分类框架（共3篇）
分类框架 篇1
当前航空事故的致因中, 人因超过了70%[1]。预防人因事故就要对人因失误进行分析。人误分析的两个主要目的是:找出引发人误的根本原因, 为制定预防措施提供依据;计算人误概率, 预测人误。人误分析的入手点是人误的分类。
人误分类不仅要符合人的行为历程, 包括认知行为和执行行为, 还要涵盖人误的主要表现形式。对此, 国内外已有大量的研究。探究人的认知行为的人误理论模型主要有Norman的观点、S-0-R模型、人误决策阶梯模型、Wickens的信息加工模型等。针对人误模式进行分类的理论方法主要有Swain的观点、Reason的观点、Hollnagel的分类、李鹏程的四个维度分类及孙志强的人为差错分类框架等。
民用航空中也有人的因素分析与分类系统 (HFACS) 、维修差错决断工具 (MEDA) 、JANUS空管人误分析方法和人误分类与分析的TER框架等人误分析方法。但从符合人的行为特点和人误模式分类两个角度来说, 这些方法有的仅考虑了其中的一个角度, 其它的均未考虑。如HFACS仅将人误粗略划分为技能型、决策性和知觉型[2], 这符合了人的行为特点, 但未继续给出更为细致的人误模式分类。本文将对这些方法进行详细分析, 指出方法在应用中因未能考虑人的行为过程和人误模式而存在的瓶颈。继而通过现有常用人误理论模型找到民航人的行为过程, 并综合分析现有常用人误模式分类理论方法, 提出人误模式分类方法, 最后提出本文的民航人误分类框架。
1 民航人误分析方法评述
1.1 HFACS
HFACS[2]是根据里森“瑞士奶酪”理论模型, 并在其基础上进一步开发利用, 定义模型中的洞的含义后提出的。HFACS描述了四个层次的失效, 每个层次都对应于里森模型的一个层面。包括:不安全行为、不安全行为的前提条件、不安全的监督和组织影响。
HFACS分析逻辑是从显性因素的人的不安全行为开始, 逐步深入, 从引起人的不安全行为的前提条件一直分析到深层次的组织原因。尽管在事故原因分析中效果良好, 但仅将差错分为技能差错、决策差错和知觉差错, 这样较为粗略的分类未考虑差错的外在表现形式, 从而使得分析人员在分析过程中对差错描述和归类都难以把握, 也不利于人误数据库的数据收集。
1.2 MEDA
MEDA[3]最初是一个严格的结构差错调查过程, 用于寻找导致事故的贡献因子。其核心原理是, 人不会故意犯错。通过对MEDA使用流程分析可知:在与维修工作相关的差错事件发生后, MEDA找出与事件相关人员后就直接对相关人员进行谈话以求找出诱因, 这样的调查分析结果的可信度较低, 与调查人员的访谈水平成正比。MEDA将常见的差错罗列出来, 总共四十多类。这样不加以逻辑、系统的例举式的分类, 会使调查人员对几次本质上相同的差错事件进行分开归类, 进而使数据的收集和分析变得繁琐和杂乱。MEDA未考虑深层次的人的认知行为而进行差错分类, 这将使差错分析难以得到本质原因。
1.3 JANUS
2002年欧洲空管委认识到HFACS系统在分析人误本质原因上的不足, 联合德国、英国、法国等欧盟成员国有关专家研究开发了JANUS空管人误分类分析技术[4], 建构了指标体系和分类分析程序。该系统的一个最大特点是采用现代认知心理学信息加工理论及其模型, 针对每一个不安全事件的各个关键点, 按照人的信息加工过程和阶段分段分析, 并以流程图的方式予以表述, 其目的在于克服原有系统无法分析民航人误内部机理的弊端。但目前尚未见到采用技术对民航机务维修人误进行分类分析研究的报道。
1.4 人误分类与分析的TER框架
我国学者杨家忠根据民航实际情况分析人误概念, 强调在实践中应将人误看作事件而不是事故的原因, 重视人误事件的原因分析。基于人误行为、概念和关系水平分类方法, HFACS编码构想及人误的五种主要研究取向, 提出人误事件分类和分析的TER框架[5]。框架结构采用“事故链”概念, 即触发器 (原因) -不安全事件-结果 (事故/征候) , 触发器分析采用SHEL模型结构。
TER框架将认知差错分为:感知觉错误、注意分配不当、记忆错误和决策错识四类。但是TER没有对操作差错进行分类。由于操作差错的外在表现形式复杂多样, 没有对人误表现形式进行研究分类, 人误分析的结果不能保证准确和一致。
2 民航主要工作人员行为过程
民航主要工作人员 (飞行、空管、维修) 不单纯扮演“操作员”的角色, 工作过程更涉及到认知行为。因此需要探究行为科学理论中的认知行为理论, 对主要的理论模型进行分析, 找到民航主要工作人员的行为过程。
2.1 人误理论模型
Norman指出, 人的认知过程可以近似分为三个部分:信息收集、意向形成和意向执行[6], 不同的阶段产生失误的机理是不同的。
Reason从人的意向行为入手, 从意向行为和非意向行为来探究人的认知特点[6]。意向即人在产生执行行为前所制定的计划。刺激-调制-响应 (S-O-R) 模型将人的认知过程分为三大部分:感知接受刺激信号、解释和决策、输出动作[8]。
Rasmussen的决策的阶梯 (step-ladder) 模型是最为人知的信息处理模型。模型将人的认知过程分为八个阶段:激发、观察、识别、解释、评价、目标选择、规程选择和规程执行[7]。由于阶梯模型为深入探究每个阶段人的失误机理提供了可能性, 因此广泛作为人的失误的分类框架的基础。Wickens提出的信息加工基本模型将信息加工分为四个阶段:短时感觉存储、模式识别、决策和反映选择、反映执行[2]。此类模型众多, 如Worledge的认知模型等, 本文不一一描述。
上述的理论中, 有的理论学术性很强, 对人的认知过程描述较为隐晦, 如Norman理论和Wickens信息加工基本模型;有的理论较为注重认知的某个阶段, 如Reason的意向行为观点, 关注人的计划及按计划执行阶段;有的理论对人的认知过程步骤划分十分详尽, 以便深入探究人误机理, 如阶梯模型将人的认知过程划分了八个阶段。因此必须根据特定需要, 选择合适的理论模型。
2.2 人的行为过程
人的认知行为和人的执行行为构成了人的行为过程。通过对现有常见人的认知理论模型的详细分析, 得出民航工作人员的行为过程:获取信息-分析处理信息-决策/计划-执行。值得注意的是:根据具体活动的不同, 人员的行为需要经历的阶段也不同, 如维修活动中的人员工作时大多处在执行行为阶段;同一种活动中, 不同情况下, 人员经历的阶段也有所不同, 如飞行员在正常情况下以“获取信息-执行”过程为主, 出现异常时通常要经历全过程。
3 人误模式分类
人误模式是人误行为的外在表现形式, 即可能的现象。因此, 人误模式在人的执行行为阶段表现最为全面。众多学者以执行行为阶段为对象对人误模式进行了分类。本文对几种常用分类理论和方法进行分析。
3.1 人误模式分类理论方法分析
早期的Swain分类法, 认为人误行为可能出现以下几种情况:不正确的做某事;没能完成某项任务 (执行中失败) ;没能按时去做某事等。因而他将人误分为执行型失误 (EOC) 和遗漏型失误 (EOO) [6]。广泛应用于核工业的THERP人的可靠性分析方法就采用了这种分类思想, 但主要关注的是EOO型失误。最近有研究指出, 由于EOC型失误多样化的表现形式及其对人误事件后果的影响程度很大, 因此需要对EOC型失误进行系统、完整的分析分类[6]。Swain分类方法虽然较为粗略, 但却非常全面。因此, 我国学者孙志强以此为基础对EOC型失误进行“空间”和“时间”两个方面的细化, 将人误分为五类不同的基本模式。分别是忽略、执行部分动作、执行差错 (单个动作) 、时间相关差错和顺序差错[8] (图1) 。
Eric Hollnagel于1998年提出的认知可靠性和失误分析方法 (CREAM) 中将人误模式分为8类, 分别为时间、历程、力量、速度、方向、距离、序列和目标。每类都进行了进一步细分[9] (图2) 。Hollnagel的分类全面且细致, 涵盖了主要的人误外在表现形式。我国学者李鹏程根据Hollnagel的人误模式分类方法, 从四维时空的角度对人误模式进行了分类。分别是时间错误、行为错误、目标错误和顺序错误[10]。其中, 时间错误分为时间选择和时间持续两个维度, 行为错误分为力量、距离、速度和方向四个维度。每个维度都有人误模式的进一步细分。
3.2 民航人误分类框架中的人误模式分类
作为人误分析的着手点, 对人误的准确辨识十分重要。通过对现有人误模式分类方法的分析, 发现Hollnagel的人误模式分类同时具备了系统和完整的特点。因此本文在其基础上结合其它常用的分类方法的思想总结出了民航人误分类框架中的人误模式分类。
Hollnagel分类中的时间和历程两类模式都有时间特性, 而时间模式中的遗漏项可单独作为一个模式, 由此, 可以先得出两类模式, 分别是遗漏和时间失误。其中遗漏又可分为全部遗漏和部分遗漏, 时间失误可分为太早、太晚和太长、太短 (表1) 。
Hollnagel分类的序列模式中的错误动作可单独作为一个模式, 因此可再分出两类模式, 分别是错误行为和顺序失误, 其中顺序失误可分为重复和颠倒 (表2) 。
Hollnagel分类的最后五个模式中, 速度失误与时间失误有重复混淆的现象。如:速度太快与时间太短表示同样的意思, 而且速度太快也可能是时间太短的原因。因此本文最后四个失误模式选择目标错误、方向失误、力量失误和距离失误。其中力量失误可分为太大和太小, 距离失误可分为太长和太短 (表3) 。
这样就得到了八类人误模式, 大部分人误模式都有具体的表现形式, 为方便起见, 将它们称为子模式。上面分类表中对每个子模式都给出了相应的解释。
4 民航人误分类框架
人误模式分类是依据人的执行行为的外在表现形式进行的。但认知行为同样也具有执行行为的外在表现形式。人的行为过程中的每个阶段都会通过人误模式表现出来。由于民航中不同活动之间存在差异, 且同一活动中各个阶段的特点也不同, 因此人误集中的阶段和人误的表现形式不尽相同。应当根据具体活动和每个阶段自身特点, 从人误模式分类表中选取适合的人误模式对其进行描述, 构成具体的人误分类框架 (见表4) 。
5 结论
(1) 人误分类是人误分析的基础。人误分类不仅要符合包括认知行为的人的行为过程, 也要涵盖主要的表现模式。本文首先对民航中主要的几种人误分析方法进行评述, 指出了这些方法在考虑人的认知过程和失误外在表现模式方面的不足。然后详细分析了现有主要人误理论模型, 得出民航工作人员的行为过程:获取信息-分析处理信息-决策/计划-执行。
(2) 在对现在常用的人误模式分类方法综合分析的基础上, 本文总结出了八类人误模式和相应子模式, 并进行了解释。
(3) 民航工作人员的行为过程中的阶段与总结出的人误模式构成了本文的民航人误分类框架。由于可根据具体活动和具体行为阶段选择合适的人误模式, 因此本框架灵活、适应性强。
(4) 本框架还未在实际中应用, 但框架中系统、完整的人误分类及对人误的规范描述将保证民航人误分类结果的有效性, 且为今后的民航人误原因分析、人误数据收集、统计和人误量化等工作奠定了基础。
摘要：人因失误分类是否系统、完整及对人误描述是否一致直接影响人误分析的结果。本文对民航中主要几种人误分析方法进行了详细评述, 指出其在考虑人的认知过程和行为外在表现形式方面的不足。在对现有人误理论模型和人误分类方法详细分析的基础上, 提出了民航人误分类框架。框架由人的行为过程的四个阶段“获取信息-分析处理信息-决策/计划-执行”和八类人误模式及相应的子模式构成。行为阶段与人误模式可针对具体活动进行组合, 框架的使用具有灵活性。框架对保证民航中人误辨识结果的规范性和准确性具有重要意义。
关键词：民航,人因失误,人误分类,人误模式,行为过程
参考文献
[1]Huan-Jyh Shyur.A quantitative model for aviation safetyrisk assessment[J].Computers&Industrial Engineer-ing, 2008:34~44.
[2]Douglas A.Wiegmann, Scott A.Shappell[美].飞行事故人的失误分析——人的因素分析与分类系统[M].马锐译.北京:中国民航出版社, 2006:19~48.
[3]中国民用航空总局航空器维修人的因素课题组.人的因素案例集——民用航空器维修差错[M].北京:中国民航出版社, 2003:200~300.
[4]黄宝军.空管人误分析方法 (HERA-JANUS) 及应用[J].空中交通管理, 2008, 9:30~31.
[5]杨家忠, 张侃.民用航空中的人误分类与分析[J].人类工效学, 2003, 9 (4) :42~44.
[6]何旭洪, 黄瑞祥.工业系统中人的可靠性分析:原理、方法与应用[M].北京:清华大学出版社, 2007.
[7]廖可兵, 张力, 黄祥瑞.人的失误理论研究进展[J].中国安全科学学报, 2006, 16 (7) :47~48.
[8]孙志强, 史秀健, 李欣欣等.基于认知模型的人为差错分类方法[J].国防科技大学学报, 2008, 30 (1) :74~75.
[9]Hollnagel E.Cognitive Reliability and Error AnalysisMethod (CREAM) [M].Elsevier Science Ltd, 1998.
[10]李鹏程, 王以群, 张力.人误模式与原因因素分析[J].工业工程与管理, 2006, (1) , 95~96.
分类框架 篇2
问题：本次课标修订，研制了学业质量标准。学业质量是学生在完成本学科课程学习后的学业成就表现，它以本学科核心素养及其表现水平为主要维度，总体刻画学生学业成就表现。请老师们谈谈，和传统理解的布鲁姆教育目标分类框架下的“学业质量”在内涵上有什么不同？
参考答案：
一、本次新课标的修订，明确学业质量的内涵是对学生多方面发展状况的综合衡量，是学生在完成本学科学习后的学业成就表现，以本学科核心素养及其表现水平为主要维度，结果课程内容，对学生学业成就表现进行总体刻画。
确立了新的质量观，改变过去单纯看知识、技能的掌握程度，引导教学更加关注育人目的，阐明人才培养要求，引导和促进学习方式和育人模式的根本转型，实质性地推动和深化我国基础教育课程改革。二、布鲁姆教育目标分类框架下的“学业质量”，其内涵主要是以学科知识点为纲，以识记、理解和应用为质量水平的质量观念。
在这种质量观下，我国的考试评价更多指向碎片化知识和孤立技能的习得与熟练程度，强调确定性解题过程和标准答案。问题拓展：
布鲁姆的教育目标分类与加涅的学习结果分类有何区别与联系
一、相同点：
（一）三个主类领域是一致的。
（二）两种理论在分类的细化都存在层级关系布卢姆这个目标体系的划分都是由简单到复杂的层次结构加涅在认知结果的智力技能分类也是由简单到复杂构成的层级关系。
（三）两个理论在教学设计、媒体选择等方面对教育过程都有其积极的意义。
二、不同点:
（一）分类的依据与理论不同布卢姆分类法基于生物分类学,以学生的外显行为作为教学目标分类的基点加涅分类法则基于信息传播理论与建构主义理论,从他的“联结一一认知学习理论出发,以能力和倾向作为教育目标分类的基点。
（二）(2)结构体系不同布卢姆的分类是一个累积学习的模式,目标由简单到复杂加涅的分类理论从整体上是不具备有连续性、层次性和累积性的,仅在“智慧技能”这一主类下各子类之间具备连续性、层次性和相关性。
欧洲高等教育机构分类框架解读 篇3
一、背景
欧洲高等教育机构分类项目是欧洲高等教育政策影响下的直接产物,立项建设该项目的政策考量如下所述。第一,其政策背景是欧洲在知识生产和知识运用等方面已处于相对落后的地位。在研发投入、高等教育投入、注册专利、知识创新、知识转换等方面,欧洲不仅落后于美国和日本,一些指标或将被中国超过,多年来年度诺贝尔奖获得者的总数也在不断减少。[1]第二,其政策假设是多样化有助于系统实力的增强。在反思自身问题后,欧盟逐渐形成了这样一个假设:“欧洲高等教育系统的实力在于其高等教育机构的多样性。”[2]分类可提高系统的透明度,使人们更好地运用这种多样性,增强欧洲高等教育的国际竞争力。第三,现有高等教育政策已产生了负面效应,政策目标亟待调适和重新定位。博洛尼亚进程在促成欧洲高等教育一体化的同时,不可避免地侵害了其固有的多样性。“已有的欧盟政策环境正不经意地对学术系统分层和区域多样性产生一些影响,致使纵向多样化加剧”。[3]
该项目由荷兰屯特大学高等教育政策研究中心(Center for Higher Education Policy Studies of U-niversity of Twente,CHEPS)名誉教授弗兰斯·F·范富格特(Frans Van Vught)牵头,已完成三个阶段,(1)来自欧洲9所大学和研究机构的22名研究者和独立专家参与了这项研究。
二、欧洲高等教育机构分类的框架设计
总体来看,欧洲高等教育机构分类(以下简称“U-map”)遵循这样的设计原则:(1)数据的可靠性和可验证性。它基于经验数据进行分类,数据是通过对院校的问卷调查而得到的,问卷设计经过了严格的预调查和反馈等过程。(2)多元主体参与的多维分类。U-map的分类维度和指标体系设计是在与多个主体交流后得到的,它提供了一个自定义分类工具“特征探测器”(finder),用户可自由选择指标体系形成分类子集。(3)分类对象的包容性。该分类体系将包含欧洲所有高校,高校的入选条件是至少提供一个由全国性认证机构或政府部门认可的教育项目或学科。(4)描述式的而非规定式、非等级制的分类体系。U-map致力于描述欧洲高等教育多样化的图景,成为服务于不同利益相关者的研究和认识平台,它使用直观化工具“特征浏览器”(viewer)以多种图示展现分类结果。[4]
分类维度和指标体系设计经过主要利益相关者和项目组的反复交流,可行性、有效性、合法性是其核心标准。项目组通过理论研究、预调查、个案研究、集中讨论等方式最终确立了6个分类维度,共23个指标。对于分类结果,U-map并未设计出具体类型称谓,一般依某项指标上所有被分类院校总分的4分位数来划分,从而得到在该项指标上的4个相对类别,通常分别用较多/较重要(predominant/major)、一般(substantial)、较少/不太重要(some)、极少/不重要(none)来表示。以下详细分析U-map的指标体系与分类结果。[5]
维度一:教学情况(teaching and learning profile)
教学和学位授予几乎是所有欧洲高等教育机构最核心的职能,该维度包括四个指标。
(1)学位层次集中度。按相关年度中某校所授予的不同层次学位数占该校学位授予总数的百分比来测量。依此可得到四类院校,即:博士集中型(年度学位授予总数中有5%或以上的博士学位)、硕士集中型(年度学位授予总数中有25%或以上的硕士学位)、学士集中型(年度学位授予总数中有40%或以上的学士学位)、副学士集中型(年度学位授予总数中有5%或以上的副学士学位)。当然,某所院校可具有以上多个特征。
(2)学科领域覆盖面。这个指标表示院校活动领域的宽广度,按“国际教育标准分类”(International Standard Classification of Education,ISCED1997)来统计相关年度院校在不同学科领域授予的学位数。涉及9大学科领域:教育、工程、社会科学、商学和法律、个人服务、自然科学和数学、人文和艺术、健康和社会服务、农学等。院校学科领域的入选标准是:相关年度,该学科领域授予学位数至少占到该校学位授予总数的5%。覆盖学科领域数不超过3个、3个以上且不超过6个、6个以上的院校分属于专业型、广博型、综合型院校。
(3)教学支出。即相关年度院校用于教学部分的支出占该校总支出的百分比,用此可反映院校对于教学(相对于科研和知识交换)的重视程度。该比例大于40%的、在10%~40%之间、在1%~10%之间、1%以下的院校,其教学支出情况依次是较多、一般、较少和极少。
(4)学位导向。依院校所授予的不同类型学位的比例来测量。一般来说,欧洲高等教育机构提供学术型或通识性、专业性、职业性教育。在相关年度,如果一所院校中接受“某类”教育的毕业生占到其毕业生总数的1/3,那么该院校就属于“此类”院校。依此同时被归为两类或以上类型的院校,则属于混合型院校。
维度二:学生情况(student profile)
高等教育机构的特征还由其学生群体的情况决定,以下四个指标可表示学生情况。
(1)成年学生比例。这个指标可以很好地测量院校对于终身学习的参与情况,按所有在校生中30岁或30岁以上学生所占的比例来表示,该比例在20%以上、10%~20%之间、5%~10%之间和少于5%的院校,其成年学生的情况分别是较多、一般、较少和极少。
(2)招生规模。即相关年度院校所招收的学生总数。这一指标在3万以上、1.5万~3万、0.5万~1.5万和少于0.5万的院校分别属于超大规模、大规模、中等规模和小规模的院校。
(3)部分时间制学生的比例。这个指标以院校部分时间制学生占其学生总数的百分比来表示,该项得分在20%以上的、10%~20%之间、5%~10%之间和少于5%的院校,其部分时间制学生的情况依次是较多、一般、较少和极少。经济合作与发展组织(Organization for Economic Co-operation and Development,OECD)将非全日制学生界定为“所修学分要求的结业时间和投入少于全日制学生的75%的学生”。[6]而名义上的部分时间制学生,如果实际学时投入达到了全日制学生的75%,将不在U-map统计之列。
(4)远程教育学生比例。这个指标用院校所招收的全部学生中远程教育学生所占的比例来表示。这一比例在20%以上、10%~20%之间、5%~10%之间、少于5%时,院校所拥有的远程教育学生的情况依次是较多、一般、较少和极少。
维度三:研究活动(research involvement)
研究主要涉及的是运用科学方法以产生新知识(基础性的和应用性的知识)的活动,以及其他的发展、发现和解释科学研究结果的活动。
(1)研究支出。指相关年度院校用于研究活动的经费支出占其全部开支的百分数。该数据主要通过问卷得到,当这一比例在40%以上、10%~40%之间、1%~10%之间和低于1%时,院校的研究支出情况分别是较多、一般、较少、极少。
(2)同行评议的出版物。用同行评议的出版物和其他同行评议的研究产出总数与专职学术人员(FTE)总数的比值来表示。当这一数值在2以上、1~2之间、0.1~1之间和0.1以下时,院校的同行评议出版情况分别是较多、一般、较少和极少。
(3)博士教育产出。指相关年度授予的博士学位总数与院校专职学术人员总数的比值,这里的博士学位包括哲学学位和专业学位。当这一比值超过1.5、在0.75~1.5之间、在0.1~0.75之间、少于0.1时,院校博士教育产出的情况分别是较多、一般、较少、极少。
维度四:地区参与(regional engagement)
院校的地区属性按照其统计数据报告和其在标准地域统计单元(Nomenclature of Statistical Territorial Units,NUTS)第2层中的区域所属来综合判断。如果某所院校认为其服务于不同的地区,U-map对此也认可。
(1)本地籍本科一年级学生情况。用院校所有本科一年级学生中本地生源所占的百分数来表示,属地性质视该生的家庭住址来判断。这一比值在10%以上、5%~10%之间、1%~5%之间和1%以下的院校,其本地本科一年级学生的情况分别是较多、一般、较少和极少。
(2)本地/区域性经费来源的重要程度。即本地/区域性经费来源占院校总收入的百分比,比例越高的院校其与所在区域的关系越紧密。当这一数值在10%以上、5%~10%之间、1%~5%之间和1%以下时,院校的本地/区域经费来源的重要程度分别是比较重要、重要、不太重要和不重要。
(3)在本地工作的毕业生比例。即所有前两年毕业生中留在本地工作的毕业生所占的百分比,比例越高,表示院校与地区的关系越紧密。这一比值在10%以上、5%~10%之间、1%~5%之间和1%以下时,院校在本地工作的毕业生情况依次是较多、一般、较少和极少。
维度五:知识交换活动(involvement inknowledge exchange)
知识交换活动致力于组织、创造、获得或传播知识,并保证这些知识能为使用者所用。
(1)文化活动。文化活动是指由院校与其他机构合作或独立组织的、向普通民众开放的正式展览会、音乐会和演出活动。这一指标用院校每千名专职学术人员拥有的文化活动数来表示,该值在100以上、50~100之间、0~50之间和0的院校,其文化活动情况分别是较多、一般、较少和极少。
(2)知识交流活动所得收入。指专利、与企业和公共部门组织的专利契约和合同、版权产品和捐献等方面的收入总额占院校总收入的百分比,比值越高的院校在该项的表现越好。这一比值超过40%、在10%~40%之间、在1%~10%之间和1%以下的院校,其知识交流活动所得收入情况分别为较多、一般、很少和极少。
(3)专利申请受理。专利意味着科研成果的创新性、实用性的特点,专利申请由所在国的州政府或专利申请机构来受理。一般而言,绝大多数专利和专利申请都在全国性和国际性的电子数据中可以找到(如欧洲专利局的数据库)。这一指标是指每千名专职学术人员所拥有的专利申请受理数量,该值在10以上、5~10之间、1~5之间和1以下的院校,其专利申请受理情况分别为较多、一般、较少和极少。
(4)新兴公司的情况(Start-up firms)。新兴公司是指近3年来,院校因技术批准和转换的需要而创建的公司,衍生公司也在此之列。这一指标是指每千名专职学术人员拥有的新兴公司的数量,该值越大的院校在知识转换方面的表现越好。该值在10以上、5~10之间、1~5之间和1以下的院校,拥有的新兴公司数量情况分别为较多、一般、较少和极少。
维度六:国际化导向(international orienta-tion)
U-map用教学和科研活动的相关方面来表现这个维度。
(1)攻读学位的外国学生情况。即相关年度院校所招收的攻读学位学生总数中,具有国外高中毕业证书的学生所占的百分比。比值越高,说明院校对国际学生的吸引力越大。当这一指标在7.5%以上、2.5%~7.5%之间、0.5%~2.5%之间、小于0.5%时,该院校中攻读学位的外国学生的情况分别是较多、一般、较少和极少。
(2)国际性收入来源的重要性。即院校总收入中非本国的教育资源(不包括外国学生的学费收入)所占的百分比。比值越高,院校的国际导向越强。这一指标超过10%、在5%~10%之间、在1%~5%之间和0%时,该院校的国际性收入来源的重要程度依次是比较重要、重要、不太重要和不重要。
(3)派出国际交换生情况。指院校所派出的国际交换生占其招生总数的百分比,值越高的院校国际化导向越强。当这一指标在2%以上、1%~2%之间、0.5%~1%之间和0.5%以下时,院校派出国际交换生的情况分别是比较多、一般、较少和极少。
(4)招收国际交换生情况。指院校所招收的国际交换生占其招生总数的百分比,比值越高的院校国际化程度越高。这一指标在2%以上、1%~2%之间、0.5%~1%之间和0.5%以下时,院校招收国际交换生的情况依次是较多、一般、较少和极少。
(5)国际专职学术人员情况。即拥有外国国籍并由院校聘请或在其学术交流基地工作的专职学术人员数占院校专职学术人员总数的百分比。比值越高,院校的国际化导向越强。这一指标在15%以上、5%~15%之间、1%~5%之间和1%以下时,院校的国际专职学术人员的情况分别是较多、一般、较少和极少。
三、结论与启示
欧盟在语言、民族、经济、科技、教育体系等方面的差异或多样化的程度超过了其他任何一个多民族国家和区域联合体,欧洲高等教育机构分类体系最终能如期研制成功实属不易。其如下经验和做法对我国具有一定的借鉴意义。
1. 多元主体的民主参与是高等学校分类体系合法化和科学化的前提
除了前面提到的项目组成员的多样性以外,随着U-map研制工作的深入,学生、院校、雇主及企业组织、研究者、高等教育管理部门、欧盟等主体逐渐被纳入到项目组的顾问委员会或利益相关者委员会中。
多元主体的民主参与至少有两大优势。第一,增加了U-map这种透明工具的合法性。项目组积极扩大相关利益者群体队伍,注意吸收他们的意见和建议,向欧洲高等教育区展示出一种更加民主和包容的态度,这与博洛尼亚进程的行动标准完全符合,也令U-map的群众基础更加坚实。第二,有利于提高U-map分类体系的科学性。项目组致力于研制一套适用于不同群体的、包含所有欧洲高等教育机构的分类体系。这样宏大的、自上而下的分类项目,仅靠项目组专家的“闭门造车”是无济于事的。借鉴欧洲高等教育机构分类的经验,组建一支多元主体参与的分类专家组,形成一种民主协商、实事求是的研究氛围。这或许是我国高等学校分类体系构建的制度基础。
2. 高等学校分类设计必须与本土实践紧密结合起来,不能盲目照搬已有分类法
U-map以2005年版卡内基美国高等教育机构分类为参照,两者在分类的目的、理念、基础、定位等方面比较相似。[7]比如,U-map强调成为非排名的描述性分类体系,成为服务于高等教育各利益相关群体的透明工具;在分类指标体系设计时坚持多维度多指标,分类结果由用户自定义生成;试图在分类组织模式上,成立专门的、非营利的U-map运营机构。这些都是效仿卡内基分类法的直接结果。
当然,U-map并非是卡内基分类的简单翻版。两者的差异很明显。首先,分类维度和指标不同。U-map的6个维度比较强调高等学校的职能要求;卡内基的基本分类与5个子分类则倾向于教育层次、学生情况和学科领域。[8]其次,分类结果及其展示方式不同。U-map通常以“四分法”对院校单项表现进行“排序”,在线工具更加直观;卡内基分类法的分类结果比较明确和复杂,在线工具直观化程度不及前者。再次,数据来源不同。前者的数据由个体院校直接提供,后者则严重倚靠官方数据。
U-map区别于2005年版卡内基分类的原因可以有多种解释,如前者出台的政策背景、高等教育系统的复杂程度、数据可得与否等都是必须考虑的问题。
3. 适切的分类方法的运用、合理的指标体系设计是分类取得成功的主要原因
从U-map的研制过程来看,项目组遵循的基本上是一条行动研究的路径。根据分类目的,大量的研究时间和精力被用于与利益相关群体的讨论、质询活动中,个案研究法、访谈法、问卷调查法等贯穿整个研究始终。
“弄清分类的基础特征(标准)是分类取得成功的关键”。[9]运用以上分类方法的直接结果是产生了比较合理的分类指标体系。U-map的“四分法”虽未给出令人耳目一新的类型称谓,充其量仍是一个简单的多指标描述体系,但是,分类方法的合理运用和指标体系的理性设计,使得U-map的用户都能依其所需自定义生成具体的类型组合。
我国高等学校分类研究或许更多地呈现出另一种状态,一些论者忙于构建、提出或归纳一种分类体系,而“来不及”使用分类方法(包括分类研究方法和具体的分类技术)、疏于设计系统的和实事求是的分类维度和指标体系,以至于造成分类“纸上谈兵”,研究成果与我国高等教育的管理实践基本脱节。[10]事实上,分类结果正是运用一定的分类方法和指标体系归类得到的。分类方法和指标体系设计仍将是未来我国高等学校分类研究有待突破的关键环节。
参考文献
[1]Frans van Vught.Developinga Classification ofHigher Ed-ucation Institutions in Europe[EB/OL].http://www.oecd.org/dataoecd/9/43/37800154.pdf,2010-05-20.
[2]Jeroen Bartelse&Frans van Vught.Institutional Profiles:Towards a Typology of Higher Education Institutions inEurope.IAU Horizons,2007,13(2-3):9~11.
[3]Jeroen Huisman&Frans van Vught.Diversity in EuropeanHigher Education:Historical Trends and Current Policies.In:Frans van Vught(ed.).Mapping the Higher EducationLandscape.Dordrecht:Springer,2009.35.
[4]U-map.The Methodology[EB/OL].http://www.u-map.eu/methodology.doc/.2010-05-15.
[5]U-map.Overview of Dimensions and Indicators[EB/OL].http://u-map.org/U-Map%20dimensions%20and%20indi-cators%20overview.pdf,2009-10-31.
[6]OECD.GLOSSARY[EB/OL].http://www.oecd.org/dataoecd/45/17/33692376.pdf,2010-05-23.
[7]谢亚兰,刘莉,刘念才.多样性:欧洲高校分类的灵魂[J].比较教育研究,2010,(4):41~46.
[8]The Carnegie Classification ofInstitutions ofHigher Educa-tion.About The Carnegie Classifications[EB/OL].www.carnegiefoundation.org/classifications.2010-04-15.
[9]Kenneth Bailey.Typologies and Taxonomies:an Introduc-tion to Classification Techniques.Thousand Oaks:Sage Publications,1994.2.