摘 要
选取PISA2018测试中国四省市数据，按照普通中学与中职学生成绩划分四分位层级进行学业影响因素的比较分析，探究个人、教师、学校三大类教育要素对各层级学生的影响，旨在为我国职业教育现代化探索科学发展路径。研究发现我国目前中职学校不仅招生量较低、学业表现也相对薄弱；各种因素中个人因素对中职学生影响最为突出，反映了普职生源背景差异较大的现状；相较之下，教师与学校因素在中职样本中影响较普通中学弱。据此提出三点建议：优化现有教育供需结构、探索新型职业教育供给模式、完善职业教育监测与质量评价体系。
关键词：普通教育；职业教育；学业表现；教育生产函数；教育政策；PISA2018
随着我国迈入新时代，人民群众愈发多样化的教育需求对教育供给提出了全新要求，特别是更加细分的生产与服务要求使得劳动市场对人才的需求不断转型。这要求我国教育发展更加均衡，普教与职教发展更加互补。国务院于2019年1月印发了《国家职业教育改革实施方案》，提出保持普职招生“大体相当”的总体任务目标。然而，目前职教仍未走出大众传统印象的阴影。从个人层面上来看，中职是应试者达不到分数线的被迫选择，［1］因而愈加挫败学习者的学习积极性；就家庭来讲，中等职业院校生源大多来自家庭教育资本较少的低收入家庭，［2］造成其子女需要付出更加艰苦的努力来改造自身固有的阶层文化和生活习惯；而对于中职院校的教师而言，薪资待遇、职称评定、学术科研等方面较普通中学处于劣势，许多中职教师职业倦怠导致教学质量不高；［3］在学校层面，承办中职院校意味着经济投入较缺乏、办学条件与师资劣势、提升学业乏术的表现。［4］本文依据PISA2018中国四省市的数据，分析普通中学与职业中学这两类学校不同学业水平的学生在学业影响因素上的差别。重视并研究这些差别对于办好人民满意的教育、探索职教质量提升和跨越式发展具有积极意义。
·一、学业表现的影响因素
在教育实证研究中，教育生产函数是国际上探究学业表现影响因素的常用模型。该函数旨在揭示教育供给中各投入要素与所产出的学习结果之间的数量关系。通常而言，代表教育投入与产出关系的教育生产函数可表示为：
从国际实证证据来看，已有大量文献运用教育生产函数进行学业表现及其影响因素的计量分析。［5］首先，在个体因素影响方面，学生性别、学习时间、学习兴趣等因素是决定成绩优劣的关键。例如，勒格维和蒂皮特通过研究德国学校，发现学业表现存在性别、个体学习时间、学习兴趣的显著差异。［6］第二，在家庭背景方面，父母受教育程度、社会经济地位等家庭因素是决定学习基础的重要变量。科尔曼基于对美国芝加哥地区10所中学的研究发现，家庭社会与教育资本是影响学业表现的最重要的决定因素之一。［7］第三，在教师相关变量方面，教师文凭、教龄等因素可以显著预测教育成就和学业获得。斯坦福大学汉努舍发现，教师教育水平、教学经验等与学生的学业表现存在重要联系。［8］第四，从学校资源对学业表现的贡献来讲，学校的地理位置、办学性质、教学资源投入情况也影响着学业表现。格林沃德分析了学校资源在公立与私立学校对学生成绩的影响，并指出校级资源与学生成绩呈显著正相关。［9］本文则依托教育生产函数构建探析普职教育对学业表现的影响因素。
·二、研究设计与研究发现
PISA是经济合作与发展组织进行的针对15岁学生阅读、数学、科学能力评价研究项目，评估15岁的学生在义务教育接近尾声时所获得的必要知识与技能水平。PISA2018数据不仅包含数学、科学、阅读成绩，同时还收集了详细的学生个人情况、家庭背景、教师教学、学校资源投入等情况。在我国，PISA2018抽取京、沪、浙、苏四省市共12 058名学生，其年龄分布在15岁到16岁之间，其中就读于普通中学9 900人（82.1%）、中职学校2 158人（17.9%）。
本文运用PISA2018学生与学校问卷调查数据，依据学校类型分为普通中学与中职学校两类，再根据数学成绩表现，使用四分位数将普通中学与职业中学分别划分为四分位学业表现层级：Q1（第一层）表现最差、Q4（第四层）表现最优。分层分析的目的旨在通过成绩聚类，比较不同类别教育要素在最优、最差层不同教育情景中对学业表现的差异化影响。本文因变量选用数学成绩，这既是因为数学是普通中学与中职学校教学的交集学科，同时也因其与阅读、科学成绩等教学结果呈强正相关，在国际分析中常用于指代整体学业表现。此外，本文依据个人与家庭背景、教学师资、学校资源三大分类项进行代理变量筛选，每类选取五项。首先，学生个人与家庭背景变量分别为性别、阅读成绩、周均学习时长、家庭教育资本指数、家庭社会地位指数。第二，教学师资因素变量取为持本科学位教师比例、持资格证教师比例、教师参与培训比例、学生—教师比例、教师主导课堂指数。第三，校级因素变量包括政府拨款占比，教材短缺指数、联网计算机数，电子白板数、创意课外活动数。在具体计量运算中，回归分析公式参照：
将研究发现归纳如下。
01
中国四省市样本情况
关注整体学业表现情况有助于探究普职两类学生的基本特征差异，有利于开展后续各维度解释变量的分析。本文分别汇总普通中学、中职学生样本，以四分位数法聚类后分析Q1（最差）、Q4（最优）学业表现与各自样本基本特征变量情况。从研究结果可以看出，全样本中学生平均数学成绩为592.4分，达到由经合组织定义的数学素养精熟度四级水平，而普通中学与中职学生之间学业表现差异较大。其中普中Q1学生数学成绩平均值为504.3分，Q4为700.9分，分别达到数学素养精熟度三级、六级，而中职学生Q1数学成绩平均值为433.1分，Q4为610.4分，分别处于数学精熟度二级、五级，相较普通中学各低一级。在中职学校Q1样本中，最高分与普通中学Q1的平均分相差25分。其次，就学校地理位置而言，普通中学各层级间学生城乡空间分布十分不平衡，其中Q1学生（27.3%）中在大城市的比例不及Q4学生（57.5%）的一半，而不同层级的中职学生地理分布则相对更加均衡。此外，在办学性质维度上，普职分布大致相仿，仅Q4的中职学生（7.3%）出现就读于民办学校较少的情况（表1）。
02
个人与家庭因素的差异影响
样本中性别分布整体均衡，但女性在表现最优的中职Q4学生群体中明显占比较小，仅为38%。从回归系数来看，全样本与普通中学样本中男女学业表现皆呈显著差异，然而在中职学校中男女水平相仿。具体而言，在普通中学Q1中，女生数学表现高于男生8.86分（p值<0.05）；在普通中学Q4中则相反，男生高出女生8.21分（p值<0.05）。阅读成绩与上文所提及的数学成绩趋势相似，无论Q1、Q4都呈现普中优于中职的态势。更进一步看，在相对学业表现较差的Q1中，阅读成绩每提升10分则分别与普职学生的数学成绩提高4.7分（p值<0.05）和3.4分（p值<0.05）有关；而在相对表现最优的Q4中，则分别提高3.7分（p值<0.05）和2.7分（p值<0.05）。由此可知，阅读与数学成绩的关系在普通中学相对学业表现较差的Q1群体中更加紧密。普通中学周均学习时长明显较长，该变量也仅在普通中学内与学业表现呈显著关系。普通中学Q1中，每提升1小时的周均学习时间与成绩提高1.2分（p值<0.05）有关，在Q4中，则相应降低0.6分（p值<0.05）。表现最优的中职Q4学生家庭教育资本仅与表现最差的普中Q1学生水平相仿。此外，虽然家庭教育资本对各类学生均产生显著性影响，但该指数在不同层级对普职学生所产生的影响有所区别。在成绩最差的Q1学生中，家庭教育资本指数每增加1个标准差会使普中与中职学业表现分别提高8.3分（p值<0.05）和4分（p值<0.05）；而对于成绩最优的Q4学生，该系数分别为1.7分（p值<0.05）与3.1分（p值<0.05）。普中学生的家庭社会地位普遍高于中职学生。特别值得注意的是，成绩最优的中职Q4学生家庭社会地位仅与成绩最差的普中Q1学生持平。总体而言，家庭社会地位也是影响学生成绩最显著的个人与家庭背景因素，在全样本中相关系数达到26.3（p值<0.05）。对Q1学生而言，家庭社会地位对普通中学学生影响更大，该指数每提升1个标准差数学成绩分别提升8.9分（p值<0.05）、4.5分（p值<0.05）。而对Q4学生来说，家庭社会地位的回归系数分别为5.7分（p值<0.05）、-0.95分（p值<0.05）。
03
教师因素的差异影响
样本中，持本科学位教师比例在各类学校中的分布基本一致，皆超过八成。由回归结果可发现，持本科学位教师比例仅在全样本、普通中学样本内与学生成绩呈显著关系，而在中职样本中并不显著。对普通中学而言，本科学位教师比例每增加10个百分点，Q1与Q4学生成绩分别提升1.4分（p值<0.05）、下降2.8分（p值<0.05）。普通中学持资格证教师比例明显高于中职学校，其中Q1普通中学比Q1中职学校高出11个百分点。在全样本中，教师资格证比例与学生数学成绩呈正相关。然而在普通中学Q1、普通中学Q4、中职学校Q4却分别不显著，仅在中职Q1中具有显著正相关:持资格证教师比例每提升1个百分点，学生成绩则相应升高0.29分（p值<0.05）。教师参与培训比例普遍呈现Q4高于Q1的情况，也就是在普职学校中，表现最优的学校教师参与培训比例也更高；而在各层中，回归系数则均不显著。整体而言，普通中学内学生—教师比例要高于中职学校，而在两类学校内又普遍呈现Q4高于Q1的情况。这说明普通中学教师数量配置更多且表现最优的学校教师数量配置更多。就回归系数而言，全样本结果显示，当教师所对应学生数量每增加10人时，数学成绩下降3.4分（p值<0.05）；在表现最优的普通中学Q4内系数则为0.37（p值<0.05），即当教师所对应学生数每增加10人时，数学成绩上升3.7分。无论是普通中学还是中职学校，教师主导课堂式教学较Q4而言于Q1更普遍，尤其以普通中学Q1最为突出。然而在全样本中，这样的教师主导课堂式教学并未带来更好的学业表现：教师主导课堂指数每提升1个标准差，学生成绩则相应下降3.87分（p值<0.05）。这样的结论也体现在普通中学Q4样本中，该回归系数为-1.54（p值<0.05）。值得注意的是，教师因素变量有3项在普通中学Q4中呈显著关系，分别是持本科学位教师比例、学生—教师比例、教师主导课堂指数；在普通中学Q1与中职学校Q1中分别仅有1项呈显著关系：持本科学位教师比例（普Q1）、持资格证教师比例（职Q1）；这在中职学校Q4中均呈不显著。
04
学校因素的差异影响
从政府拨款比例上看，表现最优的中职学校Q4较普通中学Q4高出10个百分点，而表现最差的普职学校则相仿。在全样本中，政府拨款比例每增加10个百分点则学生成绩下降1.7分（p值<0.05）；而在表现最差的普通中学Q1，每增加10个百分点则学生成绩下降1.1分（p值<0.05）。教材短缺指数值越大说明教材短缺程度越高，因此可知普职Q4教材资源情况均优于任意Q1类学生，但中职内表现最优的Q4类较全样本平均水平而言存在更大程度的教材短缺情况。在回归系数方面，教材短缺对于普职学校都只影响Q1类学生，即教材短缺指数每增加1个标准差，则普通中学Q1相应下降3.27分（p值<0.05）、中职学校Q1下降0.46分（p值<0.05）。虽然计算机互联网教学是衡量学校现代化水平的重要标志，但从均值上看，我国校园内联网计算机比例普遍不高，全样本中仅有12.5%的计算机联网、最高比列的中职学校Q4也仅有不超过三分之一联网（29.5%）。更重要的是，在各样本中联网计算机比例均与学生成绩无关（p值>0.05）。电子白板数与学习成绩在全样本中呈正相关，回归系数为0.17（p值<0.05）。然而，普通中学在电子白板数配备上却存在较大差异，Q1相较Q4校均少近18台；在普通中学Q1样本内，每增加1台电子白板则成绩相应提升0.08分（p值<0.05）。创意课外活动数在普职学校分布基本一致，且在全样本中显著预测了更好的数学成绩，即每增加1项创意课外活动可带来9.78分（p值<0.05）的成绩提升。更具体而言，创意课外活动仅对普通中学Q1产生显著效应，校方每增设1项创意课外活动与学生成绩升高5.3分（p值<0.05）有关。值得注意的是，校级资源变量有4项在普通中学Q1中呈显著关系，分别是政府拨款比例、教材短缺指数、电子白板数、创意课外活动数，仅有1项（教材短缺指数）在中职学校Q1呈显著关系，在普通中学Q4与中职Q4类学生中均呈不显著。
·三、结论与启示
本文依据教育生产函数对普职学生的学业表现进行分析并得出以下三点结论。
从整体上看，普职“大体相当”的任务目标仍任重道远，中职学校不仅招生量较低、学生学业表现也较薄弱。特别值得注意的是，中职表现最优的Q4学生与普通中学Q4学生平均成绩相差110分之多，据经合组织每30分相当于1学年的估算，这相当于近4年的学习量。这不仅反映了现有普职双轨发展不均衡的特点，还揭示了未来推动普职教育同步发展的艰巨挑战。从政策保障方面看，我国职教亟需质量提升支持。中职学校无论是在教师或是学校资源上较普通中学普遍存在明显不足，放大了由学校资源差异所致的教育质量不高问题。与此同时，中职学校内部也存在着较大的教育不公平现象，特别是在学业表现已经不佳的Q1学生群体中，师资等校级资源更显薄弱。而从另一方面来看，这些问题若能及时修正，那么职教发展则存在较大且尚未激活的人力资本潜能。在许多发展中国家，提供高质量的职教机会不仅能有效提升个人终身收入、促进区域经济活力，还能普惠式促进社会弱势群体的就业与发展前景。［10］
第二，在个人因素、教师因素、学校因素三层分析结果的比较中，发现个人与家庭因素对中职学生学业表现有重要影响，同时反映了普职生源背景差异较大的现状。例如，本文发现中职学业最优的Q4学生家庭社会地位仅与学习最差的普校Q1学生相仿。从理论上看，由教育生产函数框架对教育投入与产出的解释可知，家庭教育与学校教育二者协同方能实现学生的全面成长与发展。从实践上看，学校教育是实现社会流动与构建包容型经济发展的重要支柱，通过教育赋能弱势群体应当是扶贫减贫等重要工作的实质内核。但在现有生源家庭教育资源差距无法迅速改变的现实情境下，引入优质社会办学资源、精准投放教育资源、缓解家庭教育资源差异应是未来实现职教跨越式发展的必要途径。
第三，教师与学校因素变量在普通中学样本内多呈显著相关，而在中职样本内仅有个别变量与学业表现呈显著关系。例如，教师与学校变量中仅有持资格证教师比例、教材短缺指数两个变量在中职样本中与学业表现呈显著关系，其余变量均不显著。这一方面可能是由于中职样本学生人数较少、各类资源水平较低等因素而致，另一方面则可能说明，与职教结果有关的教育投入要素较难通过为普通教育服务的度量指标进行准确测量。在现有的PISA2018技术框架下，有关师资与学校资源投入的指标主要以普通中学教学情景与需求为主，还未收录用来考量职教特有的应用型教学情景的指标，如技能工作坊数量、实践导向教学课程比例等。
基于以上研究结论可以有以下启示。
第一，推进普职双轨均衡发展需要优化现有教育供需结构。从职教供给侧来看，未来我国注重通过学校教育资源调控弥补职教学生较欠缺的家庭教育资本，使学生获得更加符合自身需要的学习机会。此外，现有普职教育结构在优化供给侧的同时，还应注意从职教需求侧着手，积极引导学生理性进行普职教育选择。
第二，实现职教现代化需要探索新型“政府—学校—社会”供给模式。世界银行曾在《2018世界发展报告》中详细阐述了社会力量参与职教的比较优势，例如企业参与办学更有益于职教顺应市场技能需求的变化，同时因其教学灵活性更高所以更善于因材施教。［11］我国也提出了“建设多元办学格局”、鼓励“校企全面加强深度合作”等多项要求。因此，新时代的职教发展需要总结现有经验，积极开拓新型职教供给模式。
第三，提升职教质量需要更加完善的职教监测与质量评价体系。目前，西方发达国家已开发出较完善的职教监测、职教质量评估、职教质量保障、职业技能框架等体系，实现全学段“投入—过程—产出”的系统监测。［12］我国在这方面仍处起步阶段，应尽快建构符合国情的职教质量监测保障机制，实现对资源投入、教学过程、教学结果的详尽监控与评估，更好地推动新时代职教现代化。
参考文献
［1］ 周正，李健. 干预个体选择职业教育的文化因素探析[J].黑龙江高教研究，2010（6）:5-6.
Zhou Zheng，Li Jian. Analysis of Cultural Factors Interfering Individuals’Choice of Vocational Education[J].Heilongjiang Research on Higher Education，2010（6）:5-6.
［2］ Hansen M，Woronov T. Demanding and Resisting Vocational Education: A Comparative Study of Schools in Rural and Urban China[J]. Comparative Education，2013（2）:242-259.
［3］ 李雪凤，刘焕芳. 中职教师职业压力与倦怠的对比研究[J].山西财经大学学报，2013，35（2）:80-81.
Li Xuefeng， Liu Huanfang. Comparative Study of Occupational Stress and Burnout of Secondary Vocational Teacher[J]. Journal of Shanxi University of Finance and Economics，2013，35（2）:80-81.
［4］ 徐国庆. 职业教育原理[M].上海:上海教育出版社，2007.
Xu Guoqing. Principles of Vocational Education[M]. Shanghai: Shanghai Education Publishing，2007.
［5］ 刘骥. 数字鸿沟下的教育公平——基于PISA2018中国四省市的分析[J].国家教育行政学院学报，2020（9）:35-43.
Liu Ji. Education Equity under the Digital Divide — Analysis of Four Provinces in China Based on PISA2018 [J]. Journal of National Academy of Education Administration，2020（9）:35-43.
［6］ Legewie J，DiPrete T. School Context and the Gender Gap in Educational Achievement[J]. American Sociological Review，2012，77（3）:463-485.
［7］ Coleman James S. The Adolescent Society: The Social Life of the Teenager and Its Impact on Education[M]. New York: The Free Press American Sociological Review，1961.
［8］ Hanushek，E. The Impact of Differential Expenditures on School Performance[J]. Educational Researcher，1989，18（4）:45-62.
［9］ Greenwald R，Hedges L，Laine R. The Effect of School Resources on Student Achievement[J]. Review of Educational Research，1996，66（3）:361-396.
［10］ 刘骥，郑磊. 人力资本与全球增长新动能:对我国教育发展的启示[J].教育经济评论，2019，4（5）:17-32.
Liu Ji，Zheng Lei. Human Capital and New Source for Global Growth: Policy Implications for Education Development in China[J]. China Economics of Education Review，2019，4（5）:17-32.
［11］ 刘骥. 如何应对全球学习危机？——世界银行《2018世界发展报告》述评[J].全球教育展望，2018，47（6）:3-15.
Liu Ji. World Development Report 2018 and Its Policy Implications for Education Development in China[J]. Global Education，2018，47（6）:3-15.
［12］ 李鹏，朱德全. 职业教育质量监测评估：英、美、德、澳的经验与启示[J]. 西南大学学报（社会科学版），2018，44（6）:51-59.
Li Peng， Zhu Dequan. Quality Monitoring and Evaluation of Vocational Education: Experience and Enlightenment from Britain, America, Germany and Australia[J]. Journal of Southwest University（Social Sciences Edition），2018，44（6）:51-59.
来源：上海教育评估研究
