基于DEA模型的高職院校實訓室運行效率研究

翁耀煒 于雯 厲玲婷

（浙江安防職業技術學院）

一、前言

實訓室是高職院校開展實踐教學、科學研究、考核考證、社會服務等環節的重要載體，是高職教育內涵建設不可或缺的一部分。隨著《國家職業教育改革實施方案》的發布和高職院校的擴招，實訓室獲得了更多的投入資源，一大批實訓室建設完成，實踐教學條件得到了大幅度的改善。與此同時，存在重建設輕管理、重規模擴張輕內涵建設、重人員管理輕技術管理等情況[1]，最終造成實訓室投入經費高、產出效益低、整體效率低下等問題，無法有效發揮實訓室對學生職業技能訓練和素質培養的作用。因此，研究實訓室的運行效率，對提高實訓室的建設、管理水平具有重要意義。本文以某高職院校15個實訓室為研究目標，建立模型分析其運行效率，探究現存問題，并提出相應的解決辦法，優化實訓室資源投入和產出資源配置。

二、實訓室模型建立及指標選取

（一）評價模型

數據包絡分析（DEA）是一種非參數技術效率分析方法，由 美 國 的Charnes、Cooper和Rhodes3人于1978年首次提出[2]。自DEA誕生以來，DEA理論與方法發展迅速，應用范圍不斷擴大，應用數量持續增長。

李春雷使用DEA模型對實訓室效率進行評價，將實訓室績效評價體系劃分為14個輸入指標和21個輸出指標，建立了高校實驗室績效評價系統[3]。Zaijuan Xu選取珠江三角洲10所應用型大學的工商管理實訓室績效作為案例研究，選取投入層和輸出層的評價指標，并利用DEA模型分析決策單位的綜合效率、技術效率和規模效益[4]。肖斌等運用數據包絡分析對廣東省25所示范性高職院校實訓基地效率進行評測，分析得出各個決策單元存在的問題，并給出指導建議[5]。

（二）決策單元的確定

DEA方法將效率的測度對象稱為決策單元（DMU）。DMU可以是任何具有可測量的投入、產出（或輸入、輸出）的部門、單位，也可以是個人。一般來說，DEA模型中的決策單元數在投入產出指標數的2到3倍之間，指標間的關系不應存在較強的線性關系，另外相關指標應考慮數據要易于獲得。根據對決策單元規模收益的不同假設，DEA有基于規模收益不變的CCR模型、基于規模收益可變的BCC模型等。本文選取某高職院校各二級學院專業實訓室及教務處的公共實訓室作為DMU。

（三）投入、產出指標及模型選取

實訓室的輸入指標一般包括人、財、物等資源，如實訓室面積、工位數量、生均實訓面積、日常維護經費、設備儀器成本、實訓教師數量、專職管理人員數量等，輸出指標有實訓室使用率、實訓項目（課程）數量、社會培訓數、競賽獲獎數量、人時數等。根據完全性、整體性、相對獨立性和可獲得性篩選指標，本文選擇的投入指標有（1）生均實訓面積：實訓室的面積與實訓室工位數的比值、（2）實訓室建設成本：實訓室建設成本及日常維護費用；（3）相關教師數量：使用實訓室的教師，如上課、培訓等，及專職管理教師數量。輸出指標有（1）使用實訓室的學生數量；（2）實訓項目（課程）數量；（3）人時數：課時和人數的乘積。

DEA方法的模型可以分為投入導向、產出導向和非導向模型。產出導向是在投入既定的條件下，各項產出可以等比例增長的程度來對無效率的狀況進行測量。考慮到本文選取的實訓室的固定資產、面積、教師人數等投入指標變化相對較小，因此在研究中主要采用產出導向的CCR模型和BBC模型分析各實訓室的有效性。

（四）數據來源

輸入輸出數據主要來自某高職院校2021年校內實訓室相關統計報表數據，原始數據如表1所示。

表1 各決策單元投入與產出原始數據

三、數據處理及分析

通過MaxDEA軟件對表1內的數據進行分析，可以得到各決策單元的運行效率，結果如表2所示。

（一）綜合效率分析

綜合效率指在CCR模型中假設規模效益不變情況下，各產出指標與投入指標的比值，當綜合效率值為1時，說明該DMU有效。從表2可以看出有7個DMU的綜合效率有效，占比約為46.7%，表明這7個實訓室的投入產出配置較為合理，運行效率良好；有8個DMU綜合效率無效，占比53.3%，一半以上的DMU存在DEA無效的情況，其中，有5個DMU在0.8以下，DMU15的綜合效率最低，只有0.339，表明該實訓室的綜合效率非常低，造成實訓室資源的極大浪費。綜合效率值較低的原因有以下幾點：建設成本投入高，實訓室課程開展數量不合理，使用實訓室的人數較少等原因，具體原因需要使用BCC模型進一步分析。

（二）純技術效率分析

技術效率反映了一個生產單元技術水平的高低，可以從投入和產出兩個角度來衡量，在投入既定的情況下，技術效率由產出最大化的程度來衡量。在CCR模型中，得出的技術效率包含了規模效率的成分，BCC模型在基于規模收益可變得出的技術效率排除了規模的影響，因此稱為“純技術效率”（PTE）。由表2可以看出有12個DMU達到了純技術有效，表明這12個實訓室管理水平較高，有3個DMU純技術效率無效，表明這3個DMU的管理水平有待提高。

（三）規模效率分析

規模效率又稱規模效益，一般用來判斷DMU的規模是否合理，資源投入配置是否處于最優狀態。當規模效率值為1時表明規模效率有效，否則規模效率無效，需進一步優化配置。規模效率一般分為規模效率遞增（IRS），規模效率不變（CRS）和規模效率遞減（DRS）。規模效率不變是一種較為理想的生產狀態，而規模效率遞增和規模效率遞減都是屬于規模效率無效，需進一步調整。對于處于規模報酬不變階段的DMU，可以根據其技術效率狀況，通過調整內部資源配置情況增加產出，以達到DEA有效。對于規模報酬遞減階段的DMU，要結合其技術效率狀況適當削減其資源投入或提高產出，以達到DEA有效。

從表2可知，有7個DMU，占比46.7%,規模效率值為1，達到規模效率有效，說明實訓室的人、財、物資源投入相對合理，處于較為理想的生產狀態；8個DMU為規模效率無效，占比53.3%，需要進一步調整資源配置。進一步對這8個無效DMU進行分析，有6個DMU處于規模收益遞增階段，說明該實訓室的生均實訓面積等設施設備投入還未達到規模收益，可適當增加投入；有2個DMU處于規模收益遞減階段，需結合其綜合效率，適當減少資源投入。

表2 各決策單元效率值

表3列出了8個綜合效率非DEA有效決策單元的投入和產出指標的松弛變量值。投入指標中的松弛變量值表示在保持產出不變的情況下，DMU投入可以減少的數量值，輸出指標的松弛變量值表明在保持投入不變的情況下，相關DMU的產出可以增加的數量值。以DMU9為例，S1-不等于0，表明在保持產出不變的情況下，可以適當減少該實訓室的生均使用面積；S1+不等于0，表明該實訓室可以接納更多的學生。

表3 綜合效率非DEA有效DMU的投入和產出指標的松弛變量值

（四）投影分析

在DEA方法中，對于規模無效的DMU，可以采用投影理論進一步分析，對處于規模收益遞減階段的DMU，通過計算確定所有投入指標需要減少的數量或比例，對處于規模遞增階段的DMU，計算所有產出指標需要增加的數量或比例，最終確定理想生產狀態下DMU的投入和產出值。

表4列舉了DMU5,DMU9在生產前沿面的投影分析，列出了可以減少的投入比例和可以增加的產出比例。由表4可知，在投入指標方面，DMU5的教師數量可以減少22.8%，DMU12的生均實訓面積可以減少17.07%；在產出指標方面，導致DMU5處于DEA無效的主要原因是人時數，還可以增加20.9%，課程數量還可以增加7.8%；導致DMU12處于DEA無效的主要產出因素是學生數，還可以增加上課學生數量23.4%。

表4 規模無效DMU在生產前沿面的投影分析

四、結語

本文選取的高職院校的15個實訓室為樣本進行分析，結果顯示將近一半的實訓室處于DEA無效狀態，規模效率和純技術效率是造成整體DEA無效的主要原因；為提高實訓室的運行效率，可以采取以下措施，提高實訓室的運行效率。

（1）加強實訓室的管理體制建設，提高實訓室管理水平。加強實訓室規章制度建設，建立相關管理臺賬，建立實訓室的常規巡查管理制度，明確實訓教學的監控方法和管理要求，科學合理安排實訓室課程，提高教學質量和管理效率。

（2）加強實訓室資源開放共享，減少空閑資源。合理安排跨學院、跨專業間的實訓資源共享，降低實訓室的空閑資源；加強校企合作，發揮實訓室在校企合作、產教融合中的作用；積極鼓勵學生使用實訓室資源，培養創新創造精神。

因客觀因素的限制，本文的研究還存在一定的局限性。如僅選取一年的實訓室數據進行分析，無法衡量長期以來的實訓室運行效率狀態變化，分析結果可能有一定的片面性。

【相關鏈接】

浙江安防職業技術學院（Zhejiang college of Security Technology），位于浙江省溫州市，是經教育部批準建立的公辦全日制高等職業技術學院，是省內唯一一所重點培養具有安防科技應用與推廣能力，能夠從事公共安全管理、安防工程建設、民航安全管理等高素質技術技能人才的高職院校。2016年，浙江安防職業技術學院成立浙江省第一個防詐騙研究機構。2020年，入選“應急安全智慧學習工場（2020）”暨應急管理學院建設首批試點學校。

學院現有本部校區和濱海校區。本部校區位于溫州市甌海區郭溪街道，毗鄰溫州動車南站，鄰近溫州輕軌S1線；規劃占地總面積約1000畝，總建筑面積約26.5萬平方米，總投資約20億元。濱海校區位于龍灣區濱海二十二路與金海一道交叉口東側，校園與溫州市職業中等專業學校共享。

截至2022年2月，學院設有安全管理學院、人工智能學院、應急技術學院、創意設計學院、智能安防學院、社科基礎部（馬克思主義學院）等6個教學單位。