· общее образование

· образование и наука

· гуманитарные науки, языки и искусство

· социальные науки, бизнес и право

· естественные науки, математика и программирование

· инженерия, строительство

· аграрные науки и ветеринарное дело

· здравоохранение

· сфера услуг

Также выборка учитывает гендерное распределение.

Перейдём к методологии опроса (Попов, 2009). Исследование проводилось в два этапа - сначала интервьюирование по основной анкете, а затем электронный опрос, состоящий из задач на различные аспекты общей грамотности.

То есть, опрос PIAAC включает в себя два основных блока:

1) Анкета основных характеристик - в неё входят демографические данные о респонденте и история его образования и трудовой деятельности. В анкету включены вопросы, как о настоящей жизненной ситуации респондента, так и о его прошлых местах работы и образовании. Также есть блок вопросов, отражающих уровень использования респондентов различных навыков на работе и в повседневной жизни. Кроме того анкета содержит личную оценку респондентами удовлетворенности работой и релевантности их образования профессиональной деятельности, а также вопросы о мотивации к получению образования.

2) Тестовые задания - это блок включает в себя задачи на общий уровень грамотности. В тестах содержаться задания оценивающие навыки чтения, математической грамотности и способность решать повседневные задачи, составляющие основу для успешного развития.

2.2 Выборка и методология исследования человеческого капитала

2.2.1 Выборка

В предыдущем разделе была подробно описана выборка исследования PIAAC, однако в рамках данной работы необходимы дополнительные ограничения выборки. Так как задачей исследования является анализ современной структуры человеческого капитала и оценка его уровня, выборка будет иметь возрастное ограничение 25-40 лет. Это связано с тем, что люди, которые моложе 25 лет ещё не имеют сформированного человеческого капитала, так как недавно закончили обучение и скорее всего не имеют опыта стабильной работы. В свою очередь те, кто представляют возрастную группу старше 40 лет, получали образование и начинали трудовую деятельность в СССР. Практики трудоустройства в СССР значительно отличались от современных, так как в рамках режима плановой экономики существовала система трудового распределения, поэтому с учетом целей исследования эта возрастная категория населения не является релевантной для изучения.

Итак, в результате установленного ограничения была сформирована выборка из 1008 респондентов, где 35% - это мужчины и 65% - женщины. Возрастная структура выборки имеет следующий вид:

График 3. Распределение выборки по возрасту

Как видно из графика 3, выборка имеет скос в сторону более молодого возраста, однако в целом распределение равномерное.

2.2.2 Метод анализа данных

Так как основная задача исследования - это построение модели человеческого капитала в России, то метод должен позволять оценить различные связи между независимыми переменными и человеческим капиталом. Однако очевидно, что помимо прямых эффектов влияния на человеческий капитал, есть и опосредованные. Например, можно предположить, что образование влияет на уровень человеческого капитала, а на образование влияет пол респондента. Обычная множественная регрессия не позволяет построить такую модель, но методы моделирования структурными уравнениями (SEM), в основе которых лежит регрессия, позволяют учесть и причинность связей во времени. Поэтому наиболее целесообразный метод для решения основной задачи исследования - это путевой анализ.

Кроме того в анализе будут использованы общие описательные статистики.

2.2.3 Анализ данных. Описание переменных и теоретическая модель человеческого капитала

Основной упор исследования PIAAC сделан на оценку компетенций взрослых людей, путём анализа их навыков, уровня образования и истории опыта работы. Следовательно, в рамках данной работы невозможно учесть такие элементы человеческого капитала, как эмоциональное и физическое здоровье, миграционную мобильность и другие, не связанные с образованием и работой аспекты. Однако на основе имеющихся данных будет предпринята попытка построить максимально подробную модель человеческого капитала, индикаторами которого выступят индексы грамотности.

База данных исследования PIAAC содержит множество различных переменных, но если сразу все переменные включить в модель, ей будет практически невозможно дать адекватную содержательную интерпретацию. Поэтому, основываясь на том, что наша задача построить общую модель человеческого капитала для России для анализа был отобран ряд наиболее значимых переменных.

Во-первых, методом вычисления среднего значения по количеству правильно решенных задач (49 в каждом блоке) были построены два индекса грамотности, имеющих значения от 0 до 1. Первый индекс (CN) отражает математическую грамотность, второй (CL) - общую грамотность (навыки чтения и анализа текстов). Эти индексы являются индикаторами уровня человеческого капитала и являются зависимыми в рамках данной работы. Так как общая и математическая грамотность содержательно отличаются друг от друга, то было принято решение не объединять их в один индекс человеческого капитала и построить две разные модели причинных связей для сравнения, так как предположительно математическая и общая грамотность формируются по-разному.

При сравнении результатов уровня общей и математической грамотности оказалось, что в средний уровень математической грамотности выше среднего уровня общей грамотности на 0,05. Вероятно, одна из причин этого в том, что, несмотря на значительное ослабление системы школьного образования после развала СССР, до сих пор основное внимание уделяется точным наукам, наукам и решению стандартных задач, а не умению ориентироваться и находить решения в нестандартных ситуациях используя разные навыки.

Интересно отметить, что база данных PIAAC также включает в себя набор переменных, являющихся индикаторами владения компьютерными технологиями. Однако доля пропущенных данных по ним составляет от 66 до 77%. На основе этого можно предположить, что использование современных технологий в повседневной жизни и на работе имеет высокий уровень развития в одних регионах, но очень низкий в других. В связи с таким маленьким объемом данных о навыках владения компьютером и отсутствии переменной четко отражающей распределение по регионам, данные о компьютерной грамотности населения не будут включены в анализ.

Далее рассмотрим переменные, отобранные в качестве влияющих (независимых) на уровень грамотности:

1) пол

2) возраст

3) образование респондента по шкале из трёх градаций: «школа и ниже», «начальное/среднее профессиональное», «высшее»

4) профессиональная сфера образования (9 профессиональных областей)

5) образование родителей (было определено по принципу максимального уровня образования у одного их родителей по тем же градациям, что и у респондента)

6) количество рабочих часов в неделю в настоящий момент

7) опыт работы (в годах)

Все эти переменные были отобраны в соответствие с базовой теорией человеческого капитала. Однако в рамках нашей работы мы также рассматриваем теории компетенций, исходя из которых, установки человека и ежедневные практики его поведения также оказывают влияние на уровень грамотности, поэтому в анализ было добавлено несколько факторных переменных.

Анкета PIAAC включает в себя 6 блоков переменных, отражающих уровень использования тех или иных навыков (по частоте использования) и установки индивида. На основе этих переменных (см. Приложение 2.1) было выделено 6 факторов, предположительно влияющих на уровень грамотности:

1) Взаимодействие с коллегами (0-20 баллов)

2) Использование навыков математической грамотности на работе (0-60 баллов)

3) Использование навыков математической грамотности в повседневной жизни (0-60 баллов)

4) Использование навыков общей грамотности на работе (0-60 баллов)

5) Использование навыков общей грамотности в повседневной жизни (0-30 баллов)

6) Стремление развивать свои знания и навыки (0-30 баллов)

Факторы были выделены путём построения сумматорной шкалы Ликерта и проверки значимости корреляций каждого индикатора с полученной переменной.

На основе анализа теорий человеческого капитала и компетенций, была разработана теоретическая модель уровня грамотности, включившая в себя все вышеописанные переменные (см. Схема 1). В центре схемы находится уровень грамотности (математической, либо общей), на который в первую очередь оказывает влияние образование, общий опыт работы, количество рабочих часов в неделю, профессиональная сфера и возраст респондента, так как исходя из теории человеческого капитала, именно эти параметры должны обеспечивать основной вклад в достижения человеческого капитала. Кроме того пол респондента косвенно влияет на уровень грамотности. Это обусловлено тем, что пол влияет на выбор сферы деятельности и уровень образования в силу наличия неравного доступа к образованию и профессиональным сферам деятельности по гендерному признаку. Также образование родителей косвенно влияет на уровень грамотности, потому что в большинстве случаев существует межпоколенная преемственность в траекториях жизненного пути, и если, например, родители имеют высшее образование, то вероятнее всего и ребенок будет к нему стремиться.

Далее в схеме присутствуют 4 фактора, положительно влияющих на уровень грамотности на основе следующих гипотез:

1. Взаимодействие с коллегами - этот фактор отражает социальный капитал индивида. Вспоминая теорию человеческого капитала Дж. Коулмана, можно предположить, что чем больше человек взаимодействует с коллегами, тем шире его социальные связи и, следовательно, тем больше он имеет доступа к получению новых знаний и навыков.

2. Использование навыков и знаний в повседневной/трудовой деятельности (2 фактора) - чем больше человек использует свои теоретические знания на практике, тем больше он приобретает практического опыта, который, как и теория, является неотъемлемой частью человеческого капитала. Соответственно использование навыков и знаний в решении практических задач способствует повышению уровня грамотности.

3. Стремление развивать свои знания и навыки - исходя из теорий компетенций, эффективное достижение высокого уровня грамотности невозможно без наличия внутренней психологической установки на это. Поэтому чем больше человек стремится к развитию, пытается открывать для себя новое и ищет нестандартных решений возникающих задач, тем выше вероятность достижения им высокого уровня грамотности и, как следствия, человеческого капитала.

Итак, перейдём к проверке теоретической модели для общей грамотности.

Схема 1. Теоретическая модель уровня грамотности взрослого населения

2.2.4 Анализ модели общей грамотности взрослого населения

Теоретическая модель Уровня грамотности населения (CL) (см. Приложение 3) была построена методом путевого анализа в аналитической программе Mplus. В результате анализа были получены следующие статистики согласия модели:

Таблица 2

	CL (теоретическая модель)
df	18
Хи-квадрат	137.168
RMSEA (0,04-0,08)	0.099
Probability RMSEA <= .05 (>0)	0.000
CFI (>0,9)	0.547
SRMR (<0,08)	0.057

Как видно из Таблицы 2, все статистики согласия модели, кроме SRMR, выходят за рамки допустимых значений, а значение Хи-квадрата весьма высокое. Всё это говорит о невысоком качестве модели, а главное о том, что вероятнее всего в ней не учтены какие-то связи. Однако, чтобы это проверить, необходимо проверить, значимы ли вообще построенные связи, так как если нет - это означает, что причинность связей в теоретической модели выбрана неверно и модель требует не просто модификации путем добавления или удаления каких-либо связей, а полной ре-спецификации, то есть существенных изменений в теории, в том числе добавления или удаления каких-либо переменных. Для этого рассмотрим таблицу значимости связей:

Таблица 3

Зависимая переменная	Независимая переменная	Оценка	Значимость (two-tailed)
Уровень общей грамотности	возраст	-0.001	0.715
	уровень образования	-0.004	0.833
	профессиональная сфера	0.016	0.000
	количество рабочих часов в неделю	0.000	0.900
	взаимодействие с коллегами	0.000	0.863
	использование знаний и навыков общей грамотности на работе	0.004	0.003
	использование знаний и навыков общей грамотности в повседневной жизни	0.001	0.482
	стремление к развитию	0.006	0.014
	опыт работы	0.002	0.451
Профессиональная сфера	пол	-0.557	0.110
Уровень образования	пол	0.118	0.014
	образование родителей	0.343	0.000

Исходя из Таблицы 3, значимыми являются лишь пять связей - это влияние на уровень общей грамотности таких переменных как профессиональная сфера, использование знаний и навыков на работе и стремление к развитию. Также значимыми оказались влияние пола и образования родителей на уровень образования респондентов. Однако все остальные связи, которые были основаны на анализе теоретических концепций, оказались незначимы. Особенно неожиданным результатом стало то, что образование не влияет на уровень грамотности. Так как с содержательной точки зрения, очевидно, что такого не может быть, возникла новая гипотеза о том, что образование влияет на уровень общей грамотности опосредованно, например, через фактор использования навыков на работе. Также было сделано предположение, что взаимодействие с коллегами тоже влияет на уровень общей грамотности не напрямую, а через фактор использования навыков и знаний на работе, так как можно предположить, что взаимодействие с коллегами связано с процессом решения каких-либо рабочих задач, а значит, неминуемо влечет за собой использование навыков и знаний. Исходя из этих же предпосылок, была добавлена гипотеза о том, что количество рабочих часов влияет на использование навыков и знаний на работе, но не имеет прямого эффекта влияния на уровень общей грамотности.

Ещё один противоречащий всякой теории результат - это то, что опыт работы не влияет на уровень общей грамотности. Интерпретация этого результата может быть разной, но одна из наиболее вероятных - это то, что, выборка имеет смещение в сторону молодых респондентов, поэтому разница в стаже у них просто не существенна. В связи с этим, в рамках данной работы проверить гипотезу о влиянии трудового стажа на уровень общей грамотности невозможно, поэтому было принято решение, что переменную опыт работы из модели можно удалить.

Далее, основываясь на первоначальной теории и вновь возникших гипотезах, было проведено несколько ре-спецификаций модели с учетом значений модификационных индексов. Ниже представлена итоговая модель Уровня общей грамотности.

Схема 2. Итоговая модель уровня общей грамотности взрослого населения

Рассмотрим статистики согласия итоговой модели

Таблица 4

	CL (теоретическая модель)	CL (итоговая модель)
df	18	12
Хи-квадрат	137.168	47.641
RMSEA (0,04-0,08)	0.099	0.062
Probability RMSEA <= .05 (>0)	0.000	0.123
CFI (>0,9)	0.547	0.929
SRMR (<0,08)	0.057	0.031

По сравнению с теоретической моделью, качество итоговой модели очень хорошие. Абсолютно все статистики вписываются в рамки допустимых значений, более того, статистики далеки от границы с плохими значениями, что лишний раз подтверждает качество модели. Значение RMSEA (которое особенно хорошо отражает качество модели на больших выборках) приблизилось к 0,05 , хи-квадрат уменьшилось почти в 3 раза, по сравнению с теоретической моделью - всё это говорит о качественных преимуществах итоговой модели по отношению к теоретической. Также если посмотреть значимость связей итоговой модели, то все они действительно существуют на высоком уровне доверительной вероятности.

Перейдём к содержательной интерпретации итоговой модели уровня общей грамотности взрослого населения России. На Схеме 2 видно, что на Уровень общей грамотности напрямую влияют только две переменные - профессиональная сфера индивида и то, насколько активно он использует свои знания и навыки на работе. То есть с одной стороны мы не смогли подтвердить гипотезу о том, что опыт работы имеет большое влияние на уровень общей грамотности, так как влияние стажа оказалось незначимым, но с другой мы подтвердили гипотезу о том, что именно использование знаний и навыков на практике обеспечивает рост уровня грамотности. Следовательно, можно предположить, что если выборка будет более разнобразна по продолжительности рабочего стажа, высока вероятность, что гипотеза о влиянии опыта работы на уровень грамотности подтвердится, так как именно из практической деятельности складывается опыт работы. То, что количество рабочих часов в неделю влияет на использование знаний и навыков в работе, фактически является подтверждением этой гипотезы, только в краткосрочном периоде.

Вообще интересно заметить, что главный медиатор модели - это именно использование знаний и навыков в рабочей практике. Получается, что главный индикатор того, насколько человек в действительности компетентен - это умение применять свои знания и навыки по отношению к решению конкретных задач.

Ещё одно изменение итоговой модели по отношению к теоретической коснулось фактора Стремление развивать свои знания и навыки. Этот фактор одновременно влияет и на уровень образования и на использование навыков и знаний на работе. Особенно сильная связь (0,789) между стремлением узнавать новое и применением навыков и знаний на работе - это можно объяснить тем, что люди, стремящиеся к новым знаниям всегда готовы попытаться применить имеющиеся знания для выполнения рабочих задач, так как этот процесс часто сопровождается поиском новых способов решения задач и усовершенствованием имеющихся навыков.

Кроме того высокое значение коэффициента связи (0.447) было обнаружено между использованием знаний и навыков на работе и фактором взаимодействия с коллегами, что подтверждает гипотезу о том, что во-первых взаимодействие с коллегами чаще всего направлено на решение каких-либо задач, а во-вторых, что социальный капитал играет важную роль в достижении человеческого капитала.

Интересно, что влияние пола на выбор профессиональной сферы не подтвердилось. Возможно, это связано с тем, что, как и в случае с возрастом, распределение по профессиональным сферам и по полу в выборке данного исследования неравномерное, поэтому связь оказалась незначимой. При этом влияние пола на уровень образования респондента подтвердилось, что косвенно означает, что гендерное неравенство в процессе приобретения человеческого капитала действительно существует.

Из итоговой модели был исключён ещё один фактор - это использование знаний и навыков общей грамотности в повседневной жизни. С одной стороны, кажется, что такие навыки как чтение и письмо должны активно использоваться в повседневной жизни. Однако если посмотреть на картину общей грамотности населения России в целом, становится очевидным, что он не очень высокий (максимальное количество правильно решенных задач составило всего около 40%). Поэтому такой результат можно проинтерпретировать тем, что уровень задач, встающих перед людьми в повседневной жизни, достаточно низкий и эти практики просто не вносят новый вклад в развитие ранее приобретенного уровня общей грамотности.

Итак, можно сделать вывод, что реальная структура уровня общей грамотности в России среди молодого населения значительно отличается от теоретических предпосылок. Связи между переменными оказались более сложными, много непрямых эффектов влияния. При этом многие связи оказались незначимы в силу того, что данных по некоторым переменным очень мало. Однако это не значит, что данные собраны плохо. Скорее можно предположить, что респонденты просто оказались неспособными дать ответы на поставленные вопросы, в силу низкого уровня грамотности, что подтверждается, как уже было отмечено ранее, невысокими показателями индекса общей грамотности.

Тем не менее, прежде чем делать общий вывод необходимо проанализировать структуру математической грамотности населения, так как исходя из общей статистики её средний уровень немного выше, а значит, есть вероятность того, что и модель её будет несколько отличаться от модели общей грамотности.



2.2.5 Анализ модели математической грамотности взрослого населения

Первоначальная теоретическая модель для Уровня математической грамотности (CN) имеет такой же вид, как и для уровня общей грамотности (см. Приложение 3). Единственное отличие - это то, что переменная «опыт работы» была сразу исключена из анализа, так как на основе результатов анализа уровня общей грамотности стало понятно, что переменная «опыт работы» не релевантна с учетом неравномерности её распределения в имеющейся выборке.

Итак, в ходе проверки качества теоретической модели уровня математической грамотности, были получены следующие статистики согласия:

Таблица 5

	CN (теоретическая модель)
df	16
Хи-квадрат	139.927
RMSEA (0,04-0,08)	0.10
Probability RMSEA <= .05 (>0)	0.000
CFI (>0,9)	0.553
SRMR (<0,08)	0.05

По сравнению со статистиками согласия теоретической модели для общей грамотности, статистики для модели математической грамотности населения немного лучше. Однако полученные результаты всё равно сильно выходят за рамки допустимых значений, которые бы подтвердили высокое качество модели. Следовательно, данная модель требует модификации, однако перед этим необходимо рассмотреть значимость заданных связей. Как и с разницей в статистиках согласия теоретической модели, ситуация со значимостью связей в теоретической модели математической грамотности оказалось гораздо лучше, чем в результатах проверки теоретической модели для общей грамотности. Не подтвердилась значимость лишь трёх связей - как и в модели общей грамотности, незначимым оказалось влияния возраста респондента на уровень грамотности, что опять же можно объяснить малым разбросом значений по возрасту в имеющейся выборке. Кроме того не было подтверждено наличие прямого влияние уровня образования на уровень математической грамотности, но основываясь на предыдущих результатах анализа общей грамотности была сформулирована новая гипотеза о том, что образование косвенно влияет на уровень математической грамотности через фактор Использование математических знаний и навыков на работе.

Последняя незначимая связь - это влияние профессиональной сферы респондента на уровень математической грамотности. Одно из возможных причин отсутствия связи в данном случае - это то, основной уровень математической грамотности формируется не в университете, а в школе и в последствие базовые математические навыки так, или иначе активно используются, вне зависимости от профессиональной сферы деятельности респондента.

Интересно, что использование математических навыков в повседневной жизни имеет положительное влияние на уровень математической грамотности (в отличие от общей), из чего можно сделать вывод, что возможно навыки и знания математической грамотности в практиках повседневной жизни гораздо больше необходимы, чем, например, умение читать инструкции. Такая гипотеза может быть обоснована тем, что современная жизнь, особенно рыночная экономика, постоянно ставит перед людьми задачи купли-продажи различных товаров и услуг, поэтому математическая грамотность необходима для выживания.

Итак, на основе анализа статистик согласия теоретической модели, значимости связей и модификационных индексов, была проведена ре-спецификация модели Уровня математической грамотности взрослого населения России.

Далее представлен анализ итоговой модели.

Схема 3. Итоговая модель уровня общей грамотности взрослого населения

Рассмотрим статистики согласия итоговой модели Уровня математической грамотности:

Таблица 6

	CN (теоретическая модель)	CN (итоговая модель)
df	16	15
Хи-квадрат	139.927	66.894
RMSEA (0,04-0,08)	0.10	0.067
Probability RMSEA <= .05 (>0)	0.000	0.042
CFI (>0,9)	0.553	0.906
SRMR (<0,08)	0.05	0.04

Результаты проведенного анализа итоговой модели в Таблице 6 показывают, что статистики согласия итоговой модели подтверждают её качество. Хи-квадрат уменьшился вдвое, значение RMSEA стремится к 0,05 и все остальные статистики в норме, в отличие от результатов анализа теоретической модели. В дополнение к хорошим статистикам согласия, все связи в итоговой модели значимы (см. Приложение 4). Так как все технические параметры итоговой модели говорят о её высоком качестве, перейдём к содержательной интерпретации полученных результатов.

Из Схемы 3, которая представляет итоговую модель Уровня математической грамотности видно, что по отношению к первоначальной теоретической модели она претерпела гораздо меньше изменений, чем итоговая модель Уровня общей грамотности. Единственная переменная, которая в итоге была исключена из анализа (помимо опыта работы) - это профессиональная сфера респондента, так как, несмотря на различные попытки построить разные связи между ней и уровнем математической грамотности, её связь с ним всё равно оставалась незначимой. Поэтому, вероятнее всего плохое распределение данных по профессиям действительно не даёт возможности реально определить есть связь или нет. К этому можно добавить, что в анкету PIAAC был включен открытый вопрос о сфере занятости респондента на настоящий момент. Возможно, аккуратное кодирование данных по этому вопросу и последующее включение его в модель могло бы помочь уточнить характер связи между математической грамотностью и сферой занятости.

Все остальные изменения итоговой модели коснулись лишь причинно-следственного характера связей. Как и предполагалось, гипотеза о том, что уровень образования влияет на использование математических знаний и навыков на работе, подтвердилась и коэффициент связи равен 0,329 (p_value=0.00), что достаточно существенно. Другое изменение произошло во влиянии факторы Стремление развивать свои знания и навыки. Как оказалось, прямой эффект влияния этого фактора на уровень математической грамотности очень мал, но при этом он оказывает существенное влияние. Фактор Стремление развивать свои знания и навыки влияет сразу на три переменные - уровень образования (0.037), фактор Использование математических знаний и навыков на работе (0,293) и фактор Использование математических знаний и навыков в повседневной жизни (0.262).

В свою очередь, последние две переменные оказывают прямое влияние на уровень математической грамотности, а значит фактор Стремление развивать свои знания и навыки косвенно влияет на Уровень математической грамотности. Такой же результат был получен и при анализе Уровня общей грамотности, из чего можно сделать вывод, что, несмотря на некоторые различия, в целом структуры обеих типов грамотности весьма схожи (связь уровня образования с другими характеристиками в моделях тоже одинаковая). В обеих моделях видно, что основные переменные, влияющие на уровень грамотности - это факторы практического использования знаний и навыков. Так, в итоговой модели математической грамотности значимо не только влияние использования математических знаний и навыков на работе, но и использование их в повседневной жизни. Возможно, это говорит о том, что современное общество постоянно ставит перед людьми повседневные задачи, требующие какой-то математической оценки и решения. Успешное решение таких повседневных задач (например, выбор телефона по лучшей цене, или покупка качественных и одновременно выгодных по цене товаров в супермаркете) ведет к повышению имеющегося уровня математической грамотности.

Интересно, что отличие от модели общей грамотности, переменная взаимодействие с коллегами имеет прямой эффект влияния на уровень математической грамотности. Такой результат можно проинтерпретировать с точки зрения того, что взаимодействие с коллегами помогает увеличить инвестиции в такой элемент человеческого каптала, как информация. Как правило, важная информация часто лежит в сфере экономических интересов, и, следовательно, требует от человека наличия математической грамотности. Получается, что чем больше человек взаимодействует с коллегами, тем больше он получает новой информации, понимание которой может привести в необходимости развивать математическую грамотность.

Помимо причинно-следственных связей, итоговая модель включает себя высокую корреляцию между факторами Использование математических знаний и навыков в повседневной жизни и Использование математических знаний и навыков на работе. Эту корреляцию логично объяснить тем, что математическая грамотность является необходимой как в трудовой деятельности, так и в повседневной жизни и вероятно люди, склонные использовать математические навыки в работе, также используют их в жизни и наоборот. Так как склонность к использованию математических навыков в принципе во многом определяет способ мышления человека в независимости от ситуации и обстановки в которой возникает та или иная задача.

Итак, на основе анализа модели Уровня математической грамотности, можно сделать вывод, что реальная структура Уровня математической грамотности во многом оказалась схожа с теоретическими предпосылками, в отличие от структуры модели Уровня общей грамотности. Это лишний раз подтверждает, что база математической грамотности в России традиционно более сильная, чем общей грамотности и в школах упор делается именно на математический способ мышления. Тем не менее, в целом, средний уровень математической грамотности среди возрастной группы 25-40 всё равно достаточно низкий (0,6 из 1), учитывая, что это должна быть наиболее активная часть населения страны.



Заключение

Итак, подведём итоги проведенного теоретического анализа человеческого капитала и результатов эмпирического анализа структуры его формирования в современной России. Исходя из фундаментальной теоретической концепции человеческого капитала, наибольший вклад в него вносят образование и профессиональный опыт. Эмпирический анализ подтвердил важную роль образования в формировании человеческого капитала и разных компетенций, но это работает тогда, и только тогда, когда наличие теоретических знаний и навыков применяется на практике. Причем, эта практика не обязательно должна вписываться в рамки трудовой деятельности. Так, повседневные практики использования математической грамотности вносят существенный вклад в общий уровень человеческого капитала. Что касается суммарного опыта работы, то значимость его влияния не имеет однозначной интерпретации. В рамках проведенного исследования для России опыт работы оказался незначим. С одной стороны это может быть связано с плохим распределением данных, но с другой, вполне вероятно, что на опыт работы, приобретенный в одной организации, может быть просто не актуален на другом месте. Поэтому получается, что частота использование тех или иных компетенций зависит от количества рабочих часов в неделю в конкретный период, но не зависит от опыта работы перманентно.

В целом анализ описательных статистик показал, что уровень человеческого капитала на данный момент в России не очень высокий и действительно требует развития. Созданные в результате проведенного исследования модели математической и общей грамотности могут лечь в основу дальнейшей работы над программой улучшения уровня человеческого капитала в России. Эти модели отражают разные аспекты человеческого капитала, а главное выделяют элементы, наиболее значимые для его развития именно в России, так как в силу специфических особенностей страны (перехода от плановой экономики в рыночной), не все базовые предпосылки теорий человеческого капитала оказались релевантны для современной России. Кроме того, из проведенного анализа следует, что на данный момент математическая грамотность в России находится на более высоком уровне, чем общая грамотность и это необходимо учесть при разработке действий, направленных на развитие человеческого капитала.

Первым шагом для дальнейшей работы может стать анализ содержательных причин низкого уровня вклада отдельных элементов человеческого каптала, таких как общая грамотность, например. Так как для эффективного воздействия на имеющуюся ситуацию, необходимо понимать, почему параметры, определяющие уровень человеческого капитала плохо связаны между собой и отдача от инвестиций в них не высока.



Библиография

1. Бояцис Р. 1982 Компетентный менеджер. Модель Эффективной работы. Москва: ГИППО, 2008

2. Бреслав Л. Б. Лисовик Б.С. Ломова И.Е. Человеческий капитал: Организация и эффективность накопления в условиях формирования рынка труда. Санкт-Петербург: ОАО «ПФП», 2002

3. Бурдье П. 1986 Формы капитала // Журнал Экономическая Социология, том 3, №5, выпуск 2002. С.60-74

4. Заславская Т.И. Двадцать лет российской трансформации. Человеческий потенциал в современном трансформационном процессе // Общественные науки и современность». 2005. №3. С. 5-16

5. Капелюшников Р. И. Человеческий капитал России: Эволюция и структурные особенности // Вестник общественного мнения. 2005. №4(78). С.46-54

6. Курганский С.А. Теория формирования и использования человеческого капитала. Иркутск: БГУЭП, 2004

7. Макконнелл К.Р. Брю С.Л. Экономикс: принципы, проблемы и политика. Москва: Республика, 1992

8. Мареева С. В. Практики инвестирования среднего класса в свой человеческий капитал // Terra Economicus, 2012. Т. 10. № 1. C. 165 - 173

9. Наука России в цифрах 2000 / Статистический сборник. Москва: ЦИСН, 2000. С.23

10. Петти В. 1676 Политическая арифметика / Экономические и статистические работы т.1_2. Москва: Соцэкгиз, 1940

11. Попов Д.С. Исследование компетентностей взрослого населения (PIAAC) // URL: (http://www.hse.ru/org/projects/13315257). Проверено 6.06.2013

12. Равен Дж. Компетентность в современном обществе. Москва: Когито-Центр, 2002

13. Смит А. 1776 Исследование о природе и причинах богатства народов. Москва: Соцэкгиз, 1956

14. Спенсер Л. М. мл. Спенсер С. М.1993 Компетенции на работе. Москва: ГИППО, 2005

15. Шляйхер А. PIAAC:Новая стратегия оценки компетенций взрослых // Журнал Вопросы Образования. 2010. Выпуск №1. С.90-115

16. Becker G. S. 1964 Human Capital: A Theoretical and Empirical Analysis, with Special Reference to Education. Chicago: University of Chicago Press, 3^rd edition. 1993

17. Becker G. S. Human capital, effort and sexual division of labor // Journal of Labor Economics. 1986. Vol. 3. Issue 1, Part 2. P.33-58

18. Becker G. S. Investment in a Human Capital // Journal of Political Economy. 1962. Vol. 70. No. 5. Part 2: Investment in Human Beings. P. 9-49

19. Bils M. Klenow P. J. Does Schooling Cause Growth or the Other Way Around? // NBER Working Paper No. 6393. 1998

20. Blankenship S. S. Ruona W. E. A. Exploring Knowledge Sharing in Social Structures: Potential Contributions to an Overall Knowledge Management Strategy // Advances in Developing Human Resources. 2009. Vol.11. No.3. P.290-306

21. Coleman J. S. Social Capital in the Creation of Human Capital // The American Journal of Sociology. 1988. Vol. 94. Supplement: Organizations and Institutions: Sociological and Economic Approaches to the Analysis of Social Structure. P.95-120

22. De La Fuente A. Ciccone A. 2002 Human Capital in a Global And Knowledge- Based Economy // URL http: (//www.antoniociccone.eu/wp-content/uploads/2007/07/humancapitalpolicy.pdf). Проверено 6.07.2013

23. Etcheverry E. Clifton R. A. Roberts L. W. Social Capital and Educational Attainment: A Study of Undergraduates in a Faculty of Education // The Alberta Journal of Educational Research. 2001. Vol.47. No. 1. P.24-39

24. Hanushek E. A. Woessmann L. Zhang L. General Education, Vocational Education, and Labor-Market Outcomes over the Life-Cycle // CESifo Working Paper No. 3614. Category 5: Economics of Education. 2011

25. Hunt E. What Makes Nations Intelligent? // Perspectives on Psychological Science. 2012. Vol.7. No.3. P.284-306

26. Keen K. Competence: What is it and how can it be developed? // Instructional design: Implementation Issues. 1991/ Ed. by J. Lowyck, P. de Potter, J. ElenBrussels. Belgium: IBMEducationalCenter. P.111- 122

27. Krueger D. Kumar K. B. Skill-specific rather than general education: A reason for US-Europe growth differences? Journal of Economic Growth. 2004. Vol. 9. No. 2. P.167_207.

28. Krueger D. Kumar K. B. US-Europe differences in technology-driven growth: quantifying the role of education // Journal of Monetary Economics. 2004. Vol. 51. No.1. P.161-190

29. Lin N. Social Networks and Status Attainment // Annual Review Sociology. 1999. Vol.25. No.1. P.467-487

30. McClellan, D.C. Testing for competence rather than for intelligence // American Psychologist . 1973. Vol. 28. P.1-14

31. Schultz T. W. Human Capital: Policy Issues And Research Opportunities // Economic Research: Retrospect and Prospect. 1972. Vol 6: Human Resources. P.1-84

32. Schultz T. W. Investment in Human Capital // The American Economic Rewiev. 1961. Vol.51. No.1. P.1-17



Приложение 1

	Общая грамотность	Математическая грамотность
Среднее	0,59	0,64



Приложение 2

Список переменных для факторов

Фактор «Взаимодействие с коллегами»
Time cooperating with co-workers
How often - Sharing work-related info
How often - Teaching people
How often - Presentations
Time cooperating with co-workers
Фактор «Использование навыков общей грамотности на работе»
Read directions or instructions
Read letters memos or mails
Read newspapers or magazines
Read professional journals or publications
Read books
Read manuals or reference materials
Read financial statements
Read diagrams maps or schematics
Write letters memos or mails
Write articles
Write reports
Fill in forms
Фактор «Использование навыков математической грамотности на работе»
Calculating costs or budgets
Use or calculate fractions or percentages
Use a calculator
Prepare charts graphs or tables
Use simple algebra or formulas
Use advanced math or statistics
Фактор «Использование навыков общей грамотности в повседневной жизни»
Read directions or instructions
Read letters memos or mails
Read newspapers or magazines
Read professional journals or publications
Read books
Read manuals or reference materials
Read financial statements
Read diagrams maps or schematics
Write letters memos or mails
Write articles
Write reports
Fill in forms
Фактор «Использование навыков математической грамотности в повседневной жизни»
Calculating costs or budgets
Use or calculate fractions or percentages
Use a calculator
Prepare charts graphs or tables
Use simple algebra or formulas
Use advanced math or statistics
Фактор «Стремление развивать свои знания и навыки»
Relate new ideas into real life
Like learning new things
Attribute something new
Get to the bottom of difficult things
Figure out how different ideas fit together

Взаимодействие с коллегами

		Cooperation activity
Time cooperating with co-workers	Pearson Correlation	,622
	Sig. (2-tailed)	,000
How often - Sharing work-related info	Pearson Correlation	,686
	Sig. (2-tailed)	,000
How often - Teaching people	Pearson Correlation	,759
	Sig. (2-tailed)	,000
How often - Presentations	Pearson Correlation	,592
	Sig. (2-tailed)	,000

Использование навыков математической грамотности в повседневной жизни

		Numeracy activities at work
Calculating costs or budgets	Pearson Correlation	,769
	Sig. (2-tailed)	,000
Use or calculate fractions or percentages	Pearson Correlation	,833
	Sig. (2-tailed)	,000
Prepare charts graphs or tables	Pearson Correlation	,705
	Sig. (2-tailed)	,000
Use a calculator	Pearson Correlation	,822
	Sig. (2-tailed)	,000
Use simple algebra or formulas	Pearson Correlation	,660
	Sig. (2-tailed)	,000
Use advanced math or statistics	Pearson Correlation	,387
	Sig. (2-tailed)	,000

Использование навыков общей грамотности на работе

		Literacy activities at work
Read directions or instructions	Pearson Correlation	,598
	Sig. (2-tailed)	,000
Read letters memos or mails	Pearson Correlation	,760
	Sig. (2-tailed)	,000
Read newspapers or magazines	Pearson Correlation	,664
	Sig. (2-tailed)	,000
Read professional journals or publications	Pearson Correlation	,671
	Sig. (2-tailed)	,000
Read books	Pearson Correlation	,384
	Sig. (2-tailed)	,000
Read manuals or reference materials	Pearson Correlation	,584
	Sig. (2-tailed)	,000
Read financial statements	Pearson Correlation	,599
	Sig. (2-tailed)	,000
Read diagrams maps or schematics	Pearson Correlation	,675
	Sig. (2-tailed)	,000
Write letters memos or mails	Pearson Correlation	,739
	Sig. (2-tailed)	,000
Write articles	Pearson Correlation	,439
	Sig. (2-tailed)	,000
Write reports	Pearson Correlation	,650
	Sig. (2-tailed)	,000
Fill in forms	Pearson Correlation	,665
	Sig. (2-tailed)	,000

Использование навыков общей грамотности в повседневной жизни

		Literacy activities in everyday life
Read directions or instructions	Pearson Correlation	,602
	Sig. (2-tailed)	,000
Read letters memos or mails	Pearson Correlation	,754
	Sig. (2-tailed)	,000
Read newspapers or magazines	Pearson Correlation	,611
	Sig. (2-tailed)	,000
Read professional journals or publications	Pearson Correlation	,608
	Sig. (2-tailed)	,000
Read books	Pearson Correlation	,301
	Sig. (2-tailed)	,000
Read manuals or reference materials	Pearson Correlation	,652
	Sig. (2-tailed)	,000
Read financial statements	Pearson Correlation	,661
	Sig. (2-tailed)	,000
Read diagrams maps or schematics	Pearson Correlation	,687
	Sig. (2-tailed)	,000
Write letters memos or mails	Pearson Correlation	,728
	Sig. (2-tailed)	,000
Write articles	Pearson Correlation	,406
	Sig. (2-tailed)	,000
Write reports	Pearson Correlation	,589
	Sig. (2-tailed)	,000
Fill in forms	Pearson Correlation	,694
	Sig. (2-tailed)	,000

Использование навыков математической грамотности на работе

		Numeracy activities in everyday life
Calculating costs or budgets	Pearson Correlation	,711
	Sig. (2-tailed)	,000
Use or calculate fractions or percentages	Pearson Correlation	,811
	Sig. (2-tailed)	,000
Use a calculator	Pearson Correlation	,789
	Sig. (2-tailed)	,000
Prepare charts graphs or tables	Pearson Correlation	,637
	Sig. (2-tailed)	,000
Use simple algebra or formulas	Pearson Correlation	,533
	Sig. (2-tailed)	,000
Use advanced math or statistics	Pearson Correlation	,333
	Sig. (2-tailed)	,000



Стремление развивать свои знания и навыки

		Desire to learn new things
Relate new ideas into real life	Pearson Correlation	,738
	Sig. (2-tailed)	,000
Like learning new things	Pearson Correlation	,780
	Sig. (2-tailed)	,000
Attribute something new	Pearson Correlation	,792
	Sig. (2-tailed)	,000
Get to the bottom of difficult things	Pearson Correlation	,796
	Sig. (2-tailed)	,000
Figure out how different ideas fit together	Pearson Correlation	,842
	Sig. (2-tailed)	,000
Looking for additional info	Pearson Correlation	,778
	Sig. (2-tailed)	,000

Приложение 3

Схема 1. Теоретическая модель уровня общей грамотности

Схема 2. Теоретическая модель уровня математической грамотности

Приложение 4

Результаты теоретической модели Уровня общей грамотности

Зависимая переменная	Независимая переменная	Оценка	Значимость (two-tailed)
Уровень общей грамотности	возраст	-0.001	0.715
	уровень образования	-0.004	0.833
	профессиональная сфера	0.016	0.000
	количество рабочих часов в неделю	0.000	0.900
	взаимодействие с коллегами	0.000	0.863
	использование знаний и навыков общей грамотности на работе	0.004	0.003
	использование знаний и навыков общей грамотности в повседневной жизни	0.001	0.482
	стремление к развитию	0.006	0.014
	опыт работы	0.002	0.451
Профессиональная сфера	пол	-0.557	0.110
Уровень образования	пол	0.118	0.014
	образование родителей	0.343	0.000

Результаты итоговой модели Уровня общей грамотности

Зависимая переменная	Независимая переменная	Оценка	Значимость (two-tailed)
Уровень общей грамотности	профессиональная сфера	0.004	0.000
	использование знаний и навыков общей грамотности на работе	0.001	0.000
Использование знаний и навыков общей грамотности на работе	взаимодействие с коллегами	0.447	0.000
	количество рабочих часов в неделю	0.206	0.000
	уровень образования	3.414	0.000
	стремление к развитию	0.789	0.000
Уровень образования	пол	0.127	0.002
	образование родителей	0.318	0.000
	стремление к развитию	0.033	0.000



Результаты теоретической модели Уровня математической грамотности

Зависимая переменная	Независимая переменная	Оценка	Значимость (two-tailed)
Уровень общей грамотности	возраст	0.002	0.317
	уровень образования	0.002	0.871
	профессиональная сфера	0.001	0.755
	количество рабочих часов в неделю	0.002	0.003
	взаимодействие с коллегами	-0.006	0.015
	использование знаний и навыков математической грамотности на работе	0.003	0.047
	использование знаний и навыков математической грамотности в повседневной жизни	0.005	0.030
	стремление к развитию	0.004	0.042
Профессиональная сфера	пол	-0.541	0.076
Уровень образования	пол	0.133	0.002
	образование родителей	0.352	0.000

Результаты итоговой модели Уровня математической грамотности

Зависимая переменная	Независимая переменная	Оценка	Значимость (two-tailed)
Уровень общей грамотности	использование знаний и навыков математической грамотности на работе	0.003	0.026
	использование знаний и навыков математической грамотности в повседневной жизни	0.006	0.011
	взаимодействие с коллегами	0.005	0.021
	количество рабочих часов в неделю	0.002	0.002
Уровень образования	образование родителей	0.314	0.000
	стремление к развитию	0.037	0.000
	пол	0.131	0.002
Использование знаний и навыков математической грамотности на работе	уровень образования	1.203	0.000
	стремление к развитию	0.293	0.000
Использование знаний и навыков математической грамотности в повседневной жизни	стремление к развитию	0.262	0.000
Уровень образования	пол	0.127	0.002
	образование родителей	0318	0.000
	стремление к развитию	0.033	0.000

Корреляция

Переменные	Значение	p-value
«Использование знаний и навыков математической грамотности на работе» и «Использование знаний и навыков математической грамотности в повседневной жизни»	1.098	0.000

Размещено на Allbest.ru