Диссертация (Математические методы и инструментальные средства многокритериального ранжирования и прогнозирования показателей ведущих университетов в мировых рейтингах), страница 2

Университеты стали значительнобольше внимания уделять местам в мировых рейтингах, поскольку высокиепозиции в них позволяют университетам привлекать одаренных студентов,талантливых профессоров и исследователей. Помимо этого, высокие места вузовв авторитетных мировых университетских рейтингах служат своеобразнымпоказателем конкурентоспособности1 и успешности развития национальнойсистемы высшего образования позволяя привлекать дополнительные источникифинансирования.В день своей инаугурации 7 мая 2012 г.

Президент России подписал Указ №599 "О мерах по реализации государственной политики в области образования инауки", в котором, в частности, поручил Правительству РФ разработать иутвердить план мероприятий по развитию ведущих российских университетов.Пландолженбылпредусматриватьповышениеконкурентоспособностироссийских вузов среди ведущих мировых научно-образовательных центров, атакже обеспечение «вхождения к 2020 году не менее пяти российскихуниверситетов в первую сотню ведущих мировых университетов согласномировомурейтингууниверситетов».ВоисполненииданногоуказаПравительством РФ 16 марта 2013 годабыло принято Постановление № 211 «ОмерахведущихгосударственнойподдержкиуниверситетовРоссийскойФедерации в целях повышения их конкурентоспособности среди ведущихмировыхнаучно-образовательныхцентров»2,которымутвержденпланмероприятий по повышению глобальной конкурентоспособности ведущих1Конкурентоспособность – способность товаров (услуг) отвечать требованиям конкурентного рынка, запросампокупателей в сравнении с другими аналогичными товарами (услугами), представленными на рынке.Конкурентоспособность определяется, с одной стороны, качеством товара, его техническим уровнем,потребительскими свойствами и, с другой стороны, ценами, устанавливаемыми продавцами товаров.

(РайзбергБ.А., Лозовский Л.Ш., Стародубцева Е.Б.. Современный экономический словарь)2Примечание. В рамках данного диссертационного исследования рассматриваются 15 вузов-победителейотборочного конкурса на участие в проекте 5-100, а также МГУ им. М.В.

Ломоносова и СПбГУ.8российских университетов среди ведущих мировых научно-образовательныхцентров (проект 5-100).Следует заметить, что, несмотря на многолетнюю историю и очевидныедостоинствапримененияавторитетныхдеятельностиведущихуниверситетов,мировыхонирейтинговобладаютдляоценкисущественныминедостатками. Так, например: высокие позиции университетов в одних авторитетных мировых рейтингахне гарантируют им высокие позиции в других рейтингах; динамикаизмененияпозицийотдельныхуниверситетовводнихавторитетных мировых рейтингах может значительно отличаться отдинамики в других рейтингах; число университетов, которые одновременно входят в сто лучшихуниверситетов рейтингов ARWU, THE WUR, QS в 2014/15 году, составляетвсего лишь 54, при этом общее число университетов входящих в Топ-100хотя бы одного из перечисленных рейтингов составляет 150; методика составления многих авторитетных мировых рейтингов постоянносовершенствуется и меняется, что приводит к существенным изменениямпозиций ряда университетов в этих рейтингах.К числу возможных причин названных недостатков существующих мировыхрейтингов могут быть отнесены, например, субъективный характер отборапоказателей деятельности университетов, придания им весовых коэффициентових значимости, использования разных методов ранжирования вузов и т.д.В силу вышеизложенного является актуальным проведение анализа причинопределенных недостатков различных мировых рейтингов, а также поиск,разработкаиобоснованиемногокритериальногоновыхранжированияметодовиколичественнойпрогнозированияоценки,показателейдеятельности ведущих университетов в контексте повышения их глобальнойконкурентоспособности, направленных на снижение этих недостатков.Актуальностьтемыдиссертационногоисследованияопределяетсянеобходимостью разработки новых методов объективного оценивания и9прогнозирования показателей деятельности ведущих российских университетов вконтексте повышения их конкурентоспособности и улучшения их позиций вавторитетных мировых рейтингах.Степень разработанности направления исследованияВопросамоценкидеятельностиобразовательныхучреждений,ранжирования вузов и другим аспектами экономики высшего образованияпосвящено много работ зарубежных авторов: Альтбах Дж., Вестерманн Г.,Болсменн К., Лю Няньцай, Притчетт Л., Ривкин С.Г., Салми Д.

и др., а такжероссийских ученых: Балыхин Г.А., Беляков С.А., Жданов С.А., Калашников Е.А.,Клячко Т.Л., Кузьминов Я.И., Райзберг Б.А., Писляков В.В., Сенашенко В.С.,Халин В.Г., и др.Исследованиямвобластииспользованияаппаратаискусственныхнейронных сетей (ИНС) посвящены работы Кохонена Т, МакКаллока У.,Минского М., Пайперта С., Пилиньского М., Розенблатта Ф., Хайкина С. а такжероссийских ученых: Аббакумова В.Л., Дли М.И., Емельянова А.А., Ильина И.В.,Круглова В.В., Ярушкина Н.Г.

Применение методов интеллектуального анализаданных при решении социально-экономических задач посвящены работыЗабоева М.В., Чернова В.Г., и других авторов.Анализ работ вышеперечисленных и некоторых других исследователейпозволяетконстатировать,многокритериальногочторанжированиязадачииколичественнойпрогнозированияоценки,показателейдеятельности ведущих университетов в контексте повышения их глобальнойконкурентоспособности не подкреплены к настоящему времени эффективнымитехнологиями прикладного применения аппарата искусственных нейронныхсетей. Традиционно для решения подобной задачи используются методики оценкадеятельностиуниверситетовпоразличнымпоказателямдеятельностисзаданными авторами рейтинга весами, что приводит к значительным различияммеждурезультатамирейтингов.Именноэтоопределяетнеобходимостьпроведения исследований в данном направлении и к разработке на основеиспользования искусственных нейронных сетей новых методов количественной10оценки, многокритериального ранжирования и прогнозирования показателейдеятельности ведущих университетов в контексте повышения их глобальнойконкурентоспособности, что и подтверждает актуальность диссертационногоисследования.Вдальнейшеммыконкурентоспособнымбудемилиназыватьобладающийуниверситетсвойствомглобальноглобальнойконкурентоспособности, если он входит в первую сотню хотя бы одного изавторитетныхмировыхрейтинговуниверситетов,чтопозволяетввестиотношение порядка на множестве ведущих университетов, которое используетсяпри оценке и сравнении показателей деятельности университетов.

Под ведущимуниверситетом мы подразумеваем вуз, информация о деятельности которогопредставлена в известных наукометрических базах данных, таких как Web ofScience, Scopus, InCites и др. Таким образом, мы говорим, что университетучаствует в программе повышения своей глобальной конкурентоспособности,если среди ключевых целей его развития на конкретный временной период импоставлена цель ‒ стать глобально конкурентоспособным университетом.

К такимуниверситетам, например, относятся все ведущие российские вузы ‒ победителиконкурса 5-100.Цель и задачи исследованияЦель исследования ‒ разработка на основе искусственных нейронных сетейкомплекса математических методов и инструментальных средств для проведенияколичественногооценивания,многокритериальногоранжированияипрогнозирования показателей деятельности ведущих университетов в мировыхрейтингах.Для достижения поставленной цели сформулированы и решены следующиеосновные задачи:1.Разработать алгоритм оценки и ранжирования позиций ведущихроссийских вузов, участников проекта 5-100, которые не представлены вофициальныхуниверситетов.открытыхспискахавторитетныхмировыхрейтингах112.Предложить и обосновать алгоритм выбора ключевых факторов ипоказателей деятельности ведущих университетов, которые существенно влияютна их глобальную конкурентоспособность.3.Создатьметодоценкиглобальнойконкурентоспособностиимногокритериального ранжирования ведущих университетов в зависимости отобъективных, количественных показателей их деятельности, реализуемого сиспользованием аппарата искусственных нейронных сетей.4.Предложить метод оценки изменения позиций университетов, дляподготовки и обоснования управленческих решений по повышению глобальнойконкурентоспособности среди ведущих университетов.5.Разработать метод определения пороговых значений ключевыхпоказателей деятельности университета для отнесения его к глобальноконкурентоспособным университетам на основе методов интеллектуальногоанализа данных.6.Исследовать возможности верификации предложенных методов иалгоритмов на реальных данных о деятельности ведущих университетов.Объект и предмет исследованияОбъектом исследования являются ведущие университеты в контекстеповышения их глобальной конкурентоспособности.В качестве предмета исследования выступают экономические процессы иявления, протекающие в объектах системы высшего образования.Методологическая, теоретическая и эмпирическая база исследованияМетодологической базой являются методы системного анализа в управлении,экономико-математические методы, методы математической статистики (анализвременных рядов и регрессионный анализ), методы сценарного анализа,ранжирования и прогнозирования, а также методы интеллектуального анализаданных (Data Mining).Теоретической базой исследования являются монографии, пособия ипубликации отечественных и зарубежных ученых по таким областям научногознания как экономико-математические методы, искусственные нейронные сети,12экономика управления народным хозяйством, образование, информационныетехнологии, теоретические методы оценки, ранжирования и прогнозированиядеятельности образовательных учреждений.Эмпирическую базу исследования составили статистические данные обобразовательныхучреждениях,взятыеизоткрытыхисточниковинаукометрических баз данных InCites, Scopus, Web of Science и др.Инструментальная поддержка разработанных методов заключается виспользовании таких программных продуктов, как Microsoft Analysis Service ианалитическая платформа Deductor.Научнаяразработкеновизнаидиссертационногообоснованииинструментальныхсредств,комплексаиспользуемогоисследованияматематическихдлязаключаетсявметодовиколичественнойоценки,многокритериального ранжирования и прогнозирования позиций ведущихуниверситетовпоказателейв авторитетных мировых рейтингах на основе объективныхихиспользованиядеятельности.иразвитияДанныеаппаратарезультатыдостигнутыискусственныхнейронныхзасчетсетей,самоорганизующихся карт Кохонена и других методов интеллектуальногоанализа данных.Наиболее существенные новые научные результаты, полученные личносоискателем, выносимые на защиту:1.

Разработан алгоритм оценки и ранжирования позиций ведущихуниверситетов с использованием информации из наукометрической базы данныхInCites и методики формирования международного рейтинга университетов THEWUR. Новизна алгоритма определяется возможностью получения оценок дляуниверситетов не входящих в открытый список THE WUR.2. Предложен алгоритм выбора ключевых факторов и показателейдеятельности ведущих университетов на основе факторного анализа, системногоподхода и экспертных оценок информации, представленной в наукометрическихбазах данных Web of Science, Scopus и InCites.

Особенностью алгоритма являетсяиспользование объективных показателей деятельности университета. Полученные13факторыприменяютсяприпроведенииоценки,многокритериальногоранжирования и прогнозирования позиций ведущих российских университетов вавторитетных мировых рейтингах.3.Созданметодоценкиглобальнойконкурентоспособностиимногокритериального ранжирования ведущих университетов, основанный наприменении искусственных нейронных сетей и самоорганизующихся картКохонена.