性略微弱于其在聚類1中的組內差異性。可見，中心城市電大在社會服務機構的設立方面，實踐探索的差異性客觀存在，部分中心城市電大走在前列。其四，開放資源的建設和投放在聚類組間和聚類組內差異性均較小，說明該項目是中心城市電大中較為恒定和突出的工作內容，轉型升級中中心城市電大大都較為重視。

四、討論

中心城市電大依托于中心城市而設立，無論作為電大系統的省級分校，抑或當下國開體系的分部或獨立設立的地方開放大學，區別于省域電大或開大的原因實則是由于中心城市獨特的“對該地理范圍內的社會經濟發展發揮著集聚和輻射作用”[23]。但毋庸諱言，中心城市又由于層級和屬性的不同，國家中心城市、區域中心城市和其他中心城市三類中心城市的電大在轉型升級的歷史階段所面臨的境遇和條件也客觀存在較大的差異。由此，其轉型升級而開展的探索嘗試，也成為研究的焦點，至少是需要研究調查的內容。根據K-Means和神經網絡分析，其發展呈現出以下突出特征：

其一，綜合分析顯示，中心城市電大辦學模式總體情況呈現分化趨勢，按照學歷教育、非學歷教育和其他項目考查，上海開放大學異軍突起，其余中心城市電大均選擇了多維發展的模式，但學歷教育與非學歷教育的開展在整體上大都優勢于其他項目的開展，發展也更為均衡。其中學歷教育整體上（包括聚類組間）又處于相對均衡的優勢地位。進一步的兩個聚類組內部分析中，突出地提示中心城市電大在非學歷教育的維度要么發展較為均衡，要么差異性很大；其他項目則大致與非學歷教育呈現微弱的反比關聯。表明中心城市電大整體上重視學歷教育，在非學歷教育和其他項目上存在不同的發展策略選擇。也由此，其內部的建模歸類要因主要是非學歷教育和其他項目的開展情況，聚類2中心城市電大選擇較為均衡的發展模式，而聚類1非學歷教育的開展情況優于其他項目，但多元發展是大趨勢。

其二，學歷教育維度分析發現中心城市電大整體以開放教育為主，輔以合作高校的遠程教育項目，其中亦包括奧鵬教育等。但全日制高等學歷教育雖在統計中有所涉及但重要性聚類分析和神經網絡算法預測中并未析出，則又表明雖然合并和自建高職教育的雙軌制在中心城市電大內部一定程度上客觀存在，但大多數中心城市電大選擇的是非全日制學歷教育的單規制發展模式。單軌制與雙軌制的發展，孰優孰劣，仍然有待觀察和深入研究。

其三，非學歷教育維度下，繼續教育重要性最為突出，社區教育次之。表明中心城市電大在非正式教育，特別是助力地方經濟發展、貼近行業企業方面做出了貢獻，在能力夯實與質量發展兩個方面做出了努力。同時還表明，中心城市電大之間在社區教育方面發展也并不均衡，甚至聚類組內差異性也比較突出。此外，終身教育的發展情況水平整體維持在低位。中心城市電大著力打造非正規教育的努力初見成效，但是其中亦含隱憂，即盈利模式與可持續發展。在政策配套欠佳，資金并不充分的情況下，中心城市電大幾近公益的自我投入模式，似乎難以支撐其在該領域的高質量可持續發展。

其四，中心城市電大積極嘗試其他項目的辦學內容和相關實踐，其中主要包括特色項目、社會服務機構的設立、開放性教育資源建設投放和系統建設四個方面的工作。系統建設成為工作重點和突出的部分，但整體差異性也較為突出，表明轉型升級中中心城市電大自身系統維系是著力加強的工作部分。特色項目整體聚類中并不占優勢，反映出中心城市電大在此方面“發現需求、培育需求，甚至引領需求”[24]的能力仍然相對不足。大部分中心城市電大都注意到了開放性教育資源方面工作的重要性，但聚類組間存在差異，該子項并不理想，似乎暗示部分中心城市電大對此的實質性投入有待提高，支持力度有待加強。究其緣由，可能又與資源的使用率不高，且收益有限相關；而使用率與收益率的雙低，也客觀上構成惡性循環，阻礙了其發展。整體而言，社會公共服務機構的設立是絕大多數中心城市電大的工作重點，但神經網絡算法預測又進一步提示聚類組內的差別也客觀存在。可以說明在轉型升級中，大部分中心城市電大能夠緊密聯系政府職能部門，積極拓展服務觸角，相關的經驗和做法具有可復制性和參考價值，但案例研究還相對滯后。

五、結語

電大轉型與開放大學的建設“既沒有現成經驗，也沒有現成的理論和模式”[25],其中大多數中心城市電大特別是計劃單列市的中心城市電大，由于客觀條件所限，實則為轉型升級的薄弱環節。通過基于中心城市電大現有辦學及重點工作基礎上的建模分析和重要性分析及預測，從中發現了當下轉型升級時期的一些趨勢特征，同時也暗含一些隱憂。中心城市電大發展之路任重道遠，唯有積極探索，充分借鑒，才能找到符合自身發展的模式路徑。雖然研究中由于條件所限，數據收集主要依托網路信息，輔以訪談，并沒有實地展開深度調研，但作為一種新的嘗試，本研究采用了SPSS Modeler的K-Means和神經網絡分析，在領域中實屬新的嘗試。希望能夠為中心城市電大的生存、轉型及發展帶來有益的參考。