Кластеризация организаций высшего образования Московского региона по результатам мониторинга их деятельности

Нетипичным объектом является Российская экономическая школа (РЭШ). Этот вуз имеет 5 из 7 показателей с высокой значимостью. Учебное заведение отличают самые высокие значения 4 показателей: среднего балла ЕГЭ (99,31), доходы из всех источников в расчёте на одного НПР (13 735 тыс. руб.), средняя заработанная плата (687%) и численность остепенённых ППС в расчёте на 100 студентов (8,75 ед.). Расходы на НИД также существенно превышают среднее значение по всем рассматриваемым вузам.

Несмотря на высокие значения этих показателей, РЭШ имеет одни из самых низких значений международной деятельности (1,4%) и трудоустройства (35%). В результате вуз имеет самую высокую обобщённую оценку - 62,43 балла.

Первый кластер является смешанным и самым многочисленным. Включает в себя 22 учебных заведения (24,4%), в их числе 4 государственных вуза Москвы (Российский государственный университет имени А.Н. Косыгина, МГУТУ им. К. Разумовского, Московский Политех, РГСУ) и 3 вуза Московской области (Технологический университет, Гжельский государственный университет, РГУТиС). Остальные вузы - негосударственные (Московский архитектурно-строительный институт, Российский новый университет, Московский финансово-юридический университет и др.).

Средние показатели вузов данного кластера имеют противоречивую направленность: если по 2-м направлениям деятельности имеются хорошие результаты (по ФЭД - 2 место, по заработной плате - 3 место), то по 3-м направлениям (ОД, НИД и ППС) имеется существенное отставание (по НИД и ППС - в 1,7 и 1,9 раза). Два других показателя кластера близки к общим средним значениям.

Учебные заведения данного кластера по 6 ключевым показателям являются однородными. И только по 1 показателю (ППС) наблюдается достаточно высокий разброс значений - от 0,67 до 5,99. Обобщённая оценка данного кластера - 21,94. Это существенно ниже средневзвешенной обобщённой оценки - 29,8 (отставание на 26,7%). Данный кластер занимает 6 место из 7.

На основе данного анализа можно предположить, что многие вузы данного кластера в целях повышения показателя ФЭД увеличивают набор за счёт снижения среднего балла ЕГЭ и уменьшения числа остепенённых преподавателей в расчёте на 100 студентов. Это позволяет им увеличивать заработную плату.

Второй кластер включает в себя 17 (18,9%) вузов (практически все негосударственные - частные и автономные). Средние значения всех ключевых показателей вузов данного кластера ниже средних по всей совокупности. 6 из 7 оцениваемых показателей высоко значимы с т. зр. отличия объектов данного кластера от общих средних (значимость на уровне 90% и более), и только по показателю ППС данный кластер не сильно отличается от общей средней.

Вузы, присутствующие в данном кластере, по 5 ключевым показателям являются однородными (коэффициент вариации на уровне 33% и ниже). Особенно высокая однородность по показателю ОД. Практически во всех вузах данного кластера средний балл ЕГЭ ниже порогового значения (60 баллов). И только по 2 показателям (МД и НИД) наблюдается высокая вариация. Особенно большой разброс по показателю НИД - от 14 до 342 тыс. руб.

Низкое значение среднего балла ЕГЭ объясняется тем, что вузы этого кластера осуществляют приём в основном на платно-договорной основе обучения. С целью обеспечения своей деятельности финансовыми средствами за счёт увеличения набора студентов они идут на снижение такого ключевого показателя, как средний балл ЕГЭ, ниже порогового уровня.

В результате данный кластер имеет самую низкую обобщённую оценку - 15,83. Вузы этого кластера можно назвать «отстающими по всем позициям».

Третий кластер включает в себя 16 вузов (16,8%). Практически все эти вузы являются государственными. В их числе: Государственный университет управления, МАДИ, МГСУ, МСХА им. К.А. Тимирязева, Российский университет транспорта и др. В этот кластер также входят 4 вуза Московской области: Университет «Дубна», Государственный гуманитарно-технологический университет, Государственный социально-гуманитарный университет, МГОУ.

Этот кластер характеризует то, что 5 показателей из 7 по своим значениям близки к средним значениям по всей совокупности вузов. И только 2 показателя - МД и ТР - значительно отличаются от общих средних значений. По значению МД (более чем в 2 раза меньше общей средней) этот кластер находится на последнем месте. Однако вариация этой характеристики высокая: есть вузы с очень низким значением МД - 0,91% и есть вузы со значением МД близким к общему среднему. По значению ТР данный кластер находится на 2 месте.

Обобщённая оценка данного кластера - 26,79 баллов (5 место). Это на 10% ниже средневзвешенной обобщённой оценки.

Четвёртый кластер включает в себя 17 вузов (18,9%). За исключением одного (Православного Свято-Тихоновского гуманитарного университета) все вузы - государственные (МГУ им. М.В. Ломоносова, Финансовый университет при Правительстве РФ, ВАВТ, МАИ, РГУ им. Губкина, РЭУ им. Г.В. Плеханова и др.).

Учебные заведения данного кластера отличает высокое качество образовательной деятельности - 2 место по среднему баллу ЕГЭ и числу остепенённых преподавателей в расчёте на 100 студентов. Однако по значению показателя МД эта группа вузов занимает предпоследнее место вместе с 5-м кластером. Однако разброс значений этого показателя в кластере от 0,52 до 9,81%. Остальные показатели близки к общим средним.

Обобщённая оценка кластера на 5,9% выше средневзвешенной. Этот кластер наиболее близок к 3-му кластеру (схожесть 78%) и занимает 4 место (31,55 баллов).

Пятый кластер включает в себя 9 вузов (9,47%): 6 государственных (МГИМО, Дипломатическая академия МИД РФ, РУДН, Государственный институт русского языка им. А.С. Пушкина, МГРИ и МГГЭУ) и 3 негосударственных (Институт социальных наук, Институт экономики и управления в промышленности и Международный экономико-гуманитарный институт «Махон ХаМеШ»).

Вузы данного кластера имеют противоречивую направленность показателей. Они выделяются очень высокой долей иностранных студентов (среднее значение показателя - 20,15%), значением числа ППС с учёными степенями в расчёте на 100 студентов (8,56 ед.), средним баллом ЕГЭ (72,08). В тоже время по 2-м показателям (НИД и ЗП) кластер занимает предпоследнее место, а по трудоустройству студентов - последнее. Однако следует иметь ввиду, что по последним 3-м показателям данный кластер недостаточно однороден. Есть вузы, для которых значения данных показателей вполне высокие. А значение показателя ФЭД близко к общему среднему.

Обобщённая оценка данного кластера - 43,02 баллов. Это на 44% выше средневзвешенной обобщённой оценки. Данный кластер занимает 2 место.

Шестой кластер включает в себя 9 государственных вузов (9,47%), 6 из которых являются национальными исследовательскими институтами (Московский институт электронной техники, МИСиС, Высшая школа экономики, МИФИ, МГТУ им. Н.Э. Баумана, МГТУ «СТАНКИН», РАНХиГС, Московский физико-технический институт).

Вузы данного кластера выделяются высоким средним баллом ЕГЭ (77,5 балла) и затратами на научно-исследовательскую деятельность, которая превышает среднюю по всей совокупности более чем в 4 раза. По этим показателям они занимают 1 место. 2 место данный кластер занимает по показателям международной и финансово-экономической деятельности. Значения остальных показателей выше общих средних на 12-16%. В результате данный кластер имеет самое высокое значение обобщённого показателя - 55,89 баллов, что превышает средневзвешенное значение в 1,88 раз, и занимает 1 место.

Седьмой кластер является самым малочисленным - всего 4 вуза:

- 2 региональных (Московский городской университет управления Правительства Москвы и Академия социального управления),

- 2 негосударственных (Московская международная высшая школа бизнеса «МИРБИС» и Международный институт экономики и права).

Вузы данного кластера отличаются самым высоким показателем финансово-экономической деятельности, его значение превышает общую среднюю в 3,54 раза. Первые места вузы данного кластера занимают и по показателям трудоустройства и заработной платы. Высокое значение имеет также показатель научно-исследовательской деятельности, однако вузы данного кластера по этому показателю крайне неоднородны, значение показателя в диапазоне от 207 до 1 415 тыс. руб., наибольшее значение показателя принадлежит Академии социального управления. Несмотря на высокие финансовые показатели, вузы кластера имеют низкие значения по образовательной и международной деятельности и числу ППС. По этим показателям кластер занимает предпоследнее место.

Из-за очень высокого значения показателя финансово-экономической деятельности кластер имеет высокое значение обобщённого показателя - 40,34 балла и в результате занимает 3 место.

Исследование показало возможность применения кластерного анализа для деления образовательных организаций на однородные группы. В результате кластеризации определены 1 нетипичный объект и 7 кластеров. Выявленные кластеры по большинству показателей являются однородными. Проведён анализ показателей полученных кластеров, и на этой основе каждому из них дана содержательная характеристика с выявлением их особенностей. Для каждого кластера определена обобщающая оценка, позволяющая провести ранжирование кластеров.

Установлено, что все используемые для кластеризации показатели (ключевые) являются свойствами, влияющими на распределение объектов по кластерам, и ни одним из этих показателей нельзя пренебречь.

Построенная модель кластеризации позволяет определять, какие показатели и насколько необходимо изменить, чтобы данный объект перешёл в желаемый кластер. Модель может также использоваться для распознавания новых объектов и отнесения их к тому или иному кластеру.

Полученные результаты кластерного анализа могут стать основой для повышения обусловленности и качества принимаемых органами государственной власти, учредителями и руководством вузов управленческих решений в области обеспечения конкурентоспособности, эффективности и качества российского высшего образования, а для работодателей и абитуриентов - способствовать обдуманному выбору вуза для обучения.

Литература

кластер мониторинг образование

1. Акерман Е.Н., Михальчук А.А., Трифонов А.Ю. Кластеризация социально-экономических вузов на основе рейтингов вступительных испытаний // Вестник Томского государственного университета. 2013. №367. C. 100-104.

2. Бляхман Л.С., Чернова Е.Г. Образовательная политика в условиях перехода России к инновационной экономике // Вестник Санкт-Петербургского университета. Серия 5. Экономика. 2012. Вып. 4. С. 44-60.

3. Бююль А. SPSS: искусство обработки информации: Анализ статистических данных и восстановление скрытых закономерностей. СПб.: ДиаСофтЮП, 2005. 608 с.

4. Дятлова О.В., Титова T. В. Исследование групп клиентов логистической организации с применением методов кластеризации // Логистика. 2011. №6. С. 42-45.

5. Забоев М.В., Мелешкин М.И. Оценка перспектив вхождения российских университетов в первую сотню ведущих мировых университетов с использованием нейросетевых методов кластеризации данных // Прикладная информатика. 2015. Т. 10. №3 (57). С. 52-61.

6. Исаев В.Г., Юров В.М. О проведении бенчмаркинга высшего образования на основе систем оценки деятельности образовательных организаций // Перспективы, организационные формы и эффективность развития сотрудничества российских вузов: сб. материалов. М.: Научный консультант, 2019. С. 280-288.

7. Кластеризация классических университетов на основе вступительных испытаний / В.П. Арефьев, А.А. Михальчук, Д.В. Болтовский, А.В. Петиченко // Открытое и дистанционное образование. 2011. №3. C. 20-31.

8. Кузнецова О.А., Клевина М.В. Сравнительный анализ результатов кластеризации университетов при разном наборе параметров // Прикладная математика и вопросы управления. 2020. №3. С. 164-181.

9. Паклин Н.Б., Орешков В.И. Бизнес-аналитика: от данных к знаниям: учеб. пос. СПб.: Питер, 2013. 704 с.

Referenses

1. Akerman E.N., Mikhalchuk A.A., Trifonov A. Yu. [Clustering of socio-economic universities based on ratings of entrance examinations]. In: Vestnik Tomskogogosudarstvennogo universiteta [Bulletin of Tomsk State University], 2013, no. 367, pp. 100-104.

2. Blyakhman L.S., Chernova E.G. [Educational policy in the context of Russia]. In: Vestnik Sankt-Peterburgskogo universiteta. Seriya 5. Ekonomika [Bulletin of St. Petersburg University. Series 5. Economy], 2012, no. 4, pp. 44-60.

3. Byuyul A. SPSS: iskusstvo obrabotki informatsii: Analizstatisticheskikh dannykh i vosstanovlenie skrytykh zakonomernostei [SPSS: The Art of Information Processing: Analyzing Statistical Data and Recovering Hidden Patterns]. St. Petersburg, DiaSoftYUP Publ., 2005. 608 p.

4. Dyatlova O.V., Titova T.V. [Research of customer groups of a logistics organization using clustering methods]. In: Logistika [Logistics], 2011, no. 6, pp. 42-45.

5. Zaboev M.V., Meleshkin M.I. [Assessment of the prospects for Russian universities to enter the first hundred of the world]. In: Prikladnaya informatika [Applied informatics], 2015, vol. 10, no. 3 (57), pp. 52-61.

6. Isaev V.G., Yurov V M. [On benchmarking the higher education based on systems for assessing the activities of educational organizations]. In: Perspektivy, organizatsionnye formy i effektivnost razvitiya sotrudnichestva rossiiskikh vuzov [Prospects, organizational forms and effectiveness of cooperation development among Russian universities]. Moscow, Nauchnyi konsultant Publ., 2019, pp. 280-288.

7. Arefev V. P, Mikhalchuk A.A., Boltovsky D.V., Petichenko A.V. [Clustering classical universities based on entrance examinations]. In: Otkrytoe i distantsionnoe obrazovanie [Open and distance education], 2011, no. 3, pp. 20-31.

8. Kuznetsova O.A., Klevina M.V. [Comparative analysis of the results of university clustering for a different set of parameters]. In: Prikladnaya matematika i voprosy upravleniya [Applied Mathematics and Management], 2020, no. 3, pp. 164-181.

9. Paklin N.B., Oreshkov V.I. Biznes-analitika: ot dannykh k znaniyam [Business analytics: from data to knowledge]. St. Petersburg, Piter Publ., 2013. 704 p.

Размещено на Allbest.ru