基本信息
文件名称:高职院校教师对科技政策的行为选择机理研究.docx
文件大小:20.61 KB
总页数:7 页
更新时间:2025-05-20
总字数:约5.64千字
文档摘要

高职院校教师对科技政策的行为选择机理研究

摘要:随着“十四五”规划和2035年远景目标的推进以及教育评价机制体制的改革,如何评价高职院校教师的科研成果以及激励教师从事科研活动成为了新的难题。通过构建相关理论模型,选取典型案例和数据进行实证研究,调查结果显示,影响高职院校教师对科技政策行为选择的主要因素是科技政策的供需匹配度以及科研环境,教师个体的感知价值在科技政策的供需匹配之间起到调节作用,科研经验和科研环境是影响感知价值的主要因素。基于此,提出提高高职院校科技政策的供需匹配度及优化高职院校教师科研环境的相关措施,为高职院校和政府部门优化科技政策组合、提高政策利用率开辟新的实践路径。

关键词:科技政策;供需匹配;感知价值;行为选择

随着国家对职业教育的重视以及“十四五”规划关于职业教育的指导方针的出台,高职院校迎来了新的发展阶段。相比本科院校科研和教学的两头并进,高职院校更加倾向职业技能的指导和教育,在过去很长一段时间里,高职院校教师并不特别关注科研方面的事项,但随着《国家职业教育改革实施方案》等重要文件的出台,科研推动高职院校高质量发展的作用越来越突出,党的二十大报告也强调了“科教融汇”的重要性,高职院校也开始重视科研、强化科研管理制度建设。然而,目前很多高职院校制定的相关科技政策(本文所指的科技政策主要是指高职院校内部所制定的一系列关于科研管理方面的制度)不符合高职院校教师本身发展的需求,往往是模仿和跟进本科院校的做法,导致高职院校的科技政策供给和教师实际需求不匹配,出现教师知道科技政策但不知道如何利用的情形[1]。因此,本研究从高职院校教师行为选择的角度出发,寻找优化高职院校科技政策的思路和实施路径。

一、研究理论模型的构建

近年来,教育学、管理学、系统工程学等不同学科的理论在不断交叉融合,最早应用于组织行为学的人与环境的匹配理论,现在也逐渐被应用于创业领域,如周翼翔在研究创业者和创业政策关系时构建了两者的匹配模型[2]。基于感知价值的行为选择理论也逐渐应用于安全管理领域,如曹庆仁在研究安全行为选择时引入的安全认识和安全动机概念[3]。个人—环境匹配理论主要应用于人力资源管理学、心理学、教育学等领域,这一理论的核心观点是当个人的特征与所处的工作环境特征完美匹配时,便会产生兼容性。本研究将个人—环境匹配理论作为基础,将感知价值、认识和动机概念融入个体对科技政策的行为选择研究中。前期笔者已经构建了高职院校教师对科技政策的行为选择模型的基本框架[4],如图1所示,环境变量指科技政策供给,个人变量指科技政策的需求,感知价值对匹配度具有调节作用,因此,本研究基于该模型框架开展后续的实证设计与调整。

二、研究框架及研究设计

本文从高职院校教师行为选择的角度出发,研究高职院校科技政策的有效性和匹配度,寻找科技政策失效的原因以及如何优化高职院校科技政策策略。在研究方法上,本文拟运用扎根理论来展开分析[5],扎根理论(GroundedTheory,GT)是一种定性研究方法,其核心在于从经验资料的基础上建立理论,传统的扎根理论分为纵向构建和横向构建两种类别[6]。纵向构建以时间线为主轴[7],按照事态的发生顺序对已经发生的事情进行回顾,并且归纳事件的前后关系;横向构建则是对过往研究中存在争议或者没有先例的问题进行探究[8]。本文主要研究高职院校教师行为和科技政策的关系,在过往研究中很少出现,切入的角度比较新颖,所以适合采用横向构建的方式和思路。

(一)数据选择和收集

因为全国的高职院校众多,在选择研究案例上,本文坚持开放性抽样的原则,选取不同的高职院校教师作为研究对象,并对他们进行访谈,从中发现、总结理论构建需要的相关概念。本文将高职院校从事科研活动的教师作为重点研究对象,这类人群的科研活动受国家相关政策的鼓励支持,并且学历普遍较高,对政策敏感程度也较高,具有典型性。本文将高职院校从事科研活动的教师界定为最近3年承担科研项目或者从事科研相关工作的教师,最终选择的6所高职院校教师如表1所示,涉及了信息电子、建筑工程、工业制造等专业。

本次研究的一手数据收集方式主要以现场实地访谈为主,各高职院校的受访者均是该校科研管理部门的人员以及从事科研工作的在职教师,访谈过程比较顺利,笔者与受访者均保持了良好的关系。在征求部分受访者同意的情况下,笔者对部分谈话内容进行了录音和文字处理、编码排列,并且在有疑问和遗漏的地方对受访者进行了二次电话采访,进一步确认和补充采访内容。为了强化数据的有效性和真实性,笔者在完成访谈数据收集和处理以后,还查阅了一些文献资料,对相关高职院校的案例数据进行了丰富和验证,最终形成了一份一万字左右的访谈报告。由于本文是实证研究,需要进行后期验证,所以在初期编码阶段只随机选取了三分之二的访谈数据进行分析和模型优化[9],剩下的数据