基于因子分析的機械專業人才知識與能力結構研究

摘要：本文提出基于因子分析，定性與定量相結合確立機械專業人才的理想知識、能力結構的系統綜合方法，對于機械專業人才培養和院校教育具有重要意義。

關鍵詞：機械專業人才 知識與能力結構 因子分析

制造業是拉動我國經濟發展的支柱產業，制造業對勞動力的需求不斷有所增加。然而制造業勞動力市場存在的結構性失衡，嚴重地影響著產業的發展。一方面，表現為每年大量的機械專業畢業生涌入就業市場，社會就業壓力持續加大。另一方面，用人單位對求職者的技術等級要求越來越高，高技能人才數量短缺，各技術等級的勞動者在勞動力市場上都處于供不應求的狀況，機械專業高級技術人才短缺嚴重，“高薪難求”的現象，已成為經濟發展、產業升級的制約性因素，已經不能滿足經濟發展需要。

作為職業教育提供者—各類職業院校，其教育和培訓的目的在于使受教育者建立合理的知識、能力結構，并通過實踐使它們不斷內化為受教育者的素質，從而使受教育者成為某類人才。明確人才應具備的理想知識、能力結構，是制定人才的培訓計劃、培養模式，設置相應的培養方案、課程體系及教學內容的必要前提。探討確立機械專業人才的理想知識、能力結構之理論方法，可以豐富機械專業人才學的內容，對于人才培養和學校教育具有重要意義。本文提出了基于因子分析，定性與定量相結合確立人才的理想知識、能力結構的系統綜合方法，并以確立機械專業人才的理想知識和能力結構。

1 基于因子分析的系統綜合方法

人才的知識結構在此是指存在于人才個體頭腦中知識的結構狀況，表現為各種門類、各種層次知識的比例及相互關系。人才的能力結構是指構成人才個體能力各結構性要素之間所形成相互影響、相互聯系的方式。確立機械專業人才理想狀態的知識(能力)結構就是要發現機械專業人才應具有的知識(能力)組成要素，并確定各要素的構成及在應具備的整體知識(能力)中所占的權重。基于因子分析方法提出下述步驟:

1.1 機械專業人才知識(能力)項提取。首先，綜合運用工作分析法、文獻查閱法、培訓目標概括法方法，初步確立機械專業人才應有的知識(能力)項，再利用結構分析法，構建該類人才知識(能力)結構草圖。然后，采用德爾菲技術，通過咨詢機械專業領域的專家、學者、人事管理者的意見，匯總修訂知識(能力)結構草圖。

1.2 問卷調查。依據篩選后的知識(能力)項，按照科學性、目標性、實用性、可行性的原則制成科學的調查問卷。按照步驟：“界定總體—編制總體名單—確定樣本規模—抽取樣本—評估樣本情況”進行嚴格的抽樣調查。通過問卷調查，獲得答卷人對機械專業人才應具備的每一知識(能力)項認定的重要程度等級。

1.3 因子分析。利用因子分析法對回收問卷所獲取的有效數據進行統計分析，從機械專業人才眾多知識(能力)選項中提取知識(能力)構成要素，達到精選簡化并為確定機械專業人才各知識(能力)要素的權重提供依據的目的。方法簡述如下:

對給定的n個樣本(有效問卷)，p個因子(知識項或能力項)的數據矩陣

其中xij為第i份有效問卷給出的關于第j個因子(機械專業人才知識項或能力項)等級得分，等級得分根據其重要程度取值1，2，3，4，5。

1.4 結果討論。由于在問卷調查過程中人為因素對因子分析結果影響較大，所以為使因子分析的結果更為準確可靠，就需要對不合適的因子分析結果做出修正。本文采用專家咨詢法對因子分析的結果做出修正。即聘請多位專業領域的專家對因子分析結果的總體影響發表各自看法，對各知識、能力要素，參考其貢獻率，重新進行賦權。如果對總體影響的滿意率達到80%以上，則表明結果是可信，并以所有專家對每個要素所賦權重的統計中位數作為該要素的權重，給出最終結果。

2 機械專業人才知識與能力結構因子分析

2.1 知識項的選取與數據收集 首先，廣泛收集機械專業人才任職崗位的工作要求、工作內容、資格培訓目標，參考教育部、勞動部機械專業核心課程設置相關規定以及現有機械專業相關研究成果，通過定性篩選，構建較為全面的機械專業人才應具備的知識項，經結構化處理，擬成了機械專業人才知識結構草圖。其次，對山東省內進行機械專業領域教學、科研、機關、基層等單位有關的專家、學者、人事管理者進行廣泛走訪。參考專家意見，對機械專業人才知識結構草圖做了修訂，并以此為準，形成了《機械專業知識與能力結構調查問卷》。最后，我們采用德爾斐法進行2輪次問卷調查，向省內專家、學者共發放調查問卷120份，回收有效問卷94份，有效率達78.33%。經過統計，我們共選取機械專業人才應具有知識與能力24項，形成了較為完整的機械專業人才知識與能力結構體系。

2.2 數據的因子分析

對機械專業人才知識與能力結構體系中各個知識項的原始數據進行標準化處理后，通過相關系數矩陣分析，發現大部分指標之間不存在較高的一致性，并且通過了KMO and Bartlett’s Test檢驗，表明可以進行因子分析，因此利用spss13.0軟件對知識項原始數據進行處理，經過極大方差旋轉得出了包括4個變量的初始特征值及其貢獻率（權重）和累計貢獻率（見表1）。表中顯示提取的四個主因子的特征值分別為6.392、4.414、2.108、1.261，均大于1，其累計貢獻率達92.421%，說明該四個主因子反映原始變量的信息已超過總信息的90%以上。因此，選擇這四個主因子作因子分析是可行的。同時極大方差旋轉前后主因子的貢獻率的變化較大，這說明旋轉是有效的。

從上表可以看出，機械制圖、機械設計原理、公差配合與技術測量、機械制造工藝、機械加工設備、刀具夾具、數控機床等知識項在第一主因子F1上有較大的載荷，主要反映了機械專業人才應具備的專業知識，可稱為機械專業人才的專業知識類要素項，該類要素項在知識結構中所占比重達到42.055%，是機械專業人才知識結構中首要的要素項。知識項工程力學、工程材料與熱處理、液壓技術、電工學等知識項在第二主因子F2上有較大的載荷，它主要反映了機械專業人才應具備的專業基礎知識，可稱為專業基礎知識類要素項，該類要素項在知識結構中所占比重達到27.812%。在第三個主因子F3上有較大載荷的知識項是高等數學、計算機基礎、計算機輔助制圖、數控編程，主要反映了機械專業人才對數理及計算機知識的要求，可稱為數理及計算機知識類要素項，該類要素項在知識結構中所占比重為達到13.851%。而在第四個主因子F4上有較大載荷的知識項是英語、法律基礎、體育、思想道德修養，F4主要反映了機械專業人才應具有的通識類知識，可稱為通識類知識要素項，該類要素項在知識結構中所占比重達到8.703%。

3 結論

本文采用專家咨詢法、因子分析的方法，系統綜合地研究了機械專業人才的知識、能力結構。通過對機械專業人才應具有知識與能力的知識項進行因子分析，我們提取了機械專業人才培養所應有英語專業知識類、專業基礎知識類、數理及計算機類、通識類等四大要素項，并確定其合理結構，這可為機械專業職業教育在制定人才的培養模式、培訓計劃，設置相應的培養方案、課程體系及教學內容提供一定的幫助。

參考文獻：

[1]王仁清.職業技術教育應注重學生綜合職業能力的培養[J].教育與職業，2004，(28).

[2]吳雪萍.培養關鍵能力:世界職業教育的新熱點[J].浙江大學學報(人文社會科學版)，2006，(6).

[3]姜大源.職業教育學研究新論[M].北京:教育科學出版社，北京:科學出版社，2007.

[4]趙志群.職業教育與培訓的新概念[M].2003.

注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文