کارایی پیوند صنعت و آموزش در آموزش و پرورش حرفه ای استرالیا

کارولین-تی تانگ دونگ تران

تحقیق تجربی در آموزش و پرورش حرفه ای جلد 13 ، شماره مقاله: 11 ( 2021 ) به این مقاله استناد کنید

1923 دسترسی ها
2 آلتمتریک
معیارهایجزئیات

خلاصه

بخش آموزش و پرورش حرفه ای (VET) نقش مهمی در سیستم آموزشی استرالیا ایفا می کند. کیفیت آموزش VET که ارتباط نزدیکی بین ارائه و صنعت VET دارد، به طور مداوم در مرکز بحث ها در روند اجرای دستور کار اصلاحات VET استرالیا قرار دارد. در پاسخ به مضامین کلیدی این فرآیند اصلاح، بررسی کارایی آموزشی VET از طریق کارایی مرتبط بین آموزش و پاسخگویی صنعت ضروری است. هدف این مقاله پرداختن به این هدف با استفاده از تحلیل پوششی داده های شبکه پویا در یک داده پانل متعادل برای سال های 2008-2012 است. این مدل پیشرفته امکان ارزیابی همزمان کارایی دو گره، پاسخگویی به آموزش و صنعت، و کارایی کلی پویایی آموزشی VET را بر اساس زمینه‌های آموزشی در ساختار شبکه فراهم می‌کند. ما دریافتیم که راندمان آموزشی کلی VET به طور متوسط 0.835 است در حالی که میانگین بازده تقسیمی کارایی آموزش و پاسخگویی صنعت به ترتیب 0.763 و 0.908 است. تجزیه و تحلیل حساسیت برای بررسی تغییرات پویا در بهره وری ارتباط آموزش و صنعت به دنبال وزن دوره های مختلف انجام می شود. پیامدهای سیاست برای بخش VET استرالیا ترسیم شده است.

معرفی

بخش آموزش و پرورش حرفه ای (VET) نقش مهمی در سیستم آموزشی یک کشور ایفا می کند و موضوع اصلاحات در بسیاری از کشورهای جهان بوده است (چاپل 2003 ). مانند سایر کشورهای پیشرفته مانند بریتانیا، کانادا و نیوزلند، افزایش درآمد ملی از VET برای سال‌ها در مرکز برنامه اصلاحات استرالیا بوده است (Chhetri et al. 2018 ). با این حال، سیستم VET استرالیا هنوز با چالش‌های دائمی مانند کیفیت آموزش، رشد بهره‌وری، کمبود کارکنان توانمند و عدم تطابق بین مهارت‌های ارائه‌شده و نیازهای خاص صنعت مواجه است (Blumenfeld and Malik 2017 ؛ Chhetri et al. 2014 ، 2018 ؛ Adamson and Darling. -هاموند، 2015; ولر 2017 ). این چالش‌ها باعث نگرانی بسیاری از محققان و محققان برای بررسی دستور کار اصلاحی VET استرالیا به منظور جستجوی استراتژی‌های مناسب به منظور پیشبرد بخش شده است (کلیتون و هریس 2018 ).

در استرالیا، مطالعات متعددی برای بررسی بهره وری عملیاتی و هزینه و رشد بهره وری موسسات آموزش عالی مانند Avkiran ( 2001 )، Abbott and Doucouliagos ( 2003 )، Carrington، Coelli and Rao ( 2005 )، لی ( 2011 )، Worthington انجام شده است. و هیگز ( 2011 )، لی و ورثینگتون ( 2016 )، ژانگ و ورثینگتون ( 2017 )، کارینگتون و همکاران. ( 2018) و مانند آن. این مطالعات تا حدی اطلاعات مفیدی را در اختیار مدیران آموزشی و سیاست گذاران در طراحی سیاست ها و مقررات مناسب تر برای ارتقای عملکرد دانشگاه قرار داد. با این حال، تحقیقات تجربی در مورد عملکرد بخش VET استرالیا بسیار محدود بوده است. تا آنجا که ما می دانیم، مطالعات بسیار کمی بر روی تجزیه و تحلیل کارایی و عملکرد موسسات آموزش فنی و تکمیلی (TAFE) در استرالیا متمرکز شده است. برای مثال، Abbott و Doucouliagos ( 2002 ) 23 موسسه TAFE را در ایالت ویکتوریا، استرالیا با استفاده از روش DEA دو مرحله ای برای یک مجموعه داده یک ساله در سال 1995 مورد بررسی قرار دادند. مطالعه دیگری توسط Fieger و همکاران انجام شد. ( 2017) که کارایی بار آموزشی و نتایج اشتغال را در دو بعد جداگانه برای 56 موسسه TAFE در استرالیا، با استفاده از تحلیل مرز تصادفی برای یک سال 2011 بررسی کرد. نویسندگان ناکارآمدی قابل توجهی را در سیستم VET برای هر دو مدل یافتند و این ناکارآمدی ها می توانند تحت تأثیر عوامل خارجی مانند مکان های دور، درصد بیشتری از مردان، و نسبت بیشتری از افراد با زمینه های غیر انگلیسی زبان قرار می گیرند. با این حال، با استفاده از یک مجموعه داده یک ساله برای تجزیه و تحلیل کارایی، این مطالعات تغییراتی را در کارایی مؤسسات TAFE در طول زمان نشان ندادند و همچنین ارتباط بین نتایج آموزشی و پاسخگویی صنعت را در یک چارچوب واحد برای ارائه تصویری کلی از کارایی سیستم VET2017 ، ص.1).

هدف مقاله حاضر ایجاد زمینه جدیدی در ادبیات کارایی جنینی VET با بررسی کارایی سیستم VET استرالیا با استفاده از روش شبکه تحلیل پوششی داده‌های پویا (DEA) است. به طور گسترده ای شناخته شده است که VET و آموزش عالی نقش کلیدی در آماده سازی کارگران آینده برای دنیای پیچیده کار دارند (گروه صنعت استرالیا (AIG) AlphaBeta و همکاران 2020 ). به عنوان مثال، تأثیر تغییرات در محل کار در دوره صنعتی 4.0 منجر به تغییرات متعددی در VET شد به طوری که فارغ التحصیلان مطابق با تقاضای بازار مرتبط باقی می مانند و برای کار خود آماده می شوند (Yudiono, et al. 2021 ).). در این راستا، یافته‌های مقاله ما کمک‌های مهمی به بخش VET در استرالیا کرد و به طور بالقوه می‌توان آن را برای کشورهای دیگر مانند نیوزلند، مالزی، اندونزی و سایر کشورها در جنبه‌های مختلف تعمیم داد. به طور خاص، ما کارایی آموزش VET را در رابطه با پاسخگویی صنعت در یک چارچوب یکپارچه ارزیابی می کنیم. این به شخص اجازه می دهد تا کارایی تقسیمی، دوره ای و کلی کل سیستم VET را بررسی کند. علاوه بر این، استفاده از زمینه‌های آموزشی به‌عنوان واحدهای تصمیم‌گیری، بینش بیشتری در مورد نحوه عملکرد سیستم از طریق پیوند بین نتیجه تدریس و پاسخگویی صنعت به مدیران و سیاست‌گذاران ارائه می‌دهد.

سازماندهی این مقاله شامل بخش های زیر است. بخش ” آموزش و آموزش حرفه ای استرالیا ” مروری کوتاه بر سیستم VET استرالیا ارائه می کند. بخش ” اندازه گیری کارایی در بخش آموزش و پرورش و آموزش و پرورش ” به معرفی اندازه گیری کارایی در بخش VET می پردازد. بخش ” روش تحلیل ” روش نظری رویکرد DEA شبکه پویا را نشان می دهد. این بخش توسط بخش ” استراتژی تجربی و منابع داده ” دنبال می شود که استراتژی تجربی اعمال شده برای زمینه های آموزشی VET را نشان می دهد. بخش 6 نتایج برآورد شده از مدل تجربی را ارائه می کند. بحث ها قبل از پایان با نتیجه گیری در بخش ” بحث ” ارائه شده است.” بخش.

آموزش و پرورش حرفه ای استرالیا

بخش VET استرالیا بر اساس توافق نامه های مشارکت های مختلف از جمله کشورهای مشترک المنافع، دولت های ایالتی و قلمرو و صنعت است که در آن دولت ها از طریق تأمین بودجه و توسعه سیاست ها، مقررات و تضمین کیفیت بخش به این بخش کمک می کنند، در حالی که تجارت و صنعت به این بخش کمک می کنند. سیاست ها و اولویت های آموزشی از جمله توسعه صلاحیت برای ارائه مهارت ها به نیروی کار (جویس 2019 ؛ NCVER، 2017). در سال 2012، بخش VET استرالیا حدود 4500 ارائه دهنده آموزش داشته است. با این حال، این رقم در سال 2017، 4193 ارائه‌دهنده آموزش بود که نسبت به سال 2012، 7 درصد کاهش یافته است. در مورد ثبت‌نام‌های موضوعی با بودجه دولتی، 13.5 میلیون نفر توسط کشورهای مشترک المنافع یا دولت های ایالتی تأمین مالی شده است که 6.3 درصد نسبت به سال 2016 کاهش داشته است (NCVER 2019 ).). در سال 2008، دولت های استرالیا موافقت کردند که بودجه عمومی VET را برای ارائه دهندگان دولتی و خصوصی رقابتی کنند. بر این اساس، در سال 2012، تقریباً 25 درصد از ثبت نام های VET با بودجه عمومی به ارائه دهندگان خصوصی یا غیردولتی اختصاص یافت (Toner 2014 ). با این حال، این رقم پس از نیم دهه به طور قابل توجهی تغییر کرد. در سال 2017، دولت بودجه دانشجویان تمام سال را برای TAFE تأمین کرد و سایر ارائه دهندگان دولتی 57.4٪، بقیه دانش آموزان با ارائه دهندگان خصوصی یا سایر ارائه دهندگان بودند (NCVER، 2019 ). با توجه به تونر ( 2014 ، صفحه 223)، انعقاد قرارداد خارج از بودجه عمومی سودمند ارزیابی شد اما احتمالاً باعث “تدارک خصوصی بی کیفیت مداوم و گسترده” می شود. در حمایت از این استدلال، هریس ( 2015, p.17) بیان کرد که به دلیل پیوند پیچیده بین موقعیت و صنعت VET، ناگزیر منجر به بحث های مداوم در مورد کیفیت تدریس VET از حمایت به مخالف می شود.

به دنبال سازمان کیفیت مهارت های استرالیا (ASQA 2019 )، چارچوب نتیجه کیفیت VET مانند شکل 1 بیان شده است . صرف‌نظر از مقررات دولتی، سیاست‌ها و برنامه‌های بودجه‌ای که به مسئولیت‌های سازمان‌های دولتی برای تسهیل فرآیند آموزش تعلق دارد، ارتباط بین ارائه‌دهندگان، فراگیران و صنعت و کارفرمایان نقش مهمی در ارتقای کیفیت VET ایفا می‌کند. این عوامل در سال‌های اخیر باعث نگرانی بیشتر محققان و محققان شده است، برای مثال اصلاح در کیفیت آموزش و چارچوب نظارتی VET (Braithwaite 2018 , 2017 ؛ Berwyn and Roger 2018 ؛ Clayton and Harris, 2018 ؛ Harris 2015 ).تغییرات در بودجه آموزش و پرورش و اثرات آن (برک 2018 )، نتایج بلندمدت VET (پولیدانو و رایان 2016 )، کارایی VET بر بار آموزشی و نتیجه اشتغال (فیگر و همکاران 2017 )، قراردادهای بودجه عمومی توسط VET (Toner) 2014 ) و تأثیر VET (هریس و کلیتون 2010 ).). با این حال، تحقیقات کمی بر کارایی آموزشی که بین صنعت و ارائه VET مرتبط است، تمرکز دارد. ماهیت عملیاتی VET و گروه‌های ویژه اصلاحات اخیر نشان می‌دهد که ارتباط بین کارایی ارائه VET و پاسخگویی صنعت برای کمک به نتایج کیفیت VET مهم است، و بنابراین باید در تحقیقات تجربی نگرانی بیشتری وجود داشته باشد. این می تواند بینش مفیدتری را برای سیاست گذاران با هدف تقویت کیفیت آموزشی VET ارائه دهد.

فعالیت های آموزشی VET بر دوازده (12) زمینه های مختلف آموزشی متمرکز است که نیازهای صنعت خاص را برآورده می کند همانطور که در گزارش های سالانه وزارت صنعت قبل از سال 2013 و در گزارش های NCVER پس از آن گزارش شده است. نرخ ثبت نام و تکمیل برای این رشته های آموزشی مانند شکل 1 نشان داده شده است. 2 و 3 .

مشاهده می‌شود که تعداد ثبت‌نام‌کنندگان در VET در سال‌های 2010 و 2012 نسبت به سال 2008 به شدت کاهش یافته است. اگرچه تغییر قابل توجهی در بین سال‌های درگیر مشاهده شد، الگوی ثبت‌نام در 12 رشته آموزشی کاملاً مشابه است. به طور خاص، بیشترین آمار ثبت‌نام‌ها بر روی فناوری، مدیریت و بازرگانی مرتبط با مهندسی، و غذا، مهمان‌نوازی و خدمات شخصی متمرکز است که ممکن است به تقاضاهای خاص صنعت در یک سال خاص مربوط شود. با این حال، شکل 3 تصویر جالبی در مورد میزان تکمیل ارائه می دهد. بیشترین میزان تکمیل بر روی علوم طبیعی و فیزیکی، آموزش و پرورش و جامعه و فرهنگ متمرکز است. اینکه این تغییر به دلیل توانایی یادگیرندگان باشد یا تغییر در نیازهای خاص صنعت، کند است. با این حال، این نوسان بر کارایی آموزشی VET تأثیر می گذارد.

پاسخگویی صنعت که از طریق رضایت کلی کارفرما از تمام جنبه های VET اندازه گیری شده است، از طریق نظرسنجی همانطور که در جدول 1 نشان داده شده است، ثبت شده است.. پاسخگویی صنعت به عنوان شاخصی برای اثربخشی VET ارائه می شود. از نظر ماهیت متنوع VET، نتایج آموزشی و پاسخگویی صنعت ارتباط تنگاتنگی با منعکس کننده کارایی و کیفیت آموزش و پرورش دارند. بر این اساس، رضایت کارفرما به عنوان یک تقویت کننده کلیدی برای کیفیت آموزش VET در نظر گرفته می شود. همانطور که مشاهده می شود، رضایت صنعت در زمینه های آموزشی متفاوت است. به طور متوسط 78 درصد از کسب و کارها از همه جنبه های VET برای سال های 2009 و 2011 راضی بودند. با این حال، جای تعجب است که این نسبت در سال 2013، یعنی سالی که کارگروه های اصلاحی VET برای انجام فرآیند اصلاحات تأسیس شد، کمتر بود و به 63.5 درصد رسید. بخش

جدول 1 رضایت صنعت (%) از تمام جنبه های VET

جدول اندازه کامل

بهبود کارایی سیستم آموزشی می تواند از طریق رابطه بین فرآیند تدریس و پاسخگویی صنعت منعکس شود. بنابراین، ارزیابی عملکرد VET باید هر دو این مراحل را در نظر بگیرد تا هم کارایی و هم اثربخشی سیستم VET را منعکس کند.

اندازه گیری کارایی در بخش آموزش و VET

نظریه کارایی

کارایی به «بهینه پارتو» گفته می‌شود که توسط هر واحد تصمیم‌گیری (DMU) به دست می‌آید، اگر و تنها در صورتی که هیچ یک از ورودی‌ها یا خروجی‌های آن نتوان بدون بدتر کردن برخی از ورودی‌ها یا خروجی‌های دیگر آن را بهبود بخشید (فریدمن 2002 ). با این حال، در دنیای واقعی، سطوح احتمالی کارایی از لحاظ نظری مشخص نخواهد بود. در عوض، کارایی نسبی را می توان همانطور که توسط کوپر و همکاران تعریف شده است، تخمین زد. ( 2011 ، p.3) “یک DMU باید بر اساس شواهد موجود به عنوان کارآمدی کامل (100%) رتبه بندی شود، اگر و تنها در صورتی که عملکرد سایر DMU ها نشان ندهد که برخی از ورودی ها یا خروجی های آن را می توان بدون بهبود بخشید. بدتر شدن برخی دیگر از ورودی ها یا خروجی های آن.

از دیدگاه یک ارائه دهنده آموزش، کارایی به مقایسه بین مقادیر مشاهده شده و بهینه خروجی ها و ورودی های آن اشاره دارد. برای دقیق تر، سطح کارایی را می توان با مقایسه خروجی مشاهده شده با حداکثر خروجی پتانسیل قابل حصول از ورودی یا با مقایسه ورودی مشاهده شده با حداقل ورودی بالقوه مورد نیاز برای تولید خروجی یا ترکیبی از این دو اندازه گیری کرد. بر اساس این مقایسه ها، بهینه با توجه به امکانات تولید که به هدف رفتاری تولیدکنندگان بستگی دارد و کارایی فنی است، تعیین می شود (فرید و همکاران 2008 ).، پ. 8). به دلیل ماهیت پیچیده رابطه بین ورودی های چندگانه و خروجی های متعدد درگیر در فرآیند تولید، تجزیه و تحلیل کارایی DMU ها مستلزم استفاده از تکنیک های پیشرفته ای است که می تواند با تعداد زیادی از متغیرها و محدودیت ها مقابله کند (Koksal and Nalcaci 2006 ).

تحلیل پوششی داده ها (DEA) اولین بار توسط Charnes، Cooper و Rhodes ( 1978 ) برای مقابله با این مشکل توسعه یافت. DEA بر روی زمین فارل ( 1957 ) ساخته شده است که رویکرد بدنه محدب تکه‌ای خطی را برای تخمین مرز پیشنهاد کرد. از این روش به عنوان یک رویکرد داده گرا برای ارزیابی عملکرد مجموعه ای از DMU ها یاد می شود که ورودی های متعدد را به خروجی های متعدد تبدیل می کند (کوپر و همکاران 2011 ). DEA می تواند DMU های کارآمد را از موارد ناکارآمد تشخیص دهد و نشان دهنده بهبودهایی برای هر DMU از نظر معیارهای ورودی و خروجی باشد. علاوه بر این، DEA همچنین اهمیت خود را در اندازه گیری کارایی نسبی DMU ها نسبت به تحلیل رگرسیون، تحلیل نسبت، تجزیه و تحلیل خوشه ای و تجزیه و تحلیل متمایز نشان داده است (Koksal and Nalcaci 2006 ).). علاوه بر این، DEA از محققان درخواست کرده است زیرا در مواردی که فاکتور قیمت در برخی موارد در دسترس نیست، به عنوان مثال مدیریت عمومی و مدیریت، به اطلاعاتی در مورد قیمت نیاز ندارد (Tran and Villano 2017 ). با این حال، این روش به فرد اجازه نمی دهد ناکارآمدی را از نویز جدا کند (Jacobs 2001 ).

مدل‌های DEA بر اساس دو نوع بازده ثابت به مقیاس (چارنز و همکاران 1978 ، به اصطلاح مدل CCR) و بازده متغیر به مقیاس (بانکر، چارنز و کوپر 1984 ، مدل BCC) طبقه‌بندی می‌شوند. مدل CCR زمانی مناسب است که همه DMU ها در مقیاس بهینه کار می کنند و تحت تأثیر اندازه قرار نمی گیرند (به عنوان مثال تعداد دانش آموزان، کارکنان، و غیره…) (Coelli, Rao, O’Donnell and Battese 2005 ; Tran and Villano 2017 ). . از سوی دیگر، مدل BCC با این فرض که رقابت ناقص، مقررات دولتی و محدودیت‌های مالی می‌تواند به طور بالقوه بر مقیاس عملیاتی بهینه واحدهای DMU منفرد تأثیر بگذارد، اثرات مقیاس را در تحلیل در نظر می‌گیرد (Coelli et al. 2005 ).

سپس مدل‌های CCR و BCC DEA به دو جهت ورودی در مقابل خروجی با توجه به نوع حرکت متناسب به سمت مرز کارآمد طبقه‌بندی می‌شوند. مدل ورودی گرا به این اشاره دارد که مقادیر ورودی را می توان به طور متناسب بدون تغییر مقادیر خروجی تولید شده کاهش داد، در حالی که هدف مدل خروجی گرا این است که تخمین بزند که چه مقدار مقادیر خروجی را می توان به طور متناسب بدون تغییر مقادیر ورودی استفاده شده، گسترش داد (کوئلی و همکاران 2005 ؛ کوکسال و Nalcaci 2006 ). معادلات برنامه ریزی خطی مدل های CCR و BBC DEA در پیوست A1 ارائه شده است.

می توان مشاهده کرد که DEA به عنوان یک روش عالی برای تخمین کارایی DMU ها در نظر گرفته می شود زیرا می تواند با ورودی ها و خروجی های متعدد بدون نیاز به اطلاعات در مورد قیمت و داشتن فرضیات قبلی در مورد شکل عملکردی بین ورودی و خروجی برخورد کند. خاطرنشان می شود که شناسایی ورودی ها و خروجی ها در ارزیابی های دنیای واقعی DMU ها دشوار است، اما از اهمیت حیاتی برخوردار است. اصولاً ورودی ها باید منعکس کننده همه منابعی باشند که بر خروجی ها تأثیر می گذارند. از سوی دیگر، خروجی ها باید تمام نتایجی را که می توان برای ارزیابی عملکرد DMU ها استفاده کرد را نشان دهد (Thanassoulis et al. 2011 ).). از آنجایی که هر بخش از نهاده‌های متفاوتی برای تولید خروجی در فرآیند تولید خود استفاده می‌کند، انتخاب ورودی‌ها و خروجی‌ها به ویژگی‌ها و اهداف خاص هر بخش برای برآورد کارایی DMUها بستگی دارد.

برآورد کارایی در بخش آموزش و آموزش و پرورش و آموزش و پرورش

اندازه گیری کارایی در بخش آموزش به طور کلی و در بخش VET به طور خاص، مطالعات گسترده ای را در سطوح مختلف تحصیلی به خود جلب کرده است. با این حال، عملکرد تولید برای بخش آموزش هنوز مبهم است. هیچ توافقی در مورد انتخاب ورودی ها و خروجی ها برای اندازه گیری کارایی عملکرد مؤسسات آموزشی با استفاده از روش های کمی وجود ندارد، زیرا ماهیت چند وجهی، تنوع و پیچیدگی آن وجود دارد (Engert 1996 ؛ Cordero-Ferrera et al. 2008 ; Tran and Villano 2017 ). ).

خروجی آموزش، که از یک فرآیند تولید پیچیده تحت تأثیر عوامل بسیاری ایجاد می شود، برخی از آنها خارج از کنترل DMU ها، چند بعدی است و اندازه گیری آن دشوار است. به عنوان مثال، خروجی های دانشگاه را می توان به آموزش، پژوهش و خدمات گروه بندی کرد. با این حال، شناسایی معیارهای واقعی برای این ابعاد کار آسانی نیست، زیرا بسیاری از شاخص‌ها مانند صلاحیت کارکنان دانشگاهی، کیفیت مقالات منتشر شده و کیفیت دانشجویان را نمی‌توان به صورت پولی تخمین زد (Avkiran 2001 ؛ Carrington, Coelli, and Rao 2005 ؛ Emrouznejad. و ثناسولیس 2005). بر این اساس، تعریف یک تابع تولید عمومی برای بخش آموزش که به طور دقیق تمام جنبه های مربوط به فرآیند تولید مدرسه/موسسه را شامل شود، بسیار دشوار است. در نتیجه، امکان اندازه‌گیری کارایی را از طریق انتخاب مجموعه‌ای دقیق از خروجی‌های مورد نظر، در صورتی که بتوان آن‌ها را به طور منطقی با ورودی‌ها نشان داد، ممکن می‌سازد.

دی ویت و لوپز-تورس ( 2017 ) یک مرور ادبیات جامع در مورد کارایی آموزش انجام دادند و چهار نوع ورودی مورد استفاده در تجزیه و تحلیل کارایی شامل سطح دانش‌آموزان، عوامل مرتبط با خانواده، مؤسسه آموزشی و متغیرهای جامعه را نشان دادند. در بین این چهار دسته، گروه مؤسسه آموزشی شامل پرسنل (کارکنان، اندازه دانشجویان، نسبت کادر علمی به دانشجویان و غیره)، مخارج، سرمایه فیزیکی یا منابع معمولاً به عنوان ورودی در مطالعات کارآمدی مؤسسات آموزشی در سطح عالی استفاده می شود. (به عنوان مثال دانشگاه ها، کالج ها، موسسات حرفه ای). به عبارت دیگر، ورودی های توافق شده موسسات آموزشی را می توان به عنوان سرمایه انسانی و فیزیکی گروه بندی کرد (لینسای 1992 ؛ جانز 1996 ).). اودانل و همکاران ( 2017 ) خاطرنشان کرد که اگر از پرسنل به عنوان ورودی برای جلوگیری از همپوشانی در برآورد استفاده شود، هزینه‌های کارکنان دانشگاهی و حرفه‌ای باید حذف شود.

در مورد بروندادها، توافق بیشتری در مورد تعیین انواع خروجی مورد استفاده در مطالعات کارایی آموزشی وجود دارد. De Witte و López-Torres ( 2017 ) چهار مقوله مانند پیشرفت دانش آموز (به عنوان مثال تعداد فارغ التحصیلان، نمرات آزمون دانش آموز برای دبیرستان/دبستان)، انتشارات و فعالیت های تحقیقاتی (برای دانشگاه ها و/یا کالج ها)، نتایج آموزشی (مثلا حضور و غیاب) را خلاصه کردند. ، ترک تحصیل، درآمدها و غیره) و موفقیت در بازار کار (اشتغال پذیری یا رضایت شغلی). این بروندادها بر نتایج آموزش در کوتاه‌مدت، میان‌مدت یا بلندمدت بسته به سیاست‌ها و اهداف آموزش عالی تمرکز می‌کنند (Bessent et al. 1982 ; Worthington 2001 ).). یکی از گرایش‌های اخیر مطالعات، تمرکز بر مزایای تحصیلی بلندمدت مانند قابلیت استخدام، حقوق اولیه فارغ‌التحصیلان یا رضایت شغلی است.

از سوی دیگر، انتخاب ورودی ها و خروجی ها باید منعکس کننده نیاز صنعت و محیط مورد بررسی باشد و از نظریه پذیرفته شده در زمینه های مختلف پیروی کند که زمینه انتخاب ورودی ها و خروجی ها را فراهم می کند (کاستانو و کاباندا 2007 ).). همانند سایر مؤسسات آموزشی، تئوری تولید مؤسسات آموزشی باید ارتباط بین نهاده ها و ستانده ها را در فرآیند تولید آنها نشان دهد. یکی از ویژگی های برجسته موسسات VET ارتباط نزدیک بین آموزش و صنعت است. ارائه دهندگان VET به عنوان سازمان های آموزشی ثبت شده (RTO) شناخته می شوند تا دوره های آموزشی معتبر ملی یا دوره های آموزشی معتبر ملی ارائه دهند. در همین حال، صنعت و کارفرمایان ممکن است دانشجویان را در حین گذراندن دوره VET (گاهی اوقات از طریق یک مسیر کارآموزی یا کارآموزی) یا فارغ التحصیلان VET (ASQA 2019 ) استخدام کنند.). در این راستا، خروجی ها و ورودی ها در عملکرد تولید VET باید منعکس کننده رابطه نزدیک بین ارائه دهندگان VET و صنعت و کارفرمایان از طریق پیوند مرحله آموزش و پاسخگویی صنعت باشد. مرحله آموزش به ارائه دانش و مهارت‌های حرفه‌ای به دانش‌آموزان اشاره دارد و اطمینان حاصل می‌کند که دانش‌آموزان می‌توانند واجد شرایط کار در صنایع مربوطه باشند، در حالی که پاسخگویی صنعت به رضایت کلی صنعت و کارفرمایان پس از استخدام نیروی کار آموزش دیده موسسات VET اشاره دارد. فرض رفتاری برای این پیوند این است که صنعت و کارفرمایان از فارغ التحصیلان، کارآموزان یا کارآموزان VET استفاده می کنند و به ارائه دهندگان VET از نظر رضایت از جنبه های مختلف بازخورد می دهند.2014 ).

با توجه به این فرآیند، مرحله تدریس به ورودی‌ها (مثلا دانش‌آموزان) برای تولید خروجی تحصیلی (مثلاً فارغ‌التحصیلان) نیاز دارد. سپس، این خروجی به یک ورودی ضروری برای صنعت تبدیل می‌شود و خروجی این مرحله مجموعه‌ای از پاسخ‌های صنعت است که رضایت صنعت را از کیفیت آموزش VET نشان می‌دهد. علاوه بر ارتباط اصلی بین آموزش و پاسخگویی صنعت، برخی عوامل دیگر ممکن است بر روند تأثیر بگذارد که می تواند کارایی بخش های فرعی را افزایش یا کاهش دهد. محاسبه این عوامل برای ارائه برآورد قوی از کارایی سیستم VET ضروری است.

در حالی که کارایی در دانشگاه ها و مدارس به شکلی پررونق انجام شده است، مطالعات در مورد کارایی موسسات VET استرالیا کاملاً نوپا بوده است. طبق دانش ما، اولین کار پیشنهاد شده توسط Abbott و Doucouliagos ( 2002 ) 23 آموزش فنی و تکمیلی (TAFE) در ایالت ویکتوریا را با استفاده از روش دو مرحله ای DEA برای یک سال 1995 بررسی کرد. نتایج نشان داد که موسسات TAFE ویکتوریا ناکارآمد در عملکرد و کارایی فنی و مقیاس آنها پراکندگی قابل توجهی را نشان داد. تجزیه و تحلیل رگرسیون برای شناسایی متغیرهای خارجی که با ناکارآمدی فنی مرتبط هستند مانند اندازه کلاس، کارکنان اداری، بودجه دولتی و غیره استفاده شد. اخیراً، فیگر و همکاران. ( 2017) کارایی سیستم VET استرالیا را در دو بعد مجزا، بار آموزشی و نتیجه اشتغال، با استفاده از تحلیل مرزی تصادفی مورد بررسی قرار داد. این مطالعه از داده‌های 56 موسسه TAFE برای سال 2011 استفاده کرد. نویسندگان دریافتند که نمرات کارایی بار آموزشی و نتایج اشتغال به ترتیب 904/0 و 93/0 است و این نمرات تحت‌تاثیر ویژگی‌های ورودی‌ها و متغیرهای کنترل قرار دارند. با این حال، مطالعه جداگانه دو گره، بار آموزشی و نتیجه اشتغال، همانطور که در فیگر و همکاران نشان داده شده است. ( 2017) پیوند بین آنها را برای کمک به کارایی کل فرآیند آموزش VET به طور عمیق بررسی نمی کند. علاوه بر این، تغییر پویا در طول زمان، که از عوامل مهم مورد توجه است، در تحقیقات آنها پوشش داده نشد. به عبارت دیگر، تحقیقات در مورد کارایی آموزشی VET باید بر پیوند بین مرحله آموزش و پاسخگویی صنعت در یک زمینه واحد متمرکز شود، همانطور که در اهداف دستور کار اصلاح VET نشان داده شده است. این به این دلیل است که تغییر در هر یک از فازها بر بازده کلی تمرین تأثیر می گذارد.

این مقاله به دنبال پر کردن شکاف همانطور که در بالا در ادبیات نوپای کارایی بخش VET با استفاده از رویکرد تحلیل پوششی داده‌های شبکه پویا (DEA) ذکر شد و مدل نظری آن در بخش بعدی ارائه می‌شود.

روش تحلیل

به طور گسترده ای شناخته شده است که استفاده از مدل DEA برای تخمین کارایی در بخش آموزش به خوبی در ادبیات از نظر مزایای آن مانند پرداختن به خروجی ها و ورودی های متعدد به طور همزمان که می تواند از اطلاعات قیمت و از اطلاعات مستثنی باشد، مستند شده است. نیازی به شکل عملکردی قبلی بین ورودی ها و خروجی ها نیست (جانز و یو 2008 ؛ جاکوب 2001 ؛ تران و ویلانو 2017 ). مدل‌های مرسوم DEA همانطور که در ضمیمه ارائه شده‌اند می‌توانند امتیازهای کارایی DMUهای مورد علاقه را از نظر ورودی‌ها و خروجی‌های تعیین‌شده ارائه کنند. با این حال، اگر فقط از چنین DEA معمولی استفاده شود، یک شبکه داخلی که عملیات مراحل مختلف را به هم مرتبط می کند، می تواند به طور بالقوه نادیده گرفته شود (Tran and Villano 2018a). در عوض، یک روش DEA شبکه پیشنهاد شده توسط Tone و Tsutsui ( 2009 ) می تواند برای پر کردن این شکاف با بررسی عملکرد مراحل انتقالی با هدف جستجوی راه حل های مناسب برای بهبود کارایی برای هر مرحله در فرآیند تولید شرکت ها، به عنوان مثال کارایی استفاده شود. از دو بخش، آموزش و اشتغال پذیری دانشجویان، گره های آموزشی و پژوهشی (منفرد و صافی 2013 )، مراحل تحقیق و درخواست کمک هزینه (لی و ورثینگتون 2016 ).

Tone و Tsutsui ( 2014 ) برای ثبت تغییرات پویای بازده تقسیمی در طول زمان، یک DEA شبکه پویا را بر اساس مدل DEA پویا با ساختار تحلیل شبکه (Tone and Tsutsui 2009 ) در یک چارچوب یکپارچه، به عنوان مثال مرحله آموزش، توسعه دادند. و پاسخگویی صنعت در بخش VET. این مدل شبکه پویا در مطالعات اخیر Tran و Villano ( 2018a , bبرای اندازه‌گیری کارایی کلی مؤسسات آموزش عالی دولتی ویتنامی، کارایی علمی و مالی و تغییرات پویا در کارایی این بخش‌ها در دوره‌های بررسی‌شده. نتایج آنها نشان داد که کارایی مالی به طور قابل توجهی به کارایی کلی مؤسسات دولتی (کالج ها و دانشگاه ها) کمک می کند تا کارایی علمی. در دیدگاه آموزشی، مطالعات آنها بر پیوندهای داخلی در عملیات مؤسسات بدون در نظر گرفتن پاسخ صنعت از نظر رضایت کارفرما متمرکز شده است که اثربخشی فرآیند آموزش و پرورش را نشان می دهد. به نظر می رسد که گره نهایی برای تکمیل این فرآیند وجود ندارد.

در مقاله حاضر، مدل مبتنی بر شلی شبکه پویا مبتنی بر خروجی DEA برای تخمین کارایی آموزش در رابطه با پاسخگویی صنعت سیستم VET استرالیا در یک چارچوب یکپارچه استفاده می‌شود. انتظار می رود این مقاله کمک های زیر را به ادبیات ارائه دهد. اول، این مطالعه اولین مطالعه ای است که کارایی آموزشی کلی VET را در یک روش خروجی گرا DEA مبتنی بر شبکه پویا (DNDEA) ارزیابی می کند، به ویژه با تمرکز بر کارایی آموزش پویا مبتنی بر آموزش ناشی از فعالیت های میانی مراحل مختلف در یک چارچوب فراگیر دومین، تحقیق در مورد کارایی در آموزش تقسیمی و پاسخگویی صنعت (با رضایت کارفرمایان) در یک ساختار شبکه نیز اولین موردی است که در VET انجام می شود که به فرد امکان می دهد بطور مستقل کارایی بخش آموزشی و پاسخگویی صنعت را تخمین بزند. در نهایت، اهمیت هر بخش در ساختار یکپارچه برای پیامدهای سیاست بررسی شده است.

با استفاده از مدل ارائه شده توسط Tone و Tsutsui ( 2014 )، فرض کنید که $n$ DMUs، در این مقاله زمینه های آموزش (FOE، n = 12) ( $j = 1, \dots, n)$ شامل $D$ تقسیمات (D = 2) ( $d = 1, \dots, D)$ در دوره های زمانی T (T = 3) ( $t = 1, \dots, T)$ . تعداد ورودی ها و خروجی های تقسیم $d$ به عنوان مشخص می شوند $k_{d}$ و $h_{d}$ به ترتیب پیوند منتهی به تقسیم باشد $d$ به تقسیم $r$ توسط ${(d r)}_{i}$ و مجموعه پیوندها توسط $L_{d r}$ . در همین راستا، متغیرهای ورودی، خروجی، پیوند و انتقال را به صورت زیر تعریف کردیم:

منبع ورودی $i$ به ${D M U}_{j}$ برای تقسیم $d$ در دوره $t$ : $x_{i j d}^{t} \in S_{+} (i = 1, \dots, k_{d}; j = 1, \dots, D; t = 1, \dots, T)$ ;

محصول خروجی r از ${D M U}_{j}$ ، تقسیم $d$ ، در دوره $t$ : $y_{r j d}^{t} \in S_{+} (r = 1, \dots, h_{d}; j = 1, \dots, D; t = 1, \dots, T)$ ;

پیوند محصولات میانی از ${D M U}_{j}$ از تقسیم $d$ به تقسیم $r$ در دوره $t$ : $z_{j {(d r)}_{l}}^{t} \in S (j = 1, \dots, k_{d}; l = 1, \dots, L_{d r}; t = 1, \dots, T)$ ، جایی که $L_{d r}$ تعداد موارد موجود در پیوند از است $d$ به $r$ ; و

حمل از ${D M U}_{j}$ ، در تقسیم $d$ ، از دوره $t$ به دوره $t + 1$ : $ω_{j d_{l}}^{(t, t + 1)} \in R_{+} (j = 1, \dots, k_{d}; l = 1, \dots, l_{d}; d = 1, \dots, D; t = 1, \dots, T - 1)$ ، جایی که $L_{d}$ تعداد اقلام در انتقال از تقسیم است $d$ .

مجموعه امکان تولید $Q^{t} = {(x_{d}^{t}, y_{d}^{t}, ω_{(m r)}^{t}, ω_{i d}^{(t, t + 1)})} (t = 1, \dots, T)$ بیان می شود توسط.

$x_{d}^{t} \geq \sum_{j = 1}^{n} x_{j d}^{t} λ_{j d}^{t} (\forall d, \forall t)$ و $y_{d}^{t} \leq \sum_{j = 1}^{n} y_{j d}^{t} λ_{j d}^{t} (\forall k, \forall t);$

ω تی (د ر) تی = \sum j = 1 n ω تی j (د ر) تی λ تی j d (\forall l ، \forall (د ر) ل, \forall t) (a s o u t p u t s f r o m د من n p e r i o d ت)

ω تی (د ر) تی = \sum j = 1 n ω تی j (د ر) تی λ تی j r (\forall l ، \forall (د ر) ل, \forall t) (a s من n p u t s f r o m r من n p e r i o d ت)

ω t (t + 1) د ل = \sum j = 1 n ω t (t + 1) j d r λ تی j d (\forall l ، \forall (د ر) ل, \forall t) (a s c a r r y o v e r f r o m p e r i o d ت)

ω t (t + 1) د ل = \sum j = 1 n ω t (t + 1) j d ل λ t + 1 j d (\forall l ، \forall (د ر) ل, \forall t) (a s c a r r y o v e r t o p e r i o d t + 1)

\sum j = 1 n ω تی j d = 1 (\forall d ، \forall t) ، λ تی j d \geq 0 (\forall j, \forall k, \forall t)

جایی که $λ_{d}^{t} = {λ_{j d}^{t}} \in S_{+}^{n}$ بردار شدت مربوط به تقسیم است $d, \forall d a t t, \forall t$ .

خاطرنشان می شود که هیچ پیوندی و انتقال متغیری از دوره قبل وجود ندارد و در دوره پایانی، T در دوره اولیه T ₁ فرض می شود . به طور مشابه، هیچ خروجی پیوندی از بخش پایانه و هیچ انتقالی به دوره بعدی در مدل وجود ندارد.

با توجه به محدودیت های ورودی-خروجی، برای DMU _o $(o = 1, \dots, n$ $\in Q)$ ، $x_{o d}^{t} = X_{d}^{t}_{d}^{t} + s_{d o}^{t -} (\forall d, \forall t)$ ; $y_{o d}^{t} = Y_{d}^{t}_{d}^{t} - s_{d o}^{t +} (\forall d, \forall t)$ ، و $e_{d}^{t} = 1 (\forall d, \forall t)$ ، جایی که $_{d}^{t} \geq 0, s_{d o}^{t -} \geq 0, s_{d o}^{t +} \geq 0 (\forall d, \forall t)$ ; و $X_{d}^{t} = (x_{1 d}^{t}, \dots, x_{n d}^{t}) \in S^{k_{d} \times h}$ و $Y_{d}^{t} = (y_{1 d}^{t}, \dots, y_{n d}^{t}) \in S^{h_{d} \times n}$ – ماتریس های ورودی و خروجی و $s_{k o}^{t -}$ و $s_{k o}^{t +}$ به ترتیب ورودی و خروجی slacks هستند.

در مورد محدودیت های پیوند، متغیرهای پیوند دهنده به عنوان پیوند ورودی در این مقاله به بخش بعدی در نظر گرفته می شوند. یعنی افراط به عنوان ناکارآمدی ورودی نسبت داده می شود و به عنوان نشان داده می شود $ω_{o (d r) i n}^{t} = ω_{(d r) i n}^{t}_{d}^{t} + s_{o (d r) i n}^{t} ((d r) i n = 1, \dots, {l i n k i n}_{d})$ ، جایی که $s_{o (d r) i n}^{t} \in S^{L_{(d r) i n}}$ شل و غیر منفی هستند و ${l i n k i n}_{d}$ تعداد پیوندهای ورودی از بخش d است.

انتقال استفاده شده در این مقاله را می توان آزادانه مدیریت کرد، به این معنی که مقدار آن می تواند از مقدار مشاهده شده افزایش یا کاهش یابد و انحراف از مقدار فعلی مستقیماً در امتیازات کارایی منعکس نمی شود (Tone and Tsutsui 2014 , pp.126- 127). محدودیت حمل به صورت زیر نشان داده شده است:

ω t (t + 1) o d ل سی A R R Y = \sum j = 1 n ω t (t + 1) j d ل سی A R R Y λ تی j d + س t (t + 1) o d ل سی A R R Y (د ل = 1 ، \dots ، n C A R R Y د, \forall k, \forall t)

در این مطالعه، رویکرد خروجی گرا برای اندازه گیری کارایی آموزش مبتنی بر FOE در VET استفاده می شود. فرض بر این است که VET استرالیا به حداکثر رساندن نرخ تکمیل و رضایت صنعت است. بازده کلی، دوره ای و تقسیمی با فرمول های زیر نشان داده می شود:

کارایی کلی

1 / θ * o = م یک x \sum t = 1 تی دبلیو تی ⎡ ⎣ \sum د = 1 دی w ک ⎡ ⎣ 1 + 1 ساعت د + l i n k i n د + n C A R R Y د ⎛ ⎝ \sum i = 1 ساعت د س t + من d _ y تی من یا من + \sum د r تی = 1 l i n k i n د س تی o ( د ر ) من من n z تی o ( د ر ) من من n + \sum د تی = 1 n C A R R Y د س t ( t + 1 ) o د من سی A R R Y ω t ( t + 1 ) o د من سی A R R Y ⎞ ⎠ ⎤ ⎦ ⎤ ⎦

بازده دوره

1 / τ t * 0 = \sum د = 1 دی w د ⎡ ⎣ 1 + 1 ساعت د + l i n k i n د + n c a r r y د ⎛ ⎝ \sum i = 1 ک د س t + من d _ y تی من d _+ \sum د r تی = 1 l i n k i n د س تی o ( د ر ) من من n ω تی o ( د ر ) من من n + \sum د تی = 1 n C A R R Y د س t ( t + 1 ) o د من سی A R R Y ω t ( t + 1 ) o د من سی A R R Y ⎞ ⎠ ⎤ ⎦

بهره وری بخش

1 / δ t * 0 = \sum t = 1 تی دبلیو تی ⎡ ⎣ 1 + 1 ساعت د + l i n k i n د + n C A R R Y د ⎛ ⎝ \sum i = 1 ساعت د س t + من d _ y تی من d _+ \sum د r تی = 1 l i n k i n د س تی o ( د ر ) من من n ω تی o ( د ر ) من من n + \sum د تی = 1 n C A R R Y د س t ( t + 1 ) o د من سی A R R Y ω t ( t + 1 ) o د من سی A R R Y ⎞ ⎠ ⎤ ⎦

در نهایت کارایی دوره-تقسیمی به این صورت تعریف می شود

1 / ρ t * 0 = 1 + 1 ساعت د + l i n k i n د + n C A R R Y د ⎛ ⎝ \sum i = 1 ساعت د س t + من d _ y تی من d _+ \sum د r تی = 1 l i n k i n د س تی o ( د ر ) من من n ω تی o ( د ر ) من من n + \sum د تی = 1 n C A R R Y د س t ( t + 1 ) o د من سی A R R Y ω t ( t + 1 ) o د من سی A R R Y ⎞ ⎠

خاطرنشان می شود که در مدل خروجی گرا، بازده کلی آموزش به عنوان میانگین حسابی وزنی بازده دوره/گره محاسبه می شود. وزن ها برای هر گره/دوره باید برای اطمینان از موضوع منحصر به فرد بودن در کارایی انتخاب شوند (Tone and Tsutsui 2014 ). کاربرد این مدل DNDEA در سیستم VET در بخش بعدی ارائه شده است.

استراتژی تجربی و منابع داده

تحلیل تجربی مدل DEA پویا شبکه

در این مقاله، دو مرحله اصلی که در فرآیند آموزش سیستم VET استرالیا تاکید شده است، آموزش و پاسخگویی به صنعت است که منعکس کننده نتایج آموزشی و رضایت کلی کارفرمایان است که از فارغ التحصیلان به عنوان یک نیاز شغلی استفاده می کنند. این مراحل اهمیت یک فرآیند کامل تولید را از طریق ارتباط نزدیک بین آموزش و صنعت نشان می دهد.

پیروی از پیشینه نظری همانطور که در ” روش تحلیلهر دو مرحله تصویری کلی از روند آموزش ارائه دهندگان آموزش و پرورش از مدرسه تا تمرین را به تصویر می کشند که بینش بیشتری را برای مؤسسات و سیاست گذاران برای پیشبرد بخش به جلو ارائه می دهد. برای انجام این کار، به غیر از روش DEA معمولی، روش پیشرفته DNDEA می تواند کارایی هر فاز را عمیقاً بررسی کند و تغییرات دینامیکی آن را در دوره های مختلف ثبت کند.

شکل 4 مدل تجربی را برای تخمین کارایی آموزشی پویا VET ارائه می کند. انتخاب متغیرهای ورودی و خروجی نقش مهمی در تحلیل عملکرد VET دارد. همانطور که قبلاً بحث شد، انتخاب ورودی ها و خروجی ها باید منعکس کننده نیاز و هدف صنعت باشد.

برای مرحله آموزش، هدف VET آموزش و آموزش دانش آموزان در یک دوره کوتاه یا میان مدت است تا دیپلم یا گواهینامه خود را با موفقیت دریافت کنند. در حالی که فاز تدریس ممکن است به عوامل مختلفی از جمله کادر آموزشی، کارکنان اداری، امکانات بستگی داشته باشد، در این مقاله از تعداد دانش‌آموزانی که در هر رشته تحصیلی ثبت‌نام کرده‌اند، می‌توان به عنوان یک ورودی برای فرآیند آموزش و آموزش VET در نظر گرفت. I _T ). در نتیجه، خروجی این فرآیند توسط نرخ تکمیل صلاحیت (L _r ) مشخص می‌شود که نشان‌دهنده نسبت دانشجویانی است که مدارکی را که شروع کرده‌اند به پایان می‌رسانند و آماده مشارکت در صنعت هستند. علاوه بر این، نرخ عبور بار موضوع در این فاز به عنوان خروجی اضافه می شود (O _r). نرخ قبولی موضوعی، نسبت ساعات مطالعه شده توسط دانش‌آموزانی است که دروس خود را گذرانده‌اند، به کل ساعات متعهد شده توسط همه دانش‌آموزانی که موفق به قبولی، شکست یا انصراف از موضوعات مربوطه شده‌اند (پایگاه داده تحقیقات آموزش و پرورش و آموزش حرفه‌ای NCVER (VOCED) 2014 ). این نرخ به عنوان یک نماینده برای بازتاب کیفیت یادگیری دانش آموزان استفاده می شود.

برای مرحله رضایت/پاسخگویی صنعت، هدف VET نه تنها ارائه نیروی کار واجد شرایط به صنعت است، بلکه انتظار می رود که کارفرمایان صنعتی به عنوان یک ورودی مهم در فرآیند VET شرکت کنند (I _I ). نسبت مشارکت کارفرما (به عنوان مثال مطالعه یا داشتن کارمندان برای یادگیری در موسسات VET) اطلاعات غنی تری در مورد اثربخشی VET ارائه می دهد. بر این اساس، خروجی برای مرحله پاسخگویی صنعت (O _I ) به عنوان رضایت کارفرمایان که کارایی و اثربخشی VET را در تمام جنبه‌ها ارزیابی کردند، مشخص می‌شود.

عامل میانی ارتباط بین دو مرحله آموزش و پاسخگویی صنعت، میزان تکمیل صلاحیت (L _I ) است. این فاکتور به عنوان خروجی مرحله آموزش معرفی می شود و به عنوان یک پیوند رایگان اختیاری در نظر گرفته می شود که می تواند برای هر دوره بالا یا پایین برود. نرخ تکمیل ارتباط بین VET و صنعت را نشان می دهد که موضوعی است که توسط صنعت ارزیابی می شود. به این معنا که صنعت و کارفرمایان کیفیت VET را بر اساس کیفیت فارغ التحصیلان منعکس می کنند.

در مورد جابه‌جایی بین دوره‌ها، در مرحله تدریس، نرخ عدم قبولی درسی (C _T ) به عنوان یک عامل نامطلوب در نظر گرفته می‌شود، به این معنی که دانش‌آموزان هر رشته تحصیلی در صورت عدم موفقیت در هر درسی، باید آن را دوباره بخوانند. دوره بعدی این متغیر برای انعکاس فرآیند عملیاتی کامل VET برای دریافت مدرک یا دیپلم مورد نظر گنجانده شده است. در مرحله پاسخگویی به صنعت، درصد کارفرمایانی که از آموزش های ملی به رسمیت شناخته شده استفاده می کنند، به عنوان نماینده انتقال انتخاب می شود (C _I) که نه تنها روند آموزش را در دوره فعلی بلکه برای دوره بعدی نیز تسهیل می کند. به طور کلی، کارفرمایانی که از آموزش های شناخته شده ملی استفاده می کنند، مشارکت خود را در VET و پاسخگویی به صنعت نشان می دهند. شرح عوامل مورد بحث برای فرآیند تحلیل در جدول 2 نشان داده شده است.

جدول 2 شرح متغیرهای مورد استفاده در مدل تجربی DNDEA

جدول اندازه کامل

تعداد ورودی ها و خروجی های استفاده شده برای هر فاز باید به دقت در نظر گرفته شود تا از قدرت تجزیه و تحلیل اطمینان حاصل شود و در نتیجه امتیازهای کارایی بی طرفانه ایجاد شود. به گفته بانکر، چارنز و کوپر ( 1984 )، مجموع ورودی ها و خروجی ها را می توان در مدل های DEA استفاده کرد، باید کمتر یا برابر با یک سوم کل مشاهدات باشد. بر این اساس، برای هر مرحله در مدل ما، مجموع ورودی ها و خروجی ها در 12 رشته آموزشی نباید بیشتر از 4 باشد. بر اساس این قانون، ورودی‌ها و خروجی‌ها شامل متغیرهای پیوندی و انتقالی برای هر مرحله به‌طور مناسب انتخاب می‌شوند تا ماهیت فرآیند تدریس و رضایت صنعت را منعکس کنند. خلاصه آماری تمام متغیرهای مورد استفاده در مدل DNDEA در جدول 3 نشان داده شده است .

جدول 3 آمار خلاصه ورودی ها و خروجی ها

جدول اندازه کامل

همانطور که در Tone و Tsutsui ( 2014 ) نشان داده شد، وزن برای دوره ها و گره ها باید در مدل DNDEA از قبل تعیین شود. در سال 2012، کارگروه اصلاح VET برای اجرای اهداف اصلاحی پیشنهاد شده توسط شورای دولت های استرالیا (COAG) دستور کار اصلاح VET تشکیل شد. امسال برای بهره وری آموزش و پاسخگویی صنعت مهم می شود، بنابراین در سطح بالاتری نسبت به سایر سال های گذشته قرار می گیرد. یعنی سال 3 اولویت را دارد و سال های 2 و 1 به این ترتیب کاهش می یابد. همانطور که در ابتکارات کلیدی اصلاح VET (NCVER، 2017) منعکس شده است، آموزش و پاسخگویی صنعت نقش مهمی در اصلاح VET ایفا می کند، بنابراین اهمیت یکسانی برای فرآیند آموزش VET دارد. وزن گره ها و دوره ها در جدول 4 ارائه شده است.

جدول 4 وزن برای دوره ها و گره ها

جدول اندازه کامل

داده ها و منابع داده

مطالعات قبلی در مورد بهره وری آموزش به طور سنتی از موسسات به عنوان واحدهای ارزیابی شده استفاده می کردند که به طور بالقوه می توانستند همه موسسات را در تجزیه و تحلیل به دلیل داده های ناکافی شامل نشوند. برای جلوگیری از این امر، هدف مقاله حاضر استفاده از تمام زمینه‌های آموزش VET به جای آن است که می‌تواند عملکرد کل صنعت را منعکس کند. بر این اساس، مدل نظری شرح داده شده در بخش فوقبرای تجزیه و تحلیل کارایی در تمام دوازده (12) زمینه های آموزشی سیستم VET استرالیا اعمال می شود. تجزیه و تحلیل داده ها یک دوره چهار ساله، 2008-2012 برای مرحله آموزش، و 2009-2013 برای رضایت صنعت در یک مجموعه داده پانل متعادل است. دوره رضایت از صنعت یک سال تاخیر دارد زیرا نظرسنجی رضایت از صنعت پس از فارغ التحصیلی دانشجویان جمع آوری شده است، یعنی هر دو سال یکبار. داده ها از گزارش های سالانه VET (NCVER’s, VOCED. 2014 ) استخراج شد.

نتایج تجربی

بهره وری شبکه دوره ای (پویا) سیستم VET

این بخش، یافته‌های تجربی مدل‌های شبکه پویا DEA را برای بخش VET استرالیا و نمرات بازده فردی 12 رشته آموزشی در طول دوره بررسی‌شده نشان می‌دهد. کارایی تقسیمی برای هر بخش، آموزش و پاسخگویی صنعت تخمین زده می شود. این امتیاز کارایی را می توان برای هر دوره تخمین زد که اصطلاحاً کارایی دوره نامیده می شود. سپس برای همه دوره‌ها، بازده دوره-تقسیمی برای آن تقسیم نامیده می‌شود. برای کل سیستم در یک ساختار شبکه در طول دوره های متعدد، دوره و بازده شبکه دوره-تقسیم کلی (اصطلاحاً بازده شبکه پویا کلی) با وزن های تعیین شده مجدد برای هر بخش و هر دوره تخمین زده می شود. جدول 5نمرات کارایی را برای دو فاز و کل سیستم از نظر بازده دوره و بازده شبکه دوره تقسیمی ارائه می دهد.

جدول 5 تجزیه و تحلیل کارایی فرآیند آموزش در سیستم VET استرالیا

جدول اندازه کامل

می توان مشاهده کرد که با توجه به وزن های از پیش تعیین شده برای هر فاز و دوره، میانگین بازده شبکه دوره-بخش کلی برای آموزش VET 0.835 است. این بدان معناست که VET استرالیا به طور بالقوه می تواند کارایی خود را در ساختار شبکه ای از آموزش و پاسخگویی صنعت تا 16.5٪ بهبود بخشد. تغییر دینامیکی در امتیاز کارایی VET همانطور که توسط مدل DNDEA تعیین می‌شود، در طول سال‌ها متغیر است، از دوره 1 به دوره 2 کمی افزایش می‌یابد، سپس از دوره 2 به دوره 3 به طور متوسط کاهش می‌یابد. این ناپایداری به دلیل تغییر در کارایی فازهای جداگانه است. ، تدریس و رضایت صنعت. آزمون هتلینگ تفاوت معنی داری را بین سه دوره در سطح معناداری کمتر از 10 درصد نشان می دهد.

مدل DNDEA به ما اجازه می دهد تا تغییرات راندمان هر فاز را به طور جداگانه مشاهده کنیم. یافته‌ها نشان می‌دهد که راندمان تدریس دوره‌ای به طور متوسط 0.763 است، به این معنی که VET باید کارایی آموزشی خود را تا 23.7٪ بهبود بخشد تا کارایی کامل یک را به دست آورد. در یک نگاه دقیق تر، کاهش کارایی آموزش VET در دوره های گزارش شده وجود دارد. با این حال، تفاوت در کارایی تدریس دوره در سطح 5 درصد معنی‌دار نیست.

با توجه به پاسخگویی صنعت، راندمان دوره-تقسیمی سیستم VET در سه دوره حداقل تغییر کرد و 3.7٪ افزایش یافت، از 0.916 در دوره 1 به 0.953 در دوره 2، سپس با 7.9٪، به 0.874 در دوره 3 کاهش یافت. این نوسان. روند تغییر در کارایی سیستم VET استرالیا را هدایت کرده است، به ویژه در دوره 3، زمانی که کارایی کلی و کارایی در پاسخگویی صنعت کاهش یافت. این ممکن است تحت تأثیر ابتکارات اصلاح VET منتشر شده در سال 2012 باشد که در آن کیفیت آموزش و پاسخگویی صنعت به عنوان یکی از ابتکارات اصلاحی تعیین شده است. این امر بر میزان تکمیل و رضایت صنعت تأثیر می گذارد. با این حال، اینکه آیا این کاهش را می توان به تأثیر مداخله سیاست دولت نسبت داد یا خیر، خارج از توجه ما است، زیرا شناسایی روابط قطعی و علّی در این زمینه دشوار است. صرف نظر از این سناریو، میانگین بازدهی پاسخگویی صنعت در 0.908 قابل احترام است. به عبارت دیگر، فضایی برای بخش VET وجود دارد تا سطح رضایت صنعت را تا 9.2 درصد افزایش دهد. آزمون هتلینگ نشان می دهد که ناهمگونی در بازده دوره-تقسیم رضایت صنعت در سه دوره در سطح 5 درصد معنادار است.

ضرایب همبستگی رتبه اسپیرمن بین کارایی فاز تدریس و پاسخگویی صنعت و کارایی کلی شبکه (دوره کارایی شبکه تقسیمی) طی سه دوره در جدول 6 ارائه شده است.. یافته‌ها نشان می‌دهد که کارایی کلی شبکه به شدت با کارایی آموزشی با ضریب همبستگی 0.846 در سطح 1٪ از معنی‌داری همبستگی دارد. این بدان معناست که کارایی آموزشی یک تقویت کننده کلیدی در کارایی کلی سیستم VET است. اگرچه پاسخگویی صنعت به طور مستقیم و قابل توجهی به کارایی بخش VET کمک نمی کند، اما نقشی ضروری برای کمک به سیستم VET برای بهبود کیفیت آموزش و کمک موثرتر به بازار نیروی کار استرالیا ایفا می کند. با نگاهی دقیق‌تر به تک تک رشته‌های آموزش، چنین برمی‌آید که برخی از رشته‌های آموزشی در آموزش کاملاً کارآمد هستند، اما در پاسخگویی به صنعت (رضایت کارفرمایان) برای مثال آموزش و علوم طبیعی و بدنی کارآمد نیستند. از سوی دیگر، برخی از زمینه های آموزشی مانند کشاورزی، محیط زیست و مطالعات مرتبط و جامعه و فرهنگ در پاسخگویی به صنعت کاملاً کارآمد هستند، اما در مرحله آموزش نه. مشاهده می شود که همبستگی بین آموزش و پاسخگویی صنعت منفی است اما در سطح 5 درصد معنی دار نیست. این نشان می دهد که رضایت صنعت از کارایی تدریس از طریق کیفیت فارغ التحصیلان روندی کاهشی داشته و نیاز به بررسی دقیق دارد.

جدول 6 ماتریس همبستگی برای بازده کلی و تقسیمی، 2008-2012

جدول اندازه کامل

توزیع کارایی های تخمین زده شده بخش VET بر اساس مدل DNDEA برای هر فاز و سیستم کلی در شکل 5 نشان داده شده است . مشاهده می شود که کارایی مرحله آموزش به شدت با کارایی کلی شبکه مرتبط است. در مقابل، پراکندگی زیادی در ارتباط بین کارایی پاسخگویی صنعت و کارایی کلی شبکه وجود دارد. این نشان‌دهنده اهمیت مرحله آموزش در کارایی VET است، اگرچه این مرحله هنوز باید عملکرد خود را بهبود بخشد تا کارایی مرزی کامل را به دست آورد.

جدول 7 کارایی فردی و کارایی کلی 12 زمینه آموزشی را در طول دوره مربوطه نشان می دهد. صدک بالای 25 درصد شامل جامعه و فرهنگ (986/0)، آموزش و پرورش (982/0) و علوم طبیعی و فیزیکی (956/0) است در حالی که صدک 25 درصد پایین شامل فناوری اطلاعات (83/0)، مدیریت و بازرگانی (837/0)، غذا، هتلداری است. و خدمات شخصی (0.78) و برنامه های میدانی مختلط (0.79). از میان 12 حوزه آموزشی درگیر، 75 درصد از این رشته ها دارای میانگین بازده شبکه پویا بیشتر از میانگین نمره نمونه 0.835 هستند. جزئیات کارایی تقسیمی برای رشته های آموزشی فردی از نظر مرحله تدریس و پاسخگویی صنعت در سه دوره مربوط در جدول 9 نشان داده شده است.

جدول 7 کارایی کلی و دوره ای برای 12 رشته آموزشی

جدول اندازه کامل

تجزیه و تحلیل میزان حساسیت

در این بخش، یک تحلیل حساسیت برای کارایی شبکه دوره-بخش کلی و بازده تقسیمی آموزش و پاسخگویی صنعت بر اساس تحریک در وزن‌های دوره انجام می‌شود. فرض بر این است که وزن تقسیمی بدون تغییر باقی می ماند، همانطور که در جدول 4 نشان داده شده است برای هر کدام 0.5 است زیرا دو مرحله آموزش و پاسخگویی صنعت نقش مهمی در اصلاحات VET ایفا می کنند (NCVER، 2017)، بنابراین آنها باید در استرالیا از اهمیت یکسانی برخوردار باشند. سیستم VET از طرف دیگر، اگر وزن دوره با ضرایب مختلف تنظیم شود، می توان برای مشاهده اینکه آیا تفاوتی در امتیازهای کارایی تخمینی وجود دارد یا خیر، قابل تغییر است. همانطور که در Tone and Tsutsui ( 2014، قوانین تنظیم وزن دوره در دوره های متعدد باید رعایت شود. به طور خاص، مجموع اوزان دوره باید برابر با یک باشد و وزن دوره بعدی باید بیشتر از وزن قبلی باشد. بر این اساس، پنج مورد تنظیم شده است، و شبکه پویا و بازده تقسیمی کلی برای رضایت از آموزش و صنعت همانطور که در جدول 8 نشان داده شده است محاسبه می شود.

جدول 8 تجزیه و تحلیل حساسیت با موارد مختلف برای وزن دوره

جدول اندازه کامل

همانطور که از جدول 8 مشاهده می شود که امتیازهای کارایی برای کل سیستم، آموزش و رضایت صنعت در پنج سناریوی در نظر گرفته شده از جمله مورد اصلی ارائه شده در بخش قبل کمی متفاوت است. در یک دیدگاه خاص تر، وزن های دوره ای که در دوره 3 مشابه هستند، می توانند نتیجه یکسانی را برای نمرات کارایی تدریس ایجاد کنند. به عنوان مثال موارد 1 و 2 وزن یکسانی برای دوره 3 در 0.55 دارند و نمرات بازده تدریس در این موارد برابر با 0.758 است. مانند مورد اصلی و مورد 4 با وزن دوره یکسان در دوره 3 در 0.45، سپس نمره کارایی تدریس در این سناریوها برابر با 0.763 است. با این حال، این پدیده با رضایت صنعت رخ نمی دهد.

علاوه بر این، آزمون هتلینگ نشان می دهد که تغییرات در نمرات کارایی در بین شش مورد به طور قابل توجهی در سطح 5٪ از اهمیت برای رضایت صنعت متفاوت است در حالی که تغییر در کارایی تدریس از نظر آماری معنی دار نیست. این نشان می دهد که به نظر می رسد کارایی تدریس به وزن دوره پاسخ نمی دهد در حالی که رضایت صنعت به تغییرات وزن دوره حساس است. به عبارت دیگر، کسب و کار و صنعت به سرعت به عملکرد VET در همه جنبه ها از طریق رضایت صنعت پاسخ می دهند، در حالی که کارایی آموزش در طول زمان بهبود بیشتری را نشان نداده است. علاوه بر این، آزمون هتلینگ نشان می دهد که کارایی شبکه پویا کلی آموزش VET در سطح 5 درصد از اهمیت در شش مورد قابل توجه نیست. با این اوصاف، هنگام آزمایش تفاوت بین نمرات کلی شبکه و بازده تقسیمی برای سناریوهای فردی، آزمون F تفاوت معنی داری را برای موارد منفرد در سطح 5٪ از اهمیت نشان می دهد. در نهایت، با نگاهی به دامنه نمرات کارایی تدریس (0.758-0.763) و رضایت صنعت (0.906 تا 0.910)، می توان مشاهده کرد که انتخاب وزن های دوره برای مورد اصلی برای نشان دادن تغییرات دینامیکی مناسب به نظر می رسد. سیستم VET در طول زمان

بحث

کیفیت آموزش و پاسخگویی صنعت از اهداف مهم برای بهبود عملکرد سیستم VET استرالیا است. مفهوم کیفیت به طور کلی چند وجهی است و بر تفاسیر مختلفی مانند کیفیت معلمان، دانش‌آموزان و سیستم‌ها از جمله سیاست دولت استوار است (Harris 2015 ).). در حالی که اندازه‌گیری کیفیت تدریس از نظر کمی دشوار است، کارایی تدریس احتمالاً جایگزینی است به طوری که کیفیت تدریس می‌تواند در فرآیند تدریس تعبیه شود و از طریق میزان تکمیل و رضایت صنعت به دست آید. استدلال می‌شود که بخش‌های پاسخگویی آموزش و صنعت در یک چارچوب یکپارچه با هم مرتبط هستند تا کارایی کلی سیستم VET را منعکس کنند. در عوض بررسی کارایی تدریس برای مؤسسات TAFE همانطور که در فیگر و همکاران ( 2017 )این مقاله به ویژه بر زمینه‌های آموزشی تمرکز دارد که بدون وابستگی به ویژگی‌های مؤسسات فردی که بر اساس مقیاس‌ها و حوزه‌های عملیات دانشگاهی متفاوت است، تصویری کلی به ما می‌دهد. یافته های ما نشان می دهد که امتیاز کارایی کلی VET به طور متوسط 0.835 است که نسبتاً مطابق با بازده فنی کلی موجود در مؤسسات TAFE ویکتوریا در 0.852 است (ابوت و دوکولیاگوس 2002 )، اما کمتر از کارایی آموزشی موجود در فیگر و همکاران است. . ( 2017) در 0.904 با استفاده از تحلیل مرز تصادفی. ما تصدیق می‌کنیم که اگرچه مقایسه نتایج کارایی حاصل از مطالعات مختلف ممکن است به دلیل استفاده از روش‌های مختلف در زمینه‌های اجتماعی-اقتصادی مختلف محدود باشد، اما همچنان مفید است که مقایسه‌های نسبی برای درک کارایی کلی بخش مورد نظر داشته باشیم. امتیاز کارایی VET تغییرات پویا را در طول دوره بررسی شده و در یک ساختار مرتبط داخلی از آموزش و رضایت صنعت به حساب می آورد.

وقتی به بازده های تقسیمی نگاه می کنیم، کارایی در پاسخگویی صنعت در 0.908 قابل احترام است. این نتیجه با نتیجه کارایی نتیجه اشتغال در فیگر و همکاران ( 2017 ) در 0.93 مطابقت دارد که از نظر بلوم و مایرز ( 2003 ) حمایت می کند که VET استرالیا در درجه اول در جهت برآوردن نیازهای تجارت و صنعت است. این سیاست تاکید شده است که VET استرالیا مبتنی بر مهارت‌ها و سیستم آموزشی متمرکز بر صنعت و رهبری صنعت است. مطالعات اخیر نشان داد که فارغ التحصیلان VET در مقایسه با کسانی که مدرک VET را کامل نکرده اند، در مشاغل خود به خوبی عمل می کنند (Polidano and Ryan، 2016 ؛ Karmel and Fieger 2012 ؛ Lee and Coelli 2010a .ب _ لی 2008 ).

در مورد تدریس، یافته‌های ما نشان داد که سیستم VET امتیاز کارایی تدریس را 0.763 به دست می‌آورد، به این معنی که VET باید عملکرد خود را 23.7٪ بهبود بخشد. این نتیجه شواهدی را مبنی بر کارایی پایین تدریس از طریق ثبت نام به عنوان ورودی و میزان تکمیل و نرخ عدم قبولی موضوع به عنوان خروجی ارائه می دهد، که مطابق با ادعاهای اخیر است که کیفیت آموزش VET باید ارتقاء یابد (Braithwaite 2017 ; Harris). 2015 ). اخیراً، تونر ( 2014 ) نشان داد که هنگامی که بودجه عمومی VET برای رقابت باز شود، با کاهش مداوم کیفیت آموزش همراه خواهد بود. این یک هشدار جدی است که باید مورد توجه سیاستگذاران قرار گیرد.

در یک دید کلی تر، نتیجه می شود که کارایی تدریس به عنوان یک بازیگر کلیدی در سیستم VET از طریق ضریب همبستگی بالای آن با نمره کارایی کلی در سطح 1% از اهمیت نشان داده شده است، حتی اگر کارایی در رضایت صنعت بسیار بالاتر باشد. به عبارت دیگر، بهره وری تدریس باید در مسیری یکسان با کیفیت آموزش و کیفیت معلم با هدف افزایش مشارکت نیروی کار، بهره وری و کارایی در زمینه های آموزشی حرکت کند (هریس 2015 ؛ هاج 2014 ؛ ویلهان و مودی 2011 ). .

نتیجه گیری

این مطالعه مدل DEA شبکه پویا پیشنهاد شده توسط Tone و Tsutsui ( 2014 ) را به کار بردبرای برآورد کارایی بخش VET استرالیا در دوره 2008-2012. این مدل پیشرفته برای تجزیه و تحلیل ساختار شبکه ای از سیستم VET و ثبت تغییرات پویای دو بخش، آموزش و پاسخگویی صنعت استفاده می شود که در عملیات VET در چندین دوره با هم مرتبط هستند. یافته‌های ما با بررسی عمیق ناکارآمدی آموزش VET در طول اتصال مراحل مختلف در فرآیند تولید دانشگاهی، کمک‌های مهمی به ادبیات کارایی نوپای بخش VET استرالیا می‌کند و بینش‌های بیشتری در مورد کارایی پویای آموزش بخش VET در ساختار شبکه ارائه می‌کند. این نتایج به علایق اصلاحات VET استرالیا در رابطه با کارایی آموزش و پاسخگویی به صنعت پرداخته است.

این مقاله یافته های مهم زیر را به دست آورد. در وهله اول، کارایی کلی آموزش VET شاهد تغییر در طول دوره بررسی شده است. آزمون هتلینگ نشان می دهد که این تغییرات در سطح معنی داری کمتر از 10 درصد معنی دار است ( 08/0 = p). به طور کلی، سیستم VET استرالیا به طور بالقوه می تواند عملکرد خود را تا 16.5٪ افزایش دهد. با نگاهی دقیق تر به ساختار شبکه، روند کاهشی در کارایی آموزش VET وجود دارد. اما این کاهش از نظر آماری معنی دار نیست. به طور متوسط، سیستم VET باید کارایی آموزشی خود را برای تمام 12 رشته آموزشی به میزان 23.7 درصد بهبود بخشد تا کارایی مرزی کامل را به دست آورد. در مورد رضایت صنعت، کارایی این مرحله در دوره گزارش شده متفاوت است، در دوره 2 افزایش یافته، سپس در دوره 3 کاهش یافته است. صنعت در نظرسنجی VET شرکت کرد. با این حال،

ثانیاً، کارایی تدریس 12 رشته تحصیلی اهمیت خود را برای کارایی سیستم VET با ضریب همبستگی 846/0 در سطح 1 درصد نشان می‌دهد. در مقابل، ضریب همبستگی رضایت صنعت دارای علامت مثبت است اما به طور ناچیز با امتیاز کارایی شبکه ارتباط دارد. با نگاهی بزرگ‌نمایی به تک رشته‌های آموزشی، متوجه می‌شویم که برخی از رشته‌های آموزشی در تدریس کاملاً کارآمد هستند، اما در رضایت صنعت ناکارآمد هستند و بالعکس. برای کل سیستم VET، هیچ رشته تحصیلی کارایی کاملاً مرزی را به دست نمی آورد. این نتیجه با نگرانی اخیر محققان در مورد کیفیت آموزش سیستم VET پشتیبانی می شود، زمانی که سیاست اصلاح VET برای رقابت در بودجه عمومی VET باز است.

در نهایت، یک تجزیه و تحلیل حساسیت برای وزن‌های دوره انجام شد و وزن‌های تقسیمی ثابت بود و نشان داد که تغییرات در بازده تدریس ناچیز بوده و در محدوده 0.758 و 0.763 قرار می‌گیرد. از سوی دیگر، دامنه کارایی رضایت از صنعت بین 0.906 تا 0.910 بود که در بین موارد مختلف تفاوت معنی‌داری داشت. این نشان می‌دهد که رضایت صنعت نسبت به وزن‌های دوره حساس بوده است، زیرا بر اهمیت دوره گذشته تاکید شده است. این یافته این واقعیت را نشان می دهد که کارایی تدریس در طول زمان چندان بهبود نیافته است، در حالی که واکنش صنعت به نتایج آموزشی از طریق عملکرد شغلی فارغ التحصیلان VET سریع بوده است و بنابراین بر کارایی عملیاتی کل سیستم VET تأثیر می گذارد.

این مقاله بینش‌های جدیدی را در مورد کارایی بخش VET استرالیا به سیاست‌گذاران و مدیران VET ارائه کرده است، که در آموزش و پاسخگویی به صنعت گنجانده شده است که برای فرآیند انجام اصلاحات VET نه تنها در استرالیا بلکه در سایر کشورهایی که سیستم VET در آن نقش دارد مفید است. نقش مهمی در نظام آموزشی نیز دارد. تحقیقات بیشتر ممکن است به نکات زیر مربوط باشد. اول، این مطالعه فقط دو مرحله آموزش و پاسخگویی به صنعت را بدون در نظر گرفتن سایر مراحل که احتمالاً ممکن است برای فرآیند عملیاتی VET مهم باشند، متمرکز کرده است، برای مثال دولت بودجه و مدیریت منابع انسانی. این تقسیم‌بندی‌ها باید برای بررسی وسعت و عمق عملکرد VET بررسی شوند، بنابراین می‌توان سیاست‌های مناسب‌تری را برای پیشبرد سیستم VET پیشنهاد کرد. دومین، ویژگی‌های خاص حوزه‌های آموزشی مانند تقاضای اشتغال، امکانات آموزشی و یادگیری، کارکنان آموزشی و سایر عوامل مرتبط باید در تحلیل عملکرد سیستم آموزشی VET در نظر گرفته شوند. سوم، متغیرهای کیفیت مانند کیفیت تدریس، یادگیری و مدیریت باید در تجزیه و تحلیل گنجانده شوند تا ارزیابی‌های قوی‌تری ارائه شود، و بنابراین اطلاعات روشن‌تری برای دولت در راه اجرای دستور کار اصلاح VET یک کشور ارائه می‌کند. در نهایت، بررسی تأثیر عوامل برون زا بر رضایت صنعت به عنوان شاخص موفقیت بخش VET ممکن است مفید باشد، بنابراین ممکن است بر عملکرد کلی آن تأثیر بگذارد و از دوره های داده طولانی تری استفاده شود.

در دسترس بودن داده ها و مواد

قابل اجرا نیست.

منابع

Abbott M، Doucouliagos C (2002) تجزیه و تحلیل پوششی داده ها از کارایی مؤسسات TAFE ویکتوریا. Aust Econ Rev 35(1):55–69

مقاله Google Scholar
Abbott M, Doucouliagos C (2003) کارایی دانشگاه های استرالیا: تجزیه و تحلیل پوششی داده ها. Econ Educ Rev 22:89-97

مقاله Google Scholar
Adamson F, Darling-Hammond L (2015) مسیرهای خط مشی برای مهارت های قرن بیست و یکم. در: Griffin P، Care E (eds) ارزیابی و آموزش مهارت های قرن 21. Springer, Dordrecht, pp 293-310

Google Scholar
ASQA (مرجع کیفیت مهارت های استرالیا) (2019) بخش VET استرالیا. https://www.asqa.gov.au/about/australias-vet-sector . مشاهده شده در 15 مارس 2019.
گروه صنعتی استرالیا AlphaBeta (شرکت)، شبکه فناوری دانشگاه‌های استرالیا (ATN)، مدیران TAFE استرالیا (TDA) (2020) مهارت‌های فردا. گزارش. گروه صنعتی استرالیا AlphaBeta (شرکت)، شبکه فناوری دانشگاه های استرالیا (ATN)، مدیران TAFE استرالیا (TDA)، استرالیا

Google Scholar
Avkiran NK (2001) بررسی کارایی فنی و مقیاس دانشگاه های استرالیا از طریق تحلیل پوششی داده ها. Socio-Econ Plan Sci 35:57-80

مقاله Google Scholar
Banker RD, Charnes A, Cooper WW (1984) برخی مدل‌ها برای برآورد ناکارآمدی فنی و مقیاس در تحلیل پوششی داده‌ها. ManagSci 30:1078-1092

مقاله Google Scholar
Berwyn C, Roger H (2018) اصلاحات اخیر در آموزش و پرورش حرفه ای. Int J Train Res 16(2):99–102

مقاله Google Scholar
Bessent AM, Bessent EW, Kennington J, Reagan B (1982) کاربرد برنامه ریزی ریاضی برای ارزیابی بهره وری در ناحیه مدرسه مستقل هیوستون. ManagSci 28:1355-1367

مقاله Google Scholar
Blom K، Meyers D (2003) شاخص های کیفیت در آموزش و پرورش حرفه ای: دیدگاه های بین المللی. مرکز ملی تحقیقات آموزش حرفه ای، آدلاید

Google Scholar
Blumenfeld S, Malik A (2017) تشکیل سرمایه انسانی تحت نئولیبرالیسم: میراث آموزش آموزش حرفه ای در استرالیا و پیامدهای آن برای منطقه آسیا و اقیانوسیه. Asia Pac Bus Rev 23(2):290–298

مقاله Google Scholar
Braithwaite V (2017) چگونه از تدریس با کیفیت در VET استرالیا حمایت می کنیم؟ Aust TAFE Teacher 51(1):23–25

Google Scholar
Braithwaite V (2018) همه چشم ها به کیفیت: بررسی گزارش قانون تنظیم کننده آموزش و پرورش حرفه ای ملی در سال 2011. بررسی گزارش نهایی: وزارت آموزش، مهارت ها و اشتغال. https://www.dese.gov.au/uncategorised/resources/all-eyes-quality-review-national-vocational-education-and-training-regulator-act-2011-report . مشاهده شده در 30 اکتبر 2020
Burke G (2018) تغییرات در بودجه در آموزش حرفه ای استرالیا و اثرات آن. NCVER’s VOCED. http://hdl.voced.edu.au/10707/461913 . مشاهده شده در 15 اکتبر 2019
Carrington R، Coelli TJ، Rao DSP (2005) عملکرد دانشگاه های استرالیا: مسائل مفهومی و نتایج اولیه. Aust Econ Pap 24:145-163

مقاله Google Scholar
Carrington R، O’Donnell C، Rao DSP (2018) رشد بهره‌وری دانشگاه استرالیا و بودجه عمومی مورد بازبینی قرار گرفت. Stud High Educ 43(8):1417-1438

مقاله Google Scholar
Castano MCN، Cabanda E (2007) منابع رشد بهره وری و بهره وری در دانشگاه ها و کالج های دولتی فیلیپین: یک رویکرد غیر پارامتری. Int Bus Econ Res J 6(6):79–90

Google Scholar
چاپل سی (2003) تحقیق در مورد آموزش و پرورش حرفه ای: از اینجا به کجا؟ J VocatEduc Train 55(1):21–32

مقاله Google Scholar
Charnes A, Cooper WW, Rhodes E (1978) اندازه گیری کارایی واحدهای تصمیم گیری. Eur J Opera Res 2:429-444

مقاله Google Scholar
Chhetri P، Butcher T، Corbitt B (2014) مشخص کردن خوشه های استخدام لجستیک فضایی. Int J Phys DistribLogistManag 44(3):221–241

مقاله Google Scholar
Chhetri P، Gekara V، Manzoni A، Montague A (2018) مزایای بهره وری آموزش تحت حمایت کارفرما: مطالعه صنعت حمل و نقل و لجستیک استرالیا. آموزش قطار 60 (9): 1009-1025

مقاله Google Scholar
کلیتون بی، هریس آر (2018) اصلاحات اخیر در آموزش و پرورش حرفه ای. Int J Train Res 16(2):99–102. https://doi.org/10.1080/14480220.2018.1501913

مقاله Google Scholar
Coelli TJ، Rao DSP، O’Donnell CJ، Battese GE (2005) مقدمه ای بر تحلیل بهره وری و بهره وری، ویرایش دوم. اسپرینگر، نیویورک

Google Scholar
Cooper WW, Seiford LM, Zhu J (eds) (2011) Handbook on data envelopment analysis, vol 164. Springer Science and Business Media, Boston

Google Scholar
Cordero-Ferrera JM، Pedraja-Chaparro F، Salinas-Jimnez J (2008) اندازه گیری کارایی در آموزش: تحلیلی از رویکردهای مختلف برای ترکیب ورودی های غیر اختیاری. Appl Econ 40(10):1323-1339

مقاله Google Scholar
De Witte K، Lopez-Torres L (2017) کارایی در آموزش مروری بر ادبیات و راه رو به جلو. J Oper Res Soc 68(4):339-359

مقاله Google Scholar
امروز نژاد ع، ثناسولیس ای (2005) مدلی ریاضی برای کارایی پویا با استفاده از تحلیل پوششی داده ها. Appl Math Comput 160:363-378

Google Scholar
Engert F (1996) گزارش کارایی منطقه مدرسه: کفایت نسبت اندازه گیری ها. بودجه عمومی مدیریت مالی 8:247-271

Google Scholar
فارل ام جی (1957) اندازه گیری بازده تولید. JR Stat Soc Series A 120(3):253-281

مقاله Google Scholar
Fieger P، Villano RA، Rice J، Cooksey R (2017) اندازه گیری های کارایی دو بعدی در آموزش حرفه ای: شواهدی از استرالیا. Int J Product Perform Manag 66(2):196-215

مقاله Google Scholar
Fried HO، Lovell CK، Schmidt SS، Schmidt SS (eds) (2008) اندازه گیری بهره وری تولیدی و رشد بهره وری. انتشارات دانشگاه آکسفورد، آکسفورد

Google Scholar
فریدمن LS (2002) اقتصاد خرد تحلیل سیاست عمومی. انتشارات دانشگاه پرینستون، پرینستون

Google Scholar
هریس آر (2015) کیفیت در بخش VET استرالیا: چه اتفاقی افتاده است؟ Int J Train Res 13 (1): 16-34

مقاله Google Scholar
هریس آر، کلایتون بی (2010) تأثیر در تحقیقات آموزش و پرورش حرفه ای: مورد کنسرسیوم تحقیقاتی VET استرالیا. Int J Train Res 8 (1): 6-24

مقاله Google Scholar
هاج اس (2014) تفسیر شایستگی ها در آموزش و پرورش حرفه ای استرالیا: شیوه ها و مسائل. مرکز ملی تحقیقات آموزش حرفه ای، آدلاید

Google Scholar
Jacobs R (2001) روش های جایگزین برای بررسی کارایی بیمارستان: تجزیه و تحلیل پوششی داده ها و تجزیه و تحلیل مرز تصادفی. مراقبت های بهداشتی ManagSci 4:103-115

Google Scholar
جانز جی (1996) ارزیابی عملکرد در آموزش عالی در بریتانیا. Eur J Opera Res 89 (1): 18-33

مقاله Google Scholar
Johns J, Yu L (2008) اندازه گیری عملکرد تحقیقاتی مؤسسات آموزش عالی چین با استفاده از تحلیل پوششی داده ها. China Econ Rev 19:679-696

مقاله Google Scholar
جویس اس (2019) تقویت مهارت ها: بررسی تخصصی سیستم آموزش و آموزش حرفه ای استرالیا. گزارش. مشترک المنافع استرالیا: وزارت نخست وزیر و کابینه. قابل دسترسی در 30 اکتبر 2020 در https://www.pmc.gov.au/sites/default/files/publications/strengtheningskills-independent-review-australia-vets_1.pdf
Karmel T, Fieger P (2012) ارزش تکمیل یک مدرک VET. مرکز ملی تحقیقات آموزش حرفه ای، آدلاید

Google Scholar
Köksal G، Nalçaci B (2006) کارایی نسبی بخش ها در یک کالج مهندسی ترکیه: تجزیه و تحلیل پوششی داده ها. آموزش عالی 51 (2): 173-189

مقاله Google Scholar
لی بی‌ال (2011) کارایی عملکرد تحقیقاتی دانشگاه‌های استرالیا: ارزیابی مجدد با استفاده از رویکرد رگرسیون کوتاه شده بوت استرپ. Econ Anal Policy 41(3):195-203

مقاله Google Scholar
لی WS، Coelli M (2010a) تجزیه و تحلیل بازده خصوصی به آموزش و پرورش حرفه ای. مرکز ملی تحقیقات آموزش حرفه ای، آدلاید

Google Scholar
لی WS، Coelli M (2010b) اثرات بازار کار آموزش و پرورش حرفه ای در استرالیا. Aust Econ Rev 43(4):389–408

مقاله Google Scholar
Lee BL، Worthington AC (2016) یک مدل تولید مبتنی بر کمیت و کیفیت DEA شبکه: یک برنامه کاربردی برای خدمات تحقیقاتی دانشگاه استرالیا. امگا 60:26-33

مقاله Google Scholar
Leigh A (2008) به تحصیل در استرالیا بازمی گردد. Econ Pap 27(3):233-249

مقاله Google Scholar
لیندسی AW (1982) عملکرد سازمانی در آموزش عالی: بعد کارایی. Rev Educ Res 52 (2): 175-199

مقاله Google Scholar
منفرد اس، صافی ام (2013) شبکه DEA: برنامه ای برای تجزیه و تحلیل عملکرد تحصیلی. J IndEngInt 9 (15): 1-10

Google Scholar
مرکز ملی تحقیقات آموزش حرفه ای (NCVER) (2017). اصلاح محصول آموزشی: مورد تغییر چیست؟ قابل دسترسی در http://hdl.voced.edu.au/10707/447484 . مشاهده شده در 15 اکتبر 2019
مرکز ملی تحقیقات آموزش حرفه ای (NCVER) (2019) تحقیقات و آمار. https://www.ncver.edu.au/research-and-statistics . مشاهده شده در 15 مارس 2019
NCVER، پایگاه تحقیقاتی آموزش و پرورش حرفه ای (VOCED، 2014). گزارش ملی سالانه سیستم آموزش و پرورش حرفه ای استرالیا. http://hdl.voced.edu.au/10707/376001 . مشاهده شده در 30 اکتبر 2020
O’Donnell CJ، Fallah-Fini S، Triantis K (2017) اندازه گیری و تجزیه و تحلیل تغییر بهره وری در یک چارچوب فرامرز. J Product Anal 47(2):117-128

مقاله Google Scholar
پولیدانو سی، رایان سی (2016) نتایج بلند مدت از آموزش حرفه ای استرالیا. https://melbourneinstitute.unimelb.edu.au/publications/working-papers/search/result?paper=2200657 . مشاهده شده در 15 مارس 2019
Thanassoulis E، Kortelainen M، Johns G، Johns J (2011) هزینه ها و کارایی موسسات آموزش عالی در انگلستان: تجزیه و تحلیل DEA. J Opera Res Soc 62:1282-1297

مقاله Google Scholar
Tone K، Tsutsui M (2009) شبکه DEA: یک رویکرد اندازه گیری مبتنی بر شلوار. Eur J Opera Res 197:243-252

مقاله Google Scholar
Tone K، Tsutsui M (2010) DEA پویا: یک رویکرد اندازه گیری مبتنی بر شلوار. امگا 38:145-156

مقاله Google Scholar
Tone K، Tsutsui M (2013) DEA پویا با ساختار شبکه. در: کارگاه آموزشی DNDEA 2013، صفحات 1-10
Tone K، Tsutsui M (2014) DEA پویا با ساختار شبکه: یک رویکرد اندازه گیری مبتنی بر شلوار. امگا 42:124-131

مقاله Google Scholar
Toner P (2014) قرارداد آموزش حرفه ای با بودجه عمومی: نقد هزینه تراکنش. ELRR 25 (2): 222-239

Google Scholar
Tran C-DTT، Villano RA (2017) تجزیه و تحلیل تجربی عملکرد تحصیلی: مورد موسسات آموزش عالی ویتنامی. J Furth High Educ 41 (4): 530-544

مقاله Google Scholar
Tran C-DTT، Villano RA (2018a) اندازه گیری کارایی کالج های دولتی ویتنامی: کاربرد رویکرد شبکه پویا مبتنی بر DEA. Int Trans Opera Res 25(2):683-703

مقاله Google Scholar
Tran C-DTT، Villano RA (2018b) کارایی مالی دانشگاه های دولتی ویتنام: رویکرد تحلیل پوششی داده های شبکه پویا مرحله دوم. Singapore Econ Rev. https://doi.org/10.1142/S0217590818500133

مقاله Google Scholar
Weller SA (2017) حسابداری کمبود مهارت؟ مهاجرت و بازار کار استرالیا Popul Space Place 23(2):1–14

مقاله Google Scholar
Wheelahan L، Moodie G (2011) کیفیت تدریس در VET گزارش نهایی و توصیه‌ها. وزارت آموزش، استخدام و روابط محل کار، دولت استرالیا، کانبرا

Google Scholar
Worthington A (2001) بررسی تجربی تکنیک‌های اندازه‌گیری کارایی مرزی در آموزش. Educ Econ 9(3):245-268

مقاله Google Scholar
Worthington AC, Higgs H (2011) اقتصادهای مقیاس و دامنه در آموزش عالی استرالیا. آموزش عالی 61 (4): 387-414

مقاله Google Scholar
Yudiono H، Budiman FA، Majid MN، Permana KNC (2021) استراتژی یادگیری مبتنی بر رویکرد علمی برای تقویت مهارت اشتغال پذیری داوطلبان معلم. Int J Instr 14(2):551–570

مقاله Google Scholar
Zhang LC، Worthington AC (2017) مقیاس و مقیاس اقتصاد آموزش از راه دور در دانشگاه های استرالیا. Stud High Educ 42 (9): 1785-1799

مقاله Google Scholar

مراجع دانلود

سپاسگزاریها

از نظرات و پیشنهادات دو داور ناشناس سپاسگزارم. من همچنین از بحث ها و ایده های ارزشمندی که توسط همکاران و آقای Phan Tran در این مقاله ارائه شده است، قدردانی می کنم. هر گونه خطای باقی مانده به عهده نویسنده است.

منابع مالی

بدون بودجه

اطلاعات نویسنده

وابستگی ها

موسسه سیاست عمومی NSW، دانشگاه سیدنی، سیدنی، NSW، 2006، استرالیا

کارولین-تی تانگ دونگ تران
دانشگاه فناوری سیدنی، دانشگاه وسترن سیدنی و دانشگاه نیوانگلند، NSW، استرالیا

کارولین-تی تانگ دونگ تران

آموزش کارآفرینی

کارایی پیوند صنعت و آموزش در آموزش و پرورش حرفه ای استرالیا

خلاصه

معرفی

آموزش و پرورش حرفه ای استرالیا