高職院校專業設置預警機制研究

楊樂克 沈陸娟

摘 要 新職業崗位的不斷涌現迫切需要技術技能型人才的輸出，專業設置預警調控機制成為高職院校革新人才培養工作、提升教學質量的必要手段。基于對高職專業設置的影響因素分析和實證顯著性分析，建立基于五維結構模型的預警指標體系，并構建預測預警模型。高職院校應完善人才供需預測和信息共享機制，加強專業設置預警決策機制，建立新專業設置風險防控機制。

關鍵詞 高職院校;專業設置;預警機制;預警模型;指標體系

專業設置預警機制是對區域內高校專業設置的警情、警源進行分析，建立科學合理的評價指標體系，運用預警的方法對指標進行預測，對專業發展的趨勢進行判定，采取措施進行調整調控的復雜系統。供給側結構性改革背景下，專業設置和調整關系到高職院校人才供給的質量，需要主動適應社會需求，匹配產業結構轉型升級。

一、研究綜述

國外學者預警研究方面較多涉及一定邏輯關系課程的有機組合、課程的建設和教學、本科生學業等方面，如艾瑪霍華德等（Emma Howard，2018）采用預警系統，使用聚類、貝葉斯最終預測方法，識別學業成績高危的學生，給予學業警示[1]。學者很少提到專業設置問題，更多把研究聚焦于高等教育與勞動力市場的關系。

國內學者針對區域內高校專業結構發展趨勢、專業設置合理性問題開始嘗試預測和預警。趙輝（2014）認為構建以就業為導向的專業設置預警機制用以規避專業設置的風險，具體包括專業預警指標體系和預警監測模型兩部分，預警指標體系分就業質量、社會需求狀況和生源狀況三個一級指標和16個二級指標[2]。李海宗、楊燕（2014）認為高職專業預警缺乏切實可行的預警系統開發、預警數據采集和算法、專業退出機制等，其從高職專業設置預警指標體系的構建原則和制約因素出發，構建三級指標體系，提出專業設置預警機制和策略[3]。李富（2017）基于產教融合視角構建了高職專業預警評價指標體系和評價標準[4]。陳海波、姚蕾（2019）采用層次分析法建立了包括生源狀況、社會需求、教學質量、社會評價、就業質量五個方面的高校本科專業預警評價指標體系，運用統計方法構建專業預警的判別函數，得出關鍵因素[5]。由此可知，國內學者對專業設置預警機制的指標體系構建各異，方法呈現重評價輕預測的現象，預警需要將兩者有效結合。

二、理論基礎

（一）人力資本理論

人力資本分為一般性和專用性兩大類，高校專業學習是一種專用性人力資本的積累，增加個體在某個領域的知識和技能[6]。高校專業選擇的重要考慮因素是人力資本投資的預期，包括有利性、收益率和回報率。隨著經濟和社會結構的不斷優化和產業結構的演變升級，就業市場的供需結構發生巨大變化。人力資源市場指數能較客觀地反映勞動力市場供需發展狀況和就業形勢，就業指數（包括就業質量、人力資源等）則是評價就業狀況和就業工作的重要指標。基于人力資本理論來調整專業設置，加強高職人才培養與市場需求的對接，減少結構性失業，降低人力資源的浪費是預警機制的重要依據。

（二）需求與供給理論

需求與供給理論強調在供給不變的情況下，需求的增加引起均衡數量的增加和均衡價格的上升;需求減少則會引起均衡數量的減少和均衡價格的下降;需求不變的情況下，供給增加會引起均衡數量的增加和均衡價格的下降，供給的減少會引起均衡數量的減少和均衡價格的上升[7]。高職教育的供給包括兩個方面，一是滿足勞動力市場的需求，二是滿足個人接受職業技能教育的需求。有效供給則體現在數量、質量乃至結構上都要滿足需求。高職院校的專業設置要最大程度上考慮學校的人才供給和人才市場的用人需求間的供需平衡，達到數量、質量、結構等方面的供需匹配關系，防止“人才過剩”和“人才稀缺”并存的現象。

（三）基于穩定就業的可持續發展理論

穩定就業和可持續發展是高職專業設置預警的社會學理論基礎，就業問題是社會穩定和可持續發展的關鍵點。《關于做好當前和今后一段時期就業創業工作的意見》（國發[2017]28號）明確提出“支持新就業形態發展”，新就業形態主要指依托互聯網等現代信息科技手段，實現有別于正式穩定就業和標準勞動關系的靈活性、平臺化的組織用工和勞動者就業的形態[8]。在“互聯網+”、共享經濟、雙創等的影響下，就業方式更加靈活，渠道更加多元，“平臺就業”“網絡就業”“創業型就業”等新就業形態層出不窮，將成為未來勞動力市場的“新常態”。高職教育如何為社會經濟的可持續發展戰略服務，如何通過改革創新實現自身的可持續發展，如何不斷調整專業結構來匹配區域產業結構的可持續發展、演變升級是重點也是難點。

（四）風險管理和評估理論

風險管理和評估理論為高職專業設置預警機制提供了方法論的指導。首先，風險識別突顯了影響高職教育專業發展的內外部因素。其次，風險衡量必須建立監測和評價指標體系，并對各指標進行信息采集，建立動態數據庫，由專家進行指標權重確定和監測數據的合理性分析等。如浙江省教育評估院每年對省內高校畢業生就業發展狀況及人才培育質量進行調查，構建涵蓋高職專業畢業后薪酬水平、高職專業就業相關度、就業率情況、各專業畢業生深造和創業情況、學生對母校滿意度評價、用人單位評價等三級評價指標體系，并進行數據采集、統計和分析，便于高校清晰了解專業建設情況和人才培養質量等。最后，預警決策機制基于風險報警體系信號燈，針對不同專業的警度，提出決策方案并實施，再循環評估，直至完成解除風險的最終目的。

三、建立專業設置預警機制

（一）預警調控機制

預警一般分為幾個階段：尋找警源，找出專業建設發展過程中出現危機的根源，包括內生警源和外生警源;明確警情，專業建設中的短板、弱勢會在人才培養過程中慢慢顯現，從量變到質變，制約專業的發展甚至威脅專業的生存;分析警兆。分析警兆是預警機制實施過程中的關鍵環節。警兆顧名思義為各種警情爆發前出現的先兆，通常以各評價指標的取值范圍來設置警兆區，整個指標體系對應的警兆區為一級警兆區，一級指標對應的警兆區為二級警兆區，二級指標對應的警兆區為三級警兆區，由此根據各指標的變化值判定其所處警區。

預報警度的關鍵是合理劃分警限，運用統計學、系統學方法等確定標準，既有的公認標準是警情指標的波動區間。預報警度就是預報專業設置、建設過程中該專業存在的危機程度，根據警兆的變化情況，與警限比較分析隸屬情況，得出單指標警度預報，尋求警情發生的根源和綜合警度預報，規避專業發展不良態勢。最后提出策略，排除警患。

（二）預警指標體系建立

1.影響因素分析

專業設置預警機制是一項系統工程，既可為政府提供預警信息，規劃區域專業布局，也是高校結合自身優勢改革專業結構的依據，還可為社會提供詳實的專業革新信息。圖1展示的是專業設置的五維結構模型，包括社會（市場）需求、國家政策導向、科技發展水平、區域專業布局和高職院校人才培養。高職院校人才培養包括辦學條件、招生就業情況、師資隊伍、校企合作、培養方案、學生滿意度等。因此，高職院校專業設置預警指標體系的建立包括以上這些維度，并將指標項細化，尋找觀測點，確定各個指標權重。

2.影響因素實證分析

在政策導向維度中，思考行業技術改造投入對專業人員市場需求影響是否顯著，故進行實證分析。三大產業中的行業從業人員變動原因很多。一是技術改造投入。由于“機器換人”時代開啟，各產業中的低技能從業人員被淘汰，開始向技術密集型產業轉移。二是產業價值鏈轉移。有些企業向產業鏈前端轉移，從技術附加程度低的產業向技術附加程度高和可替代性低的環節轉移，則原產業從業人員數就會減少。三是產業結構變動速度、產業集聚形成擴散、產業技術效率等因素。由于最主要的影響因素是技術改造投入，制造業又頗具典型性，故就制造業技術改造投入與行業總產值對就業人數的影響進行分析。

由表1可知，當年的技術改造費用對當年的影響系數為0.00000256，且P值為0.428，說明影響不顯著，行業總產值對就業影響顯著。但由表2可知，當年技術改造對下一年就業的影響、行業總產值對就業的影響，P值均小于1，說明兩者對就業的影響均顯著，故技術改造投入和三產產值占比等因素成為預警指標觀測點。

3.預警指標體系

評價指標體系是對高職專業設置情況是否存在風險作出預警的參照標準，結合專家學者建議，以就業為導向的高職專業預警指標體系設置時，更多關注1～3個一級指標，如表3所示，但影響因素還應考慮政策導向、專業布局結構以及更多的高職院校內部辦學情況和人才培養因素，故增加4～6這些一級指標，見表4。指標既要有量化的標準，也要有如畢業生就業滿意度、社會聲譽等質的指標，符合完備性、科學性的原則。各級指標的權重可采用德菲爾法、專家排序統計法等，由于邀請專家人數和職業類型的差異，會使權重存在一定差異，高職院校可根據自身行業特色，聘請相關專家進行確定。一些觀測點較難量化，需要通過大樣本問卷調查得出數據，如專業就業相關度、學生就業滿意度、用人單位滿意度等。

（三）模型選擇及應用

評價指標體系確定后，需要選擇合適的數學模型將采集得到的數據進行分析，分預測和預警兩類，預測模型有時間序列模型、灰色關聯序模型、神經網絡模型等，很多行業協會每年都會發布細分行業下的崗位用人需求，基于此可建立各產業細分行業用人需求的預測模型。此處介紹基于支持向量機的預測模型，來解決分專業大類高職院校人才供給預測等。

1.基于支持向量機的預測模型

運用支持向量機回歸模型（SVR）對高職院校人才供給、行業新增崗位等進行預測，比時間序列法和相關分析法更具可行性和預測精度高的特點，其步驟包括：

（1）建立樣本集，并將樣本集分為訓練集和測試集，根據樣本集和核函數 構建目標函數ε-SVR。

（2）對訓練集和測試集中的數據進行歸一化處理：（i=1，2，3，…，n;k=1，2，3，…，p）

xki'為第k個樣本的第i維歸一化數值，xki為實際值，，，upper變換后的區間上限，lower為變換后的區間下限，區間為[-1，1]，p為樣本容量，n為輸入向量的維度。

（3）應用網格回歸搜索方法來尋找最優參數（C，g，ε）。

（4）將最佳參數應用于整個訓練集，并獲取SVR模型。

（5）利用測試集數據對已獲模型進行誤差檢驗。

2.單指標預警

專業就業預警系統是根據指標體系中的相關數據設定合理的體現警情程度的臨界閾值。就單維度而言，當學校某專業該維度的細化指標綜合分數低于該閾值則進行預警提示，可見臨界閾值的設定很關鍵，可以對具體指標閾值修改或增加來進行動態預警。

預警規則以就業質量維度來說明，如某校某專業初次就業率低于全省平均就業率40%以上，紅色預警（停止招生）;某校某專業初次就業率低于全省平均就業率30%以上（含30%），40%以內，且低于其所屬專業類別全省平均就業率10%以上，橙色預警（大幅減少招生規模）;某校某專業初次就業率低于全省平均就業率20%以上（含20%），30%以內，且低于其所屬專業類別全省平均就業率10%以內，黃色預警（減少招生規模）;某校某專業初次就業率低于全省平均就業率10%以上（含10%），20%以內，且低于其所屬專業類別全省平均就業率5%以內，仍為黃色預警（適當減少招生規模），以此類推，某校某專業初次就業率低于全省平均就業率5%以上（含5%），10%以內，則為藍色預警（控制規模，不宜擴大），就業率居高的則說明是發展態勢良好，暫不考慮控制規模的綠色預警。

3.綜合指標預警

除了單指標預警分析外，更多的是綜合預警。此處采用極差標準化法對原始數據處理。

其中，xij為第i年第j個指標的評價數值，yij為第i年第j個指標的數據標準化后的值;

（i=1，2，…，m）Wi，表示基于評價指標體系

的某專業綜合評價值，rj表示第j個指標的權重。

指標中有正向指標和逆向指標，逆向指標正向化的方法采用倒數法。有些專業外部因素得分較高，說明社會市場需求大;有些專業則內部因素得分較高，說明內部辦學條件、實力強。只有當內外指標得分均高時，才說明專業發展態勢好，故可靈活使用單指標預警、外部因素預警、內部因素預警和綜合指標預警來診斷專業健康狀況。同時，結合聚類分析方法能將高職院校各專業預警指標值進行分類，得出紅黃藍等分類預警信息。

四、專業設置預警機制構建的策略分析

（一）完善人才供需預測和信息共享機制

專業設置預警的前提是健全預測機制，基于高職院校專業設置與區域經濟發展具有耦合互動性，需要建立反映人才供需結構和動態變化的信息平臺，為政府和學校調整專業結構、專業布局提供數據支撐。平臺數據應涵蓋經濟、科技、產業結構調整等對人才的需求信息和變化趨勢;區域各高職院校專業設置的總體情況，專業布點數、專業數、招生人數等;區域各高職院校專業群（專業）人才培養情況等。組建一支專業設置預測專家團隊有助于提升宏觀預警和專業合理配置的科學性，需要區域教育行政部門、經濟統計部門、高職院校、勞動人事部門等合作共享資源，同時也需要多學科領域的理論知識支撐。一方面追蹤和預測專業的社會需求情況，分析就業市場，調研行業中需求明顯減少、畢業生就業率低的“夕陽專業”，另一方面，對高職院校專業人才的供給也進行預測，做到兩者有機融合。

（二）加強專業設置預警決策機制

預警在預測的基礎上強調調控的前瞻性，對早期的異常情況發出相應級別的警報，并啟動應急響應方案，所以必須建立預警決策機制。以就業單指標預警決策機制為例，可由就業質量反饋系統、專業設置決策系統、決策監督調控系統等組成;決策機制需要動態跟蹤監測、及時響應，完善預警、調整和退出機制，對就業率連續兩年偏低，紅色預警的專業需要進行減招或停止招生并整改，連續3年不招生的專業將被撤銷。高職院校既要將自身成熟、特色的專業優勢化，創建品牌，又需根據社會發展、市場需求靈活匹配，增設新職業對應的“朝陽專業”或改造現有專業。

（三）建立新專業設置風險防控機制

當前就業結構正發生巨大變化，首先是產業結構轉型升級催生新職業，如人工智能、物聯網、大數據、云計算的興起，需要相應的工程技術人員;二是由傳統職業變遷而來的新職業，如第一、二產業中“機器換人”力度加大，必然需要一批工業機器人系統操作員和系統運維人員;三是信息化時代傳統職業內容發生變革衍生出新職業，如數字化管理師、建筑信息模型技術員、物聯網安裝調試從業人員等。這些新職業亟需人才的輸送，但目前高職院校人才供給不足，迫切需要加快職業認證，專業設置、課程體系和課程內容應與社會需求和技術革新相適應。由此，學校在原有基礎上改造原專業或引入新專業勢在必行，但需健全引入時的風險研判機制、決策風險評估機制等，依據自身辦學條件和辦學實力、長期積累的辦學特色和優勢選擇突破口和著力點，避免專業設置時的各種風險。

參 考 文 獻

[1]Emma Howard， Maria Meehan， Andrew Parnell. Contrasting Prediction Methods for Early Warning Systems at Undergraduate Level[J]. Preprint Submitted to the Internet and Higher Education，January 25， 2018：1-20.

[2]趙輝.以就業為導向的高職教育專業設置預警體系模型構建[J].教育發展研究，2014（23）：43-46.

[3]李海宗，楊燕.以就業為導向的高職教育專業設置預警體系模型構建研究[J].中國高教研究，2014（5）：101-104.

[4]李富.產教融合視域下高職教育專業預警評價機制構建[J].南昌師范學院學報，2017（4）：60-65.

[5]陳海波，姚蕾.高校本科專業預警評價體系構建及關鍵因素甄別[J].黑龍江高教研究，2019（1）：24-28.

[6]加里·S.貝克爾.人力資本理論：關于教育的理論和實證分析[M].郭虹，等，譯.北京：中信出版社，2007：30.

[7]龐開山.經濟學基礎[M].合肥： 中國科學技術大學出版社，2010：16-32.

[8]莫榮.中國就業發展報告（2019）[M].北京：社會科學文獻出版社，2019：65-68.