高校创新创业教育生态系统的构建及评估研究

杨洋

（河南科技大学管理学院，河南洛阳 471023）

摘要：构建大学生创新创业教育的良好生态体系，是高校创新创业教育的必经之路。本研究从系统—生态理论的视角来构建高校创新创业教育的生态系统，对高校创新创业教育的微观生态系统、中观生态系统和宏观生态系统等方面均有促动和影响，有助于整合高效优质的相关资源为大学生的成长发展提供最合适的环境和服务。

关键词：高校创新创业教育；生态系统构建；评估研究

开展创新创业教育，构建高校创新创业生态系统，是破解当今大学生就业形势严峻、科技成果转化效率低下与服务社会经济发展能力不足三大难题的法宝。因而，各层次各类型大学必须构建起流畅完善的创新创业教育生态系统及其运行机制。本研究从系统—生态理论的视角来对高校创新创业教育的生态系统进行构建，对高校创新创业教育的微观生态系统、中观生态系统和宏观生态系统等方面均有促动和影响，有助于整合高效优质的相关资源为大学生的成长发展提供最合适的环境和服务。

1 基于系统—生态理论的高校创新创业教育生态系统

本文创新创业教育生态系统的设计理念即为高校的卓越性主要体现在所培养学生的个人发展状况上。在这一理念下，最卓越的高校应是那些对学生个人发展有最大影响力的高校，也就是说，最能为学生增值的大学。

1.1 系统—生态理论

早在2002年，阿斯汀（Alexander Astin）就提出，最好的高校能够最大限度地促进学生的学习与发展，[1]相应的质量评判标准应是学生随时间而发生的积极变化。但这并不意味其他因素并不重要，这些因素与大学生发展之间的关系可以用“系统—生态”的理念和思维来进行说明。系统—生态理论（ecological systems theory）是布朗芬布伦纳（Bronfenbrenner）提出的个体发展模型[2]，强调发展个体嵌套于相互影响的一系列环境系统之中，在这些系统中，系统与个体相互作用并影响着个体发展（如图1所示）。

也就是说，如果研究者不确定学生在高校成长的这段时期内，是哪些因素综合对之施加了影响，并使之产生了相应的变化，那么仅仅拥有单方面的数据信息是较难发挥很大价值的。为了更好地理解这一点，可以用园艺学领域的一个例子来进行对比。假设我们来到一个关于玫瑰花的展览会，尽管观赏哪些人种植的玫瑰花更大、更漂亮或者更芳香是一件令人非常愉快的事情，可是却对于告诉人们如何成功地种植玫瑰是基本没有作用的。进一步来讲，如果获取了一些关于种子的类型、修剪的技巧等方面的信息的话，对之理解就会加深一步。但显然不能据此就得出结论：玫瑰花长势好坏的区别仅仅是和种子以及修剪的不同有关。当然还要考虑它们生长环境的影响，也就是玫瑰花生长的土壤类型、种植方式、光照、肥料、灌溉安排、杀菌以及杀虫剂的使用等，这些因素对于玫瑰花的生长来说都是非常重要的因素。

1.2 高校创新创业教育生态系统

高校创新创业教育本质上即为一个生态系统，它由相互关联相互作用的多个因素组成，各个因素之间相互影响和相互支撑。本研究从系统—生态理论的视角来对高校创新创业教育的生态系统进行构建，分别运用了社会心理学、经济学、群体生态学等方面的观点和理念。这些来自不同领域理论的联合，使得本文的分析框架对高校创新创业教育的微观生态系统、中观生态系统和宏观生态系统等方面均有促动和影响，从而可以从不同的角度来对创新创业教育进行关照和衡量（如图2所示）。

那么，什么是生态模式？第一，构成生态的是活体，他们是变化生长的。第二，他们之间是相互作用的。第三，各系统与外部环境间有密切沟通。总之，生态模式是一种交互作用，在教育教学的过程中会有“生成”和“涌现”，有一种生命力在呈现。正如艾德勒所说，教育是一门“合作的艺术”，而不是“操作的艺术”。操作的艺术完全是“生产”的，而合作的艺术则不完全是生产的，它“仅仅是帮助”产品的完成。

2 高校创新创业教育生态系统的时空结构

为了促进创新创业教育生态系统的良性循环、协调统一与升级发展，以下部分重点介绍了高校创新创业教育生态系统各子系统的功能及其内在联系。

2.1 微观生态系统

微观生态系统是高校创新创业教育生态系统中的最初一环，是教育和引导大学生激发创新创业意识、提升创新创业能力的关键维度。在教育教学中，可以将“加强基础、尊重选择、卓越教学、促进交叉”作为总的方针，以学生为主体，教师为主导，推动教和学的重心转移，使得创新创业意识的培养和创造能力的提高落到实处。高校教师要全面开展启发式、探究式、讨论式、参与式教学，采用翻转课堂、混合式教学、研究型学习和小组学习等多样化的教学模式和方法，积极探索各种教育教学形式的相互配合、优势互补，给学生提供充足的互动和交流讨论空间。另据多项调查显示，已创业大学生中，其创业行动最大的激发因素是参与创业活动或者创业实践相关的经历，并且其创业行为很大程度上得益于大学期间的实践活动。因而，在创新创业教育教学活动过程中，应多让主体参与，利用不同的教育环境和教育资源，培养高素质的创新创业人才。

2.2 中观生态系统

中观生态系统侧重于高校内部创新创业教育氛围的营造、制度的规范、机制的理顺以及资源的合理有效配置等。在理念和制度层面上，要开展关于大学生创新创业教育制度和机制建设的整体探索和研究，建立起学分认证制度、创新创业基地建设的经费支持和管理制度、校外导师聘任制度以及相应的激励机制等。高校作为连接学生成长与外部环境的重要因素，需要整合各方资源，完善各部门之间的协同机制，并努力营造创新创业的文化氛围，真正使创新创业精神内化为学生的追求，从而真正实现创新创业教育的润物无声，臻于至善。

2.3 宏观生态系统

高校创新创业教育的实施和推进仅靠高校这一主体是远远不够的，还需要政府、社会、企业等的辅助，而这些因素和主体就构成了创新创业教育的宏观环境系统。

美国对于高校创新创业教育的相关体系方面的构建就比较完善。美国在政策法规上建立了以《小企业法》为核心的法规机制，在市场运行机制方面提供多种贷款选择、降低市场准入“门槛”，通过小企业投资公司对创业型企业进行长期投资。美国社会方面也积极支持高校创业教育，由非政府组织创建了各种组织机构、智囊团和种子基金，为高校创新创业提供服务。我国高校创新创业教育尚处于起步上升阶段，所以政府应当逐步完善创新创业优惠政策、完善创业服务机构的投资建设、引导社会创新创业文化氛围的形成、加强相关税收、资金与信用制度的建立、加大创业项目的资金投入。从创新创业教育的宏观环境来看，相关政策已经出台，但在政策落实的细节方面，各级政府应建立健全相关法律法规政策体系，加大对高校创新创业教育的财政支持力度，政府应根据实际情况拨出专门的款项设立创新创业教育专项基金，同时还要鼓励企业增加对高校创新创业教育的资金投入力度和技术支持力度。

3 高校创新创业教育生态系统的评估研究

创新创业教育生态体系是包括高校、政府、企业、家庭、学生、社会等多个子系统在内的，相互影响、相互作用、协同发展的生态体系。因而归类并明晰生态系统主要构成要素及作用因子，并讨论生态体系构成要素因子间的互动和影响关系是不可缺少的一环。

通常生态系统数据库收集的大都是原始的数据，要使其变得真正有价值，就必须要经过一个加工和处理的过程，即对所收集的数据指标相关信息结合实际情况进行比对分析，以便得出更加全面、准确、系统、科学的评估资料，从而有利于分析趋势、查找问题，及时有效地发现各种规律和问题，达到适时监控和改进的目的，为信息使用者提供决策依据与预测未来。

事实上，以往不太完善的分析和评估项目很少运用合适的分析方法，因而对其评估结果的使用就缺少甚至没有证据的基础。运用系统—生态理论对高校创新创业教育进行分析时，大部分情况下都会用到数理统计分析方法，这些方法的正确合理运用对整个领域都有深刻影响。

3.1 描述性分析方法

描述性分析方法作为统计分析的一种工具，能够辅助解决其中的一些问题及潜在隐患，描述性分析仅仅表述两个事物或个体之间是怎样相似或怎样不同。其与因果分析通常是紧密相连的。举一个具体的单变量描述性分析的例子就是大学新生的某项创新指数。如果这些原始分数只简简单单地以一长串的个人得分显示出来的话，是很难理解和运用的。一旦我们采取一些简单的统计程序，例如平均得分、中间成绩、标准差、偏度、峰度等的计算，这些原始分数将呈现出更大的意义。

有趣的是即使是这类最简单的描述性分析也常常能引发导致因果分析的问题。当研究者得出一所高校的创业率并且发现创业率有些低的话，就会很自然地提出以下的因果问题：创业率为什么如此低呢？有什么措施可以提高创业率？尽管描述性分析能引起诸多待思考和解决的因果问题，但基于单一变量的描述性信息不可能提供任何因果答案。

当研究者同时分析两个或多个变量时，对评估数据的描述性分析就变得更复杂也更有趣。描述两个变量间关系最常用的方法是交叉分析和相关分析。相关分析不仅可以告诉研究者两个变量间是怎样联系的，而且能反映联系的强度如何。相关系数是运用于很多更复杂的统计分析如多元回归、因子分析等程序中的基本统计数据，是非常有用的。

3.2 因果分析方法

如果研究者想了解为什么这两个事物或个体是相似或不同的，譬如要了解A学生和B学生为什么某些方面的品质是相似或不同的，这一类分析称为因果分析，即帮助研究者理解为什么事物是这样的。

对相关评估数据主要做描述性的分析较为容易被误解或曲解，而且会令研究者放弃更为深入复杂的评估。因果分析则较少出现上述情况，因为因果分析通常直接和教育产出有关的“为什么”和“怎么样”相关联，也就是说因果分析主要关注学生的发展是怎样被创新创业教育实际影响的，因此因果分析可以为教育政策的形成和教育实践的提高提供直接的建议。可用于因果分析的工具主要有双变数交叉分析和回归分析。

3.3 相关回归分析方法

相关回归分析法是研究随机变量之间相互关系规律性、分析和预测事物发展过程及趋势的一种统计方法。对于相关教育政策的实施所引起相应变量的变化，收集足够多的相关时期的变量数据即可对政策所带来的影响及政策绩效进行分析。例如，如果大学生的输入特征被合适地予以控制的话，通过对比拥有不同输入特征并经历不同类型环境影响的学生的预期产出和实际产出，研究者几乎可以评估任何环境变化对产出的影响。

另外，还有更多更先进的分析工具和分析技术可以运用。如分层多元和逐步多元回归分析、主成分分析和因子分析、聚类分析和判别分析、多元自建模回归模型和结构方程模型等。所以如果我们把这些技术合理地应用到对创新创业教育生态系统的分析中来，相应地就能很大程度上增强评估工作的客观性与合理性。

高校创新创业教育生态体系的建设是一项艰巨而又系统的工程，因而，政府、高校、企业等各利益相关者必须主动作为，打破层级间的种种壁垒，互惠互利、资源共享，为大学生提供优良的成长环境，扎实推进其创新创业能力等方面的最优发展。

参考文献

[1]Astin A.W, Denson N.Multi-Campus Studies of College Impact:Which Statistical Method Is Appropriate? [J].Research in Higher Education,2009,50:67-354.

[2]Bronfenbrenner V.Ecological Systems Theory.In R.Vasta（Ed.）, Annals of Child Development. Greenwich, CT:JAI Press,1989,187-251.

[3]李娅娌．美国高校创业教育研究——以斯坦福大学商学院创业教育实践为例[D]．北京：首都师范大学，2008.

[4]李洪修．协同视野下美国高校创业教育的动因与实践样态分析[J]．中国高教研究，2016（3）.

[5]邓汉慧，刘帆，赵纹纹．美国创业教育的兴起发展与挑战[J]．中国青年研究，2007（9）.

作者简介

杨洋，女，河南洛阳人，河南科技大学管理学院讲师，华中科技大学高等教育学博士。