中图分类号：G647 文献标识码：A 文章编号：1672－0059(2013)02－0054－07 一、引言 随着高等教育规模的不断拓展以及全球化竞争的日趋激烈，大学决策变得愈来愈复杂，决策者因此遇到了从未有过的挑战。美国高校最早感受到了这种渴求。在上个世纪50－60年代，院校研究应运而生，并在过去十多年得以大力实践和快速推广。这为大学将“数据驱动决策”(Data－Driven Decision Making)理念融入到决策过程中奠定了雄厚的基础，而这一决策模式的使用对大学提高决策绩效发挥了积极作用。 自改革开放以来，特别是在过去十多年里，中国高等教育发生了巨大变化。例如，2010年共有普通大学、专门学院2,358所，比2000年增加1,317所；在校学生数是2000年的四倍[1]。又如，高校的办学自主权愈来愈大，并已经不同程度地实施“多元共治”的管理模式[2]。诸如此类的变化要求高校各级人员必须优化决策模式，调整决策思维，提高管理绩效。本文将介绍大学决策的理论背景，以及如何在大学决策中有效地利用“数据驱动决策”模式和院校研究成果来达到优化决策过程和提高决策效度的目的，旨在为中国高校进一步推广科学的决策模式，进而提高决策绩效提供借鉴和参考。 二、大学决策理论背景 大学决策所涵盖内容的广泛性和决策者组成的复杂性决定了其决策模式的多元化，且没有一个统一的范式。早期的学者认为“官僚主义”模式在大学决策过程中占据重要地位[3]。使用这个模式的决策者通过理性的过程来判断解决问题的方案，并选择最有利于组织目标的策略。但这个模式的前提假设是决策者须拥有决策过程赖以依靠的组织信息、相关的职业技能以及制定决策的权威，这也是“官僚主义”决策模式中决策者应该具备的理性认知能力所在。不难看出，在这个过程中，决策者的个人意向和主观见解有先入为主之嫌。第二种模式是“学院型”(Collegial)模式[4]。这种模式是将大学视为由个体和不同的群体组成的“集团”，如管理层、教师等。每个成员或者群体拥有不同的专长，在组织内扮演不同的角色，但他们所追求的大学发展目标相同。鉴于此，虽然他们在决策的初级阶段可能持有不同的主张，但为了共同愿望，他们会搁置争议、达成共识。在这个模式中，决策过程是一个“合意”过程，所制定的决策可能会代表大多数决策者的利益，但并不一定是“足够好的”或者“最好的”决策。第三种模式是“政治型”模式。Baldridge认为，大学的管理层、教师、学生各代表了一个“权力集团”或者“利益”群体，他们为了各自群体的利益试图影响决策过程[5]。与“学院型”模式不同的是，他们的争端难以通过“合意”程序解决，而必须通过“扩散”程序完成，如对抗、折中、谈判以及法律手段。决策过程错综复杂，效率低下。第四种模式是“有组织的无政府型”(Organized Anarchies)模式。Cohen和March认为，大学由一群“有组织的无政府”机构组成。在这样的机构内，权利结构易变，组织缺乏运行目标，人们无法达成共识。因此，决策程序无章可循，是随意性的[6]。这种决策模式又被称为“垃圾桶”模式，决策方案多，但使用成效低。 毋庸置疑，上面阐述的四种模式在不同的大学背景和决策文化氛围中各有利弊，但是，它们基本上都是基于“理性”理论(在四种模式中，“有组织的无政府型”模式包含的理性元素最少)，因而它们共同的弱点是缺乏使用有力的决策支撑依据。事实上，Simon早在上世纪40年代就强调，检索支持决策所需要的信息要求投入大量的时间和精力，因而管理者实际上仅仅是以“有限理性”为基础，努力做“足够好”的决定而已[7]。为了突破“有限理性”的禁锢，从上世纪中叶开始，许多部门开始对数据进行整合，努力从中挖掘有价值的信息来补充决策者的知识和智慧，为决策过程提供更有效的决策依据。例如，美国“研究与发展”项目(Research and Development Project，后来简称为RAND)在1948年脱离道格拉斯飞机制造公司而独立后，成立了非营利的智囊机构，并开始利用数据分析结果为教育、环境以及国家安全政策的制定服务。这可能是较早的提供“数据驱动决策”支持的专业部门，尽管当时这个术语还不存在。又如，20世纪50年代，卡耐基技术学院和麻省理工学院的研究直接催生了计算机决策支持工具；1965年IBM公司360计算机的问世开启了管理信息系统建设的新纪元，为决策模式的革新提供了动力；特别具有影响力的技术支持还属20世纪90年代左右诞生的“商业智能”理念及其后来的广泛实践。毫无疑问，计算机技术大大降低了“信息”成本，成为决策者突破纯理性决策模式的推手。笔者将这个模式暂且称为“知会理性”(Informed Rationality)模式。美国大学的院校研究几乎与计算机技术相伴而生，并与“商业智能”理念同步发展。这种以大学自查为目的的研究活动为前面阐述的大学理性决策模式提供了改进的条件。 需要进一步阐述的是，无论是以个人经验为主导的“理性”决策模式，还是以数据系统为支撑的“知会理性”决策模式，都面临决策绩效的评价问题。有学者认为，对决策绩效的评价应基于对“决策过程”的评价，但也有学者坚持“决策产生的结果”是评价决策绩效的关键指标。持后一种观点的学者强调，决策过程必须考虑决策所产生的潜在成果，因为这些成果实际上是决策者制定有利于实现组织目标的决策的前提。而决策一旦得以实施，人们将更关注决策产生的结果，而非制定这项决策的程序[8]。行为主义决策研究者也辩解，如果一项好的决策过程更具备制定出好的决策的条件，那么从逻辑上讲，好的结果也更有可能出自于好的决策[9]。因此，以决策所产生的结果为标准对决策绩效进行评价，实际上也暗含了对决策程序的评价。坚持以“决策过程”为标准的观点是基于“责任归因”的视角，即决策的执行结果并非决策者所能完全掌控，所以决策者仅能对他们制定决策的行为负责，也就是制定决策的过程，而非实施决策的过程及结果[10]。另外，坚持这一标准的学者也断言，好的决策程序更有助于制定出好的决策[11]。有鉴于此，提高决策绩效的关键是提高决策过程的科学性，其策略之一是在决策过程中用数据分析所得的信息替代理性决策所依赖的决策者的自我认知经验[12]。事实上，早在大约半个世纪之前，学者就发现统计模型(如线性方程)对未来的预测比所有专家的自我认知判断都更加准确[13]。这也正是本文所要探讨的问题，即如何通过有效地利用院校研究和“数据驱动决策”模式为大学决策者提供可以用来弥补和完善他们认知经验所缺乏的信息、知识和智慧，从而提高决策过程的“知会理性”效度和信度，进而提高决策绩效。
