基于O_NET的高校大学生创新创业人才选拔研究_李璟璐.pdf

第 13 卷第 6 期 Vol.13 No.6 2022 年 12 月 CHUANGXIN YU CHUANGYE JIAOYU Dec.2022 基于 O*NET 的高校大学生创新创业人才选拔研究 李璟璐，于姗姗 (湖北工业大学学生工作部，湖北武汉，430068；湖北工业大学计算机学院，湖北武汉，430068)摘要 创新创业人才选拔是现阶段高校教育资源优化配置的必要手段。研究基于 O*NET 内容模型，综合运用德尔菲法构建包含学业水平、职业兴趣、职业价值观、工作风格四个维度，共计 23 个变量的特质模型，通过单因素分析、共线性检验、二元 Logistic 逐步回归分析，得到职业兴趣中的现实型与企业型、职业价值观中的独立性与工作环境、工作风格中的责任担当与实践能力等关键影响因素。高校大学生创新创业人才选拔应紧密结合办学理念与人才培养特色，在职业兴趣选拔维度上体现出学科特色，不应以高考成绩作为选拔标准，要重视大学生思想品格等价值观的考察，以专业教育提高其实践能力与责任担当自觉性。关键词 O*NET；创新创业人才；高校；二元 Logistic 回归 中图分类号 G647 文献标识码 A 文章编号 1674-893X(2022)06003307 一、引言 国务院关于印发“十四五”就业促进规划的通知(国发202114 号)提出，就业是最大的民生，为了实现更加充分更高质量就业，要“以创业带动就业动能持续释放，大力发展高校创新创业教育，培育一批创业拔尖人才”。高校大学生是大众创业、万众创新的生力军，也是稳就业、保就业的重点关注群体之一，高校大学生创新创业人才选拔与培养势在必行。2015 年 5 月，国务院办公厅印发国务院办公厅关于深化高等学校创新创业教育改革的实施意见(国办发201536 号)，提出了建立健全高校创新创业教育体系的总体思路：在人才培养机制层面，要“深入实施系列卓越计划、科教结合协同育人行动计划等，多形式举办创新创业教育实验班，探索建立校校、校企、校地、校所以及国际合作的协同育人新机制”。2021 年10 月，国务院办公厅印发国务院办公厅关于进一步支持大学生创新创业的指导意见(国办发202135 号)，以大学生创新创业面临的具体问题为导向，聚焦高校创新创业教育改革关键环节和领域，明确指出，“将创新创业教育贯穿人才培养全过程，建立以创新创业为导向的新型人才培养模式”。大学生创新创业人才培养成为高校人才培养的迫切关注。创新创业人才培养质量的着眼点是人才，既要考虑培养过程也要考虑培养效果1，在创新创业课程、教法、教师、实践资源仍待进一步发展的阶段，尊重学生的主体性发展，对人才进行选拔培养，是现阶段高校创新创业教育资源优化配置与迭代升级的必经之路。本研究以O*NET 内容模型为基本理论框架，探索高校创新创业人才特质，为高校创新创业人才的选拔与培养提供依据。收稿日期 2022-05-10；修回日期 2022-11-11 基金项目 2021 年湖北省高等学校哲学社会科学研究项目“高水平应用型高校本科生科研行为的影响机制研究”(21Q067)；2022年湖北工业大学学生工作队伍品牌工作室重点项目“思齐学业发展支持工作室”作者简介 李璟璐，女，湖北武汉人，湖北工业大学学生工作部副教授，主要研究方向：高等教育管理、大学生学习与发展，联系邮箱：；于姗姗，女，湖北武汉人，湖北工业大学计算机学院讲师，主要研究方向：创新创业教育、思想政治教育 2022 年第 13 卷第 6 期 34 二、研究进展和理论基础 (一)研究进展 目前一些高校的创新创业实验班、创新创业学院等在学生的选拔与淘汰中存在以下两种现象：一是将学业成绩设置为重要考核指标。如武汉大学自强创业班要求本科生申请人的第 1 学年平均学分绩点在 3.0 以上，大连理工大学大学生创新实践强化班的淘汰标准设置了课程考试成绩平均分最低限制。二是综合测试或面试环节评价指标缺乏标准。浙江大学竺可桢学院采取综合测试、体能测试与专家面试的方式，华中科技大学启明学院实验班根据学生申请材料、面试表现等由专家给予综合评分。这些环节中，有的专家依靠经验判断，有的专家关注学生全面发展，有的偏向综合水平不高但在某一方面表现突出的偏才2。故现阶段高校大学生创新创业人才的分层分类，亟待寻找理论支撑，进而构建规范的人才特质模型，这有助于为高校大学生创新创业人才的分层分类提供理论与实践指导。但关于创新创业人才应具备怎样的特质在学术界尚未形成共识，目前关于创新创业人才的特质研究可归纳为以下两种：一是无理论模型，研究者依据经验提出影响因素，再进行相应论证。如有的研究采用个性特征、环境和背景等三个因素来评估创业倾向3；有的认为创业意向的影响因素包括个体特质水平和个体资源水平4；有的从创业素质、创业知识、创业经历和创业环境等四个方面对大学生创业倾向开展调查分析5。二是借鉴心理学、社会学的理论模型，再自主研发测量工具进行探索与验证。如刘有升等人使用美国心理学家麦克利兰(McClelland)提出的冰山模型对高校创新创业人才的素质进行研究6；何健文等人也基于冰山模型提出创新人才的“CSKA”构成要素7；聂建峰以 CSKA 模型为基础，通过对高校创新型人才进行行为事件访谈，构建出由几个一级指标和多个二级指标组成的本科创新人才选拔评价体系8；李永强等人使用计划行为理论(TPB)模型来证实创业态度、主观规范、感知行为控制等三个变量对创业倾向的影响9。以上这些理论模型对创新创业人才特质的适切性还有待考量，测量工具多为自主研发，缺乏信效度的检验，故可寻找更为科学适切、测量工具更为成熟的理论模型。(二)理论基础 针对前人研究中理论模型的匮乏或适切性不足等问题，本研究挑选职业信息网络(the occupational information network，简称 O*NET)的内容模型(content model)作为理论框架。O*NET 由美国劳工部于 1998 年推出，是一个收集、组织、描述和传播职业特征和劳动者属性数据的综合系统。目前 O*NET 的相关产品与工具可供人力资源专业人士实现多类目标，如职位描述、扩充候选人池、细化招聘与培训目标等，同时还可以用来确定个体的兴趣、价值观、技能和经验等10。O*NET 的内容模型是一个多层嵌套的体系架构，描述了人们日常工作的各个方面以及一个典型从业者的个人特质、任职资格与兴趣取向。全球知名的人才推荐公司万宝盛华(Manpower)、国内第三方教育数据咨询和评估机构麦可思等均将 O*NET 的内容模型描述指标作为其基本的人才测评指标。内容模型对大部分指标都配有成熟测量工具，这些测量工具的常模来源涉及各个行业，所以适合在不同单元之间(包括不同职业、组织和区域等各层面)进行比较11。同时这些常模的规模庞大，因此相比一般学术研究使用小样本开发生成的测量工具而言，O*NET 的测量工具信效度更高。研究者们认为应用 O*NET 的测量工具来进行人员选拔是可靠的，他们还会根据自身科研需求，从内容模型中挑选自身研究所需的变量开发测量工具12。由此可见，O*NET 的内容模型与测量工具都非常成熟，但目前尚未见使用 O*NET的内容模型进行创新创业人才特质研究的相关成果。三、实证研究 (一)研究对象 研究者向某省属高校本科生发放纸质问卷理论研究 李璟璐，于姗姗：基于 O*NET 的高校大学生创新创业人才选拔研究 35 320 份，回收有效问卷 309 份，有效回收率96.56%。其中，男性大学生 219 人，占总人数的70.87%，女性大学生 90 人，占总人数的 29.13%；有创业经历或正在创业的 46 人，占总人数的14.89%。(二)研究工具 研究基于 O*NET 的内容模型，采用德尔菲法进行模型变量的挑选。德尔菲法是一种综合多名专家经验与主观判断的方法，不仅可以用于预测领域，而且可以广泛应用于各种评价指标体系的建立和具体指标的确定13。本研究邀请专家匿名对 O*NET 内容模型中的一级指标与二级指标进行李克特 5 点评分(1 分表示非常不适用，5 分表示非常适用)，目的是选取 O*NET 内容模型中可引用至本研究的指标项目。通过计算各指标的集中度和离散度，对指标进行取舍。集中度以认同率和平均值衡量，离散度以变异系数衡量。指标入选标准为平均值在3.5分以上、认同率在 60%以上、变异系数在 0.3 以下。将首次综合调整后的指标体系反馈给专家再次评分，如此反复，共经过三轮的打分、取舍与调整，一级指标认同率达到 100%，二级指标平均认同率达到 84%。最终一级指标确定为 O*NET内容模型中的“从业者特质”指标，二级指标包括“从业者特质”中的 3 项，分别为职业兴趣、职业价值观、工作风格，并增加 O*NET 内容模型之外的“学业水平”指标，共计 4 项。“学业水平”指标包括学生高考总成绩、语文成绩、数学成绩、英语成绩等 4 项。“职业兴趣”指标参考霍兰德职业兴趣量表，测量维度包括现实型、艺术型、研究型、社会型、企业型、常规型等 6 项。“职业价值观”指标测量使用O*NET平台问卷(work importance locator)汉化版，测量维度包括成就感、独立性、认可度、人际关系、支持、工作环境等 6 项。“工作风格”指标测量使用本研究团队自主研发的行事特质问卷14，测量维度包括成就取向、社会影响、人际导向、自我调节、责任担当、独立自主、实践能力等 7 项。三套量表均采用线下测验形式，测验时长 45 分钟。(三)数据处理 采用 Excel2013 进行数据录入，使用 SPSS22.0进行数据分析处理。采取以下三个步骤进行数据预处理：一是删除缺失值过多的数据，如果数据项无法通过其他值推导，或者影响因素的数据缺失超过 50%，则认为数据无效，并将其删除。如果“高考成绩”维度中，有部分数据违背常理，明显有误，也将其删除。二是用插值补全少量缺失值，选取灵活性较高、计算速度也较快的三次样条插值的方法，使用 SPSS 补全少量缺失值。三是利用箱形图筛除异常值，绘制数据的箱型图，将外限以外为极端的异常值直接剔除；将在内限与外限之间的温和的异常值挑出重新进行评估，若不符合常理，则将其删除，处理后的数据统计见表 1。表 1 预处理后的统计数据 类别 有效值缺失值 异常值 有效率/%学业水平 178 129 2 57.60 职业兴趣 296 9 4 95.79 职业价值观 281 17 11 90.93 工作风格 275 0 34 88.99 四、数据分析 (一)单因素分析 在将备选自变量纳入 Logistic 回归模型之前，需要分别采用 T 检验和卡方检验对连续变量、分类变量进行单因素显著性检验，选择检验值=0，结果见表 2。由表 2 可得，从四个维度筛选出的自变量的显著性均为 P0.01，各项维度对学生是否创新创业的影响极为显著，因此不需要删除因变量。(二)共线性检验 Logistic 回归模型在进行参数估计时，要求变量间相互独立，否则会导致参数估计的均方差和标准差变大，甚至造成拟合回归方程极不稳定等，导致模型结果无法解释，如果变量共线性大，需要进行 Logistic 逐步回归。共线性检验显示方差膨胀因子均小于 2.5。当 VIFi2 时，2iR0.5，表明用其他变量线性拟合该变量时，拟合优度超过 0.5。故除“社会型”2022 年第 13 卷第 6 期 36 表 2 单样本检验 特质维度 变量 T 值 自由度 显著性(双尾)平均值差值 差值 95%置信区间 下限 上限 学业水平 高考总分 126.305 168 0.000 519.948 511.820 528.070 语文 136.399 168 0.000 107.607 106.050 109.165 数学 80.365 168 0.000 100.474 98.010 102.940 英语 79.695 168 0.000 111.508 108.750 114.270 职业兴趣 现实型 24.272 168 0.000 8.473 7.780 9.160