fiogf49gjkf0d

    2012年10月6日,由中国与全球化智库、麦可思研究院和哈佛大学教育研究生院中国教育论坛联合主办的“2012中国高等教育暨海外人才论坛”在哈佛大学成功举办。论坛紧紧围绕中国高等教育和海归海外人才在中国经济崛起中的作用进行了讨论,中国与全球化智库、麦可思数据有限公司分享了他们最新的高等教育和海归人才的研究成果。



    哈佛大学上海中心主任韦杰夫为论坛致开幕辞。中国与全球化研究中心主任王辉耀博士在论坛上作了“中国留学发展报告”和“中国海归创业发展报告”两个主题报告,同时介绍了中国与全球化研究中心最近和中国社科院社会科学出版社联合出版的《国际人才蓝皮书》系列丛书。哈佛肯尼迪政府学院哈罗德.赫钦斯.伯班克教席政治经济学教授——德怀特 珀金斯担任嘉宾主持。


    在论坛“中国大学生就业”讨论中,麦可思研究院副院长张景岫、执行院长郭娇博士、麦可思教育咨询专家王可介绍了麦可思在中国高等教育领域开展的主要调研项目及研究方法。哈佛大学肯尼迪政府学院亚洲研究所常务主任张伯赓教授主持了麦可思问答环节与圆桌讨论环节。在研讨座谈环节,韦杰夫主任、王辉耀博士、联合国教科文组织产学合作教席主持人查建中博士及麦可思研究院的三位专家,与参会人员深入探讨高等教育发展有关话题,提问踊跃,反响热烈,受到哈佛大学学生,专家和学者的欢迎。


    21世纪以来,中国经济飞速发展,其经济增长方式已由资本驱动转变为人才驱动,中国的发展和问题越来越引起世界关注。高等教育作为科技进步的主要推动力和人力资本投资的主要方式,在中国社会经济发展中的作用不断提升。中国高等教育招生规模不断增大,进入大众化改革阶段,同时留学低龄化趋势日益明显。海归人才回国创业,推动了中国新经济、新技术、IT、传媒等诸多领域的发展,海归人才企业已经成为中国新经济和高科技产业的中坚力量。中国海归人才群体创新创业的现状、发展趋势和相关诉求、挑战等是什么?此次论坛关注了中国高等教育和海归人才在中国社会转型和经济增长中的角色、作用和发展趋势,是中国相关智库和研究机构首次在哈佛大学举办中国海外人才和高等教育的学术研讨会。



    100多位留美的学生和和当地的学者从波士顿地区的高校(包括哈佛大学、麻省理工学院、卫斯利女子学院、塔夫茨大学、波士顿大学、东北大学等),以及临近地区,甚至纽约、费城等地的高校赶来。参会人员表示希望这个论坛可以成为一年一度的活动,以促进最前沿的中国海归人才和高等教育学术交流与研究。

    圆桌论坛,发言撷选


    联合国教科文组织产学合作教席主持人  查建中教授:


    我一直关心基于证据、事实和数据的研究,我从王辉耀博士的报告中了解到他关于留学生学习的相关观点,这对中国高等教育改革的进程很重要。但这是问题的一个方面,另一个方面,大家知道,中国是个大国,需要大量的人才,我们需要从海外引进人才,特别是留学生,但光这些还不够。所以,我同意王辉耀博士的观点,我们应该国际化。在中国工程人才培养上,我有三个建议:国际化、产学合作、做中学。我们的教育改革有困难,但是必须要这样做,这实际上是每个国家都有的问题。

    欧美同学会副会长、中国与全球化智库主任  王辉耀博士:

    中国近30年有着巨大的进步,取得成就的一个重要原因就是其2.5亿流动工人,他们改变了中国,驱动了中国制造、中国生产、中国模式、中国希望。中国的发展也得益于国外投资,据《商业》报道,中国70%的国外投资源自海外华人,也就是说,这些中国人在海外同样在帮助中国发展。现在,我们看到中国新的留学趋势,看到中国大学每年有约700万毕业生,到2020年前,中国将拥有约2亿大学毕业生,过去我们靠流动工人,未来要靠大学毕业生,他们中的一部分也将去往世界各国。这些人将促使中国大的转变:从人口红利到人才红利,从中国制造到中国创造,从吸引金融资本到吸引人才资本,从投资驱动经济到人才驱动经济。

    哈佛上海中心主任首任董事总经理  韦杰夫:

    我做的图表显示,在哈佛,中国留学生是增长最快、如今规模最大的留学生群体,同时也发现,哈佛印度留学生的增速远低于中国。我认为这很有趣,中印人口相当,而且印度人在融入英语国家的生活与学习方面更有优势,在印度说英语的人和时间更多,所以按照留学生的增速不应该有这样大的差别。你可能会想,为什么呢?我想不是因为印度的高等教育比中国好,可能是因为中国的传统观念:中国家庭希望孩子获得更好的教育。

    麦可思研究院副院长  张景岫:

    1990年中国新生儿数量为2354万人,2000年这一数量下降为1379万人。这意味着将来劳动力规模的下降。我同意王辉耀博士的观点,这可能是中国劳动力和工业结构提升的机会,这是高等教育质量为何愈加至关重要的原因,也是我们研究这一领域的原因。最初我们发现,和国内大多数社科研究院一样,研究最大的挑战来自数据。我们首先要知道问题是什么,才能讨论解决方案,我们需要科学方法。