Диссертация (1151117), страница 17
Текст из файла (страница 17)
Хотя пологике,вероятно,Президентскийуказпредполагаеториентациюнаобщеуниверситетские, а не специализированные рейтинги.2.6. Алгоритм поиска ключевых факторов и показателей деятельностиведущих университетов, существенно влияющих на глобальнуюконкурентоспособностьВ ходе исследования информации из InCites было обнаружено, что базаданныхсодержитоколо100различныхкритериев,характеризующих100деятельность университетов. Однако, для построения в дальнейшем нейроннойсети необходимо предварительно уменьшить количество критериев, которыебудут в последующем использоваться как входные переменные.
В связи с этим напервом этапе из общей выборки информации (представленной в Приложении 2)были отобраны 37 критериев, которые не дублируют друг друга. Напримеррепутационная составляющая в InCites представлена как по всему миру, так и поотдельным регионам, а также ряд показателей представлен как с нормированием,так и без. Стоит отметить, что в данном перечне содержатся все 13 критериев,которые используются для формирования рейтинга THE WUR.На втором этапе были исключены те нормированные показатели, длякоторых есть аналогичные, представленные абсолютными значениями; то есть наданном этапе произошла своеобразная замена показателей, которые используютсядля формирования рейтинга THE WUR на критерии с абсолютными значениями.Этот шаг был обусловлен стремлением использовать наиболее объективныеданные без их предварительной обработки, в том числе с помощьюстатистических подходов.
Таким образом, осталось 32 показателя.На третьем этапе была проведена процедура факторного анализа средствамипрограммы Deductor. Заданное число обобщенных факторов равно 5, поскольку вметодологиях признанных международных рейтингов выделяются 4-5 групппоказателей. В итоге наиболее коррелирующими (более 0.65) с обобщеннымифакторами оказались 17 показателей, представленных в таблице 11.101Таблица 11.Факторный анализ для критериев деятельности университетовКорреляция(от 0 до 1)Фактор 1Доходы от научной деятельности / Академический штат (Resincome / Acad staff)0,814Доходы от научной деятельности / Академический и научноисследовательский штат (res inc|acad and res staff)0,771Количество присужденных научных степеней / Академическийштат (Doctoral degree / Acad staff)0,675Фактор 2Аакдемический штат (acad staff)0,939Академический и научно-исследовательский штат (acad and resstaff)0,915Научно-исследовательская мощность (нормированный показательпроизведения количества цитирований за год умноженного начисленность академического штата) (res power)0,902Количество присужденных научных степеней (doc degree)0,736Общая численность студентов (stdnt)0,677Фактор 3Преподаватели с иностранным гражданством/Академическийштат (Acad staff int / Acad staff)0,905Студенты с иностранным гражданством/общая численностьстудентов (Stdnt int / Stdnt)0,768Фактор 4Репутация обучения среди зарубежных работодателей (teach repint)0,932Репутация исследований (Res rep -gl)0,929Репутация обучения среди работодателей (Teach rep -gl)0,927Количествопубликаций/Академическийинаучноисследовательский штат (papers|acad and res staff)0,779Количество публикаций/Академический штат (papers|acad staff)0,758Количество цитирований (citations)0,669Фактор 5Академический штат / Общая численность студентов (Acad staff /Stdnt)0,671На четвертом этапе происходит экспертная оценка полученных результатов,выделениеизнихнаиболеезначимыхиотражающихсутьпонятия«конкурентоспособность».
Из отобранных критериев исключаются схожиепоказатели, такие как доходы университета на единицу академического штата и102доходы университета на единицу академического и научно-исследовательскогосостава. Помимо этого исключаются показатели, характеризующие масштаб(фактор 2) университета, поскольку эти критерии могут исказить результатыоценки качества [69]. Показатели фактора 4 характеризуют публикационнуюактивность и репутацию университета. Показатели, касающиеся репутации,является очень субъективными и встречают много международной критики, окоторой писалось ранее; в связи с этим в ходе дальнейшего исследованиячетвертый фактор трансформирован в фактор, характеризующий толькопубликационную активность.
Текущие критерии свернуты в репрезентативныйпоказатель Normalized citation impact - country adj; помимо этого добавленыпоказатели,характеризующиепубликационнуюактивность,аименно:количество публикаций (Papers) и доля работ, написанных в международномсоавторстве (Papers int co-author / Papers). Важность данных показателей описанав параграфе 3,4 и 5.
Таким образом, итоговое количество показателей составляет 8и представлено в Таблице 12.Таблица 12.Ключевые факторы деятельности университетов№п/п12345678Показатели базы данных InCitesАкадемический штат / Количество студентов (Acadstaff /Stdnt)Преподавателисиностраннымгражданством/Академический штат (Acadstaffint / Acadstaff)Количествоприсужденныхнаучныхстепеней/Академический штат (Doctoraldegree / Acadstaff)Цитирование на одну публикацию (Normalized citationimpact - country adj)Количество публикаций (Papers)Работы, написанные в международном соавторстве(Papersintco-author / Papers)Доходы от научной деятельности / Академический штат(Resincome / Acadstaff)Студенты с иностранным гражданством/общая численностьстудентов (Stdntint / Stdnt)* в THEWUR используются данные показатели нормализованнымиИспользуютсяTHE WUR+++/-*+++/-*+в103В ходе дальнейшего исследования в главе 3, при помощи математическихметодов и инструментальных средств будет оценена значимость данныхкритериев и проведена кластеризация университетов с верификацией полученныхрезультатов при помощи действующих признанных мировых рейтингов.Такимобразом,исходяизпромежуточныхполученныхрезультатовисследования справедливо утверждать, что на сегодняшний день у ведущихуниверситетов России шансы попасть к 2020 году в топ-100 специализированногои общеуниверситетского рейтинга остаются низкими.При формальном подходе к анализу критериев выполнения УказаПрезидентаРоссииот 7 мая2012 г.№599можноутверждать,чтоМГУ им.
М.В. Ломоносова, НИЯУ МИФИ и МФТИ уже выполнили указПрезидента о вхождении в сотню лучших университетов мира по предметномурейтингу THE WUR. Хотя по логике, Президентский указ предполагаеториентацию на общеуниверситетские, а не специализированные рейтинги.Исходя из анализа текущих показателей ведущих университетов Россииможно сделать вывод, что наибольшей вероятностью вхождения в топ-100общеуниверситетского рейтинга THE WUR обладает МГУ им.
М.В. Ломоносова.Остальным ведущим отечественным университетам следует сосредоточитьусилия на оптимизации процессов, непосредственно влияющих на положение вспециализированных профильных рейтингах, а не в общем рейтинге топ-800.Ярким примером целесообразности такого подхода можно считать НИЯУ МИФИи НГУ, которые продемонстрировали высокий уровень в профильных рейтингахпо физике за текущий год.
Однако, ранее НИЯУ МИФИ и МФТИ исключались изрейтинга по причине узкой специализации, что может повторится в следующихрейтингах THE WUR.В результате проведенного анализа публикационной деятельности ведущихуниверситетов Россиив базах данных InCites и Scopus было отмечено, чтопубликационная активность МГУ им. М.В.
Ломоносова, СПбГУ, НГУ, НИЯУ«МИФИ» имеет положительную динамику.104Исходя из приведенных данных, отмечается общая тенденция, согласнокоторой значительное влияние на рейтинг университета оказывает наличиенаучных статей, написанных в рамках международного сотрудничества. Поэтомуименно участие в международных конференциях, исследования и сотрудничествов соавторстве с зарубежными коллегами являются залогом продвиженияроссийских университетов в международных рейтингах.Также справедливо утверждение, что отдельные университеты могут попастьна 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.При этом всем ведущим университетам России следует уделять особоевниманиеактуальностипубликаций.Методикасоставлениярейтингацитируемости учитывает публикации за последние 6 лет.
Устаревание наиболеецитируемых публикаций неминуемо приведет к потере позиций в рейтинге.Кроме того, количество публикаций за 5 лет должно быть не менее 1000, впротивном случае даже соответствие всем остальным критериям не позволитуниверситету попасть в топ-100 [31].Вместе с тем следует учитывать, что вне зависимости от того, в отношениикакого рейтинга – общего или специализированного – ведется работа, сохраняетсяриск будущего изменения методики расчета положения в рейтингах, критериевпопадания или удельного веса показателей. Таким образом, узконаправленныеусилия на достижение целевых результатов в определенной области могут не датьнужного результата.
В этой связиуниверситетам, претендующим на место всотне лучших, необходимо проводить комплексную работу по улучшениюкачества работы по всем направлениям деятельности.Несмотря на очевидные достоинства, многолетнюю историю применения иширокою известность международных университетских рейтингов, некорректносчитать какой-либо из рейтингов единственно верным и объективным способомотражениякачествадеятельностиуниверситетаиуровняего105конкурентоспособности-впервуюочередьиз-зазначительнойдолисубъективизма при формировании рейтингов [32]. Таким образом, необходимаразработка методов максимально объективного оценивания и сопоставленияагрегированных показателей деятельности университетов. В основе одного изтаких методов положена кластеризация с использованием карт Кохонена.106ГЛАВА 3. ИСПОЛЬЗОВАНИЕ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ ИСАМООРГАНИЗУЮЩИХСЯ КАРТ КОХОНЕНА ДЛЯ КЛАСТЕРИЗАЦИИ,РАНЖИРОВАНИЯ И ПРОГНОЗИРОВАНИЯ МЕСТОПОЛОЖЕНИЯВЕДУЩИХ УНИВЕРСИТЕТОВ В МИРОВЫХ РЕЙТИНГАХКластеризация–процессразбиениязаданнойвыборкиобъектов,обладающих набором характеристик, на подмножества, называемые кластерамитаким образом, чтобы получаемые подмножества состояли из схожих элементов,при этом сами кластеры существенно отличались [46, 89].Данныйметодэффективноприменяетсявсоциальныхнауках,вэкономическом анализе примерами могут служить кластеризация поставщиков,рынков сбыта, выявление схожих производственных ситуаций, при которыхвозникает брак, банковский скоринг и т.п.
[104] Такой подход позволяетсократить количество объектов анализа, и в то же время индивидуально подойти ккаждой выделенной группе объектов – кластеру. В рамках данного исследованиявкачествеобъектоврассматриваютсяведущиемировыеуниверситеты,характеризуемые набором показателей деятельности.На сегодняшний день разработаны различные алгоритмы кластеризации,среди которых высокой эффективностью обладают самоорганизующиеся картыКохонена, основанные на использовании аппарата искусственных нейронныхсетей (ИНС) [105]. Нейросетевые модели – мощные вычислительные системы,которые способны самообучаться и решать сложные неструктурированныепроблемы классификации, аппроксимации функций, оптимизации и многиедругие [100].В рамках решения задачи кластеризации модели на основе ИНС позволяютполучить как результаты в численной форме, так и их визуализацию – построениесамоорганизующихся карт Кохонена, которые схематично в виде двумерныхкартинокпредставляютнейронной сети [102].итоговоесостояниесоответствующейобученной1073.1.
Подготовка, верификация и обработка информации из базы данныхInCites по показателям деятельности ведущих университетовВ предлагаемом исследовании используются показатели, взятые из базыданных InCites. Процесс выгрузки информации описан в главе 2 данной работы.Из базы данных InCites была сформирована информация по всемпредставленным в ней 814 университам и 42 критериям, характеризующимдеятельность ведущих университетов мира за 2004-2012 год.Для обработки выгруженной информации было создано хранилище данныхпри помощи MSSQLServer 2008. На основе данного хранилища посредствомпрограммного пакета MS SQL Server 2008: Analysis Services был построенмногомерный куб данных [12, 22, 73].
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
