职业教育收益问题的研究现状与前瞻

《职业教育收益问题的研究现状与前瞻》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、职业教育收益问题的研究现状与前瞻蒋廷立，李敏，刘晓摘要：职业教育的收益是进行教育选择的一个重要参照，从职业教育收益的分类、衡量方法、研究结论三个层面论述职业教育收益的研究现状，并针对现有研究中出现的不足，分析职业教育收益的研究趋势。.jyqksdorfer和Kaufman（1969）对三个大城市的高中职业教育和学术教育进行了比较，结果表明，职业教育具有很高的回报［25］，此外KaneandRouse［26］，Crubb［27］，LeighandGill［28］，NeumanandZiderman［

2、29］的研究中都提到职业教育毕业生的收益高于普通高中毕业生。李实、丁赛对我国的教育收益率的研究发现，中等职业学校毕业生进入劳动力市场获得的收益高与初中毕业生和普通高中生［30］，陈晓宇、闵维方（1998）［31］，李元春（2003）［32］，王洁莉（2005）［5］，李兰兰（2011）［33］，杨钋（2011）［3］等人的研究也比较一致地认为职业教育的收益高于普通教育。也有研究认为，职业教育收益与普通教育没有明显区别甚至低于普通教育，比如Corazzini（1968）对马萨诸塞州伍斯特市和Taus

3、sig（1968）对纽约市的研究指出，职业教育回报率相当低［25］，另外，丁小浩、李莹对我国城镇中等教育毕业生的实证研究认为，在最初的起始工资方面，职业教育毕业生和普通教育毕业生基本一致。［34］此外，还有一些学者认为，由于职业教育更加重视学生核心技能的形成，如果毕业生掌握了与工作所需相匹配的核心技能，那么和普通教育相比，接受职业教育的学生无疑会为公司带来更高的生产率，从而获得更高的收入，但是这仅仅体现在职业生涯的初期，在进入劳动力市场几年后，普通教育优势开始显现，接受普通教育的工人比接受职业教育

4、的工人获得更高的工资，这表明，虽然职业教育可能在劳动力市场的最初过渡阶段有优势，但是普通教育产生的优势能够赶上甚至推翻他们最初的不利局面。［35］［12］二、职业教育收益的研究问题与不足综上所述，国内外学者对职业教育的收益进行了系统的分析，包括职业教育收益的分类，职业教育收益的衡量等，取得了显著的成绩，但是，现有研究中仍然存在一些不足。（一）对职业教育收益的实证研究略显不足通过查阅文献发现，职业教育收益实证方面的研究及其匮乏，且大部分对职业教育收益问题的探讨带有一定的主观性和片面性。比如，刘大力和

5、李锋亮在研究高等职业教育收益时只关注学生在校期间的收益，而忽视了学生毕业后的收益。［13］与此同时，研究多为评估职业教育收益的宏观指标，没有进行微观细化到具体的评价指标，可操作性不强。比如，沈超、李苏北［10］提出了一些评价高等职业教育的个人经济收益和非经济收益、社会经济收益与非经济收益的理论上的宏观指标,但并没有对这些指标进行实证分析。可见，我国职业教育收益的研究还停留在学理探究阶段，缺乏定性和定量研究。（二）对职业教育的非经济收益研究关注不够在研究职业教育收益时，对职业教育的经济收益研究较多，

6、因为经济收益在理想的条件下能够用货币的形式加以衡量，相比之下，对职业教育的非经济收益研究比较薄弱，因为非经济收益不能直接以货币的形式来衡量，只能通过定性描述或部分程度的定量测量。忽视职业教育的非经济收益研究，将直接影响对职业教育总体收益估算的偏差。（三）职业教育收益的衡量方法有待商榷职业教育不同于普通教育，其收益问题涉及到政府、企业、家长以及学生等各个多元主体，这些利益相关者都期望通过参与职业教育获得一定的利益，比如，政府作为市场的管理与调控者，期望通过投资促进社会和经济的发展；企业则期望职业教育

7、培养出适应市场需求的技能人才，实现人才与企业的“零距离”对接，企业亦期待职业教育能培养更多一线的技术、管理与服务类应用型人才，最大限度地降低他们对员工的培训成本；学生主要希望通过接受职业教育，掌握核心技能、操作能力以及人际交往能力与组织协调能力，提高自身的就业竞争力从而更好地适应岗位需求；家长最关注的是学生的学习收获和就业问题，包括学生习得谋生的技能、增强就业能力、成功地就业等。所以在衡量职业教育收益时应该考虑到各利益主体的诉求，然后结合普通教育收益的量化方法进行研究。三、职业教育收益的研究趋势（

8、一）加强职业教育收益的实证研究现有文献表明，关于职业教育收益的理论研究较多，实证研究较少，使得研究结论缺乏相应的数据支撑，不够有说服力，所以，在以后研究职业教育收益时，应该多一些实证研究，对国家统计局或教育部门开展调研活动，选取可靠的样本数据，该样本数据必须充足且具有代表性，时效性，有时还需要研究者与统计调查单位协调，有时需要在调查中专门收集某类研究必须的相关信息，尽可能准确地收集变量信息，例如收入、家庭教育背景、各个教育阶段的教育成本等，最大限度地缩小测量误差，使研究结果更加科学