齊 梅,孫 海,時允昌,劉則芬
(1.安徽開放大學 社區教育學院,安徽 合肥 230022;2.安徽省社區教育研究指導中心,安徽 合肥 230022)
《國家中長期教育改革和發展規劃綱要(2010—2020)》提出要“廣泛開展城鄉社區教育,加快各類學習型組織建設……到2020年,努力形成人人皆學、處處可學、時時能學的學習型社會”[1]。黨的二十大報告中強調:“建設全民終身學習的學習型社會、學習型大國。”[2]構建服務全民終身學習的教育體系,形成全民學習、終身學習的學習型社會,促進人的全面發展。社區教育是構建全民終身學習型社會的必要形式和重要載體[3],是提升居民素養、豐富居民文化生活、促進社會和諧穩定的重要因素[4]。社區教育作為學校教育的補充,不僅具有教育功能[5],還具有服務現代化社會建設的功能。雖然各區域越來越重視社區教育,從社區教育的財政投入、管理體制及體系建設等多維度入手,不斷提升社區教育的功能定位與發展成效,但是安徽省社區教育始終面臨“效質低下”的困境,在社區教育的各類資源投入上,并沒有帶來服務效能、發展成效的等率增長。
為推動社區教育的高質量發展,遵照分析理論,構建社區教育發展成效評價模型,用以定義、描述、分析和反映社區教育發展水平的省域空間分布特征及時空演變趨勢,開展關于發展成效的實證研究至關重要。既往關于社區教育的發展成效研究主要集中在理論層面,基于教育現狀的定性分析評價較多[6-9],面向社區教育,基于數據證據構建的發展成效評價模型的定量分析方法相對缺乏。深光輝等[10]提出老年教育發展成效的PCA-DEA模型,該模型使用主成分分析(Principle Component Analysis,PCA)方法對模型指標進行降維保留關鍵數據,但未考慮各指標參數的分辨性和差異性;張春華[11]提出一種針對社區教育滿意度的評價模型,該模型僅考慮了供給和消費兩個維度相關數據,但對整體的發展成效評價不夠全面。在教育評價模型的構建方面,Bree等[12]結合CCR模型對美國25所大學的相對效率進行評價;Colber等[13]利用DEA模型評價工商管理碩士項目;鄭倩[14]使用TOPSIS模型對高等教育發展水平進行評價分析。TOPSIS模型能夠克服傳統統計分析方法數據要求過高、數據分布約束及指標數量限制等缺點。針對現有評價模型的不足結合國內外新進評價方法,本文構建基于三角模糊數-TOPSIS模型的社區教育發展成效評價模型,既考慮了不同指標體系數據在目標評價中的差異權重,又有效減少評了價主觀因素的影響,為社區教育評價改革提供公正有效的量化評價方法。
發展成效一般指某項活動按照預定的目標計劃實施后,最終所達到的效益和功能,即是否實現預定目標或預定目標被實現的程度[15]。本文研究的社區教育發展成效指安徽省域社區教育的投入產出效率,輸入指標數據為社區教育發展過程中的政府投入,在TOPSIS模型中融入三角模糊數加權系數,為不同指標數據分配不同權重,利用多對多的輸入輸出指標數據,評價省域范圍內的運營實體(安徽省10個地市)的社區教育產出物。通過教育數據分析技術,構建的三角數-TOPSIS模型以數據要素作為模型的輸入輸出,避免了傳統模型的主觀性和隨意性,具體的模型構建流程如圖1所示。

圖1 社區教育發展成效三角模糊數-TOPSIS評價模型框架
利用統計分析模型評價社區教育發展成效,聚焦社區教育量化評價分析,為得出更具代表性的評價結果,選取符合安徽省社區教育發展水平的指標數據,需要遵循以下幾個基本原則:
1.應景性和真實性。立足投入產出效率評價意圖選擇合適的指標體系,應基于省域社區教育發展現狀,選取意義明確、內容真實的指標數據作為測評根據,立足社區教育的“省域本土性”,選取能夠反映本土發展特色的指標數據。
2.度量性和代表性。度量性要求所選取的指標是可以用直觀數值來表示的指標,而不是定性指標。同時,選取的指標要具有代表性,社區教育發展成效評價不同于其他類型的教育評價,側重點也有所不同,應考慮社區教育的經費投入、數字化供給、績效產出這些代表性的指標。
3.針對性和導向性。指標選取要考慮針對性,不同城市的社區教育特性和作用不同,指標選取對評價社區教育發展成效具有引領作用,引導社區教育發展方向,促進社區教育協同發展。
本研究圍繞基礎能力建設、社區教育資源平臺、師資等直接數據,并圍繞內容和形式、提高服務重點人群的能力、提升社區教育內涵等非直接數據,采用可量化指標進行間接表示,如以數字資源表示社區教育資源內容和形式,以遠程教學和資源共享指數表示服務重點人群的能力,以專題講座和科研團隊數表示社區教育內涵的提升。遵照一般的關鍵詞抓取手段,剔除低頻率關鍵詞,對互聯網上2020—2022年社區教育相關文獻資料進行抓取,抽取社區教育相關關鍵詞與評價指標,如表1所示。

表1 評價指標選取
社區教育發展成效評價是多指標數據的系統耦合,參照教育部公布的評價指標體系方法,在投入-產出框架下,對評價指標進行了篩選,剔除體驗基地個數、閱覽室個數等與目標評價相關度不高的評價指標,構建多級評價方法,設立5個一級指標及16個二級指標,評價數據集表示為:
A={B1,B2,…B5},Bi={Cij}
其中i=1,2…5,j為指標層Bi下的指標個數。
社區教育發展成效多級評價指標可以重新整理如表2所示。

表2 社區教育發展成效評價多層級指標體系
為方便統計處理,去除不同指標參數不同量綱影響,本節采用歸一化法對指標數據進行預處理,使得處理后的數據統一規在[0,1]區間歸一化方法計算如下:
(1)
式中cij表示第i級第j項指標值,cmax、cmin分別表示第j項指標的最大和最小值。
一是直接從政府部門統計數據獲取,二是通過對數據分析轉換計算得到,整理得到安徽省社區教育面板數據預處理后數據,如表3所示。

表3 社區教育發展成效指標數據歸一化表示
一般的指標評價方法采用平均賦權法,未考慮指標的辨識性和差異性,這顯然不符合數據規律,本節利用三角模糊數確定指標權重,記三角模糊數為pij=(lij,mij,uij),lij和uij分別表示三角數的下限和上限,mij表示可能性最大的取值。創建k組三角模糊判斷數值矩陣,各指標兩兩比較得:
(2)

W={w1,w2…w5}
(3)
同樣使用模糊矩陣法得到二級指標權重:
Wi={wi1,wi2…wij}
(4)
利用三角模糊數計算得出評價指標體系貢獻權重,如表4所示。

表4 評價指標貢獻率
首先,構造規范化評價決策矩陣Z=(Zij)m×n:
(5)
其次,基于公式(4)構造加權規范化決策矩陣V,其中矩陣元素Vij=wijZij。
第三,確定理想解V+和負理想解V-:
(6)
(7)
第四,計算每個評價指標到理想解的距離S+和負理想解S-的距離:
(8)
(9)
最后,計算每個評價指標的貼近度,以此得到安徽省域10個地市的社區教育發展成效目標評分:
(10)
式中0≤Ai≤1,Ai值越大代表該地市社區教育發展水平越高。
本節基于安徽省域10個地市2020—2022年的指標數據對社區教育發展水平進行綜合量化評價,三角數-TOPSIS模型的求解結果如表5所示。

表5 安徽省域社區教育發展水平評價結果
從表5評價結果可以看出,合肥、淮北、淮南、蕪湖、滁州幾個地區評價結果位居前列,其中合肥市社區教育發展水平明顯高于其他地區,近三年平均得分達到了0.6859,合肥作為省會城市,無論是社區教育的發展,還是教育和社會資源等配置方面,都具有很大的優勢,因此,評價結果要明顯優于其他地市。其他地市雖然存在一定的評分差距,但是整體上差異不是十分明顯,這與各地都積極響應社區教育有關。
結合評分指標和評價結果來分析,可以得出:(1)財政經費投入以及效益產出是社區教育發展水平衡量的重要指標,而資金投入存在地區不平衡性和時間序列上的不連續性,導致各個地區不同年份的社區教育基礎設施建設情況不一。政府應發揮頂層規劃、引導支持的統籌作用,出臺社區教育推進政策和辦法、劃撥社區教育投入資金,聯合號召其他部門合力合作推動社區教育實踐。(2)數字化、信息化發展正在不斷重塑教育形態,成為評價教育成效的重要指標,創建共享數字學習資源,打造數字化學習平臺,降低社區教育的活動組織成本,豐富社區教育形式,利用平臺統一管理,面向基層教育網絡全覆蓋,進一步推進社區教育的均衡性以及公平性。應在省域范圍內加強全民終身學習網、全民智慧學習平臺建設,創新平臺資源共享模式,發揮終身學習網的神經中樞作用,推進社區教育體系向末端廣泛延伸,通過網絡信息平臺和移動終端將終身學習傳遞到家庭和個人,提升社區教育服務社會的能力。(3)在人員投入上,專職教師隊伍占高比重,但是社區教育專職教師學歷層次及專業技術職務不是很高,專職教師配比度不高,這在一定程度上也限制了社區教育發展水平。應以專職教師為主,加大社區教育工作者投入量,拓展社區教育師資隊伍的來源途徑,多元化吸引社區教育人才,推進專業社區教育師資隊伍建設,從而為社區教育事業提供持續、穩定、高效的人員保障。
以社區教育發展成效評價為研究對象,構建發展成效科學評定評價模型,基于教育大數據分析的社區教育發展評價方法將為安徽省社區教育發展帶來評估新視角:一方面,改善了社區教育發展水平評價研究不足的情況;另外一方面,也夯實了社區教育發展成效的實證基礎,為教育主管部門及時掌握社區教育發展成效提供方法支撐。穩健有效的證據模型新圖景保障了社區教育決策和實踐路徑科學化精準化實施,對推動社區教育高質量發展具有現實意義,也為類似的實證評價研究提供方法借鑒和模型參考。