高職學生非認知技能培養效率評估

摘 要：非認知技能對個體發展至關重要，提高高職院校非認知技能的培養效率有助于優化職業教育資源配置。利用2022年全國高職學生發展調查數據，采用超效率數據包絡法（SE-DEA）測算了31所高職院校非認知技能培養的技術效率，并結合Tobit模型分析了高職學生非認知技能培養效率的影響因素。研究發現：25所高職院校的非認知技能培養的技術效率有效，且行業特色鮮明、專業集群化程度更高的學校技術效率表現更好；衡量學校過程性投入的教師教學熱情變量對非認知技能培養效率有顯著正向影響，而衡量學校資源投入的師資水平變量產生了消極影響；此外，專升本學生所占比重不利于學校整體的非認知技能培養效率。

關鍵詞：高職院校；非認知技能；效率評估；超效率DEA-Tobit模型；聚類分析

中圖分類號： G712""""" 文獻標識碼： A" " ""文章編號： 2096-272X（2025）01-0056-09

自赫克曼（Heckman）將非認知技能納入人力資本模型以來，非認知技能的重要性和可投資性逐步受到國際組織、各國政府以及學者們的重視。非認知技能對個體的就業能力和工作表現有著至關重要的影響，能夠提高個體未來收入，對人的終身發展有著深遠、廣泛的影響^［1］。尤其在數字時代，非認知技能在勞動力市場的重要性進一步凸顯。受技術革命沖擊，“機器換人”現象愈發凸顯^［2］，而諸如溝通社交能力、問題解決能力等非認知技能難以被人工智能取代。以非認知技能為代表的數字時代核心技能與勞動力市場耦合，驅動著工作領域、學習領域的方式變革^［3］，進一步對勞動者的技能提出了新的要求。布雷斯納漢（Bresnahan）等人基于美國企業層面的數據研究發現，計算機無法替代勞動力的人際交往能力，但擁有人際交往能力的工人獲得的收入更高^［4］。我國處于經濟產業轉型關鍵期，人才技能也持續面臨重構。非認知技能也作為人力資本的重要組成部分之一，正逐漸被納入高校人才培養的目標定位中。

教育投入與產出之間的生產效率一直是政策制定者和學者們關心的問題。職業教育承擔著為我國勞動力市場輸送技術技能人才的任務。長期以來，職業教育相較于普通教育，經費投入需求更大，但技術效率偏低^［5］。因此，在一定量的資源投入下追求最大產出，也即提高職業教育人才培養的技術效率，對于促進職業教育學生能力發展、推進職業教育的高質量發展具有重要的現實意義。基于此，本研究關注高職院校在培養學生非認知技能方面的效率水平及其影響因素。具體而言，在構建非認知能力培養的投入-產出指標體系的基礎上，利用數據包絡分析方法來測算高職院校非認知技能培養的技術效率水平，并探討學校過程性投入、資源性投入等要素對非認知技能技術效率值的影響。本文的研究結果，可以為高等職業教育的人才培養改革、資源優化配置提供參考依據。

一、 我國高職教育人才培養效率評估的指標構建

我國高職人才培養工作評估是提升職業教育辦學質量、提高高職院校辦學效率的重要活動，是職業教育改革的重要內容。我國高職院校評估經歷了高職高專院校人才培養工作水平評估、高職院校人才培養工作評估、高職院校適應社會需求能力評估等發展階段^［6］。學者們紛紛對我國高職院校的人才培養效率進行評估研究，構建了“投入-產出指標體系”。在產出指標方面，龔冷西等人在參考美國和我國高校績效評價的基礎上將“技能產出率”“學生學校滿意度”“學生專業獲得能力”和“畢業生就業能力”作為人才培養的產出指標^［7］。馬欣悅等人專門針對“雙高校”的辦學績效進行評估指標體系的構建，產出指標包括了“育人成果”在內的三個維度，用“學生國家級以上競賽獲獎數”和“應屆畢業生初次就業率”表示人才培養的結果^［8］。湯霓在此基礎上加入“國家級教學成果獎”和“國家級職業教育專業教學資源庫”，進一步豐富了育人成果^［9］。肖斌等人對高職院校建設效率進行評估，采取“全日制在校生數”“全日制高職應屆畢業生數”和“雙證書應屆實際畢業生數”作為產出的人才培養指標^［10］。在投入指標方面，多數學者均采用“基礎性投入”“設施設備投入”“經費投入”與“師資隊伍建設”等指標，也即人力、物力、財力三方面^［11-13］。

總之，鑒于數據的不可得性，將高職學生的非認知技能水平作為產出進行評估的研究較少。而數字時代學生非認知技能對個體發展的影響力愈發重要，因此，高職院校對學生非認知技能的培養效率問題亟需回應和豐富。同時，在投入要素方面，幾乎所有研究都將目光聚集到人力、物力、財力等“資源性投入”上，而缺乏諸如師生互動等學校過程性投入的效率評估。

二、 高職人才培養技術效率的影響因素

高職院校人才培養效率受到學校內外多方面因素的影響。在學校外部方面，地區經濟、學校類型和學校性質等均會影響高職院校的人才培養效率。游麗等人對我國高等教育資源配置效率的影響因素進行探究，研究結果表明：諸如人均GDP等外部因素對資源配置效率沒有顯著作用^［14］；但也有研究得到不同結論：高職院校的經費投入效率呈現出地區差異^［15］。高職院校的效率與學校類型也存在相關性，有學者研究表明，專業性較強的院校往往效率偏高或偏低^［16］。此外，以往學者對公辦與民辦學校的經費投入效率做過比較研究，發現公辦院校的效率更高^［17］。

在學校內部辦學方面，其一，學者們對學校經費投入的影響尚未得出一致的結論。蘇薈等人對我國高職教育經費效率及影響因素進行測算發現，教育經費對投入效率起到抑制作用^［18］，而江秀華等則得出相反結論：教育經費投入對公辦高職院校投入產出效率具有正向影響，同時，教學經費支出比例對公辦高職院校投入產出效率的影響作用在統計學意義上不顯著^［19］。另有學者發現，高校的財政收入中政府撥款比例越高，高校辦學績效越差^［20］。這不難理解，高等教育資源越依賴政府的配給，其辦學技術效率就會越低。其二，諸多學者們的研究均表明師資水平是高職院校辦學效率的正向影響因素。從師資結構來說，專任教師比例、專任教師中碩士以上學歷教師比例^［21］和博士專任教師占比^［22］均對畢業生就業率有顯著的正向影響；從師資質量來說，提高師資隊伍質量能夠顯著提高高職院校投入產出效率^［23］；從師資數量來說，生師比能夠促進公辦高職院校辦學效率的提升^［24］。其三，學校辦學的軟硬件設施也是一大重要積極影響因素。生均計算機數^［25］、教學科研儀器設備總值占比對高職院校技術效率具有顯著正向促進作用^［26］。王燕等人針對我國高校的人才培養效率進行DEA測算，發現學科建設對高校辦學效率有顯著的提升作用^［27］。

綜合以往研究來看，學者們在影響因素的探索上，外部因素多選取學校所在地區、所在地的經濟水平等變量，而內部因素主要考察學校辦學的經費投入、師資水平和硬件設施等。并且，調查對象多集中于某一省市或“雙高校”，由于樣本的局限性，研究的外部性可能受到限制。因此，在本研究中，除考察經費投入、師資水平和硬件設施等學校資源性投入的影響之外，還將學校過程性投入和學校公民辦性質，以及當下高職學校的一個重要發展特征——專升本學生比例納入評估范圍；并且在樣本選取上，在全國范圍內選擇31所高職院校，覆蓋東、中、西部，以探求更全面、更具代表性的研究結果。

三、 研究設計

（一） 數據來源與變量說明

研究數據來源有三部分。一是，涉及高職院校的過程性投入和學生參與等數據來自2022年12月北京師范大學國家職業教育研究院在北京、內蒙古等7個省、直轄市和自治區35所高職院校開展的學生發展調查項目。項目采用線上問卷調查形式，學生對學校在課程設置、教師教學等辦學過程進行報告。初始回收問卷14836份，剔除無效樣本及缺失值后，剩余31所高職院校的11798份有效學生問卷。二是，高職院校的雙師素質專任教師比例等師資水平和硬件設施變量來自各校2023年中國高職高專質量年報數據。三是，高職院校的生均教育經費支出等經費數據來自教育部高校辦學經費基表數據數據來源：北京大學中國教育財政科學研究所提供的31所高職教育經費數據。。

參考前人文獻和高職院校學生培養實際，本研究確定了非認知技能的投入產出指標（見表1）。具體而言，投入指標方面，本文從學校過程性投入、個人積極參與度以及學校資源投入3大維度，選取了9項細化指標。這些指標不僅涵蓋了學校在資金和人力資源方面的投入情況，還深入反映了學生在校內參與的多元化實踐活動，多角度、全方位地體現了高職學校在非認知技能培養上的投入力度。在產出指標的選擇上，本文則聚焦于情緒管理能力、成就目標設定以及人際合作技巧3個核心維度，共采用4項具體指標。這些指標旨在捕捉學生在非認知技能方面可能展現出的卓越特質，以此作為衡量高職學校非認知技能培養成效的重要依據。

1. 投入指標

（1） 學校資源投入。包含經費投入、師資水平、硬件設施三個指標，是學校資源實力的直接體現。（2）學校過程性投入。包含師生互動、教師教學熱情、課程實踐性、參與校企合作學生的比例。其中，師生互動行為和課程實踐性量表改編自全國高校畢業生調查問卷該問卷改編自郭建如，吳紅斌.地方本科院校轉型對學生發展的影響路徑分析［J］.國家教育行政學院學報，2017（11）：9-18.，教師教學熱情量表都來自2018年PISA問卷該量表改編自OECD.PISA 2018 Database［EB/OL］.https：//www.oecd.org/pisa/data/2018database/.。以上量表均采用從“很不符合”到“很符合”的4分制。（3）個人參與。包含主動性學習參與、社團活動參與兩個二級指標。主動性學習參與量表參考鮑威的學業參與概念框架與測量工具該量表改編自鮑威，劉薇.高校畢業生可就業能力形成機制的實證研究［J］.教育發展研究，2016（1）：48-55.。

2. 產出指標

（1）情緒管理。包含情緒調節能力和抗逆性兩個核心要素。其中，情緒調節量表來自2003年Gross等人開發的量表，包含表達抑制與認知重評該量表改編自GROSS J J， JOHN O P. Individual differences in two emotion regulation processes： Implications for affect， relationships， and well-being［J］.Journal of personality and social psychology，2003（2）：348-362. ；抗逆性量表來自2018年PISA問卷該量表改編自OECD.PISA 2018 Database［EB/OL］.https：//www.oecd.org/pisa/data/2018database/.。（2）成就目標。采用問題解決能力作為衡量成就目標的具體指標。該量表來自2012年的PISA問卷該量表改編自OECD.PISA 2012.OECD Programme for International Student Assessment 2012［EB/OL］.https：//www.oecd.org/pisa/data/pisa2012database-downloadabledata.htm.。（3）人際合作。采用溝通社交能力作為衡量人際合作能力的具體指標。該量表參考郭建如等人的人際與溝通能力量表該量表改編自郭建如，鄧峰.院校培養、企業頂崗與高職生就業能力增強［J］.高等教育研究，2014（4）：43-51.。以上產出指標均為5分制，從“非常不符合”到“非常符合”。

需要說明的是，除學校資源投入指標以外，其他各項指標均從學生個人層面匯總到院校層面計算所得。相關量表的信效度均通過檢驗，數據質量較好。

（二） 研究方法與模型

數據包絡分析（DEA）是衡量投入產出效率的一種常用非參數方法，通過計算決策單元中相同的一組實體的相對效率來進行分析^［28］。該方法適用于多種投入、多種產出的生產活動，且不需要找到生產函數的顯式形式，被廣泛應用于教育機構的人才培養效率研究中。傳統DEA模型下，所有有效的決策單元被賦予相同的效率值1，無法分析有效決策單元之間的效率差異。在此基礎上，Andersen等人提出了超效率DEA模型^［29］（Super Efficiency， SE-DEA），通過引入松弛變量進一步計算所有有效的決策單元的效率值。參考以往研究^［30］，本文采用超效率DEA模型測算31所高職學校非認知技能培養效率，對效率值為1的優質學校進行測算并排序，更全面準確地反映優質學校之間的效率差異。SE-DEA模型如下：

minθ-ε∑mi=1S-i+∑sr=1S+r

s.t. ∑nj=1XijSymbollApj+S-i≤θX0

∑nj=1YrjSymbollApj-S+r=Y0

（SymbollApj，S+r，S-i≥0，j=1，2，…，n）

其中，θ為SE-DEA效率值，決策單元的效率值數值越大，表明該校的非認知技能培養效率越高，該校在實現相同非認知技能培養產出的情況下，非認知技能培養所需的投入更少。當決策單元的效率值大于1，表明該決策單元為有效決策單元。ε為非阿基米德無窮小量；n為執行決策單元個數；Xij為第j個高職學校的第i個投入指標；Yrj為第j個高職學校的第r個投入指標；S+r，S-i分別為輸入和輸出的松弛變量；SymbollApj為指標權重系數；θ，SymbollApj，S+r，S-i均為未知參量，可由模型求解。

進一步，采用Tobit回歸模型探究高職院校非認知技能培養效率的影響因素。SE-DEA模型測算得到的技術效率值作為回歸模型的解釋變量，位于［0，2］的取值區間，屬于受限被解釋變量，建立Tobit回歸模型如下：

y*j=β0+∑kn=1βnxjn+εj

其中，y*j表示第j個高職院校的非認知技能培養效率，xjn為第j個高職院校的第n個非認知技能培養效率的內外部影響因素，此處包括代表過程性投入的課程實踐性、教師教學熱情和參加校企合作學生比例，代表資源性投入的經費投入、師資水平、硬件設施，以及專升本學生比例、學校性質和學校所在地區。εj為誤差項。

（三） 變量描述性統計

表2詳細展示了各變量的描述性統計情況。從非認知技能來看，問題解決能力、溝通社交能力、情緒調節能力、抗逆力的均值存在一定的差異，分別為3.536、3.489、3.282、3.670。31所高職院校非認知培養的抗逆力平均值最高，其次為問題解決能力，平均值最低的是偏向內在心理的情緒調節能力。在學校資源性投入方面，31所高職學校的經費投入、師資水平、硬件設施指標的均值分別為5.515、5.420、5.572。在學校過程性投入方面，31所高職學校的師生互動的平均值最高。師生互動、教師教學熱情、課程實踐性的均值分別為3.274、3.258、3.102。

四、 實證部分

（一） 高職院校非認知技能培養效率評估

運用SE-DEA計算，31所學校的非認知技能培養效率的平均值為1.071，而最大值高達1842，且有25所高職院校是效率值超過了1的優質效率學校（見表3）。這一數據范圍突破了傳統DEA模型僅在［0，1］區間內取值的限制，從而對高職學校在非認知技能培養方面的效率進行了更為客觀的評價。進一步，鑒于高職教育發展的強地域性和不均衡性，在東部、中部和西部三個區域內進行比較分析。

結果顯示，我國高職院校非認知技能培養效率的總體水平較好。分地區來看，東部地區調研學校的非認知技能培養效率均值達到了1.0639。北京衛生職業學院在非認知技能培養方面表現尤為突出，其效率值高達1.2358，位居該區域首位。第二至第四為三所江蘇省高職院校，其效率水平相近。西部地區調研學校的非認知技能培養效率均值為1.0825。德陽城市軌道交通職業學院是非認知技能培養效率最高的高職院校（1.8418）。相比之下，內蒙古機電職業技術學院非認知技能培養效率最低，其效率值為0.9615。中部地區調研學校均分布在河南省，調研學校的非認知技能培養效率均值為10565，其中培養效率最高的是漯河食品職業學院（1.1650）。在31所院校范圍內，非認知技能培養效率最低的是無錫職業技術學院（0.9607）。

從各個地區非認知技能培養效率排名前三的學校來看，大多為依托重點學科，采用定向培養策略的學校。具體而言，東部地區非認知技能培養效率排名前三的學校分別為北京衛生職業學院、硅湖職業技術學院、蘇州工藝美術職業技術學院；西部地區排名前三的學校分別為德陽城市軌道交通職業學院、包頭鐵道職業技術學院、烏蘭察布醫學高等專科學校；中部地區為漯河食品職業學院、河南經貿職業學院、濮陽醫學高等專科學校。相比較而言，上述學校的專業集群化程度更高，多為具有行業背景的高職院校，行業特色鮮明，在非認知技能培養方面展現出了較高的效率。而綜合類高職院校在非認知技能培養效率方面并未展現出明顯的優勢。例如，西部地區的成都職業技術學院、瀘州職業技術學院，中部地區的河南職業技術學院排名均相對落后。

值得注意的是，西部地區調研學校的非認知技能培養效率均值最高，領先于其他地區。以德陽城市軌道交通職業學院為例，該校的非認知技能培養效率高達1.8418，在31所調研學校中位居榜首。相較于西部地區排名第二的包頭鐵道職業技術學院，以及東部地區排名前二的北京衛生職業學院、硅湖職業技術學院，德陽城市軌道交通職業學院的投入和產出指標絕對值雖較低，但其非認知技能培養效率卻尤為突出。進一步計算可知，該校在學校資源投入層面（包括經費投入、師資水平、硬件設施等）的均值僅為3.3950，遠低于北京衛生職業學院（6.1842）、硅湖職業技術學院（4.9134）和包頭鐵道職業技術學院（5.0763）。然而，從產出層面來看，該校四個產出變量的均值達到3.3388，與北京衛生職業學院（3.7587）、硅湖職業技術學院（3.5427）和包頭鐵道職業技術學院（3.7732）的產出變量均值相比，差異并不顯著。這一結果表明，德陽城市軌道交通職業學院在有限的資源投入下，依然能夠實現高水平的非認知技能培養，從而展現出較高的非認知技能培養效率。

（二）31所高職院校的投入產出結果及分類

依據31所高職院校的投入與產出均值，對投入、產出和效率值進行從高到低排名（相對排名）。通過K-means聚類分析（結果見表4，未列出具體學校名稱，以聚類代號表示），將31所高職院校大致分為四類。

第一類是“高投入-高產出-高效率”，部分東部院校和個別西部院校屬于這一類。這類院校投入、產出和效率排名均較高，非認知技能培養效率處于較高水平，發展穩定。

第二類是“低投入-低產出-低效率”，中部院校、部分西部院校和個別東部院校屬于這一類。這類院校投入、產出和效率排名均靠后，對學生非認知技能的培養處于較低水平。在有限的資源條件下，此類院校如何加大對人才培養的投入、提高培養效率是一個難題。

第三類是“高投入-低產出-低效率”，部分東部和西部院校屬于此類。這類院校投入排名較高，但效率較低。此類院校需要考慮合理配置資源，將資源利用最大化，進一步提高產出和培養效率。

第四類是“低投入-高產出-高效率”，該校的投入排名在最后，但效率排名是第一。這類學校鮮見，并不典型。

（三）高職院校非認知技能培養效率的影響因素分析

利用Tobit回歸評估關鍵要素對高職院校學生非認知技能培養技術效率的影響，結果見表5。經檢驗，模型不存在多重共線性問題，且AIC（Akaike信息準則）和BIC（貝葉斯信息準則）分別為-33.997和-16.790，模型擬合較好。

結果顯示，在學校投入上，教師教學熱情對技術效率有顯著正向影響，這是對以往研究的補充^［31］，說明師生互動、學校氛圍等過程性投入不僅可以直接促進學生的非認知技能發展，還可以提高培養的技術效率。相比之下，雙師素質專任教師比例、高級專業技術職務專任教師比例等師資水平對技術效率表現出顯著的負向影響。這說明相較于教師的專業技術技能水平等“硬件水平”，教師的教學態度、與學生之間良好的互動關系更能促進學生非認知技能的提升。同時，經費投入、硬件設施對技術效率均沒有顯著影響。也就是說，在內部資源配置上，一味提高經費投入和硬件設施水平，并非必然帶來高職院校在學生非認知技能培養方面的高效率，即成本-收益比未隨著相應提升。同樣地，湯霓對我國56所雙高院校辦學效率的影響因素分析也得出了相同的結論^［32］，資源性投入越多，效率越低，即呈現邊際效率遞減。本研究還關注了校企合作等因素對非認知技能培養的技術效率的影響效應。結果顯示，參與校企合作學生比例對技術效率沒有顯著影響。可能的原因在于，目前職業教育產教融合校企合作的深度有限^［33］。

一個有意思的發現是，專升本學生比例對技術效率有顯著的負向影響，即該校專升本學生占比越高，學生非認知技能培養的技術效率越低。一個可能的解釋是，學生追求專升本，忙于提升學生學業成績和追逐獲得更高學歷，不可避免地忽視對溝通社交能力、情緒調節能力等非認知技能的發展，導致產出不足。

在學校性質上，民辦院校的技術效率要高于公辦院校。這可能是因為民辦院校的辦學自主權相對較高、體制機制更為靈活，成本控制意識更強，因此在有限的教育資源下更能獲得較大產出。在地區方面，不同地區之間高職院校的非認知技能人才培養效率沒有顯著差異。因此，在當前校企合作還不夠深入的情況下，諸如區域經濟、校企合作等因素對人才培養效率的影響就比較有限。

五、 結論與建議

本文基于超效率DEA-Tobit模型對2022年全國高職院校非認知技能培養的投入產出效率測算和評估，得出如下結論：第一，我國高職院校非認知技能培養的技術效率總體水平較好。在選取的31所高職院校中，有25所實現DEA有效。

第二，行業類高職院校的非認知技能培養效率高于綜合類院校。行業屬性更強的學校技術效率更高，在學生的非認知技能培養上表現更高效。根據研究結果可以發現，專業集群化程度較高的學校對學生非認知技能的培養效率更高。這可能是因為行業類高校的專業設置相對更集中、與行業企業的聯系更為緊密，人才培養存在規模優勢，投入產出效率更高。

在學校性質上，民辦院校的技術效率值高于公辦院校。相對于公辦院校，民辦校在投入上更少出現冗余的現象，這可能是因為民辦校成本控制意識更強，資源配置效率更高。此外，通過聚類分析發現，存在“低投入-低產出-低效率”和“高投入-低產出-低效率”模式的學校，前者的投入有限、后者的配置效率較低。

第三，探索影響技術效率的因素發現，經費、硬件設施、校企合作等因素對非認知技能培養效率的影響有限，均無顯著影響。高職院校作為公共部門在產出方面多追求聲譽，對于投入成本的控制關注有限，存在著普遍的預算軟約束問題。經費和硬件設施投入的增加未帶來人才培養效率的提升，有必要反思當下以資源投入為重點的發展模式。此外，在當前校企合作深度不足的情況下，校企合作的學生規模占比無法促進非認知技能培養效率的提升。

第四，教師教學熱情對非認知技能培養效率有顯著正向影響，而師資水平的影響顯著為負。這說明，在教師因素方面，相比于教師的專業技術能力的“硬實力”，教師教學熱情代表的“軟實力”更能發展學生的非認知技能。這是一個有意思的發現。此外，升本學生所占比重的增加會對學生的非認知技能發展產生不利影響。

為此，本文提出以下幾點政策建議：首先，與行業企業密切合作，集中資源建設重點專業群，發揮規模效應，依托重點專業群培養學生的非認知技能。其次，學校應精準識別自身的“投入-產出-效率”定位，探索適宜的發展策略，最大化發揮資源的使用效率。如低投入-低產出-低效率的學校，學校應在加大投入的同時，提高人才培養質量（也即教育產出）。再次，學校應將資源性投入模式轉向兼顧過程性與資源性投入模式。學校應適度將資源向過程性投入傾斜，如教師教學熱情、良好的師生互動等非人力、物力、財力的“關系類”投入。謹慎調控專升本學生人數，不能因學生逐步升溫的升學需求而忽視了學生綜合能力素質的發展，尤其是成績之外的非認知能力的培養。最后，給予民辦院校一定的政策扶持。研究發現，盡管公辦學校獲得了較多的公共財政經費撥款，但在學生非認知技能培養效率方面遜色于經費渠道單一、資源受限的民辦院校。因此，從保障教育公平的角度出發，可以多關注這些民辦學校的發展需求，予以一定的政策扶持，保障職業教育的多元辦學格局健康發展。

參考文獻

［1］HECKMAN J J， MOON S H， PINTO R， et al. A new cost-benefit and rate of return analysis for the Perry Preschool Program： A summary［R］.National Bureau of Economic Research， 2010.

［2］ ACEMOGLU D， RESTREPO P. The race between man and machine： Implications of technology for growth， factor shares， and employment［J］.American economic review，2018（6）：1488-1542.

［3］ CRISTIAN A， JESKO H， JAVIER L， et al. From occupations to embedded skills： A cross-country comparison［R］： World Bank Group， 2013.

［4］ BRESNAHAN T F，BRYNJOLFSSON E， HITT L M. Information technology， workplace organization，and the demand for skilled labor： Firm-level evidence［J］.The quarterly journal of economics，2002（1）：339-376.

［5］ 蘇薈，張繼偉，孫毅.我國職業教育經費投入效率評價——基于社會經濟功能的視角［J］.現代教育管理，2019（5）：89-94.

［6］ 馬良軍.我國高等職業教育評估政策的演變與展望［J］.職教論壇，2018（2）：28-33.

［7］［11］ 龔冷西，陳恩倫，賈玲.基于美國高校績效評價的高職績效評價指標構建——以西部某省為例［J］.現代教育管理，2017（1）：68-73.

［8］ 馬欣悅，湯霓，石偉平.“雙高計劃”院校辦學績效評估及建設策略［J］.四川師范大學學報：社會科學版，2021（2）：119-129.

［9］［30］［32］［33］ 湯霓.“雙高”院校辦學效率分類評估：基于DEA-Tobit模型的測算［J］.中國職業技術教育，2021（28）：51-59+72.

［10］肖斌，程曉靜.基于數據包絡分析模型的高職院校建設效率評價［J］.實驗技術與管理，2021（10）：256-260.

［12］高杰.雙高院校社會服務效率評價研究：基于54所雙高院校的實證分析［J］.天津職業大學學報，2023（1）：65-71.

［13］劉志威，劉海明.“雙高”建設院校增進區域科技資源績效評價研究——基于DEA-Malmquist模型［J］.科技管理研究，2023（9）：82-89.

［14］［22］［25］游麗，孔慶鵬.“雙一流”背景下我國高等教育資源配置效率測評及影響因素研究——基于超效率DEA-Malmquist方法和Tobit模型［J］.教育與經濟，2021（6）：30-37.

［15］楊廣俊.高職院校經費投入產出效率評價研究［J］.職教論壇，2020（10）：70-74.

［16］蘆娟.我國高等職業教育財政投入效率實證研究［J］.教育評論，2015（12）：95-98.

［17］唐一鵬，胡詠梅.高等職業院校的辦學成本及其效率分析——基于廣東省數據的實證研究［J］.重慶高教研究，2017（3）：3-14.

［18］［23］蘇薈，白玲.我國高職教育經費投入效率及影響因素的空間計量分析［J］.職業技術教育，2020（36）：38-45.

［19］［24］［26］江秀華，陳建海.省域高職院校投入產出效率及其影響因素研究——基于甘肅16所公辦高職院校的實證分析［J］.職業技術教育，2019（11）：6-10.

［20］［27］王燕，吳蒙，李想.我國高校人才培養、科學研究與社會服務效率研究——基于超效率的三階段DEA模型［J］.教育發展研究，2016（1）：39-47.

［21］劉云波，鐘宇平.高職的專業投入和學生就業的關系初探——以全國制造大類專業為例［J］.清華大學教育研究，2014（4）：84-91.

［28］BATTESE G E， COELLI T J. A model for technical inefficiency effects in a stochastic frontier production function for panel data［J］.Empirical economics， 1995（2）：325-332.

［29］ANDERSEN P， PETERSEN N C. A Procedure for ranking efficient units in data envelopment analysis［J］.Management science，1993（10）：1261-1264.

［31］FEDERICI R A，SKAALVIK E M. Students’ perceptions of emotional and instrumental teacher support： Relations with motivational and emotional responses［J/OL］.International education studies，2014（1）：21-36.

Evaluation of the Efficiency in Cultivating Non-Cognitive Skills of Vocational Students

——An Estimation Based on the DEA-Tobit Model

HUA Ye， ZHAO Zi-shan， LIU Yun-bo

（Beijing Normal University， Beijing 100875， China）

Abstract：Non-cognitive skills are crucial for individual development. Enhancing the efficiency of cultivating non-cognitive skills in vocational colleges can help optimize the allocation of vocational education resources. This study used data from the 2022 National Vocational College Student Development Survey and applied the Super Efficiency Data Envelopment Analysis （SE-DEA） to measure the technical efficiency of non-cognitive skills cultivation in 31 vocational colleges. Additionally， the Tobit model is used to analyze the factors influencing the efficiency of non-cognitive skills cultivation among vocational students. The findings reveal that most vocational colleges exhibit effective technical efficiency in non-cognitive skills cultivation， those with distinct industry characteristics and higher degrees of professional clustering performing better in terms of technical efficiency. The variable measuring teachers’ enthusiasm for teaching， which represents the process input of the school， has a significant positive impact on the efficiency of non-cognitive skills cultivation， while the variable representing the level of faculty resources has a negative impact. Moreover， the proportion of students transferring from junior colleges to bachelor’s programs negatively affects the overall efficiency of non-cognitive skills cultivation in schools.

Key words： vocational colleges; non-cognitive skills; efficiency evaluation; super-efficiency DEA-Tobit model; cluster analysis

*基金項目： 國家自然科學基金青年資助項目“增值評價視角下的職業學校投入要素與學生非認知技能發展的關系研究”（72104030）；教育部人文社會科學研究規劃基金資助項目“職業教育投入要素對學生非認知技能的影響研究——基于增值評估的實證研究”（21YJA880040）。

作者簡介：華曄，北京師范大學教育學部職業與成人教育研究所碩士生，研究方向：職業教育經濟學；趙紫杉，北京師范大學經濟工商管理學院博士生，研究方向：低碳經濟與綠色發展。

*通訊作者：劉云波，北京師范大學教育學部職業與成人教育研究所副教授，博士，研究方向：職業教育經濟學。