２０２３ 年 １１ 月 湖南师范大学教育科学学报 Ｖｏｌ.２２ Ｎｏ.

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

(１. 北京师范大学 教育学部ꎬ 北京 １００８７５ꎻ ２. 北京师范大学 地理科学学部ꎬ 北京 １００８７５)

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

自由选择学校的空间? “ 就近入学” 又是否真正促

一、问题提出 进了教育机会的公平分配? 义务教育阶段家庭择校
目前ꎬ我国九年义务教育巩固率达到 ９４.８％ 以 行为调查结果显示诸如买房、转户口、缴纳共建费、
上 [１]
ꎮ 随着义务教育的全面普及ꎬ望子成龙的家长 捐资或其他突出贡献方式都或多或少或明或暗存在
对教育资源的需求已从“ 有学上” 变为“ 上好学” ꎬ从 于义务教育升学选拔过程中 [２] ꎬ具有较高支付能力
“ 学有所教” 变为“ 学有优教” ꎬ优质教育资源的分配 的家庭选择居住在公共服务数量和质量更多更好的
也已成为影响教育公平的关键ꎮ 从起点公平、过程 辖区 [３] ꎬ通过“ 买房而择校” [４] ꎬ以此使孩子获得优
公平到结果公平ꎬ教育公平贯穿于教育的全时段全 质教育的机会ꎮ 在家庭社会经济因素的影响下ꎬ学
过程ꎮ “ 入学” 是“ 起跑线” ꎬ如何保障入学机会的起 生在特定区域内形成入学集群效应ꎬ造成教育资源
点公平是实现教育公平的前提和基础ꎮ 自 ２０ 世纪 在一定区域、一定时期内的实际配置情况偏离最优
８０ 年代开始ꎬ教育部门就开始在基础教育阶段实施 配置状态 [５] ꎬ加剧了教育机会分配不平等和社会阶
“ 就近入学” 政策ꎬ即学龄儿童要在距离家庭居住地 层固化ꎮ
最近的“ 学校” 入校ꎬ不能随意择校ꎮ 但限制缴纳赞 为了缓解“ 学区房” 现象带来的房价飙升、教育
助费、择校费的择校方式ꎬ是否就意味着家庭失去了 资源不均等问题ꎬ２０１６ 年ꎬ教育部首次提出在择校

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
矛盾突出的地区采取多校划片政策 [６] ꎮ ２０１７ 年ꎬ教
育部办公厅发布« 关于做好 ２０１７ 年义务教育招生入
学工作的通知» ꎬ提出“ 积极稳妥推进多校划片( 随
机摇号、派位) ” [７] ꎮ “ 多校划片” 在“ 就近入学” 的基
础上将“ 一对一” 的入学方式调整为“ 一对多” ꎬ使得
入学问题成为一个“ 概率” 问题ꎮ 北京市是最早推
行“ 多校划片” 政策的试点城市ꎬ２０１７ 年便开始在核
心六区逐步推行ꎮ “ 多校划片” 政策将不同教育质
量层次学校进行组合ꎬ 其中既有 “ 名校” ꎬ 也 有 “ 弱
校” ꎬ在相对就近入学的原则下ꎬ对入学分配机制进
行局部调整ꎬ使得学生入学更为随机化ꎮ “ ２０１７ 中
国居住小康指数” 调查结果显示ꎬ５４.６％的受访者指
出多校划片政策的实行会影响自己购买学区房的意
愿 [８]
ꎮ 可见ꎬ“ 多校划片” 政策通过为学生提供相对
公平的入学机会ꎬ在一定程度上降低了优质教育资
源向优势群体的倾斜ꎬ避免择校问题的加剧ꎮ 但在
“ 多校划片” 政策的落地仍有着重重阻碍ꎬ如小区对
应学校区域的划定、学生入学距离负担与空间教育
均衡的兼顾等ꎮ 以北京市为例ꎬ由于各区经济和教
育发展水平差异较大ꎬ“ 多校划片” 政策实施呈现长
周期与动态化双重特征ꎬ各区实施时间和进度都存
在差异 [９]
ꎬ核心六区虽在 ２０２１ 年全面推行了“ 多校
划片” ꎬ但是区内所划定的多校“ 组合” 也在不断调
整ꎬ外环城区入学政策的实施也更为滞缓ꎮ
本研究 设 计 了 以 距 离 最 优 为 目 标 的 “ 就 近 入
学” 情境和教育质量公平最大化目标下的“ 多校划
片” 情境ꎬ 在 北 京 市 海 淀 区 进 行 应 用 研 究ꎬ 通 过 与
“ 概率 －相似” 理想情境的对比来研究教育资源的空
间分配问题ꎬ并通过最大入学距离的调整探讨最优
的入学机会分配方案ꎮ 本文边际贡献在于:其一ꎬ目
前鲜有运用数据模拟入学机会分配的研究ꎬ“ 多校划
片” 政策的实施缺少实证依据ꎬ本研究则弥补了这一
空白ꎻ其二ꎬ本研究分析了影响“ 多校划片” 政策实
施的学生上学距离因素ꎬ试图在控制上学距离增加
所带来的负面影响基础上尽可能增加入学机会分配
的空间公平ꎮ
二、文献回顾
教育资源空间配置问题的交叉研究最早兴起于
２０ 世纪 ４０ 年代ꎮ 随着“ 教育土地” 和“ 教育空间规
划” 等概念的提出ꎬ越来越多国外研究者关注于这一
新兴领域ꎬ从单一探讨教育资源的区域分布规律
渐趋转向与交通条件 [１１]
、政府政策
合进行 教 育 资 源 的 规 划 管 理ꎮ 目 前 的 研 究 中 ＧＩＳ
( Ｇｅｏｇｒａｐｈｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍｓꎬ 地理 信 息 系 统) 成
１１８
湖南师范大学教育科学学报 第６期
为研究者们最为青睐的工具ꎬ追踪某地阶段性学区
划分变化规律以提出合理布局建议 [１４] ꎬ对比不同阶
层和家庭的教育选择并绘制其空间分布图 [１５] ꎬ记录
各类设施点布局的选址并搭建数据库等研究层出不
穷 [１６] ꎮ 与此相对ꎬ国内相关研究起步较晚ꎬ主要集
中于教育资源的空间分布和选址—布局问题上ꎬ对
ＧＩＳ 空间分析技术的运用不够充分 [１７] ꎮ 已有研究表
明ꎬ我国城市各区的教育资源空间分布存在显著差
距 [１８] ꎮ 学校是教育体系中的基础单位ꎬ如何对学校
进行合理空间布局、分配现有教育资源的研究相对
较少ꎬ也有待进一步深入ꎮ
已有关于区域教育资源空间配置的实证研究大
多缺少基 于 资 源 公 共 服 务 性 考 量 的 “ 空 间 分 配 公
平” 讨论 [１９－２１] ꎮ 国内外部分研究通过设定不同约束
条件( 如距离、学校教育规模、学生种族) 探讨入学
机会公平问题ꎬ但对空间整体教育资源配置关注不
足 [２２ꎬ ２３] ꎮ 有一些研究者通过建构区域教育质量方
差最小模型来寻求最优结果ꎬ即加权测算各需求点
学生入学所形成的小区教育质量 [２４ꎬ ２５] ꎮ 在此基础
上ꎬ也有研究者通过建构理想模型( 概率相似最大化
模型) 进行分析ꎬ将提出的概率距离作为衡量教育公
平的重要指标ꎬ并通过对比各类模型情境来进行深
入研究 [２６] ꎮ 但是上述研究仅采用单一模型进行分
析ꎬ缺乏基于不同模型的比较分析ꎮ 总体而言ꎬ目前
教育资源空间布局和优化配置研究仍以效率为主要
导向ꎬ关注如何能让每个需求点都能享受到资源服
务ꎬ而对公平考虑不足ꎬ即在不同入学政策下如何能
让每个需求点都享受到优质的资源服务ꎮ
另外ꎬ也有研究关注学生入学距离对教育资源
空间配置的影响ꎬ尤其是上学距离延长所带来的负
面影响ꎮ 有研究将总上学距离或者上学时间等最小
化作为目标函数来搭建优化模型ꎬ发现交通时间对
学生成绩和健康的影响呈现“ Ｓ 型” 曲线 [２７] ꎬ每天乘
坐校车一小时的小学生的学业成绩比不乘坐校车的
小学生平均低 ２.６ 分ꎬ学生入学距离过长会降低学
生学习质量 [２８] ꎮ 研究者指出小学合理的单程交通
时间应不超过 ３０ 分钟ꎬ初中合理的单程交通时间应
不超过 ４５ 分钟 [２９] ꎮ 多校划片强调学生 “ 多向” 入
学ꎬ调整学生入学距离参数将会直接影响学生进入
哪所学校就读ꎬ已有研究对入学距离参数的关注还
不够ꎮ
[１０]
综上ꎬ国内外对于教育资源配置问题的研究中
[１２ꎬ１３]
等问题相结 只有少数研究考虑到优质教育资源的“ 空间分配公
平” 问题ꎬ ＧＩＳ 空间分析技术在教育学科的运用也不
够普及ꎮ 本研究 搭 建 “ 就 近 入 学” 、 “ 多 校 划 片” 和
 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

“ 概率 －相似” 三类模型ꎬ分析在理想和客观条件约 各小区的教育质量差距ꎬ方差越小ꎬ即各个小区之间

束情境下入学机会空间分配方式的差异ꎬ一方面能
够基于数据模拟和空间 ＧＩＳ 分析为“ 多校划片” 政策
实施提供数据拟合证据ꎬ另一方面在不同入学情境
下通过调整距离参数寻找最优入学距离标准ꎬ实现
入学距离适中和教育资源配置空间公平的双重目
标ꎬ从而为入学政策改革与学校服务半径优化提供
理论支撑ꎬ完善区域学校教育资源的均衡分配机制ꎮ
三、研究方法与数据
１. 研究方法
在中国公立学校为主的制度背景下ꎬ入学指标
的空间分配是一项公平为导向的公共决策ꎮ 本研究
将以小区为单位ꎬ依据上学距离、学校教育质量等指
标ꎬ对义务教育小学阶段适龄儿童进行入学机会分
配和优化调整ꎬ试图发现较为公平的多校组合方案
和学生入学距离标准ꎮ
“ 就近入学” 和“ 多校划片” 模型是在部分随机
入学原理下对案例区小学阶段适龄人口进行的多向
分配ꎮ “ 就近入学” 模型更强调小区小学阶段适龄
人口上学距离的“ 近” ꎬ“ 多校划片” 模型更强调各小
的教育质量相差越小ꎬ研究案例区的教育质量越公
平ꎮ 本研究同时采用已有研究中“ 概率距离” 指标ꎬ
即每个需求点实际得到的不同学校入学概率分布和
绝对概率分布( 各学校对需求点等同学位分配) 之
间的抽象距离ꎮ
学生入学距离标准因为各个国家和地区的地
形、交通网的差异存在不同的衡量方式ꎬ主要有就近
距离和就近时间两种模式ꎬ如大连市按照小学入学
半径 ５００ 米内和初中入学半径 １０００ 米内的标准划
分学区 [３０] ꎬ广州市原则上要求小学步行时间不超过
１０ 分钟ꎬ初级中学、九年制学校步行时间不超过 １５
分钟 [３１] ꎮ 本研究借鉴戴特奇等的文献 [２５] ꎬ 采用国
际通行要求ꎬ即学生上学距离不能超过 ５ｋｍ [３２] ꎮ 因
此三类模型均不允许学生超距入学ꎬ即距离某小区
５ｋｍ 以外的学校不再给该小区安排入学名额ꎮ
(２) “ 就近入学” 情境模型搭建
“ 就近入学” 模型以优化上学距离为最终目的ꎬ
目标函数是案例区各小区小学阶段适龄学生上学距
离的最小值ꎮ
ｍ
Ｍｉｎ∑ ∑ ｊ ＝ １ Ａ ｉｊ ( ｄ ｉｊ ＋ Ｋ [ ? ｄ ｉｊ > Ｉ ｍａｘ ] ) ｓ.ｔ (１)
ｎ

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
况ꎬ运用基于人力、物力和财力三项指标的熵值法对
学校教育质量进行耦合ꎮ 学校生师比代表人力ꎬ生
均图书馆藏书 ( 册) 代 表 物 力ꎬ 生 均 学 校 经 费 代 表
财力ꎮ
小区教育质量受到学生入学方式影响ꎬ是不断
变化的概率值ꎬ因此研究将其定义为“ 教育质量期望
值” ꎬ即加权测算各需求点学生入学所形成的小区教
育质量ꎮ 在不同模型情境下教育质量期望值有着不
同的计算方式:在“ 就近入学” 模型情境下ꎬ小区教
育质量期望值即该小区被分配进入的学校的教育质
量ꎻ在“ 多校划片” 和“ 概率 －相似” 模型情境下ꎬ小区
学生被分流进入不同教育质量的学校ꎬ此时小区教
育质量期望值是各个学校教育质量入学人数的加权
平均ꎮ
本研究运用“ 方差” 这一指标来表示案例区内
Ｍｉｎ∑ Ｐ ｉ ( Ｅ ｉ － ｅ ) ２
(７)
ｉ＝１
其中 Ｋ 是一个足够大的正实数ꎬ用于单独对超过距
离上限就学加大损失ꎮ
模型式中:Ｐ ｉ 表示小区 ｉ 的学生人数ꎻｄ ｉｊ 表示小
区 ｉ 到学校 ｊ 的距离ꎻＡ ｉｊ 表示小区 ｉ 分配得到的学校
ｊ 的入学人数ꎻＳ ｊ 表示学校规模ꎮ 模型中目标函数式
(１) 表示优化各个小区的入学距离ꎬ其余为约束条
件:式(２) 要求所有学生均能入学ꎻ式( ３) 、( ４) 、( ５)
要求 各 个 学 校 的 招 生 规 模 不 超 过 一 定 的 上 限
( Ｃ ｍａｘ ) 和下限 ( Ｃ ｍｉｎ ) ꎻ式( ６) 表示小区获得的入学
指标数不高于小区的学生数ꎮ
(３) “ 多校划片” 情境模型搭建
“ 多校划片” 模型以实现各小区教育质量均衡
为最终目的ꎬ目标函数是案例区教育质量期望值方
差最小ꎮ 方差越小ꎬ就意味着各小区的教育质量期
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
望值为 １.１２９ꎬ最大值为 １.４９８ꎬ在苗圃宿舍小区ꎻ最
小值为 ０.９０１ꎬ在红旗村 ６ 号院小区ꎮ 海淀区教育质
量期望值极差为 ０.５９７ꎬ方差为 ０.００５ꎮ 在上学距离
方面ꎬ 学 生 平 均 上 学 距 离 为 ３. ０７ ｋｍꎬ 最 大 值 为
４.３９ ｋｍꎬ在绿谷雅园小区ꎻ最小值为 １.６３ ｋｍꎬ在三
嘉信苑小区ꎮ “ 概率 －相似” 情境下的学生平均上学
距离高于“ 就近入学” 情境ꎬ但是低于“ 多校划片” 情
境ꎬ是 “ 就 近 入 学 ” 情 境 下 学 生 平 均 上 学 距 离 的
３.３３倍ꎮ
与“ 就近入学” 情境相比ꎬ“ 多校划片” 情境下海
淀区的教育质量期望值方差降低了 ９８.８８％ꎬ区域教
育质量更为均衡ꎮ ９１３ 个小区的教育质量期望值上
升ꎬ占小区总数的 ６４.６６％ꎬ涵盖学生 １０４ ３４９ 人ꎬ占
学生总人数的 ６３.７２％ꎮ 教育质量期望值有所下降
的小区共有 ４８４ 个ꎮ 但是在“ 多校划片” 模型下ꎬ海
淀区学生的上学距离也有明显上升ꎬ平均上学距离
增长了 ３.４３４ 倍ꎮ 由于模型当中设定了上学距离不
能超过 ５ ｋｍꎬ因此学生的上学距离是满足通用标准
的ꎮ 这一研究发现与戴特奇、盛艳玲针对北京市西
城区 [２６] 、石景山区 [２５] 和广州市海珠区 [２４] 所开展的
不同入学政策下教育资源空间配置结果一致ꎬ进一
步证实了研究模型的可推广性ꎮ
总体而言ꎬ“ 就近入学” 情境下ꎬ海淀区呈现出
典型的“ 学区热” 现象ꎬ教育质量期望值高的区域连
片集中ꎻ而“ 多校划片” 情境下ꎬ这一现象得到有效
缓解ꎬ各小区的教育质量渐趋均衡ꎬ但是也增加了学
生上学距离ꎮ 与“ 就近入学” 情境相比ꎬ“ 多校划片”
情境下约有 ２ / ３ 小区的教育质量期望值增加ꎬ而小
区的上学距离更是大范围增加ꎬ以小区内学生平均
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
和绝对公平概率之间的差距的平均值 ０.９５５
和绝对公平概率之间的差距的方差 ０.００９
和绝对公平概率之间的差距的最大值 １.００７
和绝对公平概率之间的差距的最小值 ０.５６
由上表可知ꎬ在三种入学情境下ꎬ“ 就近入学”
情境下的机会公平性最差ꎬ“ 概率 － 相似” 情境下的
机会公平性最好ꎮ 相较于“ 就近入学” 情境ꎬ“ 多校
划片” 情境下到绝对公平的概率距离平均值下降了
１８.７８％ꎬ但是上学距离增加了 ３.４３４ 倍ꎬ不过仍在国
家标准 ５ｋｍ 范围内ꎮ “ 概率 － 相似” 情境相较于“ 就
近入学” 情境到绝对公平的概率距离平均值下降了
７５.２４％ꎬ相较于“ 多校划片” 情境下降了 ６９.５１％ꎮ
１２２
第６期
上学距离增加 １ ｋｍ 和小区教育质量期望值是否增
加作为分界标准ꎬ本研究发现距离增加小于 １ ｋｍ 且
质量提升、距离增加大于 １ ｋｍ 且质量提升、距离增
加小于 １ ｋｍ 但质量下降、距离增加大于 １ ｋｍ 但质
量下降 的 四 类 小 区 比 例 分 别 为 １０. ８４％、 ５２. ７６％、
２.９７％ 和 ３０.７４％ꎬ 学 生 比 例 分 别 比 为 １０.９８％、
５１.９２％、４. ０３％ 和 ３１. ２７％ꎮ 这一结果表明ꎬ增加入
学随机性可以有效提升区域教育公平性ꎬ即多校划
片政策的实施有助于减缓就近入学政策所造成的
“ 学区热” 现 象ꎬ 减 少 “ 超 级 小 区” “ 超 级 学 校” 的
出现ꎮ
图３ 北京海淀区“ 多校划片” 下教育质量及上学距离变化
２. 概率距离” 分析
接下来我们将分析机会公平和上学距离两部分
数据ꎮ 机会公平是运用到绝对公平的概率距离总体
平均值进行比较ꎬ该值越小说明区域教育机会分配
越公平ꎮ
多校划片 概率－相似
０.７７６ ０.２３６
０.０２２ ０.００７
１.００６ ０.６９６
０.２９６ ０.１５９
从各个小区的变化程度来看ꎬ三类入学情境下
海淀区各小区入学机会公平性和上学距离呈现出显
著差异ꎮ 与“ 就近入学” 情境相比ꎬ“ 多校划片” 情境
下 ８７.１１％的小区到绝对公平的概率距离下降ꎬ覆盖
学生占比 ８８.０７％ꎮ 相较于“ 就近入学” 情境ꎬ“ 概率
－相似” 情境下海淀区内所有小区和学生到绝对公
平的概率距离都有所下降ꎬ比例达到 １００％ꎻ相较于
“ 多校划片” 情境ꎬ“ 概率 － 相似” 情境下到绝对公平
 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

的概率距离下降的小区和学生比例也为 １００％ꎮ ８ ｋｍ时ꎬ海 淀 区 教 育 质 量 期 望 值 方 差 总 体 降 低 了

总的来说ꎬ部分随机化的多校划片政策确实可 ５８.８８％ꎬ ４８.３７％的小区能够享受到更为优质均衡的
以提高区域教育资源空间配置的公平性ꎬ是在完全 教育资源ꎬ覆盖 ５１.９２％ 的学生ꎬ到绝对公平的概率
随机化的“ 概率 －相似” 情境无法实现的条件下的最 距离同时降低了 ０.４４％ꎬ４９.８６％ 的小区入学机会公
优选择ꎮ 但是在实际执行过程中ꎬ有研究者发现多 平性有所改善ꎬ影响到 ５０.４４％的学生ꎻ同时ꎬ学生平
校划片政策反而导致了北京市四个主城区( 东城区、 均上学距离上涨了 ５９.５％ꎬ平均上学距离增加的小
西城区、朝阳区和海淀区) 划片范围内学区房的价格 区和学生的占比分别为 ８３.８５％、８５.９８％ꎬ当最大距
上涨了 １. ７％ꎬ 相当于住房成交单价上 涨 １ ２８７. ０２ 离参数为 ８ ｋｍ 时ꎬ学生平均上学距离甚至已经超过
元ꎬ在政策实施第二个月上涨效应愈发凸显 [６]
ꎮ 这 了国际标准ꎮ 由此可见ꎬ调整最大距离参数确实对
进一步说明虽然随机化的入学政策确实有效均衡了 教育质量期望值均等化有着积极意义ꎬ但是不利于
各个小区的教育质量期望值ꎬ但是这种效果是短期 总体入学机会的公平ꎮ 我们认为ꎬ当最大距离参数
的ꎮ 从长 期 来 说ꎬ 只 不 过 是 将 “ 择 房 择 校” 变 成 了 为 ６ ｋｍ 时ꎬ会达到相对理想的状态ꎮ
“ 择区择校” ꎬ教育资源过度集中的问题并没有得到
根本改善ꎮ
３. 距离参数的调整
学校教育质量和学生上学距离是影响入学分配
的直接因素ꎮ 我们接下来基于海淀区现有 ８６ 所小
学学校教育质量的客观条件ꎬ调整一般距离标准进
行ꎬ以此来进一步分析上学距离和小区教育质量期
望值间相互作用的关系ꎬ优化入学机会的空间分布ꎮ
由于“ 就近入学” 情境是以最小化学生上学距离为
最大目标ꎬ因而对距离限制的调整并不会对情境下
的教育质量期望值和到绝对公平的概率距离产生显
图４ “ 就近入学” 、“ 多校划片” 和“ 概率－相似”
著影响ꎮ
情境下平均上学距离正态分布图
(１) “ 多校划片” 情境
“ 多校划片” 情境下ꎬ当距离限制从 ５ ｋｍ 改为
表２ 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 ０.００１ ３ ０.７７５ ６ ３.１６
６ ｋｍ ０.０００ ７ ０.７７１ ６ ３.７９１
７ ｋｍ ０.０００ ５８ ０.７７１ ８ ４.３９５
８ ｋｍ ０.０００ ５３ ０.７７２ ２ ５.０４

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％

随着最大距离参数逐级递增ꎬ教育质量方差、概 整为 ６ ｋｍ 时ꎬ教育质量方差锐减ꎬ而 ６—７ ｋｍ 和 ７—

率距离和平均上学距离也呈现出不同程度的变化 ８ ｋｍ 的变化率则相对并不显著ꎬ特别是 ７—８ ｋｍ 区
率ꎬ教育质量方差的变化率逐渐降低ꎬ到绝对公平的 间的变化ꎮ 学生平均上学距离也是在 ５—６ ｋｍ 区间
概率距离均值变化率则有减到增变化ꎬ平均上学距 变化最为显著ꎬ相较于前两者ꎬ概率距离整体变动则
离变化率也是逐渐下降ꎮ 教育质量期望值方差呈现 呈现出“ 方向逆转” 的变化ꎮ
出更为明显的差值变化ꎬ当最大距离参数从 ５ ｋｍ 调

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％

在“ 概率 － 相似” 情境下ꎬ将最大距离参数从 ５ 析结果发现ꎬ随着入学距离标准的不断调整ꎬ区域教

ｋｍ 按照 １ ｋｍ 的距离间距逐渐调整到 ８ ｋｍꎬ结果显 育质量公平性得到不断改善ꎬ但当入学距离标准超
示海淀区各小区的教育质量方差呈现指数型下降的 过 ７ ｋｍ 时ꎬ区域公平性优化速率开始逐渐滞缓ꎬ甚
变化趋势ꎬｙ ＝ ０.００３ ５ ＋ ０.１８５ｅ －０.９０５ｘ ꎬｙ 是教育质量方 至概率距离出现反向上升ꎬ同时学生付出的上学距
差ꎬｘ 为距离参数) ꎬ到绝对公平的概率距离也呈现 离成本不断扩大ꎬ超过了 ５ ｋｍ 的国际标准ꎮ 学生入
指数型下降趋势 ( Ｒ ２ ＝ ０.９９９ ９９ꎬ ｙ ＝ ０.０７１ ５ ＋ ０.７２７ 学距离标准的扩大使得小区所对应的学校组合更为
ｅ ) ꎮ 平均上学距离呈算数型增长( Ｒ ＝ ０.９９９ ９９
－０.２９９ｘ ２
丰富ꎬ但与此同时也加剧了学生的距离负担ꎮ 海淀
ｙ ２３９.４３７ ＋ ５６８.０７３ｘꎬＲ ２ ＝ ０.９９９ ８２) ꎮ 根据模型分
＝ 区教育资源更为集中ꎬ因此多校划片在实施过程中

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
不宜过长和教育质量的均衡配置两方面ꎮ
图７ “ 概率－相似” 情境下教育质量方差与距离的关系
图８ “ 概率－相似” 情境下概率距离与距离的关系
五、结论与建议
优质均衡是义务教育资源配置中面临的主要问
题ꎮ 本研究在构建“ 就近入学” 、“ 多校划片” 和“ 概
率 －相似” 三类模型基础上ꎬ对海淀区小学阶段各学
校入学机会这一公共服务资源进行空间优化配置ꎮ
“ 就近入学” 模型下ꎬ学生入学以距离为优先取
向ꎬ而暂不考虑学校教育质量ꎮ 虽然从空间上缩短
了学生的入学成本ꎬ但也拉大了各小区教育质量期
望值的差距ꎬ甚至形成了明显的中心优质教育资源
集中区和边缘分散性低教育质量区ꎮ 研究发现ꎬ无
论是“ 多校划片” 情境还是“ 概率 － 相似” 情境ꎬ其所
获得的区域教育配置公平程度都好于“ 就近入学”
情境ꎮ 随机入学是强化和落实义务教育阶段空间资
源公平配置的有效手段ꎮ 但与已有研究的对比发
现ꎬ随机入学并没有在根本上解决教育资源过度集
中的问题ꎬ“ 概率 －相似” 模型下的理想情境显示ꎬ如
果各个学校的教育质量一致ꎬ所得到的入学机会分
配方案才是最为公平的ꎮ 也就是说ꎬ均衡各个学校
的教育质量才是实现教育资源空间配置公平的根本
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
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
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
面ꎬ图书馆藏书量不仅能够反映学校建设的实力ꎬ也
是衡量学校文化底蕴、知识积累的重要指标ꎮ 管理
部门与学校应通过提升图书馆藏书量、增设阅读空
间等措施ꎬ实现全覆盖式阅读供给ꎬ为学生提供高质
量的阅览平台和文献信息中心ꎬ为教师开展各类合
作与教研活动提供支持ꎮ 在财力方面ꎬ管理部门应
根据学生人数分区域确定生均教育经费保障水平ꎬ
落实好义务教育经费保障工作ꎮ
其二ꎬ管理部门应动态调整以多校划片为主ꎬ单
校划片和多校划片相结合的入学政策ꎬ强化学生入
学“ 随机性” ꎬ避免优质教育资源过度集中ꎮ ２０２２ 年
北京市义务教育入学政策明确指出将继续稳妥推进
“多校划片” 政策 [３８] ꎬ在降低过高上学距离给学生带
来的负面影响基础上ꎬ逐步平衡各小区( 需求点) 之
间的教育质量期望值ꎬ实现区域教育公平ꎮ 为了进
一步避免多校划片政策实施后“ 择区” 问题的出现ꎬ
海淀区应当综合考虑各个学校教育质量的变动ꎬ周
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
要发挥好带头作用ꎬ让更多的学生能够享受到优质
教育资源ꎮ
其三ꎬ管理部门可以优质教育资源为基点形成
圈层模式ꎬ在不同距离层级设定不同的入学概率ꎬ在
控制上学距离增加的同时实现优质教育资源的空间
公平分配ꎮ 由前文的研究结论可知ꎬ学生适宜上学
距离处于 ５—６ ｋｍ 范围内ꎮ 因此政府可以在这一研
究指标的基础上优化现行学区政策ꎬ对学校和小区
进行空间整合ꎬ确保教育资源的空间分配不会带来
家庭的入学负担ꎮ 学校作为提供教育服务的基础单
位ꎬ受到时空限制其自身服务半径是有限的ꎬ这就要
求政府在制定入学政策时必须综合考虑小区和学校
的地理位置ꎬ依据学生入学距离标准进行梯级概率
划分ꎬ实现适当入学距离和高教育质量的双重目标ꎮ
值得说明的是ꎬ以上建议虽然针对的是海淀区
义务教育资源的分配ꎬ但对于其他地区可能也有一
定的借鉴意义ꎮ 对于将要实行多校划片政策的地区
来说ꎬ缩小学校间教育质量差异、 动态调整入学政
策、在不同距离水平设置不同的入学概率等措施可
能也会有助于提升政策的实施效果ꎮ 本研究的结果
证明ꎬ实施“ 多校划片” 政策能够有效降低海淀区内
的教育质量期望值方差ꎬ有利于实现教育公平的目
标ꎬ同时ꎬ适当放松学生入学距离将会有利于区域入
学机会公平的持续性改善ꎮ
由于数据的局限ꎬ本研究仍存在一定不足ꎮ 一
方面ꎬ虽然目前已经有研究者进行了部分地区的数
据模拟ꎬ但仍缺乏不同发展水平地区数据的深入验
证ꎮ 在后续研究中我们还将对具有相似和不同政策
条件及社会经济背景的其他区域样本进行拓展研究
和比较分析ꎮ 另一方面ꎬ学校教育质量中物力因素
的指标选取需要进一步改进ꎮ 在未来研究中ꎬ除了
关注学校在图书馆、实验室等物力资源上的已有存
量因素外ꎬ我们还将重点收集和统计这些物力资源
的使用率和置新情况ꎬ从而建立学校教育质量在物
力资源的存量、增量和效率三维指标ꎬ使这一指标更
加全面和具有代表性ꎮ
注 释:
① 北京市海淀区学位供给压力极大ꎬ很多家庭不断迁往海
淀区ꎬ该区在校生比例持续扩大ꎮ ２０１７ 年海淀区颁布相
关政策ꎬ“ 自房屋用于登记入学之年起ꎬ此后六年内只提
供一个入学学位” ꎬ并于 ２０１８—２０１９ 年加快推进多校划
片政策落地ꎬ强调“２０１９ 年 １ 月 １ 日后在海淀区买的房子
(取得不动产权证书) ꎬ将继续通过电脑派位的方式多校
划片入学” ꎬ２０２０ 年对新建中小学也将通过电脑派位实施
多校划片招收新生进行了补充说明ꎮ ２０２２ 年将 ２０１７ 年
１２６
第６期
政策内的“ 六年一学位” 改为了“ 九年一学位” ꎬ贯彻了九
年一贯制学校ꎮ 信息来源:ｈｔｔｐｓ: / / ｂａｉｊｉａｈａｏ. ｂａｉｄｕ. ｃｏｍ / ｓ?
ｉｄ ＝ １７３１６０６６００９４８７５７１０６ꎮ
参考文献:
[１]２０１９ 年全国教育事业发展统计公报[ ＥＢ / ＯＬ] . ( ２０２０－ ５
－２０) [ ２０２３ － ０４ － １１] ꎬ ｈｔｔｐ: / / ｗｗｗ. ｍｏｅ. ｇｏｖ. ｃｎ / ｊｙｂ ＿ ｓｊｚｌ /
ｓｊｚｌ＿ｆｚｔｊｇｂ / ２０２００５ / ｔ２０２００５２０＿４５６７５１.ｈｔｍｌ.
[２] 曾晓东. 择校治理政策的次优选择———基于公众择校行
为与态 度 调 查 的 分 析 [ Ｊ] . 教 育 发 展 研 究ꎬ ２０１０ ( ２) :
１８－２２.
[３] 郑 磊ꎬ 王思檬. 学校选择、教育服务资本化与居住区分
割———对“ 就近入学” 政策的一种反思[ Ｊ] . 教育与经济ꎬ
２０１４(６) : ２５－３２.
[４] 冯 皓ꎬ 陆 铭. 通过买房而择校:教育影响房价的经验
证据与政策含义[ Ｊ] . 世界经济ꎬ ２０１０(１２) : ８９－１０４.
[５] 兰 峰ꎬ 张祎阳. 教育的空间效应:均衡还是失配? ———
以西安市小学教育资源为例 [ Ｊ] . 干旱区资源与环境ꎬ
２０１８(５) : １９－２６.
[６] 付 扬 军ꎬ 曲 卫 东. 教 育 均 等 化 措 施 何 以 造 成 “ 泛 学 区
化” ———基于北京市多校划片政策的实证检验[ Ｊ] . 教育
与经济ꎬ２０２３(１) :２６－３６.
[７] 教育部办公厅关于做好 ２０１７ 年义务教育招生入学工作
的通知[ ＥＢ / ＯＬ] . ( ２０１７ － ２ － ２２) [ ２０２３ － ０４ － １１] . ｈｔｔｐ: / /
ｗｗｗ. ｍｏｅ. ｇｏｖ. ｃｎ / ｓｒｃｓｉｔｅ / Ａ０６ / ｓ３３２１ / ２０１７０２ / ｔ２０１７０２２２ ＿
２９７０２５.ｈｔｍｌ.
[８] 刘彦华. ２０１７ 中国居住小康指数:７９.９ 超四成受访者向
往城镇与乡村[ Ｊ] . 小康ꎬ ２０１７(１６) : ５４－５８.
[９] 北京入学新政中的“ 多校划片” ꎬ对买房上学有何影响?
[ＥＢ / ＯＬ] . (２０２１－０５－０３) [２０２３－０４－１１] . ｈｔｔｐｓ: / / ｂａｉｊｉ￣
ａｈａｏ. ｂａｉｄｕ. ｃｏｍ / ｓ? ｉｄ ＝ １６９８６９７０９９１７１７３００８７＆ｗｆｒ ＝
ｓｐｉｄｅｒ＆ｆｏｒ ＝ ｐｃ.
[１０] ＨＯＮＥＳ Ｇꎬ ＲＹＢＡ Ｒ. Ｗｈｙ ｎｏｔ ａ ｇｅｏｇｒａｐｈｙ ｏｆ ｅｄｕｃａｔｉｏｎ?
[ Ｊ] . Ｊｏｕｒｎａｌ ｏｆ ｇｅｏｇｒａｐｈｙꎬ１９７２(３) : １３５－１３９.
[１１] ＭＯＳＥＬＥＹ Ｍ Ｊ. Ａｃｃｅｓｓｉｂｉｌｉｔｙ: ｔｈｅ ｒｕｒａｌ ｃｈａｌｌｅｎｇｅ [ Ｍ ] .
Ｌｏｎｄｏｎ: Ｒｏｕｔｌｅｄｇｅꎬ １９７９.
[ １２] ＭＡＣＤＯＮＡＬＤ Ｊ. Ｔｈｅ ｐｒｏｃｅｓｓ ａｎｄ ｉｍｐａｃｔ ｏｆ ｓｃｈｏｏｌ ｃｌｏｓｕｒｅｓ
ｉｎ ｆｏｕｒ ｒｕｒａｌ Ｎｏｖａ Ｓｃｏｔｉａｎ ｃｏｍｍｕｎｉｔｉｅｓ[ Ｒ] . Ｒｕｒａｌ Ｃｏｍｍｕ￣
ｎｉｔｉｅｓ Ｉｍｐａｃｔｉｎｇ Ｐｏｌｉｃｙꎬ ２００３.
[ １３] ＭＥＩＥＲ Ｋ Ｊꎬ ＳＴＥＷＡＲＴ Ｊꎬ ＥＮＧＬＡＮＤ Ｒ Ｅ. Ｔｈｅ ｐｏｌｉｔｉｃｓ ｏｆ
ｂｕｒｅａｕｃｒａｔｉｃ ｄｉｓｃｒｅｔｉｏｎ: ｅｄｕｃａｔｉｏｎａｌ ａｃｃｅｓｓ ａｓ ａｎ ｕｒｂａｎ ｓｅｒｖ￣
ｉｃｅ[ Ｊ] . Ａｍｅｒｉｃａｎ ｊｏｕｒｎａｌ ｏｆ ｐｏｌｉｔｉｃａｌ ｓｃｉｅｎｃｅꎬ １９９１(１) :１５５
－１７７.
[１４] ＯＬＯＫＯ￣ＯＢＡ Ｍꎬ ＡＫＩＮＴＵＮＤＥ Ｏꎬ ＡＬＡＧＡ Ａꎬ ｅｔ ａｌ.
Ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｐｒｉｍａｒｙ ｓｃｈｏｏｌｓ ｉｎ Ｉｌｏｒｉｎ ｗｅｓｔ ｌｏｃａｌ
ｇｏｖｅｒｎｍｅｎｔ ａｒｅａꎬ Ｋｗａｒａ Ｓｔａｔｅꎬ Ｎｉｇｅｒｉａ[ Ｊ] . Ｊｏｕｒｎａｌ ｏｆ Ｓｃｉ￣
ｅｎｔｉｆｉｃ Ｒｅｓｅａｒｃｈ ａｎｄ Ｒｅｐｏｒｔｓꎬ ２０１６(６) : １－１０.
[１５] ＢＵＴＬＥＲ Ｔꎬ ＨＡＭＮＥＴＴ Ｃ. Ｐｒａｙｉｎｇ ｆｏｒ ｓｕｃｃｅｓｓ? ｆａｉｔｈ
ｓｃｈｏｏｌｓ ａｎｄ ｓｃｈｏｏｌ ｃｈｏｉｃｅ ｉｎ Ｅａｓｔ Ｌｏｎｄｏｎ [ Ｊ] . Ｇｅｏｆｏｒｕｍꎬ
２０１２(６) : １２４２－１２５３.
 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

[１６] ＳＬＡＧＬＥ Ｍ. ＧＩＳ ｉｎ ｃｏｍｍｕｎｉｔｙ￣ｂａｓｅｄ ｓｃｈｏｏｌ ｐｌａｎｎｉｎｇ: ａ [ Ｊ] . 经济地理ꎬ ２０１９(１１) : １８－２４.

ｔｏｏｌ ｔｏ ｅｎｈａｎｃｅ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇꎬ ｃｏｏｐｅｒａｔｉｏｎꎬ ａｎｄ ｄｅｍｏｃｒａ￣ [２７] 刘善槐. 我国城镇义务教育学校布局调整研究[ Ｊ] . 教
ｔｉｚａｔｉｏｎ ｉｎ ｔｈｅ ｐｌａｎｎｉｎｇ ｐｒｏｃｅｓｓ. ｒｅｖｉｓｅｄ[ ＥＢ / ＯＬ] . [ ２０２３ － 育研究ꎬ ２０１５(１１) : １０３－１１０.
０４－１１] . ｈｔｔｐｓ: / / ｆｉｌｅｓ.ｅｒｉｃ.ｅｄ.ｇｏｖ / ｆｕｌｌｔｅｘｔ / ＥＤ４５２６８６.ｐｄｆ [２８] ＬＵ Ｙ Ｃꎬ ＴＷＥＥＴＥＮ Ｌ. Ｔｈｅ ｉｍｐａｃｔ ｏｆ ｂｕｓｉｎｇ ｏｎ ｓｔｕｄｅｎｔ ａ￣
[１７] 刘宏燕ꎬ 陈 雯. 中国基础教育资源布局研究述评[ Ｊ] . ｃｈｉｅｖｅｍｅｎｔ[ Ｊ] . Ｇｒｏｗｔｈ ａｎｄ ｃｈａｎｇｅꎬ １９７３(４) : ４４－４６.
地理科学进展ꎬ ２０１７(５) : ５５７－５６８. [ ２９ ] ＳＰＥＮＣＥ Ｂ. Ｌｏｎｇ ｓｃｈｏｏｌ ｂｕｓ ｒｉｄｅｓ: ｓｔｅａｌｉｎｇ ｔｈｅ ｊｏｙ ｏｆ
[１８] 宋伟轩ꎬ 涂唐奇ꎬ 尹上岗ꎬ 等. 南京义务教育资源的社 ｃｈｉｌｄｈｏｏｄ[ Ｍ] . Ｃｈａｒｌｅｓｔｏｎ: Ｃｏｖｅｎａｎｔ Ｈｏｕｓｅꎬ２０００.
会－空间可达性差异及效应研 究 [ Ｊ] . 地 理 研 究ꎬ ２０１９ [３０] 仲 花. 我国中小学学区划分的问题与法律治理[ Ｄ] .
(８) : ２００８－２０２６. 杭州:浙江工商大学ꎬ２０１４: ２８.
[ １９] ＢＲＵＮＯ Ｇꎬ ＧＥＮＯＶＥＳＥ Ａꎬ ＰＩＣＣＯＬＯ Ｃꎬ ｅｔ ａｌ. Ａ ｌｏｃａｔｉｏｎ [３１] 原则上小学步行时间不超过 １０ 分钟! 广州最新明确
ｍｏｄｅｌ ｆｏｒ ｔｈｅ ｒｅｏｒｇａｎｉｚａｔｉｏｎ ｏｆ ａ ｓｃｈｏｏｌ ｓｙｓｔｅｍ: ｔｈｅ Ｉｔａｌｉａｎ [ ＥＢ / ＯＬ] . ( ２０２２ － ０１ － ０７) [ ２０２３ － ０４ － １１] . ｈｔｔｐｓ: / / ｍ.
ｃａｓｅ ｓｔｕｄｙ [ Ｊ ] . Ｐｒｏｃｅｄｉａ￣ｓｏｃｉａｌ ａｎｄ ｂｅｈａｖｉｏｒａｌ ｓｃｉｅｎｃｅｓꎬ ｇｍｗ.ｃｎ / ｂａｉｊｉａ / ２０２２－０１ / ０７ / １３０２７５２４１８.ｈｔｍｌ
２０１４: ９６－１０５. [３２] ＶＡＮ ＧＯＥＶＥＲＤＥＮ Ｃ Ｄꎬ ＤＥ ＢＯＥＲ Ｅ. ( ２０１３) . Ｓｃｈｏｏｌ
[２０] ＴＥＩＸＥＩＲＡ Ｊꎬ ＡＮＴＵＮＥＳ Ａꎬ ＰＥＥＴＥＲＳ Ｄ. ( ２００７) . Ａｎ ｔｒａｖｅｌ ｂｅｈａｖｉｏｕｒ ｉｎ ｔｈｅ Ｎｅｔｈｅｒｌａｎｄｓ ａｎｄ Ｆｌａｎｄｅｒｓ. [ Ｊ ] .
ｏｐｔｉｍｉｚａｔｉｏｎ￣ｂａｓｅｄ ｓｔｕｄｙ ｏｎ ｔｈｅ ｒｅｄｅｐｌｏｙｍｅｎｔ ｏｆ ａ ｓｅｃｏｎｄａｒｙ Ｔｒａｎｓｐｏｒｔ ｐｏｌｉｃｙꎬ ２０１３: ７３－８４.
ｓｃｈｏｏｌ ｎｅｔｗｏｒｋ[ Ｊ] . Ｅｎｖｉｒｏｎｍｅｎｔ ａｎｄ ｐｌａｎｎｉｎｇ Ｂ: ｐｌａｎｎｉｎｇ [３３] ＤＡＩ Ｔꎬ ＬＩＡＯ Ｃꎬ ＺＨＡＯꎬ Ｓ. Ｏｐｔｉｍｉｚｉｎｇ ｔｈｅ ｓｐａｔｉａｌ ａｓｓｉｇｎ￣
ａｎｄ ｄｅｓｉｇｎꎬ ２００７(２) : ２９６－３１５. ｍｅｎｔ ｏｆ ｓｃｈｏｏｌｓ ｔｈｒｏｕｇｈ ａ ｒａｎｄｏｍ ｍｅｃｈａｎｉｓｍ ｔｏｗａｒｄｓ ｅｑｕａｌ
[ ２１ ] ＴＨＯＭＡＳ Ｒ Ｗ. Ｄｅｖｅｌｏｐｍｅｎｔｓ ｉｎ ｍａｔｈｅｍａｔｉｃａｌ ｅｄｕｃａｔｉｏｎａｌ ｏｐｐｏｒｔｕｎｉｔｙ: ａ ｒｅｓｅｍｂｌａｎｃｅ ａｐｐｒｏａｃｈ[ Ｊ] . Ｃｏｍ￣
ｐｒｏｇｒａｍｍｉｎｇ ｍｏｄｅｌｓ ａｎｄ ｔｈｅｉｒ ｉｍｐａｃｔ ｏｎ ｔｈｅ ｓｐａｔｉａｌ ｐｕｔｅｒｓꎬ ｅｎｖｉｒｏｎｍｅｎｔ ａｎｄ ｕｒｂａｎ ｓｙｓｔｅｍｓꎬ ２０１９: ２４－３０.
ａｌｌｏｃａｔｉｏｎ ｏｆ ｅｄｕｃａｔｉｏｎａｌ ｒｅｓｏｕｒｃｅｓ [ Ｊ] . Ｐｒｏｇｒｅｓｓ ｉｎ ｈｕｍａｎ [３４] 海淀概况[ ＥＢ / ＯＬ] . (２０２２－０２－０７) [ ２０２３－０４－１１] . ｈｔ￣
ｇｅｏｇｒａｐｈｙꎬ １９８７(２) : ２０７－２２６. ｔｐ: / / ｚｙｋ. ｂｊｈｄ. ｇｏｖ. ｃｎ / ｋｊｈｄ / ｈｄｇｋ / ２０２１０２ / ｔ２０２１０２０１ ＿
[２２] 戴特奇ꎬ 王 梁ꎬ 张宇超ꎬ 等. 农村学校撤并后规模约 ４４５０５７１.ｓｈｔｍｌ.
束对学校优化布局的影响———以北京延庆区为例 [ Ｊ] . [３５] 赵佳音. 人口变动背景下北京市及各区县义务教育学
地理科学进展ꎬ ２０１６(１１) : １３５２－１３５９. 龄人口与教育资源需求预测[ Ｊ] . 教育科学研究ꎬ ２０１６ꎬ
[２３] ＤＥＬＭＥＬＬＥ Ｅ Ｍꎬ ＴＨＩＬＬ Ｊ Ｃꎬ ＰＥＥＴＥＲＳꎬ Ｄꎬ ｅｔ ａｌ. Ａ (６) : ３７－４３ꎬ ５７.
ｍｕｌｔｉ￣ｐｅｒｉｏｄ ｃａｐａｃｉｔａｔｅｄ ｓｃｈｏｏｌ ｌｏｃａｔｉｏｎ ｐｒｏｂｌｅｍｗｉｔｈ ｍｏｄｕｌａｒ [３６] 推进“ 双减” 北京新学期将大面积大比例推进教师轮岗
ｅｑｕｉｐｍｅｎｔ ａｎｄ ｃｌｏｓｅｓｔ ａｓｓｉｇｎｍｅｎｔ ｃｏｎｓｉｄｅｒａｔｉｏｎｓ[ Ｊ] . Ｊｏｕｒｎａｌ [ ＥＢ / ＯＬ] . (２０２１－０８－２６) [２０２３－０４－１１] . ｈｔｔｐ: / / ｊｗ.ｂｅｉ￣
ｏｆ ｇｅｏｇｒａｐｈｉｃａｌ ｓｙｓｔｅｍｓꎬ ２０１４(３) : ２６３－２８６. ｊｉｎｇ.ｇｏｖ.ｃｎ / ｊｙｚｘ / ｓｐｘｗ / ２０２１０８ / ｔ２０２１０８２６＿２４７７２８４.ｈｔｍｌ.
[２４] 盛艳玲ꎬ马瑞苗ꎬ乔纪纲.不同入学政策教育资源分配及 [３７] 中小学教师轮岗将带来哪些变化? 市教委新闻发言人
优化路径———以广州市海珠区为例[ Ｊ] . 教育学报ꎬ ２０２２ 为您权威解答[ ＥＢ / ＯＬ] . (２０２１－０８－２６) [２０２３－０４－１１] .
(４) : ９８－１１３. ｈｔｔｐ: / / ｊｗ. ｂｅｉｊｉｎｇ. ｇｏｖ. ｃｎ / ｊｙｚｘ / ｊｙｘｗ / ２０２１０８ / ｔ２０２１０８２７ ＿
[２５] 戴特奇ꎬ 廖 聪ꎬ 胡 科ꎬ 等. 公平导向的学校分配空 ２４７８０２５.ｈｔｍｌ.
间优化———以北京石景山区为例[ Ｊ] . 地理学报ꎬ ２０１７ [３８] 北京市教育委员会关于 ２０２２ 年义务教育阶段入学工作
(８) : １４７６－１４８５. 的意见 [ ＥＢ / ＯＬ ] . ( ２０２２ － ０４ － １９ ) [ ２０２３ － ０４ － １１ ] .
[２６] 戴特奇ꎬ 赵韶雅ꎬ 廖 聪. 概率分布相似最大化的 “ 就 ｈｔｔｐ: / / ｊｗ. ｂｅｉｊｉｎｇ. ｇｏｖ. ｃｎ / ｘｘｇｋ / ｚｆｘｘｇｋｍｌ / ｚｆｇｋｚｃｗｊ / ｚｗｇｋｘｚｇ￣
近－随机” 入学机会公平优化 － － 以北京市西城区为例 ｆｘｗｊ / ２０２２０４ / ｔ２０２２０４１９＿２６８１１９３.ｈｔｍｌ.

Ｈｏｗ ｔｏ ｄｉｓｔｒｉｂｕｔｅ ｔｈｅ ｃｏｍｐｕｌｓｏｒｙ ｅｄｕｃａｔｉｏｎ ｅｎｒｏｌｌｍｅｎｔ ｏｐｐｏｒｔｕｎｉｔｉｅｓ

ｍｏｒｅ ｆａｉｒｌｙ
—ｓｐａｔｉａｌ ａｎａｌｙｓｉｓ ｂａｓｅｄ ｏｎ ｄａｔａ ｓｉｍｕｌａｔｉｏｎ ｆｒｏｍ ｔｈｒｅｅ ｔｙｐｅｓ ｏｆ ｍｏｄｅｌｓ
ＺＨＡＯ Ｒａｎ１ ꎬ ＧＵＡＮ Ｊｉａｑｉ １ ꎬ ＤＡＩ Ｔｅｑｉ ２
(１. Ｆａｃｕｌｔｙ ｏｆ Ｅｄｕｃａｔｉｏｎꎬ Ｂｅｉｊｉｎｇ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙꎻ
２. Ｆａｃｕｌｔｙ ｏｆ Ｇｅｏｇｒａｐｈｉｃａｌ Ｓｃｉｅｎｃｅꎬ Ｂｅｉｊｉｎｇ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙꎬ Ｂｅｉｊｉｎｇꎬ １００８７５)
Ａｂｓｔｒａｃｔ: Ｇｕａｒａｎｔｅｅｉｎｇ ａ ｆａｉｒ ｓｔａｒｔｉｎｇ ｐｏｉｎｔ ｆｏｒ ｅｎｒｏｌｌｍｅｎｔ ｏｐｐｏｒｔｕｎｉｔｉｅｓ ｉｓ ｔｈｅ ｐｒｅｍｉｓｅ ｆｏｒ ａ ｈｉｇｈ－ｑｕａｌｉｔｙ ａｎｄ ｂａｌａｎｃｅｄ ｃｏｍｐｕｌｓｏｒｙ
ｅｄｕｃａｔｉｏｎ. Ｈｏｗｅｖｅｒꎬ ｐｒｅｖｉｏｕｓ ｌｉｔｅｒａｔｕｒｅ ｈａｓ ｓｅｅｎ ａ ｄｅｆｉｃｉｅｎｃｙ ｏｆ ｅｑｕｉｔｙ－ｏｒｉｅｎｔｅｄ ｏｐｔｉｍｉｚａｔｉｏｎ ｒｅｓｅａｒｃｈ ｏｎ ｔｈｅ ｓｐａｔｉａｌ ａｓｓｉｇｎｍｅｎｔ ｏｆ ｅｎ￣
ｒｏｌｌｍｅｎｔ ｏｐｐｏｒｔｕｎｉｔｉｅｓ. Ｒｅｇａｒｄｉｎｇ ｄｉｆｆｅｒｅｎｔ ｅｎｒｏｌｌｍｅｎｔ ｍｅｔｈｏｄｓꎬ ｔｈｉｓ ｓｔｕｄｙ ｄｅｆｉｎｅｓ ｔｈｅ ｆａｉｒｎｅｓｓ ｏｆ ｔｈｅ ｓｐａｔｉａｌ ａｓｓｉｇｎｍｅｎｔ ｏｆ ｅｎｒｏｌｌｍｅｎｔ ｏｐ￣
ｐｏｒｔｕｎｉｔｉｅｓ ｂｙ ｔｈｅ ｍｉｎｉｍｕｍ ｓｃｈｏｏｌ￣ｈｏｍｅ ｄｉｓｔａｎｃｅ ｆｏｒ ｓｃｈｏｏｌ￣ａｇｅ ｓｔｕｄｅｎｔｓ ｉｎ ｃｏｍｐｕｌｓｏｒｙ ｅｄｕｃａｔｉｏｎ ｏｆ ｅａｃｈ ｃｏｍｍｕｎｉｔｙꎬ ｔｈｅ ｖａｒｉａｎｃｅ ｏｆ
ｔｈｅ ｅｘｐｅｃｔｅｄ ｖａｌｕｅ ｏｆ ｅｄｕｃａｔｉｏｎ ｑｕａｌｉｔｙ ｏｆ ｅａｃｈ ｃｏｍｍｕｎｉｔｙꎬ ａｎｄ ｔｈｅ ｍａｘｉｍｕｍ ｏｆ ｐｒｏｂａｂｉｌｉｔｙ ｄｉｓｔｒｉｂｕｔｉｏｎ ｓｉｍｉｌａｒｉｔｙ. Ｗｈｅｒｅｂｙ ｗｅ ｃｏｎｓｔｒｕｃｔ
ｔｈｅ ｍｏｄｅｌｓ ｏｆ “ ｎｅａｒｂｙ ｅｎｒｏｌｌｍｅｎｔ” ꎬ “ ｍｕｌｔｉ￣ｓｃｈｏｏｌ ｄｉｃｉｎｇ” ａｎｄ “ ｐｒｏｂａｂｉｌｉｔｙ￣ｓｉｍｉｌａｒｉｔｙ” ꎬ ｓｅｅｋ ｔｈｅ ｏｐｔｉｍａｌ ｅｎｒｏｌｌｍｅｎｔ ａｓｓｉｇｎｍｅｎｔ ｏｆ

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