Математические методы и инструментальные средства многокритериального ранжирования и прогнозирования показателей ведущих университетов в мировых рейтингах Мелешкин Михаил Игоревич

Содержание к диссертации

Введение

ГЛАВА 1. Математические методы и инструментальные средства оценки деятельности университетов на мировом образовательном пространстве 18

1.1. Российская высшая школа на современном этапе ее реформирования. 18

1.2. Мировые рейтинги как инструмент оценки деятельности ведущих университетов . 33

1.3. Информационная база исследования 43

1.4. Модели и методы оценки деятельности университетов 47

1.5. Зарубежный опыт по созданию университета мирового класса 53

1.6. Искусственные нейронные сети как инструментальное средство оценки деятельности университетов 68

ГЛАВА 2. Методы ранжирования ведущих университетов и выявления ключевых факторов, влияющих на оценку их деятельности 72

2.1. Сбор данных, верификация, подготовка и обработка информации из базы данных InCites и Web of Science 74

2.2. Алгоритм оценки и ранжирования позиций ведущих университетов разработанный на основе модификации метода ранжирования университетов, применяемого для составления рейтингов THE WUR и THE SR . 77

2.2.1. Формирование рейтинга и оценка деятельности ведущих университетов России, не вошедших в общеуниверситетский мировой рейтинг THE WUR 77

2.2.2. Формирование рейтинга и оценка деятельности ведущих университетов России, не вошедших в специализированные мировые рейтинги THE SR 84

2.3. Анализ публикационной активности как одного из ключевых факторов, влияющих на позиции в мировых рейтингах университетов 86

2.4. Метод прогнозирования местоположения ведущих университетов в мировых рейтингах на основе их публикационной активности 93

2.5. Оценка перспективы продвижения ведущих российских университетов в рейтинге THE WUR. 95

2.6. Алгоритм поиска ключевых факторов и показателей деятельности ведущих университетов, существенно влияющих на глобальную конкурентоспособность

ГЛАВА 3. Использование нейросетевых моделей и самоорганизующихся карт кохонена для кластеризации, ранжирования и прогнозирования местоположения ведущих университетов в мировых рейтингах 106

3.1. Подготовка, верификация и обработка информации из базы данных InCites по показателям деятельности ведущих университетов 107

3.2. Метод оценки глобальной конкурентоспособности и многокритериального ранжирования ведущих университетов на основе самоорганизующейся модели Кохонена и метода k-means 109

3.3. Метод оценки изменения показателей деятельности университетов 118

3.4. Верификация предложенной модели на основе программ развития МГУ им. М.В. Ломоносова и СПбГУ до 2020 123

3.5. Метод определения пороговых значений ключевых показателей деятельности университета для отнесения его к глобально конкурентоспособным университетам 126

Заключение 134

Список используемой литературы 136

• Мировые рейтинги как инструмент оценки деятельности ведущих университетов
• Алгоритм оценки и ранжирования позиций ведущих университетов разработанный на основе модификации метода ранжирования университетов, применяемого для составления рейтингов THE WUR и THE SR
• Метод прогнозирования местоположения ведущих университетов в мировых рейтингах на основе их публикационной активности
• Метод оценки глобальной конкурентоспособности и многокритериального ранжирования ведущих университетов на основе самоорганизующейся модели Кохонена и метода k-means

Введение к работе

Актуальность исследования.

В последнее время при оценке деятельности ведущих университетов широко используются различные мировые рейтинги. Университеты значительно больше внимания стали уделять местам в мировых рейтингах, поскольку высокие позиции в них позволяют университетам привлекать одаренных студентов, талантливых профессоров и исследователей. Помимо этого, высокие места вузов в авторитетных мировых университетских рейтингах служат своеобразным показателем конкурентоспособности1 и успешности развития национальной системы высшего образования, позволяя привлекать дополнительные источники финансирования.

В день своей инаугурации 7 мая 2012 г. Президент России подписал Указ №599 "О мерах по реализации государственной политики в области образования и науки", в котором, в частности, поручил Правительству РФ разработать и утвердить план мероприятий по развитию ведущих российских университетов. План должен был предусматривать повышение конкурентоспособности российских вузов среди ведущих мировых научно-образовательных центров, а также обеспечение «вхождения к 2020 году не менее пяти российских университетов в первую сотню ведущих мировых университетов согласно мировому рейтингу университетов». Во исполнении данного указа Правительством РФ 16 марта 2013 года было принято Постановление № 211 «О мерах государственной поддержки ведущих университетов Российской Федерации в целях повышения их конкурентоспособности среди ведущих мировых научно-образовательных цен-тров»², которым утвержден план мероприятий по повышению глобальной

¹ Конкурентоспособность – способность товаров (услуг) отвечать требованиям конкурентного рынка, запросам
покупателей в сравнении с другими аналогичными товарами (услугами), представленными на рынке. Конкуренто
способность определяется, с одной стороны, качеством товара, его техническим уровнем, потребительскими свой
ствами и, с другой стороны, ценами, устанавливаемыми продавцами товаров. (Райзберг Б.А., Лозовский Л.Ш.,
Стародубцева Е.Б.. Современный экономический словарь)

² В рамках данного диссертационного исследования рассматриваются 15 вузов-победителей отборочного конкурса
на участие в проекте 5-100, а также МГУ им. М.В. Ломоносова и СПбГУ.

конкурентоспособности ведущих российских университетов среди ведущих мировых научно-образовательных центров (проект 5-100).

Следует заметить, что, несмотря на многолетнюю историю и очевидные достоинства применения авторитетных мировых рейтингов для оценки деятельности ведущих университетов, они обладают существенными недостатками. Так, например:

высокие позиции университетов в одних авторитетных мировых рейтингах не гарантируют им высокие позиции в других рейтингах;

динамика изменения позиций отдельных университетов в одних авторитетных мировых рейтингах может значительно отличаться от динамики в других рейтингах;

число университетов, которые одновременно входят в сто лучших университетов рейтингов ARWU, THE WUR, QS в 2014/15 году, составляет всего лишь 54, при этом общее число университетов, входящих в Топ-100 хотя бы одного из перечисленных рейтингов, составляет 150;

методика составления многих авторитетных мировых рейтингов постоянно
совершенствуется и меняется, что приводит к существенным изменениям по
зиций ряда университетов в этих рейтингах.

К числу возможных причин названных недостатков существующих мировых рейтингов могут быть отнесены, например, субъективный характер отбора показателей деятельности университетов, придания им весовых коэффициентов их значимости, использования разных методов ранжирования вузов и т.д.

В силу вышеизложенного является актуальным проведение анализа причин определенных недостатков различных мировых рейтингов, а также поиск, разработка и обоснование новых методов количественной оценки, многокритериального ранжирования и прогнозирования показателей деятельности ведущих университетов в контексте повышения их глобальной конкурентоспособности, направленных на снижение этих недостатков.

Актуальность темы диссертационного исследования определяется необходимостью разработки новых методов объективного оценивания и прогнозирования

показателей деятельности ведущих российских университетов в контексте повышения их конкурентоспособности и улучшения их позиций в авторитетных мировых рейтингах.

Степень разработанности направления исследования.

Вопросам оценки деятельности образовательных учреждений, ранжирования вузов и другим аспектами экономики высшего образования посвящено много работ зарубежных авторов: Альтбаха Дж., Вестерманна Г., Болсменна К., Лю Няньцайя, Притчетта Л., Ривкина С.Г., Салми Д. и др., и российских ученых: Балыхина Г.А., Белякова С.А., Жданова С.А., Калашникова Е.А., Клячко Т.Л., Кузьминова Я.И., Райзберга Б.А., Пислякова В.В., Халина В.Г., и др.

Исследованиям в области использования аппарата искусственных нейронных сетей (ИНС) посвящены работы: Кохонена Т., МакКаллока У., Минского М., Пайперта С., Пилиньского М., Розенблатта Ф., Хайкина С. и др., и российских ученых: Аббакумова В.Л., Дли М.И., Емельянова А.А., Ильина И.В., Круглова В.В., Ярушкина Н.Г. Применению методов интеллектуального анализа данных при решении социально-экономических задач посвящены работы Забоева М.В., Чернова В.Г. и других авторов.

Анализ работ вышеперечисленных и некоторых других исследователей позволяет констатировать, что задачи количественной оценки, многокритериального ранжирования и прогнозирования показателей деятельности ведущих университетов в контексте повышения их глобальной конкурентоспособности не подкреплены к настоящему времени эффективными технологиями прикладного применения аппарата искусственных нейронных сетей. Традиционно для решения подобной задачи используются методики оценки деятельности университетов по различным показателям деятельности с заданными авторами рейтинга весами, что приводит к значительным различиям между результатами рейтингов. Именно это определяет необходимость проведения исследований в данном направлении и потребность к разработки на основе использования искусственных нейронных сетей новых методов количественной оценки, многокритериального ранжирования и прогнозирования показателей деятельности ведущих университетов в контексте повыше-5

ния их глобальной конкурентоспособности, что и подтверждает актуальность диссертационного исследования.

В дальнейшем мы будем называть университет глобально конкурентоспособным или обладающий свойством глобальной конкурентоспособности, если он входит в первую сотню хотя бы одного из авторитетных мировых рейтингов университетов. Этот фактор позволяет ввести отношение порядка на множестве ведущих университетов, которое используется при оценке и сравнении показателей деятельности университетов. Под ведущим университетом мы подразумеваем вуз, информация о деятельности которого представлена в известных наукометрических базах данных, таких как Web of Science, Scopus, InCites и др.

Таким образом, мы говорим, что университет участвует в программе повышения своей глобальной конкурентоспособности, если среди ключевых целей его развития на конкретный временной период им поставлена цель стать глобально конкурентоспособным университетом. К таким университетам, например, относятся все ведущие российские вузы победители конкурса 5-100.

Цель и задачи исследования. Цель исследования разработка на основе искусственных нейронных сетей комплекса математических методов и инструментальных средств для проведения количественного оценивания, многокритериального ранжирования и прогнозирования показателей деятельности ведущих университетов в мировых рейтингах.

Для достижения поставленной цели сформулированы и решены следующие основные задачи:

1. Разработать алгоритм оценки и ранжирования позиций ведущих российских вузов, участников проекта 5-100, которые не представлены в официальных открытых списках авторитетных мировых рейтингах университетов.

2. Предложить и обосновать алгоритм выбора ключевых факторов и показателей деятельности ведущих университетов, которые существенно влияют на их глобальную конкурентоспособность.

3. Создать метод оценки глобальной конкурентоспособности и многокритериального ранжирования ведущих университетов в зависимости от объек-

тивных, количественных показателей их деятельности, реализуемого с использованием аппарата искусственных нейронных сетей.

4. Предложить метод оценки изменения позиций университетов, для подготовки и обоснования управленческих решений по повышению глобальной конкурентоспособности среди ведущих университетов.

5. Разработать метод определения пороговых значений ключевых показателей деятельности университета для отнесения его к глобально конкурентоспособным университетам на основе методов интеллектуального анализа данных.

6. Исследовать возможности верификации предложенных методов и алгоритмов на реальных данных о деятельности ведущих университетов.

Объект и предмет исследования. Объектом исследования являются ведущие университеты в контексте повышения их глобальной конкурентоспособности.

В качестве предмета исследования выступают экономические процессы и явления, протекающие в объектах системы высшего образования.

Методологическая, теоретическая и эмпирическая база исследования.

Методологической базой являются методы системного анализа в управлении, экономико-математические методы, методы математической статистики (анализ временных рядов и регрессионный анализ), методы сценарного анализа, ранжирования и прогнозирования, а также методы интеллектуального анализа данных (Data Mining).

Теоретической базой исследования являются монографии, пособия и публикации отечественных и зарубежных ученых по таким областям научного знания, как экономико-математические методы, искусственные нейронные сети, экономика управления народным хозяйством, образование, информационные технологии, теоретические методы оценки, ранжирования и прогнозирования деятельности образовательных учреждений.

Эмпирическую базу исследования составили статистические данные об образовательных учреждениях, взятые из открытых источников и наукометрических баз данных InCites, Scopus, Web of Science и др.

Инструментальная поддержка разработанных методов заключается в использовании таких программных продуктов, как Microsoft Analysis Service и аналитическая платформа Deductor.

Научная новизна диссертационного исследования заключается в разработке и обосновании комплекса математических методов и инструментальных средств, используемого для количественной оценки, многокритериального ранжирования и прогнозирования позиций ведущих университетов в авторитетных мировых рейтингах на основе объективных показателей их деятельности. Данные результаты достигнуты за счет использования и развития аппарата искусственных нейронных сетей, самоорганизующихся карт Кохонена и других методов интеллектуального анализа данных.

Наиболее существенные новые научные результаты, полученные лично соискателем, выносимые на защиту:

1. Разработан алгоритм оценки и ранжирования позиций ведущих университетов с использованием информации из наукометрической базы данных InCites и методики формирования международного рейтинга университетов THE WUR. Новизна алгоритма определяется возможностью получения оценок для университетов, не входящих в открытый список THE WUR.

2. Предложен алгоритм выбора ключевых факторов и показателей деятельности ведущих университетов на основе системного подхода, факторного анализа и экспертных оценок информации, представленной в наукометрических базах данных Web of Science, Scopus и InCites. Особенностью алгоритма является использование объективных показателей деятельности университета. Полученные факторы применяются при проведении оценки, многокритериального ранжирования и прогнозирования позиций ведущих российских университетов в авторитетных мировых рейтингах.

3. Создан метод оценки глобальной конкурентоспособности и многокритериального ранжирования ведущих университетов, основанный на применении искусственных нейронных сетей и самоорганизующихся карт Кохонена. Сформулированный метод позволяет получить количественные оценки глобальной конкурентоспособности ведущих университетов в авторитетных мировых рейтингах, а также проводить многокритериальное ранжирование ведущих университетов.

4. Предложен метод оценки изменения показателей деятельности университетов для подготовки и обоснования управленческих решений по повышению глобальной конкурентоспособности среди ведущих университетов. Изложенный метод на основе сценарного моделирования событий «что-если» и с использованием искусственных нейронных сетей позволяет оценить перспективы вхождения конкретного университета в авторитетные мировые рейтинги.

5. Разработан метод определения пороговых значений ключевых
показателей деятельности университета для отнесения его к глобально
конкурентоспособным университетам. Метод позволяет оценить значения показа
телей ведущих российских вузов в контексте выполнения их программ повыше
ния своей глобальной конкурентоспособности на основе методов интеллектуаль
ного анализа данных и авторского метода оценки глобальной конкурентоспособ
ности ведущих университетов.

Обоснованность и достоверность результатов исследования.

Обоснованность результатов, выносимых на защиту, обеспечена применением научной методологии, использованием общенаучных моделей и методов анализа данных, а также общепризнанных научных результатов, полученных другими исследователями.

Достоверность полученных результатов обеспечена использованием официальных данных, служащих для формирования авторитетных мировых рейтингов, и реальной информации о деятельности ведущих университетов, представленной в наукометрических базах данных Web of Science, Scopus и InCites, а также теоретической обоснованностью методов анализа и обработки данных. Полученные результаты были верифицированы на основе данных содержащихся в

утвержденных Правительством РФ программах развития МГУ им. М.В. Ломоносова и СПбГУ до 2020 года.

Теоретическая и практическая значимость работы.

Теоретическая значимость. Результаты диссертационного исследования, полученные автором на основе развития методов интеллектуального анализа данных, дополняют имеющиеся экономико-теоретические представления об оценке, ранжировании и прогнозировании показателей деятельности ведущих университетов в авторитетных мировых рейтингах. Это, в частности, позволяет оценить значения показателей ведущих российских университетов для подготовки и принятия управленческих решений в контексте выполнения программ повышения их глобальной конкурентоспособности.

Практическая значимость. Разработанные методы и алгоритмы апробированы на реальных данных, характеризующих деятельность ведущих университетов, и могут быть рекомендованы для применения в российской высшей школе. Они позволяют на основе объективных (количественных) показателей деятельности ведущих университетов:

оценивать текущее положение конкретного университета по отношению к другим вузам;

ранжировать и сравнивать ведущие университеты в контексте повышения их конкурентоспособности;

находить пороговые значения ключевых показателей деятельности глобально конкурентоспособных университетов, оценивать значения индикаторов программ развития ведущих российских вузов в контексте повышения своей конкурентоспособности и формулировать рекомендации по корректировке их программ развития.

Соответствие диссертации Паспорту научной специальности.

Диссертация и научные результаты, выносимые на защиту, соответствуют Паспорту специальности 08.00.13 - «Математические и инструментальные методы экономики»: пункту 1.4. «Разработка и исследование моделей и математических методов анализа микроэкономических процессов и систем: отраслей народ-

ного хозяйства, фирм и предприятий, домашних хозяйств, рынков, механизмов формирования спроса и потребления, способов количественной оценки предпринимательских рисков и обоснования инвестиционных решений» соответствуют пункты 1, 2, и 5 научных результатов; пункту 2.8. «Развитие методов и средств аккумуляции знаний о развитии экономической системы и использование искусственного интеллекта при выработке управленческих решений» соответствуют пункты 3 и 4 научных результатов.

Апробация работы и реализация результатов исследования.

Апробация результатов работы проводилась на международных, всероссийских и межрегиональных научных конференциях:

– XVII международная конференция молодых ученых-экономистов «Предпринимательство и реформы в России» – Санкт-Петербург, 2012;

– Весенняя конференция молодых учёных-экономистов «Инвестиционный климат: влияние на экономику» – Санкт-Петербург, 2012;

– Первая Всероссийская научная конференция «Социальный капитал современного общества» – Санкт-Петербург, 2012;

– Международная научно-практическая конференция «Интеграция экономики в систему мирохозяйственных связей» – Санкт-Петербург, 2013;

– Весенняя конференция молодых ученых-экономистов «Интеграционные процессы: влияние на экономическое развитие» – Санкт-Петербург, 2013;

– XIX международная конференция молодых ученых-экономистов «Предпринимательство и реформы в России» – Санкт-Петербург, 2013;

– Международная школа-семинар «Бизнес-информатика: состояние, проблемы и перспективы» – Санкт-Петербург, 2013;

– Весенняя конференция молодых ученых-экономистов «Устойчивое развитие: общество и экономика» – Санкт-Петербург, 2014;

– II научная конференция «Управленческие науки в современном мире» – Москва, 2014;

– Международная научно-практическая конференция, посвященная 290-летию Санкт-Петербургского государственного университета – Санкт-Петербург, 2014;

– XII Международная научно-техническая конференция студентов и аспирантов «Информационные технологии, энергетика и экономика» – Смоленск, 2015. – X Международного Форума ОТ НАУКИ К БИЗНЕСУ «Университеты, бизнес и власть: итоги взаимодействия за 10 лет», ИТМО – Санкт-Петербург, 2016; – International Conference «New Challenges of Economic and Business Develop-ment»– Riga, Latvia, 2016.

Публикации. По теме исследования опубликовано 17 печатных работ общим объемом 5 п.л., в том числе в изданиях, рекомендуемых ВАК для публикаций результатов диссертационных исследований, – 4 работы объемом 2,8 п.л.

Объем и структура работы. Диссертация состоит из введения, трех глав, заключения, списка использованной литературы (107 наименований), 5 приложений, содержит 17 таблиц, 32 рисунка, 37 формул. Общий объем работы составляет 160 страниц.

Мировые рейтинги как инструмент оценки деятельности ведущих университетов

Приведенные выше данные показывают, что численность обучающихся (на 5 и 6 ступени МСКО 97) в Индии за период с 2005 по 2012 год возросла более чем в 2 раза с 14 300 тыс. человек до 29 600 тыс. человек, в Китае за период с 2000 по 2013 год численность обучающихся возросла более чем в 1,5 раза с 15 618 тыс. человек до 24 681 тыс. человек, в Бразилии за период с 2005 по 2013 год численность обучающихся возросла более чем в 1,5 раза с 4 572 тыс. человек до 7 323 тыс. человек, в России же за период с 2005 по 2013 год численность обучающихся сократилась на 20% с 9 803 тыс. человек до 7 768 тыс. человек.

Финансирование высшего образования. В последние годы Россия значительно увеличила государственные расходы на образование, что подтверждается приведенными данными на рисунке 5. Рисунок 5 – Динамика изменения государственных расходов на образование в РФ (в абсолютных ценах)

Источник: Образование в Российской Федерации: 2014 : статистический сборник. – Москва : НИУ «ВШЭ», 2014. – с.39 Общие расходы консолидированного бюджета РФ и бюджетов государственных внебюджетных фондов с 2000 по 2013 год возросли более чем в 13 раз с 215 млрд. руб. (из них 24 млрд. руб. на высшее и послевузовское профессиональное образование) до 2 889 млрд. руб. (из них 513 млрд. руб. на высшее и послевузовское профессиональное образование). При этом, если рассматривать данный показатель в приведенных ценах 2000 года, рост государственных расходов на образование не будет таким значительным, а составит всего примерно в 2,5 раза с 215 млрд. руб. в 2000 году до 552 млрд. руб. в 2013 году.[41]

Заметим, что рост расходов на образование не кажется таким бесспорным при рассмотрении такого относительного показателя, как доля государственных расходов на образование в ВВП. Данные представлены на рисунке 6. 5.0 4.5 4.0

Рисунок 6 - Динамика изменения доли государственных расходов на образование (Консолидированный бюджет РФ и бюджет гос. внебюджетных фондов) в ВВП Источник: Российский стат. ежегодник. 2014: Стат.сб./Росстат. -Р76 М., 2014, с.512;

Анализ представленной на рисунке 6 информации показывает, что доля государственных расходов на образование в ВВП увеличилась почти в 1,5 раза с 2,94% в 2000 году до 4,25% в 2014 году. Тем не менее, данный показатель все равно меньше 4,81% достигнутого в 1997 году.

Международные сравнения показывают, что на 2013 год по доле государственных расходов на образование в ВВП Россия занимает одно из последних мест (рисунок 7).

Доля государственных расходов на образование в ВВП за 2013 год по странам Источник: Образование в Российской Федерации: 2014 : стат. сборник. – Москва : НИУ «ВШЭ», 2014. – с. 452 Заметим, что увеличение доли государственных расходов на образование в ВВП позволило нашей стране приблизиться по данному показателю к таким странам, как Германия и Испания, однако, Россия все еще значительно уступает Норвегии – 7,3%, Финляндии – 6,3%, Великобритании – 5,6%, Канаде – 5,2%. Профессорско-преподавательский состав. Одним из ключевых элементов в российской высшей школе является численность профессорско преподавательского состава (ППС) [91]. Динамика численности ППС в государственных и муниципальных вузах России за период с 1993 по 2014 год представлена на рисунке 8.

Динамика численности ППС в государственных и муниципальных образовательных организациях высшего образования РФ (тыс. человек) Источник: Российский стат. ежегодник. 2014: Стат.сб./Росстат.- Р76 М., 2014, с.199

Приведенные выше данные показывают, что с 1993 года численность ППС в государственных вузах России увеличилась на 42% с 240 тыс. человек до 343 тыс. человек в 2010 году, а затем сократилась на 17% и составила 288 тыс. человек в 2014 году.

В настоящее время в российской высшей школы, одним из самых острых вопросов является уровень оплаты труда ППС. Об этом говорит в докладе Комиссии Общественной палаты РФ ректор НИУ ВШЭ Я.И. Кузьминов [32], а также Г.А. Балыхин и многие другие[50, 68]. Дополнительно заметим, в пункте 3 статьи 54 Федерального Закона «Об образовании», который действовал в период с 1992-2005 гг., было предусмотрено, что «размер средней ставки заработной платы и должностного оклада для ППС вузов должен превышать в два раза уровень средней заработной платы работников промышленности РФ», однако, к сожалению, данное положение не соблюдалось ни разу за весь этот период. Указом Президента РФ Путина В.В. от 7 мая 2012 года №597 «О мероприятиях по реализации государственной социальной политики» Правительству РФ дано поручение: «обеспечить повышение к 2018 году средней заработной платы преподавателей образовательных учреждений высшего профессионального образования и научных сотрудников до 200 процентов от средней заработной платы в соответствующем регионе».

Алгоритм оценки и ранжирования позиций ведущих университетов разработанный на основе модификации метода ранжирования университетов, применяемого для составления рейтингов THE WUR и THE SR

К концу первой половины XX столетия промышленное развитие мекисканского штата Нуэво-Леон, который является торговым центром в отношениях с США, привело к увеличению потребности в квалифицированных работниках. Возможности государственных вузов оказались ниже растущих требований рынка, поэтому группа промышленников, возглавляемая предпринимателем Eugenio Garza Sada (Эухенио Гарза Сада), приняла решение об основании университета, который отвечал бы социально-экономической ситуации в Мексике. Так, 14 июля 1943 года свои двери открыл частный Мексиканский институт технологий исследований высшего образования (МИТВО). На первом этапе работы в вузе насчитывалось около 200 студентов, а количество преподавателей составляло всего 14 человек.

В 1950 году, ввиду географической близости к США, университет предпринял смелую попытку получить аккредитацию Южной Ассоциации колледжей и школ США [95]. Попытка оказалась успешной, что сделало МИТВО первым учреждением за пределами США, аккредитованным по американским стандартам качества образования. Благодаря данной аккредитации МИТВО получил признание высокого качества предоставляемых услуг. Наличие данной аккредитации предполагает постоянное проведение экспертной оценки эффективности деятельности вуза. Расширение вуза в 90-е привело к снижению количества докторских степеней у профессорско преподавательского состава, что поставило вопрос о возможном отзыве аккредитации. Для выхода из сложившейся ситуации МИТВО вступил в партнерство с американским университетами для того, чтобы открыть курсы повышения квалификации для своих преподавателей посредством видеоконференций. Вуз отобрал значительное количество преподавателей, которым предоставил право на обучение докторским программам. Все расходы ложились на плечи университета, в ответ на это преподаватели, которые проходили обучение, брали на себя обязательство продолжить работу в университете как минимум до окончания курса обучения.

В результате проведенных мер МИТВО удалось в относительно короткие сроки привести свою организацию в соответствии с условиями получения аккредитации, установленными Южной ассоциацией колледжей и школ США.

С 1952 года МИТВО обладает статусом «Свободной университетской школы», который позволяет свободно создавать и модифицировать университетские программы, тем самым, быстро адаптироваться к новым образовательным тенденциям. Система управления. В связи с тем, что МИТВО является частным университетом, в нем выстроен собственный подход к системе управления. На структуру менеджмента значительное влияние оказала коммерческая ориентация основателей вуза. Университет управляется с помощью относительно простой и гибкой иерархической системы с горизонтальными связями, что следует признать нетипичным для высших учебных заведений в целом.

Руководство МИТВО распределяется между четырьмя региональными ректорами, которые назначаются Советом попечителей. Каждому региональному ректору подчинены руководители кампусов (официально — «генеральный директор»).

Другой важной особенностью, характерной для МИТВО, является способ финансирования университета. Отсутствие государственных средств сделало необходимым привлечение денег за счет платной образовательной деятельности, а также проведение лотереи. «Технолотерея» проводится четыре раза в год и приносит около 100 млн. долл. США в год. Доходы от лотереи служат для формирования стипендий, а также эндаумент-фонда, который в последнее время стал ключевым фактором в поддержке научно-исследовательской деятельности МИТВО.

Повышение качества научно-исследовательской работы в МИТВО стало возможным благодаря финансовой поддержке и уменьшению учебных поручений преподавателям. Так, в 2008 году свыше 10 процентов преподавателей университета были одновременно слушателями магистерских и докторских программ. Кроме того, в 2009 году более 24% ППС выезжали в заграничные командировки, а 12 % штата в принципе являются гражданами других стран.

Поддержка талантливых ученых, а также стимулирование формирования исследовательских групп по приоритетным для МИТВО направлениям осуществляется с помощью программы «Кафедры», в рамках которой каждая кафедра получает начальный капитал в размере 150 тыс. долларов США. Субсидия рассчитана на пять лет, однако ежегодно каждая кафедра проходит аттестацию, что является условием продолжения ее деятельности.

С помощью специального набора показателей разработанных МИТВО, постоянно проводится оценка научной продуктивности сотрудников университета, причем результаты доступны в электронной базе. Для поиска можно использовать название кампуса, исследовательскую область или имя ученого. Исходя из показателей за период с 2004 по 2008 год можно утверждать, что общая продуктивность ученых заметно выросла.

Метод прогнозирования местоположения ведущих университетов в мировых рейтингах на основе их публикационной активности

Как уже говорилось в предыдущих параграфах, в мировых рейтингах университетов значительный вес имеют показатели, связанные с публикационной активностью. Например, в рейтинге THE WUR вес только показателя цитирования на одну публикацию 30%. Исходя из предпосылки того, что для рейтинга 2014/2015 года используются данные за пятилетний интервал 2008-2012 года, можно попробовать спрогнозировать столь весомый показатель как цитирование на одну публикацию в следующем рейтинге 2015/2016 года.

Информация о данной части диссертационного исследования была опубликована в статье ВАК в мае 2014 года [35]. Рейтинг THE WUR 2014/2015 года, опубликованный в конце 2014 года, показал резкий рост показателя цитируемости в НГУ - с 15 до 70 по 100 бальной шкале, что позволило подняться НГУ в рейтинге университетов до 301-350 места. Рост цитируемости демонстрирует также МГУ им. М.В. Ломоносова - с 27 до 34 по 100 бальной шкале, что позволило занять 196 место из 400 лучших университетов мира по версии THE WUR [60]. НИЯУ МИФИ набрал по индексу цитируемости 100 баллов из 100 возможных за счет двух публикаций, приведенных выше, что обеспечило попадание в состав топ-100 лучших университетов мира по версии THE SR [60]

На Рисунке 23 представлен показатель среднего общемирового цитирования на одну статью (данный параметр принят за единицу). Все показатели выше единицы означают, что публикация, выпущенная университетом в среднем больше востребована, чем другие статьи в мире. Показатели ниже единицы свидетельствуют о менее активном цитировании в сравнении со средним мировым уровнем. Цитирование на одну публикацию цитированием (по годам) Поскольку показатель цитирования в шкалированном виде для рейтинга THE WUR используется по отношению ко всем университетам выборки, то в контексте данного исследования справедливо рассматривать успешность не только по отношению к российским университетам (Рисунок 23), но и в сравнении с зарубежными. Поэтому предлагается сравнивать показатель цитирования на одну публикацию отечественных университетов по отношению к среднемировому цитированию.

Согласно этому графику, значительный рост индекса цитирования демонстрирует НГУ. Данный показатель является следствием выхода двух крайне востребованных мировым научным сообществом публикаций, связанных с работой Большого адронного коллайдера. Динамика цитирований работ НИЯУ МИФИ обусловлена публикацией результатов исследований в одном из журналов, посвященных ядерной физике и физике элементарных частиц (в предыдущие несколько лет это были Journal of Physics G, Physical Review D и Physics Letters В). В данных журналах публикуется обзор по элементарным частицам Review of Particle Physics, который выходит с периодичностью раз в два года. Таким образом, две публикации старшего научного сотрудника НИЯУ МИФИ Романюка Анатолия Самсоновича, позволили водиночку обеспечить в 2012 году попадание НИЯУ МИФИ в топ-300 мировых университетов по версии THE WUR. Рост индекса цитирования МГУ им. М.В. Ломоносова, вероятно, продиктован политикой финансового стимулирования сотрудников, опубликовавших свои статьи в ведущих мировых журналах [36, 66]. Рассмотрев текущую динамики цитирования публикаций можно предположить, что показатели МГУ им М.В. Ломоносова и НГУ улучшатся в последующем рейтинге университетов.

В целом, можно говорить также о таком негативном факторе, как публикации, которые не цитируются или низко цитируются. Именно они ухудшают показатели университетов в рейтингах.

В связи с вышеизложенным, справедливо утверждение, что отдельные университеты могут попасть на значимые места в мировых рейтингах, повысив только уровень цитируемости. В этих целях необходимо: 1) отказаться от статей с низким уровнем цитирования; 2) публиковаться в высокоцитируемых журналах.

Как уже писалось в диссертационном исследовании ранее, для выполнения Указа Президента России от 7 мая 2012 г. № 599 необходимо обеспечить к 2020году присутствие в сотне лучших университетов (согласно мировому рейтингу), как минимум пяти российских университетов [37].

Проведенный анализ в данной главе всех представленных университетов участников проекта 5-100 показал, что наиболее перспективными университетами для выполнения указа президента России являются: МФТИ, НИЯУ МИФИ, НИУ ВШЭ, МГУ им. М.В. Ломоносова, СПбГУ и НГУ. На рисунок 24 представлены данные по рейтингу университетов (в баллах от 1 до 100) по Общему и специализированному рейтингу МФТИ и НИЯУ МИФИ.

Метод оценки глобальной конкурентоспособности и многокритериального ранжирования ведущих университетов на основе самоорганизующейся модели Кохонена и метода k-means

Наиболее близкими целевыми ориентирами для попадания МГУ им. М.В. Ломоносова в 1-ий кластер являются сочетания, представленные в 6-ом и 7-ом правилах. В соответствии с 6-ым правилом МГУ им. М.В. Ломоносова требуется увеличение объема доходов от НИОКР в расчете на единицу академического штата на 50 тыс. USD относительно плановых показателей на 2018 год. Согласно 7-му правилу единственным показателем, который должен быть увеличен по сравнению со значением, полученным на основе программы развития, является Doctoral degree / Acad staff (отношение числа присвоенных научных степеней за год к численности академического штата), причем необходимо увеличение менее, чем на 0,03.

Оценки значений показателей деятельности СПбГУ на 2018 год, приведенные в таблице 16, не позволяют рассчитывать на перемещение СПбГУ в 1-ий кластер. В данном случае наиболее близким к целевому значению, указанному во 2-ом правиле, является показатель цитируемости публикаций, но и он более чем в полтора раза меньше требуемого значения8.

Необходимость кардинального увеличения данного показателя для СПбГУ становится еще более очевидной, если сравнить данные по СПбГУ и данные по Калифорнийскому университету в Лос-Анджелесе (UCLA) по той доле доходов, которые получают эти университеты от внешних научных грантов. Так, при сравнительно одинаковой численности академического штата этих университетов, общий объем финансирования UCLA в 2011 году от внешних научных грантов (прежде всего из National Science Foundation) составил 982 миллиона долларов США (т.е. 18% от всех доходов университета в год), а в СПбГУ доходы от внешних научных грантов (РФФИ, РГНФ и др.) за тот же период составили только 250 млн. рублей (т.е. 1,7% от объема всех доходов университета в год) [67].

Таким образом, применение метода кластеризации, опирающегося на построение самоорганизующихся карт Кохонена, и использование предпосылки о неизменных показателях ведущих мировых университетов до 2018 года позволило получить следующие результаты: - целевые значения показателей деятельности, указанные в программе развития МГУ им. М.В. Ломоносова на 2018 год, позволили переместиться университету в кластер, сформированный мировыми лидерами, которые регулярно входят в топ-100 международных рейтингов; - программа развития СПбГУ с точки зрения попадания в топ-100 мировых университетов содержит недостаточные значения показателей деятельности и не включает ряд показателей, оказывающих влияние на итоги формирования международных рейтингов. Следствием указанных причин стало отсутствие существенных изменений позиции СПбГУ при использовании планируемых показателей на 2018 год в рамках построенных моделей, СПбГУ остается в кластере с университетами, занимающими «средние позиции».

Было предложено усложнение модели кластеризации за счет дополнения ее условием о наличии тенденции к изменению показателей деятельности ведущих мировых университетов, которая может быть аппроксимирована линейной функцией [23]. В рамках описанной модификации модели программы развития МГУ им. М.В. Ломоносова и СПбГУ не позволяют российским университетам претендовать на места в ведущем кластере. Тем не менее, на основе модели сформированы следующие рекомендации по совершенствованию показателей деятельности МГУ им. М.В. Ломоносова, которые могут позволить переместиться в первую сотню мировых университетов: - увеличение объема доходов от НИОКР в расчете на единицу академического штата на 50 тыс. USD относительно плановых показателей на 2018 год; - увеличение показателя Doctoral degree / Acad staff (отношение числа присвоенных научных степеней за год к численности академического штата) на 0,03.

Сопоставление метода кластеризации на основе карт Кохонена с другими известными подходами к группировке объектов показало его эффективность и широкие возможности применения, в том числе для изучения особенностей развития университетов, которые являются многофункциональными образовательными и научными учреждениями и имеют сложную организационную структуру [26].