孙治国 国刚 王珺 孙丽青

（青岛广播电视大学，山东青岛，266100）

历经40年的发展，电大覆盖全国的办学体系中，45所省级电大包括17所中心城市电大，即4所直辖市电大、8所省会城市电大、5所单列城市电大，均被赋予了省级电大的办学职能。随着2012年电大系统转型升级，国家开放大学（以下简称“国开”）办学体系也因应发生着格局的嬗变。中心城市电大又分化为“2+15模式”，即北京和上海相较于其余15所中心城市，率先挂牌转型成为地方开放大学。国开转型升级“改革已经进入深水区”[1]，作为办学体系中重要的组成部分，中心城市电大（包括中心城市开放大学，为方便讨论，以下仍简称“中心城市电大”）顺应时代发展需求，不断求索发展。多维度聚焦其生存现状与发展方式，能够拓宽和加深对于电大向开放大学转型的可操作性理解、进一步支撑转型期的办学实践。

一、文献回顾

“国家开放大学建设是国家‘办好开放大学’的试点项目，既没有现成经验，也没有现成的理论和模式”[2]。作为一个办学实体，国开“自己的办学组织体系”“立体覆盖全国城乡”[3]。对于这样“一个庞大而独特的远程教育系统”[4]，《教育部关于办好开放大学的意见》中明确指出,“完善分级办学系统”是“切实办好开放大学，推动建设学习型社会”的主要任务之一[5]。而完善办学系统，前提是要充分明晰系统成分间的差异。在办学体系内部，严冰认为，中心城市电大（亦被称为省级分部）的功能定位与发展模式，在整个电大的系统办学中“有其自身特点”，显然“不同于省、自治区电大的思路”，需要“特别关注中心城市电大在整个电大的系统办学中、在我国现代远程教育发展格局中的特殊重要的地位”[6]。近十年来，对于“中心城市电大的创新探索”的讨论，最初是以“学习型城市建设”的实践探讨为契机的[7]。黄同华等认为，从十六大到十九大，建设学习型社会始终是全面建设小康社会的重要目标和任务之一，是“实现‘两个一百年’奋斗目标和中华民族伟大复兴中国梦的重要内容和有力支撑。建设学习型城市是实现学习型社会的重要基石”[8]。张亚斌等认为，“学习型社会建设,必然率先在城市范围内兴起和取得突破。因之, 学习型城市建设为现代远程教育的发展带来新的机遇和挑战……是城市电大贯彻落实科学发展观,走以内涵发展为主的可持续发展之路的一个全新课题。”[9]尽管在学界关于中心城市电大战略转型与发展的研究不是显学，但多年来在国开体系内部针对其的探讨始终方兴未艾。中国远程教育学术圆桌（会议）就聚焦了“中心城市电大的功能定位与发展模式”，先后于2005、2008和2012年举办了专题学术研讨会，解读了深圳模式[10]、剖析了天津案例[11]、总结了广州经验[12][13]。围绕深圳、天津和广州三所中心城市电大实践探索的专题研讨，以中心城市电大的角度，丰富了系统办学的理论和实践维度；在研讨的发展轨迹上，从“明确功能定位”[14]，到“抢占制高点”，并最终服务于开放大学的建设发展，研讨的主旨进一步演进为“中心城市电大推进开放大学建设试点的思路和措施”[15]。足见，中心城市电大的创新发展对于学习型城市建设意义重大，对于办学系统的转型升级，乃至于开放大学的建设及发展同样意义非凡。而进一步相关的探讨，仍有待发展。其中，徐美恒认为“以广播电视大学系统为基础,创办开放大学新模式的基本思路”，应当“依托大城市和地方中心城市,根据具体情况，每个省创建一所或多所开放大学”[16]。张亚斌等“围绕17所城市电大参与学习型城市建设的状况, 进行文献调研、实地调查、专题研讨和个案分析”，为城市电大制定发展战略提供参考意见[17]。此外，还有王洪兵以广州市为例，聚焦了电大办学系统在中心城市学习型社会建设中的功能与定位[18]；叶正茂等以成都电大为例，探讨了中心城市电大转型与国家开放大学的建设[19]；狄勇、魏勇钢以南京市社区教育现状为例，探索了开放大学在转型发展的新形势下充分发挥引领作用服务学习型城市建设的对策[20]；方子春研究了电大向开放大学转型升级实现推动学习型社会建设的主要任务和途径[21]。

综上，在现有该领域的研究成果中，相对而言占有主流地位模式设想和建设行动方略的构建讨论，仍属于初步的探讨；聚焦中心城市电大实践案例的相关研究，仍为数不多；综合整体中心城市电大的转型探索，进而归纳构建系统办学模式和建设路径的研究，基本处于停滞状态。

二、研究方法、样本及分析路径

研究采用实证研究的方法，使用的研究工具是SPSS Modeler，该软件是目前流行的大数据处理工具，提供了借助机器学习、人工智能和统计学的建模方法，本建模研究使用了其K-Means和神经网络相结合的分析方法，从而构建中心城市电大的办学模型，为其发展提供参考借鉴。

研究共分为样本采集、原始数据预处理、聚类分析和神经网络算法建模四个阶段。第一步，样本采集主要围绕17所中心城市电大转型升级的生存与发展现状，采取网路信息采集、文献资料调查以及电话访谈等方式展开。第二步，原始数据进行预处理是对前期收集的17所城市电大的相关数据进行分组、分类、筛选、变量梳理等必要的处理。数据的预处理环节采用双组双循环的方式，即各预处理阶段均由两组研究者在背对背的情况下分别进行，然后展开校验和讨论，并不断循环，以消减冗余项，在组间进而形成共识，以保障研究的效信度。第三步，聚类分析采用的是K-Means算法。K-Means算法作为一种典型的基于距离的聚类分析手段，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该方法能够较好地把具有相似特征的数据进行聚集分类。研究中涉及到的聚类分析均为研究者在相关项目数据计算基础上，在权衡比对多重分组聚类后，而判定的合理化聚类分组结果。其中，在数据总量有所局限的前提下，在无法开展孤立点分析的情形下，为有效避免数据中孤立点的产生，研究分析中亦采取了相关的有效规避措施，以保证研究的效信度。使用K-Means算法对数据进行分析并建模，分析路径如图1所示。第四步，在聚类分析的基础上，进一步对聚类组内变量进行神经网络分析，分析路径见图2。

图1 K-Means分析建模路径

图2 神经网络分析模型路径

三、聚类分析和神经网络分析

建模分析是通过SPSS Modeler对收集到的17所城市电大相关数据进行挖掘处理而完成的，具体包括综合聚类分析（即整体聚类分析）和分项聚类分析两个维度。其中，分项聚类分析又包括学历教育聚类分析、非学历教育聚类分析和其他项目聚类分析三个部分。

（一）综合聚类分析

根据学历教育、非学历教育和其他项目三个项目，K-Means算法分析得出的17所中心城市电大办学模式的整体综合聚类分析结果，具体分为三个综合聚类类别，见表1。

表1 中心城市电大办学模式K-Means综合聚类分析

对综合聚类的重要性因素进行分析，结果如图3所示。发现表1中三种聚类趋同（即差异性最小）的因素是学历教育。换言之，17所中心城市电大对于学历教育的重要性和开展程度差异性最小，其次是非学历教育；最后，区分度最大的要因是其他项目的开展情况。表1的三个聚类分组中，上海开放大学由于相对于其他两个聚类组迥异度较高，实则本案中属于数据挖掘分析中的孤立点，因而只对前两个综合聚类进行进一步的综合数据分析。

图3 综合重要性聚类分析

神经网络算法建模分别针对两组综合聚类类别，进行了中心城市电大变量重要性预测，以分析学历教育、非学历教育和其他项目三个子项目在聚类组内的差异性。对于综合聚类1（见表1），非学历发展较为均衡，组内差异性小；学历教育、其他项目依次组内差异性增大，见图4。而聚类2组内差异性中的相关性差异并不明显，整体各项目在组内一定差异范围内表现得较为均衡，见图5。

图4 综合变量聚类1神经网络算法重要性预测

图5 综合变量聚类2神经网络算法重要性预测

虽然上述两类综合聚类的组项借助神经网络算法的办学分类重要性分析，呈现出组间区别，但可视化图示依然提示了组间的一个较为恒定的相似特征，即该两类中心城市电大均同时较好地兼顾了学历教育（见图4和图5的居间要素）。

（二）分项聚类分析

1.学历教育聚类分析

聚类分析了学历教育，获得三个聚类类别，见表2。其中聚类2突出的特点是全日制高等学历教育的存在，如南京、厦门等广播电视大学。

表2 中心城市电大学历教育聚类分析

研究进一步使用K-Means考察了原始数据中，中心城市电大学历教育各子项间的相关重要性预测，见图6,并结合表2分析发现，开放教育和远程教育较为重要，全日制学历教育的重要性并未析出。换言之，远程教育在整体中心城市电大中区别不大，发展较为均衡；开放教育发展较为理想，但相关的项目数量差异性较为明显。

图6 学历教育重要性聚类分析

聚焦三个聚类组，使用神经网络算法进一步分析并预测学历教育各子项变量的重要性，聚类2并未析出相应的分析结果，与K-Means分析结果相互印证；同时聚类1和3的分析结果中，中专项目也未析出。分析结果见图7和图8。比较两者发现，两聚类组间神经网络算法预测变量重要性相对一致，仅程度上存在差别。又由于，聚类2（即双轨制的中心城市电大）并未析出，可以认为单轨制的两个聚类组中心城市电大组内开放教育发展都较为突出且均衡。

图7 学历教育聚类1神经网络算法预测变量重要性

图8 学历教育聚类3神经网络算法预测变量重要性

总而言之，中心城市电大开办的开放教育与合作高校网院开展的远程教育之间，重要性的强弱势分野明显，且差异显著，特别是单轨制的中心城市电大对于开放教育的重视程度尤其突出，说明中心城市电大的“学历教育定位仍应是成人高等学历教育”[22]。但同时，全日制学历教育在中心城市电大中，虽以“一套班子、两块牌子”的模式而在一定范围内存在，但存在的普遍性相对有限；换言之，在学历教育范畴内，相当部分的中心城市电大客观上仍然选择以远程开放教育的单轨制模式发展。

2.非学历教育聚类分析

聚类分析了非学历教育，得出两个聚类组，见表3。并从整体角度聚类分析了其中继续教育、社区教育和终身教育三个维度的重要性，如图9所示。结果显示：整体上继续教育聚类组间差异性小，并结合表3，其发展相对较为理想；社区教育组间差异性较大；而终身教育并未析出。需要尝试解释图9中终身教育并未析出的原因。结合表2中终身教育的相关数据，可以发现实则17所中心城市电大内部，基本情况较为一致，且数值较为均衡。所以重视程度较为均衡，且数值较统一并保持在低位水准，故该项目重要性聚类分析中，该项目并未析出。

表3 中心城市电大非学历教育聚类分析

图9 非学历教育重要性聚类分析

使用神经网络算法，对聚类中心城市电大非学历教育得出的两个类别，进一步分析并预测继续教育、社区教育和终身教育三者在聚类组内的变量重要性，结果见图10和图11。结合表3相关内容，聚类1中继续教育的发展水平较为均衡，其次是社区教育，而终身教育并未析出，因为数据表明发展均衡划一；聚类2中两者差异性较弱，但聚类组内发展更为均衡（或组内差异性更小）的变量则是终身教育。

图10 非学历教育聚类1神经网络算法预测变量重要性

图11 非学历教育聚类2神经网络算法预测变量重要性

3.其他项目聚类分析

作为转型升级办学探索的重要组成部分，中心城市电大也积极地进行着区别于传统非学历教育的教育实践尝试。在数据整理收集中，将社会服务机构设立、开放资源建设投放、系统建设、特色项目和国际合作交流项目等归类于其他项目。由此，对于其他项目内部子项之间相对的重要性预测也成为需要进一步考察的内容。聚类分析其他项目类别时，鉴于国际合作交流项目分布较为有限，从数据分析角度可视为干扰项，为保证分析效度，故做剔除处理。使用神经网络算法对中心城市电大其他项目聚类分析得出的两个聚类类别，见表4。

表4 中心城市电大其他项目聚类分析

中心城市电大其他项目重要性聚类分析结果，如图12。发现中心城市电大整体上在其他项目的发展，差异性按照“特色项目——社会服务机构设立——开放资源建设投放——系统建设”的顺序逐渐增大，图12水平轴数值表明其要素的差异性幅度。但结合表4又可以分析发现，系统建设的发展备受重视，且发展程度较高。

图12 其他项目重要性聚类分析

图13 其他项目聚类1神经网络算法预测变量重要性

图14 其他项目聚类2神经网络算法预测变量重要性

其他项目两个聚类后组内项目重要性的进一步预测，如图13和图14，但与其他项目整体重要性聚类分析（图12）存在不匹配的现象。差异性的产生源自分析手段，无论重要性聚类分析或者重要性预判分析，作为其数据支撑的K-Means值仅表示与标准项目的“趋同——差异”的相对意义，而并不表示绝对值数值的高低；而具体子项目的统计数值是具有绝对高低比较意义数值。由此，重要性聚类分析与聚类后重要性预测，表示的是不同维度下（即是否聚类和不同聚类组）的分析结果。

因此，分析结果出现的差异性或者矛盾性，需要联系表4的数值分析数据间的联系。综合分析发现如下：其一，聚类1中心城市电大系统建设发展较为理想，组内差异性小，发展较为均衡。但聚类2的中心城市电大对于系统建设的发展情况较之聚类1组内差异程度更为明显，且发展程度也略逊色于聚类1。其二，在聚类后组间项目重要性预测中，聚类1的特色项目组内差异明显，聚类2则组内差异性明显较弱；换言之，组2对于该项目更为重视。但整体而言，特色项目的发展水平仍然有待加强。其三，社会服务机构设立是两个聚类组各组内区分度最大的项目变量，但聚类2中的组内差异性略微弱于其在聚类1中的组内差异性。可见，中心城市电大在社会服务机构的设立方面，实践探索的差异性客观存在，部分中心城市电大走在前列。其四，开放资源的建设和投放在聚类组间和聚类组内差异性均较小，说明该项目是中心城市电大中较为恒定和突出的工作内容，转型升级中中心城市电大大都较为重视。

四、讨论

中心城市电大依托于中心城市而设立，无论作为电大系统的省级分校，抑或当下国开体系的分部或独立设立的地方开放大学，区别于省域电大或开大的原因实则是由于中心城市独特的“对该地理范围内的社会经济发展发挥着集聚和辐射作用”[23]。但毋庸讳言，中心城市又由于层级和属性的不同，国家中心城市、区域中心城市和其他中心城市三类中心城市的电大在转型升级的历史阶段所面临的境遇和条件也客观存在较大的差异。由此，其转型升级而开展的探索尝试，也成为研究的焦点，至少是需要研究调查的内容。根据K-Means和神经网络分析，其发展呈现出以下突出特征：

其一，综合分析显示，中心城市电大办学模式总体情况呈现分化趋势，按照学历教育、非学历教育和其他项目考查，上海开放大学异军突起，其余中心城市电大均选择了多维发展的模式，但学历教育与非学历教育的开展在整体上大都优势于其他项目的开展，发展也更为均衡。其中学历教育整体上（包括聚类组间）又处于相对均衡的优势地位。进一步的两个聚类组内部分析中，突出地提示中心城市电大在非学历教育的维度要么发展较为均衡，要么差异性很大；其他项目则大致与非学历教育呈现微弱的反比关联。表明中心城市电大整体上重视学历教育，在非学历教育和其他项目上存在不同的发展策略选择。也由此，其内部的建模归类要因主要是非学历教育和其他项目的开展情况，聚类2中心城市电大选择较为均衡的发展模式，而聚类1非学历教育的开展情况优于其他项目，但多元发展是大趋势。

其二，学历教育维度分析发现中心城市电大整体以开放教育为主，辅以合作高校的远程教育项目，其中亦包括奥鹏教育等。但全日制高等学历教育虽在统计中有所涉及但重要性聚类分析和神经网络算法预测中并未析出，则又表明虽然合并和自建高职教育的双轨制在中心城市电大内部一定程度上客观存在，但大多数中心城市电大选择的是非全日制学历教育的单规制发展模式。单轨制与双轨制的发展，孰优孰劣，仍然有待观察和深入研究。

其三，非学历教育维度下，继续教育重要性最为突出，社区教育次之。表明中心城市电大在非正式教育，特别是助力地方经济发展、贴近行业企业方面做出了贡献，在能力夯实与质量发展两个方面做出了努力。同时还表明，中心城市电大之间在社区教育方面发展也并不均衡，甚至聚类组内差异性也比较突出。此外，终身教育的发展情况水平整体维持在低位。中心城市电大着力打造非正规教育的努力初见成效，但是其中亦含隐忧，即盈利模式与可持续发展。在政策配套欠佳，资金并不充分的情况下，中心城市电大几近公益的自我投入模式，似乎难以支撑其在该领域的高质量可持续发展。

其四，中心城市电大积极尝试其他项目的办学内容和相关实践，其中主要包括特色项目、社会服务机构的设立、开放性教育资源建设投放和系统建设四个方面的工作。系统建设成为工作重点和突出的部分，但整体差异性也较为突出，表明转型升级中中心城市电大自身系统维系是着力加强的工作部分。特色项目整体聚类中并不占优势，反映出中心城市电大在此方面“发现需求、培育需求，甚至引领需求”[24]的能力仍然相对不足。大部分中心城市电大都注意到了开放性教育资源方面工作的重要性，但聚类组间存在差异，该子项并不理想，似乎暗示部分中心城市电大对此的实质性投入有待提高，支持力度有待加强。究其缘由，可能又与资源的使用率不高，且收益有限相关；而使用率与收益率的双低，也客观上构成恶性循环，阻碍了其发展。整体而言，社会公共服务机构的设立是绝大多数中心城市电大的工作重点，但神经网络算法预测又进一步提示聚类组内的差别也客观存在。可以说明在转型升级中，大部分中心城市电大能够紧密联系政府职能部门，积极拓展服务触角，相关的经验和做法具有可复制性和参考价值，但案例研究还相对滞后。

五、结语

电大转型与开放大学的建设“既没有现成经验，也没有现成的理论和模式”[25],其中大多数中心城市电大特别是计划单列市的中心城市电大，由于客观条件所限，实则为转型升级的薄弱环节。通过基于中心城市电大现有办学及重点工作基础上的建模分析和重要性分析及预测，从中发现了当下转型升级时期的一些趋势特征，同时也暗含一些隐忧。中心城市电大发展之路任重道远，唯有积极探索，充分借鉴，才能找到符合自身发展的模式路径。虽然研究中由于条件所限，数据收集主要依托网路信息，辅以访谈，并没有实地展开深度调研，但作为一种新的尝试，本研究采用了SPSS Modeler的K-Means和神经网络分析，在领域中实属新的尝试。希望能够为中心城市电大的生存、转型及发展带来有益的参考。