Professional Documents
Culture Documents
义务教育入学机会如何分配更加公平 基于三类模型数据模拟的空间分析
义务教育入学机会如何分配更加公平 基于三类模型数据模拟的空间分析
义务教育入学机会如何分配更加公平 基于三类模型数据模拟的空间分析
6
第 22 卷 第 6 期 Journal of Educational Science of Hunan Normal University Nov.ꎬ 2023
义务教育入学机会如何分配更加公平
———基于三类模型数据模拟的空间分析
①
赵 冉1 ꎬ 关嘉琦1 ꎬ 戴特奇2
摘 要:保障入学机会的起点公平是实现义务教育优质均衡发展的前提ꎬ但目前以公平为导向的入学机会空间分配优化
研究十分有限ꎮ 针对不同入学方式ꎬ研究团队以各小区义务教育适龄学生上学距离的最小值、各小区教育质量期望值的方差
和概率分布相似程度最大化定义入学指标空间分配的公平程度ꎬ构建“ 就近入学” “ 多校划片” 和“ 概率-相似” 模型ꎬ运用 GIS
技术寻求在现有条件下最优的学位分配方式ꎬ并在北京市海淀区进行应用研究ꎮ 结果表明ꎬ在现有教育资源配置条件下ꎬ“ 多
校划片” 情境下教育质量方差降低了 99.38%ꎬ在控制上学距离的负面影响下显著降低教育机会分配的空间差异ꎻ放松最大上
学距离的约束可以显著提升教育机会的空间公平ꎮ 因此ꎬ推进义务资源的空间优化配置ꎬ教育管理部门需周期化调整多校划
片政策ꎬ增强入学机会分配的随机性ꎬ在不超过 6km 的基础上适当增加学生入学距离ꎬ通过统筹教师编制与流动、加强图书馆
建设和优化完善义务教育经费保障机制等方式“ 均衡” 各学校教育质量ꎬ在不同距离层级设定不同的入学概率ꎬ以此推动义务
教育优质均衡发展ꎮ
关键词:教育公平ꎻ就近入学ꎻ多校划片ꎻ概率相似
中图分类号:G522.3 文献标识码:A 文章编号:1671 ̄6124(2023)06 ̄0000 ̄00
收稿日期:2023 ̄04 ̄11
基金项目:北京市社会科学基金项目 “ 非 首 都 功 能 疏 解 背 景 下 北 京 义 务 教 育 学 龄 人 口 预 测 与 教 育 资 源 需 求 研 究”
①
[20JCC115] ꎻ国 家 社 会 科 学 基 金 后 期 资 助 项 目 “ 教 育 在 我 国 经 济 增 长 中 的 贡 献 及 其 作 用 机 制 研 究 ”
[21FYB073]
作者简介:赵 冉ꎬ北京师范大学教育学部讲师ꎻ
戴特奇( 通信作者) ꎬ北京师范大学地理科学学部副教授ꎮ
117
2023 年 湖南师范大学教育科学学报 第6期
118
义务教育入学机会如何分配更加公平———基于三类模型数据模拟的空间分析
区小学阶段适龄人口所享受到的教育质量的均衡ꎮ i=1
n
“ 概率 -相似” 模型则是在完全随机入学原理下对案 ∑
j=1
A ij = P j (2)
例区的小学阶段适龄人口进行分配ꎬ将小区小学阶 m
段适龄人口的入学机会转化为一个“ 概率” 问题ꎬ即 ∑
i=1
A ij = S j (3)
入学机会是进入各个学校的可能性的组合ꎬ本质上
S j ≥ C min (4)
是一个离散的概率分布 [26] ꎮ
S j ≤ C max (5)
(1) 指标定义 0 ≤ A ij ≤ P i (6)
本研究主要涉及学校和小区两类主体的教育质 m
量ꎮ 本研究兼顾学校物理环境和文化环境建设情 Min∑ P i ( E i - e ) 2
(7)
i=1
况ꎬ运用基于人力、物力和财力三项指标的熵值法对 其中 K 是一个足够大的正实数ꎬ用于单独对超过距
学校教育质量进行耦合ꎮ 学校生师比代表人力ꎬ生 离上限就学加大损失ꎮ
均图书馆藏书 ( 册) 代 表 物 力ꎬ 生 均 学 校 经 费 代 表 模型式中:P i 表示小区 i 的学生人数ꎻd ij 表示小
财力ꎮ 区 i 到学校 j 的距离ꎻA ij 表示小区 i 分配得到的学校
小区教育质量受到学生入学方式影响ꎬ是不断 j 的入学人数ꎻS j 表示学校规模ꎮ 模型中目标函数式
变化的概率值ꎬ因此研究将其定义为“ 教育质量期望 (1) 表示优化各个小区的入学距离ꎬ其余为约束条
值” ꎬ即加权测算各需求点学生入学所形成的小区教 件:式(2) 要求所有学生均能入学ꎻ式( 3) 、( 4) 、( 5)
育质量ꎮ 在不同模型情境下教育质量期望值有着不 要求 各 个 学 校 的 招 生 规 模 不 超 过 一 定 的 上 限
同的计算方式:在“ 就近入学” 模型情境下ꎬ小区教 ( C max ) 和下限 ( C min ) ꎻ式( 6) 表示小区获得的入学
育质量期望值即该小区被分配进入的学校的教育质 指标数不高于小区的学生数ꎮ
量ꎻ在“ 多校划片” 和“ 概率 -相似” 模型情境下ꎬ小区 (3) “ 多校划片” 情境模型搭建
学生被分流进入不同教育质量的学校ꎬ此时小区教 “ 多校划片” 模型以实现各小区教育质量均衡
育质量期望值是各个学校教育质量入学人数的加权 为最终目的ꎬ目标函数是案例区教育质量期望值方
平均ꎮ 差最小ꎮ 方差越小ꎬ就意味着各小区的教育质量期
本研究运用“ 方差” 这一指标来表示案例区内 望值越相近ꎬ各小区所获得的学校教育资源越均衡ꎮ
119
2023 年 湖南师范大学教育科学学报 第6期
在该模型下ꎬ因为各个学校教育质量水平不一ꎬ入学 Sj Sj
Aj = =
N ∑ i = 1 Pi
m
名额数量不等ꎬ小区教育质量期望值是其所对应多
所学校的加权平均 [26]
ꎮ
在上面的公式中ꎬP i 表示需求点 i 的学生人数ꎻ
学校教育质量和分配到各小区的入学名额是小
N 表 示 案 例 区 学 生 总 数ꎻ S j 表 示 学 校 提 供 的 入 学
区教育质量期望值形成的重要因素ꎮ 本研究将学校
指标ꎮ
规模设定在一个区间内ꎬ最大规模不超过学校现有
其次ꎬ小区的实际入学概率分布是小区学生分
规模的 1.5 倍ꎬ最小规模不低于学校现有规模的0.5ꎮ
配到各学校的入学人数占小区学生总数的比例ꎬ我
根据影响因素ꎬ最终构建了二次函数模型ꎬ具体模型
们将其标注为 F ij ꎬ也是一组 J 维向量ꎮ
如下:
D ij
F ij =
m
Min∑ P i ( E i - e ) 2
(1) Pi
i=1
n 在上面的公式中ꎬP i 表示需求点 i 的学生人数ꎻ
s.t A i = ∑
j=1
D ij A ij Q i P i (2) D ij 表示需求点 i 分配到学校 j 的入学人数ꎮ
n 最后ꎬ我们计算实际入学概率分布和绝对公平
∑
j=1
D ij A ij = P i (3)
概率分布的两组 J 维向量之间的抽象距离ꎬ这一数
m
∑
据反映实际入学机会和绝对公平入学机会之间的
D ij A ij = S j (4)
i=1 差异ꎮ
S j ≤ C min (5)
∑ j = 0 ( F ij
n
Ei = - Aj ) 2
S j ≤ C max (6)
d ij × D ij ≤ I max (7) “ 概率 - 相似” 模型最后要求的是需求点 i 的实
0 ≤ A ij ≤ P i (8) 际入学概率分布到绝对公平概率分布的抽象距离总
模型式中 P i 表示小区 i 的学生人数ꎻE i 表示小 和ꎮ 距离总和越小说明实际入学概率分布和绝对公
区 i 获得的教育质量期望值ꎻe 表示海淀区的平均教 平概率分布之间的差异越小ꎬ入学机会分布越公平ꎮ
育质量ꎻd ij 表示小区 i 到学校 j 的距离ꎻD ij 表示小区 i P1 E1 + P2 E2 + P3 E3 + + Pm Em
到学校 j 的距离是否超过最大距离阈值 I m ax ꎬ大于或 (5) 模型算法
等于时为 0ꎬ否则为 1ꎻA ij 表示小区 i 分配得到的学 在模型求解方面ꎬ本研究因维度较大ꎬ运用网络
校 j 的入学人数ꎻQ i 表示学校 j 的教育质量ꎻS j 表示 流算法求解ꎮ 网络流是指一个具有上下界的网络 G
学校规模ꎮ 模型中目标函数式(1) 表示各小区间教 由点集 V 和边集 E 构成ꎬE 中的每条边 e 有四个信
育质量期望的方差最小ꎬ其余为约束条件:式( 2) 表 息ꎬα e ∈Vꎬβ e ∈V ꎬb e ≤c e ∈R + ꎬꎬ分别表示边的出发
示小区 i 获得的教育质量期望值ꎻ式(3) 要求所有学 点、到达点、流量下限和容量ꎮ 而对于一个网络 Gꎬ
生均能入学ꎻ式 (4) 、(5) 、(6) 要求各个学校的招生 以及 V 中的两个点 s 和 tꎬ所谓“ 从到的合法流” 是
规模不超过一定的上限 ( C max ) 和下限 ( C min ) ꎻ式 指满足以下条件的函数 f:E →R + :
(7) 表示最大上学距离约束ꎬ这里设定 I max 为 5 000 ìï∀ v ∈ V{ sꎬt} ꎬ∑ f ( e ) = ∑ f ( e )
ï
mꎻ式(8) 表示小区获得的入学指标数不高于小区的 í αe = v βe = v
学生数ꎮ
ï
î ∀ e ∈ Eꎬb e ≤ f ( e ) ≤ c e
(4) “ 概率 -相似” 情境模型搭建 综上ꎬ要检查一个给定 sꎬt 的上下界网络是不
“ 概率 -相似” 模型依据基尼系数和地理区划中 是存在合法流ꎬ只需要建立对应的标准网络ꎬ然后求
属性距离的计算方法 [33]
ꎬ将多个概率分布整体相似 出最大流即可ꎮ 求最大流的方法很多ꎬ因为本问题
程度的度量转换为各个概率分布到绝对公平概率分 数据规模较小ꎬ所以需用最基本的增广路方法ꎮ
布的差异的累计ꎮ 本问题中ꎬV 由三部分组成:{ sꎬt} ꎬ小区集合ꎬ
首先ꎬ绝对公平概率分布是指在没有任何距离 学校集合ꎮ 从 s 到每个小区 i 连着一条边( sꎬiꎬP i ꎬ
约束条件下ꎬ从学校到各小区的入学机会概率分布ꎬ P i ) ꎬ从每个小区 i 到学校 j 连着一条边( iꎬ jꎬ 0ꎬ D ij ꎬ
每个学生进入学校的概率相等ꎬ没有差异ꎮ 各学生 P i ) ꎬ从 每 个 学 校 j 到 t 连 着 一 条 边 ( jꎬ tꎬ C j min ꎬ
进入学校的概率即学校提供的入学指标综述和案例 C j max ) ꎮ 求解模型中目标函数最小是运用残量网络
区学生总数的比值ꎬ所有学生进入 j 个学校的入学 的概念:考虑一个标准网络 Gꎬ以及其上一个合法流
概率组成一组 J 维向量ꎮ ( A1 ꎬA J ) fꎬ于是“ 一条从 α 到 β 的边ꎬ其容量为 cꎬ且流量为 f
120
义务教育入学机会如何分配更加公平———基于三类模型数据模拟的空间分析
aF
( e) ” ꎮ 所有从小区 i 到学校 j 的边的权值就是 ꎬ
aA ij
aF
而从学校 j 到小区 i 的边的权值就是 - ꎬ因而每次
aA ij
想让目标函数减小ꎬ方法就是在残量网络寻找一个
权值和为负数的圈ꎬ进行推流ꎮ
2. 样本与数据
本研究针对北京市海淀区小学阶段学生进行入
学机会的空间优化ꎮ 数据收集过程如下:第一步ꎬ进
入北京市海淀区人民政府和海淀欧教育委员会等官
方网站ꎬ收集海淀区小学名录和人口基本信息ꎻ第二 图1 海淀区地理信息图 ①
步ꎬ利用谷歌地图等程序获得海淀区的地理信息ꎻ第
三步ꎬ依据项目调研结果ꎬ整理学校人力、物力和财
力三项指标数据ꎻ第四步ꎬ进入“ 城市数据团网” 等
房地产网站ꎬ收集小区信息ꎬ形成“ 小区 - 房屋总数 -
地理位置” 的数据结构ꎮ
海淀区位于北京城区西部和西北部ꎬ面积 431
平方千米ꎮ 截 至 2019 年ꎬ 海 淀 区 下 辖 22 个 街 道ꎬ
7 个地区ꎮ 截至 2020 年 11 月 1 日零时ꎬ常住人口为
3 133 469 人 [34] ꎮ 海淀区内共有完全小学、非完全小
学、九年制学校等各种学校 86 所ꎮ 海淀区人口统计
运用了居住小区尺度数据ꎬ已有研究依据一屋3.5 人
的基本 户 型 ( 三 人 一 户 的 基 本 户 型 和 三 胎 政 策 背
景) 对小区总人口数进行预估ꎮ 小学阶段适龄人口
是指与义务教育阶段现行学制相对应的那部分应入 图2 “ 就近入学” 、“ 多校划片” 和“ 概率-相似”
情境入学机会分配结果
学的人口ꎬ具体为年龄为小学:2 / 3 的 6 岁人口、7 至
11 岁人口、1 / 3 的 12 岁人口ꎮ 范围为常住人口ꎬ不 下的入学机会空间分配结果ꎮ “ 就近入学” 情境下ꎬ
包括暂 住 人 口 和 本 地 户 籍 但 外 出 半 年 以 上 的 人 北京市海淀区平均教育质量期望值是 1.108ꎻ最大值
口 [35] ꎮ 笔者运用北京市 2020 年各年龄段人口普查 为 4.135ꎬ集中于亮丽园、恩济庄缘等 5 个小区ꎻ最小
数据得出小学阶段适龄人口在总人口中占比为 0. 值为 0.254ꎬ集中于中间建筑二区、西山美墅馆 E 区
051ꎬ预估得到的海淀区各个小区总人口数的基础 等 13 个小区ꎮ 从地理位置来看ꎬ“ 就近入学” 情境
上ꎬ按照比例计算得到各小区的小学阶段适龄人口 下ꎬ教育质量期望值最大值小区集中于区域的中部
数ꎬ并对人数取整ꎮ 研究所使用的小区和学校之间 地区ꎬ人口较为密集ꎻ最小值则集中于区域的边缘地
的最短上学距离是基于实际路网计算得到的距离矩 区ꎬ人 口 稀 少ꎮ 海 淀 区 教 育 质 量 期 望 值 极 差 是
阵ꎮ 在数据处理上ꎬ研究剔除运算后义务教育适龄 3.881ꎬ方差是 0.115ꎮ 在上学距离方面ꎬ学生平均上
人口数 小 于 1 和 地 理 位 置 过 于 离 散 的 小 区ꎬ 共 学距离为 0.92 kmꎬ最大值为 4.909 kmꎬ在建西苑北
237 个无效小区ꎬ由此得到需求点的规模量ꎮ 最终 里小区ꎻ最小值为 0.024 kmꎬ在索家坟小区ꎮ
得出的数据为ꎬ海淀区共有 1412 个小区ꎬ小学阶段 “ 多校划片” 情境下ꎬ北京市海淀区的平均教育
适龄人口数为 163 770 人ꎬ与北京市教委公布的人 质量期望值为 1.114ꎻ最大值为 1.351ꎬ在凯胜家园小
口数据基本一致ꎮ 区ꎻ最小值为 0.970ꎬ在紫竹院南路 15 号院小区ꎮ 海
淀区教育质量期望值极差为 0. 381ꎬ方差是 0. 001ꎮ
四、实证结果分析
在上学距离方面ꎬ学生平均上学距离为 3.16 kmꎬ最
1. 入学机会分配结果 大值为 4.993 kmꎬ在高梁桥斜街乙 40 号院小区ꎻ最
利用前文的空间研究模型ꎬ我们得到北京市海 小值为 0.276 kmꎬ在北蜂窝中路甲 8 号院小区ꎮ
淀区“ 就近入学” 、“ 多校划片” 和“ 概率 - 相似” 情境 “ 概率 -相似” 情境下ꎬ海淀区平均教育质量期
121
2023 年 湖南师范大学教育科学学报 第6期
表1 三种情境下到绝对公平概率距离的平均值、方差、最大值、最小值
就近入学 多校划片 概率-相似
和绝对公平概率之间的差距的平均值 0.955 0.776 0.236
和绝对公平概率之间的差距的方差 0.009 0.022 0.007
和绝对公平概率之间的差距的最大值 1.007 1.006 0.696
和绝对公平概率之间的差距的最小值 0.56 0.296 0.159
122
义务教育入学机会如何分配更加公平———基于三类模型数据模拟的空间分析
表3 最大距离参数调整下的教育质量方差、概率距离、平均上学距离变化率
教育质量期望值方差变化率 到绝对公平的概率距离均值变化率 平均上学距离变化率
5—6 km -43.46% -0.52% +19.99%
6—7 km -20.75% +0.02% +15.93%
7—8 km -8.24% +0.06% +14.66%
123
2023 年 湖南师范大学教育科学学报 第6期
在“ 多校划片” 情境下ꎬ将最大距离参数从 5 km
按照 1 km 的距离间距逐渐调整到 8 kmꎬ结果显示海
淀区各小区的教育质量方差呈现下降的变化趋势ꎬ
上学距离每增加 1 kmꎬ教育质量期望值方差均呈现
指数型下降( y = 0.000 5 + 0.47e -1.282 ꎬ R 2 = 0.999 996ꎬ
y 是教育质量方差ꎬx 为距离参数) ꎬ但是到绝对公平
的概率距离并未呈现算数型变化ꎮ 平均上学距离呈
算数型增长( y = 37.895 + 624.372xꎬR 2 = 0.999 96) ꎮ
(2) “ 概率 -相似” 情境
“ 概率 -相似” 情境下ꎬ当距离限制从 5 km 改为
图5 “ 多校划片” 情境下教育质量方差与距离的关系 8 km 时ꎬ海淀区教育质量 期 望 值 方 差 总 体 降 低 了
33.8%ꎬ42%的小区能够享受到更为优质均衡的教育
资源ꎬ包括了占全部学生数量 43.64%的学生ꎮ 到绝
对公平的概率距离也下降了 41.25%ꎬ全区学生入学
机会公平性上升ꎮ 同时ꎬ全区学生平均上学距离全
部增加ꎬ学生平均上学距离增长了 55.61%ꎬ不过仍
在国际标准范围(5 km) 内ꎮ
随着最大距 离 参 数 逐 级 递 增ꎬ 教 育 质 量 方 差
期望值、到绝对公平 的 概 率 距 离 和 平 均 上 学 距 离
变化率呈现逐 级 降 低 趋 势ꎬ 但 是 相 较 于 “ 多 校 划
片” 情境下的教 育 质 量 方 差ꎬ变 动 更 为 和 缓ꎮ 5—
6 km 区间距离参数的调整ꎬ带来三项指标最为显
著的变化ꎮ
图6 “ 多校划片” 情境下概率距离与距离的关系
表4 不同距离参数对应下的教育质量方差、概率距离、平均上学距离
教育质量期望值方差 到绝对公平的概率距离均值 平均上学距离 / km
5 km 0.005 6 0.236 3.07
6 km 0.004 4 0.194 3.66
7 km 0.003 9 0.163 4.218
8 km 0.003 7 0.139 4.778
表5 最大距离参数调整下的教育质量方差、概率距离、平均上学距离变化率
教育质量期望值方差变化率 到绝对公平的概率距离均值变化率 平均上学距离变化率
5—6 km -21.59% -18.17% +19.22%
6—7 km -10.81% -15.67% +15.24%
7—8 km -5.34% -14.86% +13.27%
124
义务教育入学机会如何分配更加公平———基于三类模型数据模拟的空间分析
应当注意入学距离的动态调整ꎬ兼顾学生入学距离 的教育质量才是实现教育资源空间配置公平的根本
不宜过长和教育质量的均衡配置两方面ꎮ 途径ꎮ
相较于“ 就近入学” 情境ꎬ“ 多校划片” 情境能够
显著提高区域内的教育公平性ꎬ但与此同时ꎬ学生平
均上学距离也成倍增加ꎬ不过仍未超过 5 km 的国际
标准要求ꎮ 另外ꎬ 从边际增量来看ꎬ 最大距离参数
5—6 km 区间内调整对于区域教育质量期望值方差
的降低有着积极作用ꎬ此时学生平均上学距离缓步
上升ꎮ 随着最大距离参数的扩大ꎬ海淀区内的入学
机会分配公平持续性改善ꎬ但学生平均上学距离也
在不断增长ꎬ当最大距离参数调整到 8 km 时ꎬ学生
平均上学距离已经超距ꎮ 因此ꎬ从教育质量期望值
方差、学生平均上学距离变化率、超距上学学生人数
图7 “ 概率-相似” 情境下教育质量方差与距离的关系
指标来 看ꎬ 最 大 距 离 约 束 为 6 km 是 最 为 推 荐 的
参数ꎮ
基于上述分析ꎬ我们对海淀区义务教育阶段学
生入学政策提出以下三个方面的建议ꎮ
其一ꎬ教育管理部门应通过统筹教师编制与流
动、加强图书馆建设、优化完善义务教育经费保障机
制等措施ꎬ实现好学校、好教师的“ 普及” ꎬ缩小学校
间的教育质量差异ꎬ进一步推进义务教育优质均衡
发展ꎮ 管理部门应在教师招聘中参照生师比标准测
算中小学教师编制控制数并进行动态核编调整ꎬ同
时依托教师流动来增强优质学校和薄弱学校之间的
合作ꎬ促进区域内校际师资力量的均衡配置ꎮ 北京
图8 “ 概率-相似” 情境下概率距离与距离的关系
市自 2021 年开始大面积、大比例推进教师轮岗政
策ꎬ因岗 因 需 来 决 定 调 动 的 比 例 [36ꎬ 37] ꎮ 在 物 力 方
五、结论与建议 面ꎬ图书馆藏书量不仅能够反映学校建设的实力ꎬ也
优质均衡是义务教育资源配置中面临的主要问 是衡量学校文化底蕴、知识积累的重要指标ꎮ 管理
题ꎮ 本研究在构建“ 就近入学” 、“ 多校划片” 和“ 概 部门与学校应通过提升图书馆藏书量、增设阅读空
率 -相似” 三类模型基础上ꎬ对海淀区小学阶段各学 间等措施ꎬ实现全覆盖式阅读供给ꎬ为学生提供高质
校入学机会这一公共服务资源进行空间优化配置ꎮ 量的阅览平台和文献信息中心ꎬ为教师开展各类合
“ 就近入学” 模型下ꎬ学生入学以距离为优先取 作与教研活动提供支持ꎮ 在财力方面ꎬ管理部门应
向ꎬ而暂不考虑学校教育质量ꎮ 虽然从空间上缩短 根据学生人数分区域确定生均教育经费保障水平ꎬ
了学生的入学成本ꎬ但也拉大了各小区教育质量期 落实好义务教育经费保障工作ꎮ
望值的差距ꎬ甚至形成了明显的中心优质教育资源 其二ꎬ管理部门应动态调整以多校划片为主ꎬ单
集中区和边缘分散性低教育质量区ꎮ 研究发现ꎬ无 校划片和多校划片相结合的入学政策ꎬ强化学生入
论是“ 多校划片” 情境还是“ 概率 - 相似” 情境ꎬ其所 学“ 随机性” ꎬ避免优质教育资源过度集中ꎮ 2022 年
获得的区域教育配置公平程度都好于“ 就近入学” 北京市义务教育入学政策明确指出将继续稳妥推进
情境ꎮ 随机入学是强化和落实义务教育阶段空间资 “多校划片” 政策 [38] ꎬ在降低过高上学距离给学生带
源公平配置的有效手段ꎮ 但与已有研究的对比发 来的负面影响基础上ꎬ逐步平衡各小区( 需求点) 之
现ꎬ随机入学并没有在根本上解决教育资源过度集 间的教育质量期望值ꎬ实现区域教育公平ꎮ 为了进
中的问题ꎬ“ 概率 -相似” 模型下的理想情境显示ꎬ如 一步避免多校划片政策实施后“ 择区” 问题的出现ꎬ
果各个学校的教育质量一致ꎬ所得到的入学机会分 海淀区应当综合考虑各个学校教育质量的变动ꎬ周
配方案才是最为公平的ꎮ 也就是说ꎬ均衡各个学校 期性动态调整多校划片的划定范围ꎮ 优质学校尤其
125
2023 年 湖南师范大学教育科学学报 第6期
其三ꎬ管理部门可以优质教育资源为基点形成 id = 1731606600948757106ꎮ
圈层模式ꎬ在不同距离层级设定不同的入学概率ꎬ在
参考文献:
控制上学距离增加的同时实现优质教育资源的空间
[1]2019 年全国教育事业发展统计公报[ EB / OL] . ( 2020- 5
公平分配ꎮ 由前文的研究结论可知ꎬ学生适宜上学
-20) [ 2023 - 04 - 11] ꎬ http: / / www. moe. gov. cn / jyb _ sjzl /
距离处于 5—6 km 范围内ꎮ 因此政府可以在这一研
sjzl_fztjgb / 202005 / t20200520_456751.html.
究指标的基础上优化现行学区政策ꎬ对学校和小区 [2] 曾晓东. 择校治理政策的次优选择———基于公众择校行
进行空间整合ꎬ确保教育资源的空间分配不会带来 为与态 度 调 查 的 分 析 [ J] . 教 育 发 展 研 究ꎬ 2010 ( 2) :
家庭的入学负担ꎮ 学校作为提供教育服务的基础单 18-22.
位ꎬ受到时空限制其自身服务半径是有限的ꎬ这就要 [3] 郑 磊ꎬ 王思檬. 学校选择、教育服务资本化与居住区分
求政府在制定入学政策时必须综合考虑小区和学校 割———对“ 就近入学” 政策的一种反思[ J] . 教育与经济ꎬ
126
义务教育入学机会如何分配更加公平———基于三类模型数据模拟的空间分析
127
2023 年 湖南师范大学教育科学学报 第6期
school ̄to ̄community under the existing school construction conditions through GIS technologyꎬ and conduct applied research in Haidian
Districtꎬ Beijing. The results show that compared with “ nearby enrollment” ꎬ education quality variance under the situation of “ multi ̄
school dicing” is reduced by 99.38% under the existing allocation of educational resourcesꎬ significantly narrowing the spatial gap of ed ̄
ucational opportunity assignment while controlling the negative impact of school distanceꎻ loosening the constraints on the maximum
school distance can significantly improve the spatial equity of educational opportunities. Thereforeꎬ to promote the spatial optimization
and allocation of compulsory resourcesꎬ it is necessary to periodically adjust the multi school zoning policyꎬ enhance the randomness of
enrollment opportunity allocationꎬ appropriately increase the distance between students enrollment not exceeding 6kmꎬ and “ balance”
the education quality of each school through coordinating the staffing and flow of teachersꎬ strengthening library constructionꎬ and opti ̄
mizing and improving the mechanism for ensuring compulsory education fundingꎬ and different enrollment probabilities are set at differ ̄
ent distance levelsꎬ in order to promote the overall goal of high ̄quality and balanced compulsory education.
Key words: education equityꎻ the “ nearby enrollment” ꎬ the “ multi ̄school dicing” ꎻ probability similarity
128