免费论文查重: 大雅 万方 维普 turnitin paperpass

阐述物流教育中接受理由及策略

最后更新时间:2024-02-14 作者:用户投稿原创标记本站原创 点赞:28485 浏览:131825
论文导读:
摘 要:提出了本科生专业接受的影响因素模型,并利用来自华南理工大学广州学院物流专业本科生以及部分已毕业校友的147份有效样本数据对该模型进行了实证检验。结果表明社会影响、对专业构成要素质量的感知、绩效预期,以及努力预期是决定物流专业学生对本专业的接受度的4种关键因素。基于研究发现,给出了若干策略倡议。
关键词:物流;本科教育;专业接受;实证研究
:A
0 引 言
为满足社会日益增长的物流人才需求,越来越多的国内院校相继开设了物流本科专业,主要包括物流管理专业和物流工程专业,前者主要依托经管类院系开设,后者一般依托交通、机械院系开设,也有的院校设置了专门的物流学院。近年来,部分高校的经管类院系发现,与财会、金融等“热门”专业相比,物流专业的招生相对冷清,例如2013年的全国高校招生中,物流管理专业成为了该年度辽宁省第二批本科剩余计划最多的专业[1];不仅如此,即便已经入学,在一些院校中,物流管理专业新生通过各种途径谋求转入金融、国际贸易等“好”专业的情况也屡见不鲜。可见在这些院校中,相对于其它经管类专业,物流管理专业的新生对专业的接受度并不高。专业接受(speciality acceptance)是专业认同(speciality identity)的第一步,后者指学习者对所学专业的接受与认可,并愿意以积极的态度和主动的行为去学习与探究,在诸多专业中将某一专业视为与自我同一的,而将其他专业视为他者,甚至希望自己成为该专业杰出者一样的人的反应[2]。大学阶段是专业发展的重要阶段,学生对自身专业的认同将会直接影响其的学习乃至今后的就业[2],并且对于专业本身的长远发展,也是至关重要的。鉴于此,弄清影响物流专业学生对本专业的接受的因素,对于清晰物流专业的目标定位、优化课程设置、改善教学,以使学生得以更好地成长、专业本身获得更好的发展都具有重要作用。
1 研究设计
1.1 研究模型与假设。如果将物流专业教育视为一种由高校向学生提供的智力型服务产品,考察学生对其的接受可借鉴Venkatesh et al.(2003)提出的技术接受和使用统一理论(Unified Theory of Acceptance and Use of Technology,UTAUT)模型(见图1),该模型指出接受的意愿(行为意愿)取决于绩效预期、努力预期和社会影响[3]。
考虑到高等教育产品的特殊性和本研究的目的,还应考察高校中物流专业的构成要素(教学设施及设备、课程设置、师资力量等)的质量与学生对专业接受的影响。
基于以上讨论,为考察物流专业本科生专业接受的影响因素,提出以下研究假设:H1:社会影响与物流专业学生其的专业接受意愿具有正向影响。H2:绩效预期与物流专业学生其的专业接受意愿具有正向影响。H3:可付诸较少努力的预期与物流专业学生的专业接受意愿具有正向影响。H4:物流专业学生对所在专业的构成要素质量的积极感知与学生的专业接受具有正向影响。
基于上述研究假设,并考虑假设中涉及的各因素的度量策略,可得到研究模型如图2。
1.2 数据收集策略。本研究采用问卷调研的方式取得第一手资料。问卷分为I、II两部分,第II部分涉及被访者个人基本特征信息,第I部分由5组共15个题项组成,以利科特5级量表形式分别测度研究模型5个构面(constructs)中的15个项目,请受访者分别选择其对题干所表述内容的认同程度,5代表“非常认同”、3代表“无意见”、1代表“非常不认同”。
问卷采用纸版(现场发放和回收)和电子(在线发放和回收)相结合的策略。在线问卷设置了防重填机制,即限制通过每一网络终端设备能且只能填写一次。
2 数据分析
2.1 受访者基本情况。问卷调查在2014年4~5月进行,共回收答卷151份,其中纸版87份、电子版64份。经人工剔除部分明显未正确理解题项(类似理由间回答过于悬殊)的答卷4份,得到有效答卷147份,答卷有效率为97.35%。根据对有效答卷的统计,受访者全部是来自华南理工大学广州学院物流管理专业、物流工程专业的本科生或物流管理专业已毕业校友,其中女生47人(32.0%),男生100人(68.0%),自一年级至四年级分别为5、4、54和82人,已毕业校友2人,占比分别为

3.4%、2.7%、36.7%、55.8%和1.4%。

2.2 信度与效度分析。利用SPSS 19通过样本数据对量表分析得出总体Cronbach's α值为0.901,如表1,各构面中Cronbach's α值最高的为绩效预期(0.796),最低的为努力预期(0.670)。根据Hair et al.(2010)的倡议,为保证可接受的内部信度,Cronbach's α值至少在0.6以上[4],量表优于这一标准;Bartlett球度检验结果χ2≈945.557,df≈105,Sig.≈0.000,表明变量的相关系数矩阵不太可能是一个单位阵;Kaiser-Meyer-Olkin检验得KMO=0.889。以上结果表明适合对量表进行因子分析。表1中最右列显示了通过旋转主成分分析得出的各构面中各因子变量的载荷值,其中载荷最低的si5(本专业更能体现个人能力、获得他人认同)为0.509,参照Hair et al.(2010)提出的每一因子变量的载荷值最小应达到0.5的标准[4],表明量表具有较好的结构效度。
2.3 相关性分析。表2显示了将各因子变量归并后各构面间的Pearson相关系数矩阵,所有构面间的两两Pearson相关系数均在0.01水平上显著,但数值均在0.8以下,根据Moore(2007)给出的判定准则[5],各构面间相对较为独立,多元共线性风险较小,适合进行多元回归分析。
2.4 回归分析。如表3,以BI为因变量,EE、SI、PS、PE为自变量,利用SPSS19进行回归分析,得到标准化回归方程BI 全文地址:www.7ctime.com/cgygygllw/lw45940.html上一论文:关于吉林省现代物流业发展目前状况及发展路径