Перспективы Науки и Образования
Í; ISSN 2307-2334 (Онлайн)
Международный электронный научный журнал
Адрес выпуска: https://pnojournal.wordpress.com/2022-2/22-04/ Дата публикации: 31.08.2022 УДК 37.014
О. А. Зятева, Е. А. Питухин
Прогнозирование показателей научной деятельности российских вузов и их рейтингов
Введение. В настоящее время результаты оценки деятельности организаций стали одним из важных управленческих ресурсов. Поэтому актуальным для организаций является не только выполнение установленных учредителем показателей, но и попадание в ТОП авторитетных рейтингов как общих, так и по конкретному виду деятельности. Цель исследования - построение прогнозов показателей научной деятельности вузов и рейтингов на их основе методами имитационного моделирования, а также формирование управленческих решений по продвижению заданного вуза в рейтинге.
Материалы и методы. Материалами исследования послужили данные о количестве публикаций сотрудников вуза в ведущих наукометрических базах Web of Science, Scopus, РИНЦ и числу научно-педагогических работников (далее - НПР) за период с 2013 по 2021 гг. При исследовании использовались методы математического и имитационного моделирования, методы описательной статистики и сравнительный анализ данных.
Результаты исследования. В рамках исследования методики формирования одного из известных национальных рейтингов российских вузов смоделирована динамика показателей научной деятельности Т0П-50 вузов до 2030 года на основе шестнадцати из их числа. На примере Петрозаводского государственного университета предложены проекты управленческих решений, позволяющие вузу, не входящему в Т0П-50, попасть в данный диапазон с учетом минимизации финансовых затрат. Предложенные проекты управленческих решений предлагается достичь за счет вовлечения в публикационную деятельность категорию профессорско-преподавательского состава вуза, которая последние несколько лет не имеют ежегодных публикаций. В результате имитационного моделирования прогнозных значений показателей научной деятельности было выявлено, что при ежегодном увеличении числа публикаций, в среднем на 25%, ПетрГУ сможет существенно улучшить свои позиции в рейтинге научной деятельности, и к 2025 году занять место в диапазоне с 40 по 50.
Обсуждение и заключение. Полученные модели позволяют спрогнозировать не только общее количество статей различных российских вузов, но и их позиции в рейтинге, как при сохранении текущих тенденций, так и при применении различных сценариев управления. С практической точки зрения, представленные результаты могут быть полезны администрации вуза для анализа и управления научной деятельностью вуза на предмет повышения эффективности и достижения поставленных целей.
Ключевые слова: вузы России, научная деятельность, публикационная активность, Scopus, Web of Science, рейтинги, управленческие решения, прогнозирование
Ссылка для цитирования:
Зятева О. А., Питухин Е. А. Прогнозирование показателей научной деятельности российских вузов и их рейтингов // Перспективы науки и образования. 2022. № 4 (58). С. 692-705. doi: 10.32744^е.2022.4.40
Perspectives of Science & Education
International Scientific Electronic Journal ISSN 2307-2334 (Online)
Available: https://pnojournal.wordpress.com/2022-2/22-04/ Accepted: 25 April 2022 Published: 31 August 2022
О. A. Zyateva, E. A. Pitukhin
Prognosticating scientific activity indicators of Russian universities and their rating
Introduction. Organisations' performance evaluation results have now become an important management resource. Therefore, it is not only compliance with the targets set by the founder that is relevant for the organisation, but also inclusion in the TOP prestigious ratings list, both of general nature and set for a particular activity. The purpose of the research is designing the research performance forecasts for universities and ratings on their basis by simulation modelling methods, as well as the formation of managerial decisions aimed to promote a specific university in the rating list.
Materials and methods. The research materials are represented by the data on the number of university staff publications in the leading scientometric databases Web of Science, Scopus, RSCI, and the numbers of academic staff (research and teaching staff) in the period from 2013 to 2021. The methods of mathematical and simulation modelling, as well as the methods of descriptive statistics and comparative analysis of data were used in the research.
Results. The dynamics of scientific activity indicators for TOP-50 universities until 2030 was modelled within the framework of studying the methodology for the formation of a specific well-known national rating of Russian universities, on the basis of sixteen universities from the above. The managerial decisions projects allowing a university which is not included in the TOP-50 to get into this list, with regard for minimisation of financial expenses, are proposed by the example of Petrozavodsk State University. It is proposed to implement the said management decision projects through involvement in publication activities of the university academic staff that has not had any annual publications within several preceding years. Following the simulation modelling of projected values of scientific performance indicators, it was revealed that in case of annual increase in the number of publications by 25% on the average, Petrozavodsk State University can essentially improve its positions in the rating of scientific activity and take a position in a range between 40 and 50 by 2025.
Discussion and conclusion. The obtained models make it possible to prognosticate not only the total number of articles at particular Russian universities, but also their positions in the rating, both in case of preservation of current tendencies and realisation of different management scenarios. From the practical point of view, the presented results can be useful for the university administration in terms of analysis and management of the scientific work at the university, with the view to improve the academic performance and achieve the set goals.
Keywords: Russian universities, research activity, publication activity, Scopus, Web of Science, rating lists, managerial decisions, prognosticati
For Reference:
Zyateva, O. A., & Pitukhin, E. A. (2022). Prognosticating scientific activity indicators of Russian universities and their rating. Perspektivy nauki i obrazovania - Perspectives of Science and Education, 58 (4), 692-705. doi: 10.32744/pse.2022.4.40
_Введение
е развитии образования большую роль играют международные организации, такие как как ЮНЕСКО (https://ru.unesco.org/), Совет Европы (https://www.coe. int/en/web/portal/home), Европейский центр развития профессионального образования (http://www.cedefop.europa.eu/) и другие. Их основной задачей является проведение исследований, выработка рекомендаций, содействие и стимулирование партнерства, университетского сотрудничества в области образования [1], а также улучшению качества профессионального образования и профессиональной подготовки [2]. Поэтому вузам России необходимо быть конкурентно способными и выходить на мировую арену для привлечения абитуриентов и участия в различных межвузовских программах. Одним из показателей возможностей вуза являются его позиции в мировых и национальных рейтингах. В условиях конкуренции среди вузов актуальным является направление институциональных исследований, которые позволяют на научно-обоснованном уровне решать вопросы стратегического планирования и информационного обеспечения процессов принятий управленческих решений (выбор тренда развития, управление различными видами деятельности, выделение необходимых ресурсов, определение и согласование стратегий внедрения, а также за оценивание результативности работы вуза и т.п.). Они активно внедряются в мировых вузах [3; 4]. Основные проблемные вопросы, которые рассматривали исследователи, концепции, этапы и технологии стратегического преобразования высшей школы, в целях ее конкурентоспособности и повышения качества образования выявлены и обобщены в [5]. Это стимулирует достижение более высоких показателей деятельности и повышению позиций в мировых и национальных рейтингах, что в свою очередь, дает возможность получать дополнительные меры поддержки, необходимые для функционирования и развития организации. В работах [6; 7] представлены результаты исследования, посвященного освещению проблематики повышения конкурентоспособности высшего учебного заведения на основе совершенствования организации и управления процессами верхнего уровня.
Значительное внимание со стороны научного сообщества уделяется вопросам математического моделирования различных процессов функционирования вузов, направленных на повышение эффективности, а также факторов, которые на них влияют. Анализ математических методов управления крупной образовательной системой представлен в [8]. Математические модели и методы моделирования и прогнозирования показателей эффективности образовательной деятельности вуза представлены в [9; 10]. В работах [11; 12] предложена управленческая информационная система учета и прогноза основных рейтинговых показателей высших учебных заведений, а также модели основных процессов деятельности структурного подразделения вуза по сбору информации и оценке показателей, участвующих в составлении рейтинговой оценки университета. Особое внимание уделяется показателям публикационной активности [13], которые учитываются в большинстве рейтингов и лежат в основе оценки научного потенциала организации [14], а также при подаче заявок на различные проекты и гранты [15; 16]. В работе [17] выявлены факторы (количество участников, возраст исследовательской группы, научный возраст научного руководителя и объем финансирования (возможность получения дополнительных средств или отказа в фи-
нансировании)), которые положительно или отрицательно влияют на работу группы. Достижение различных показателей в основном зависит от кадрового потенциала организации [18], в частности в вузе - от его профессорско-преподавательского состава [19; 20]. Динамическая модель прогнозирования научной миграции в регионе в краткосрочной перспективе, а также меры, положительно влияющие на баланс научной миграции, предложены в [21]. Моделирование международной научной миграции и применение его результатов для развития научного кадрового потенциала России представлено в работе авторов [22].
Научная деятельность и ее показатели являются основными при построении большинства рейтингов, при этом объективная информация по ним находится в открытом доступе. Для продвижения вуза вверх по местам в рейтинге можно использовать внешние ресурсы в виде грантов и иной поддержки, что по разным причинам доступно далеко не всем вузам. Другой путь - повысить собственную эффективность за счет внутренних возможностей организации. Учитывая, что вуз представляет собой сложную организационную систему с большим количеством внутренних параметров, элементов и связей между ними, поведение таких нелинейных систем зачастую бывает контринтуитивно. Поэтому для повышения эффективности научной деятельности вуза следует использовать научно-обоснованный подход к прогнозированию показателей деятельности методами математического моделирования.
Цель статьи - построение прогнозов показателей научной деятельности вузов и рейтингов на их основе методами имитационного моделирования, а также формирование управленческих решений по их достижению.
_Материалы и методы
В качестве информационной базы исследования использовались данные о количестве публикаций вузов в базах данных WoS/Scopus (далее - W/S), РИНЦ и числу научно-педагогических работников (далее - НПР) за период с 2013 по 2021 гг. включительно по состоянию на 01.02.2022 г., входящих в ТОП-50 известного в России рейтинга вузов, одной из составляющих которого является частный рейтинг научной деятельности, а также официальные результаты рейтинга за период 2017-2021 гг. Статья учитывается дважды, если издание, в котором она опубликована, индексируется в двух базах.
При исследовании использовались методы математического и имитационного моделирования, теории вероятностей и прикладной статистики, в том числе следующие авторские разработки: численный метод идентификации параметров модели построения рейтингов, использующий правило логического выбора на основе вычисления двух индикаторов «направления» и «силы» [23]; алгоритм непараметрической оценки плотности распределения вероятностей переходов для марковской модели динамики численности сотрудников вуза, одновременно учитывающий областные и функциональные ограничения на значения вероятностей [24]; математические модели прогнозирования показателей научной деятельности вузов в зависимости от управляющих параметров, отличающиеся методами расчета для случаев с полной и неполной информации о вузе [24]; имитационная модель прогнозирования показателей деятельности вузов и их рейтингов [24].
В качестве программных средств реализации разработанных моделей и методов были использованы Visual Basic и MathCAD.
_Результаты
Для анализа и последующего моделирования показателей научной деятельности и мест в рейтинге российских университетов специальным образом были выбраны 16 вузов, которые входили в разные десятки с 1 по 40 место, а также все вузы с 40-50 место и Петрозаводский государственный университет (далее - ПетрГУ), который находился на 132 месте. Вуз, для которого известны ежегодные данные о профессионально-квалификационной структуре сотрудников и их индивидуальном уровне пу-
f \J W I W —I— V
бликационной активности, является вузом с полной информацией. Такой вуз может рассматриваться как объект управления (далее - ОУ), поскольку располагает данными, необходимыми при решении математической задачи оптимизации. Остальное множество вузов представляет собой внешнюю среду по отношению к вузу-ОУ. При моделировании показателей среднего числа публикаций в WoS/ Scopus (W ) и РИНЦ (Wp ) учитывалось, является ли вуз с полной или неполной информацией, поэтому созданные математические модели для этих двух случаев различны. Подробное описание моделей представлено в работе [24].
На первом этапе проводилось математическое моделирование среднего числа публикаций вузов - ОУ и вузов внешней среды. В качестве примера вуза - ОУ рассматривается ПетрГУ, который последние несколько лет входил во вторую сотню одного из частных рейтингов по научной деятельности известного российского рейтинга вузов, и хотел бы улучшить свои позиции и войти в ТОП-50. На рисунке 1 представлены результаты изменения среднего числа публикаций W в вузах при сохранении их динамики на перспективе, а также предложенные сценарии по увеличению публикационной активности ПетрГУ на 35%, 40% и 45%.
120
100
-СЦен_45% -Cbh_3SW -id_l -id_7 -id 9 -idlO - id_l 1 id_H -id. 15 id IT
Рисунок 1 Число статей W/S на 1 НПР среди вузов, наиболее близких по значению к ПетрГУ
Анализ исходных данных показал, что все выбранные вузы значительно отличаются по среднему числу публикаций в W/S, поэтому для сравнительного анализа и построения будущих сценариев развития показателей научной деятельности ПетрГУ (далее - сценарии) были выбраны те, кто находится ближе к значениям ПетрГУ (на графике - id_17). Таких вузов оказалось 7. Заметим, что при развитии ситуации с со-
хранением динамики ПетрГУ сможет достичь показатели вуза-соперника только к 2025 году, а к концу рассматриваемого периода опередить только 3 вуза. Это не соответствует поставленной цели - попадание в ТОП-50. Сценарии по увеличению 35% (Сцен_35%), 40% (Сцен_40%) и 45% (Сцен_45%) дают более быстрый результат. Так, при реализации сценария «Сцен_35%» к 2024 году уже 3 вуза будут иметь показатели меньше ПетрГУ, а к 2027 году - все семь. Сценарии «Сцен_40%» и «Сцен_45%» дают более быстрый результат, максимальный - к 2024 году, но на практике такие большие значения коэффициентов ежегодного прироста среднего числа публикаций делают эти сценарии маловероятными.
Такое же стохастическое моделирование было проведено и по показателям среднего числа публикаций в РИНЦ. В среднем увеличение среднего числа публикаций ^рищ в ПетрГУ составляет 14%. Были предложены сценарии увеличения на 20%, 25%, 30%, 35% и 40%. Результаты предварительного анализа показали, что увеличение хотя бы на 20% приведет к опережению 3 вузов в первый же год. Сценарии «Сцен_30%» и «Сцен_35%» к 2024 году приведут к желаемому результату.
В результате проведенного стохастического моделирования было получено множество сценариев из которых необходимо будет выбрать оптимальный для практической реализации. Поэтому следующим этапом является определение траекторий развития вуза с целью попадания в определенный диапазон мест к заданному году. Был предложен метод поиска оптимального сценария развития, при этом целевая функция задачи оптимизации F(vd,vm (ц)) задается в виде суммы взвешенных квадратов разностей модельных значений vm (ц) и соответствующих им желаемых администрацией вуза значений vd показателей [24]. Постановка задачи оптимизации, в данном случае, сводится к поиску такого вектора оптимальных значений проектных параметров ц*, который обеспечивает минимум целевой функции при существующих ограничениях на финансовые расходы.
С помощью предложенной модели были рассчитаны все возможные варианты из-
л ^
менения входных параметров с шагом 1 п.п. от исходных средних значений темпов роста. Предполагается, что вузы внешней среды увеличивают свои показатели при сохранении на перспективе их темпов публикационной активности.
В таблице 1 представлены результаты реализации предложенной имитационной модели для наиболее показательных сценариев. В качестве входящих параметров были выбраны сценарии бW(W/S)=25%, бW(W/S)=30% и бW(W/S)=35%, а бWринц=20%, ^^РИНЦ=25%, бWринц=30%, бWринц=35% и бWринц=40% [19]. Результаты работы разработанного численного метода поиска оптимального сценария развития к 2025 году приведены для vd= (0,0,0,41-50,0) с весовыми коэффициентами w= (0,0,0,0,5,0,5). Среднее число НПР составит 635,4.
Стоит отметить, что при изменении сценария бW на 1 п.п. в большую сторону, итоговый результат мало меняется с позиции мест, а затраты возрастают на 6,8 млн. руб. (2,8%). При изменении сценария бWринц на 1 п.п. в большую сторону, итоговый результат так же мало меняется с позиции мест, а затраты возрастают на 2,8 млн. руб. (1,2%). При одновременном увеличении сценариев на 1 п.п., результат к 2025 году мало меняется с позиции мест, как и в предыдущих случаях, затраты возрастут на 9,7 млн. руб. (4%).
Желаемый оптимальный результат к 2025 году достигается при реализации сценария «бW(W/S)=25%» и «бWринu=25%», поскольку он является наименее затратный. Другие сценарии также дают желаемый результат, но они значительно дороже и более трудозатратны в плане нагрузки на нПР.
Таблица 1
Примеры сценариев развития научной деятельности по результатам имитационного
моделирования к 2025 году
Сценарий W/S, % Сценарий РИНЦ, % Число статей W/S Число статей РИНЦ Место Затраты, руб.
5W,W/S) (Ц) W-инц (ц) N(W/S) (Ц) ^ИНЦ (Ц) R(n) С(ц)
23 14 4638 14646 >50 206 282 610,00
25 20 4849 19357 >50 227 790 658,93
25 25 4849 23740 41-50 240 939 880,42
26 25 5045 23740 41-50 247 786 722,41
25 26 4849 24705 41-50 243 834 641,65
26 26 5045 24705 41-50 250 681 483,63
25 30 4849 28883 41-50 256 369 976,43
25 35 4849 34882 31-40 274 365 591,34
v (ц) m vrv 25 40 4849 41838 31-40 295 234 123,57
30 20 5900 19357 >50 264 560 887,32
30 25 5900 23740 41-50 277 710 108,82
30 30 5900 28883 41-50 293 140 204,82
30 35 5900 34882 31-40 311 135 819,73
30 40 5900 41838 31-40 332 004 351,97
35 20 7125 19357 41-50 307 444 798,72
35 25 7125 23740 41-50 320 594 020,22
35 30 7125 28883 31-40 336 024 116,22
35 35 7125 34882 31-40 354 019 731,13
35 40 7125 41838 31-40 374 888 263,37
vd vd1 vd2 0 0 41-50 0
w vm (Ц)1 vm (Ц)2 0 0 0,5 0,5
Определим, достижим ли найденный оптимальный сценарий развития для ПетрГУ на примере W/S. Предполагается, что каждый вуз находится в одной из трех возможных стадиях научной зрелости, которой соответствует свой участок логистической кривой:
I - стадия экспоненциального роста среднего числа публикаций, II - стадия линейного роста среднего числа публикаций и III - стадия насыщения, когда среднее число публикаций стремится к пределу возможностей. Это подтверждается количественными и качественными характеристиками динамики публикационной активности (среднего числа публикаций) во времени. Количественной характеристикой являются средние значения показателей в расчете на 1 НПР за последние 3 года. Качественной - стадия научной зрелости, в которой находится вуз.
Для определения вузов, которые находятся в III стадии используется модель авторегрессии первого порядка: W(t+1)=a0+a1 W(t), где W(t) - среднее число публикаций W/S в момент времени t, a0 и a1 - коэффициенты модели. Асимптотическое значение вычисляется как W*=a0/(1-aJ. Для всех вузов были построены эти модели и вычислены отклонения текущего значения среднего числа публикаций от асимптотического W*. В рамках данного исследования, вуз относится к III стадии научной зрелости, если отклонение составляет менее 10% (id_2, id_3, id_5, id_6, id_10, id_11, id_14, id_16), ко
II стадии - от 10% до 50% (id_1, id_4, id_7, id_8, id_12, id_13), и к I стадии - более 50%
(id_9, id_15, id_17 (ПетрГУ)). Таким образом, рассматриваемые вузы были разделены
« w w
на 3 группы в зависимости от того, на какой стадии научной зрелости они находятся. На рисунке 2 представлены графики динамики публикационной активности по
трем вузам (id_9, id_1, id_5), которые находятся на разных стадиях научной зрелости,
что подтверждается соответствующей формой участка логистической кривой.
Вузы могут быть разделены на группы не только по качественной характеристике, но и по количественной - среднему темпу роста за последние 3 года. В 1 группе, кото-
w III «-» «-»
рой соответствует III стадии научной зрелости, средний темп прироста за последние 3 года составляет 6,2%, во 2 группе - 11,3%. Максимальное значение равно 19,9%. Средний темп прироста ПетрГУ -- 11,9%. Поэтому для попадания в желаемый диапазон мест (ТОП-40-50), необходимо, чтобы средний темп роста был не менее 20%. Учитывая, что ПетрГУ соответствует id_17, он находится на стадии экспоненциального роста и при среднем значении темпа прироста 11,9% есть возможность роста до 25%.
id 9
-mcdtl ■fiel
>013 2»! 1 2413 2014 20!~20tS 2019 2020 2021 2022 2«; 202J 202J 2026 202' 202S 202S 2034
id 1
w
u
-KodfL ■bet
3 2,5 3 14 I
0J 0
2013 2014 20IS 2014 2417 20U 241? 2020 2021 20G2 2023 2«! 202i 2 024 202~ 242t 2029 2930
id 5
-fllödt] "flit
201} 2014 201! 209« 201? 201$ ¿019 20120 2021 2022 2023 202Д 202 ! 20Ü4 2027 202S 2029 2034
Рисунок 2 Среднее число статей W/S на 1 НПР
Последний вопрос, который требует решения, каким образом достичь желаемое среднее значение показателя за счет внутренних ресурсов вуза. НПР, которые активно ведут публикационную деятельность и находятся на пределе своих возможностей, ежегодно увеличивать на такой процент количество своих публикаций не реально. В качестве решения данного вопроса предлагается активизировать работу с группой ППС, у которых отсутствуют публикации в W/S (группа «0»). Таковых на сегодняшний день 517 человек, при этом только у 3% из них нет публикаций и в РИНЦ. Это свидетельствует о том, что возможности у данной группы есть и руководству вуза необходимо создать условия для их реализации.
В таблице 2 представлена информация по ежегодному числу статей, которое необходимо подготовить ППС группы «0», а также возможные сценарии по достижению данных показателей. При этом ППС ненулевых групп должны подготовить число статей не менее, чем в 2021 году.
Таблица 2
Примеры сценариев увеличения публикаций W/S группы «0»
2021 2022 2023 2024 2025
Ежегодное число публикаций 0 147 184 230 288
Количество ППС группы 525 517 511 506 501
Сценарий «ежегодный» - 28% 36% 45% 57°%
Сценарий «раз в два года» 16% (к 2022) 21% (к 2023)
Из представленных данных видно, что число публикаций, которое необходимо подготовить ППС группы «0» к 2025 году увеличивается в среднем в 2 раза. Для достижения этой цели предлагается два сценария. При реализации «ежегодного» сценария предполагается, что начиная с 2022 года, у 147 ППС будет ежегодно по 1 публикации, и в каждом последующем году к ним будут присоединяться 37 (184-147), 46 (230-184) и 58 (288-230) ППС соответственно. Это могут быть одни и те же люди, а могут быть разные каждый год. Альтернативным является сценарий «раз в два года». Его идея заключается в том, что группы людей пишут необходимое число статей через год. Таким образом, у них есть время на проведение научных исследований, результаты которых будут представлены в публикациях. Этот сценарий реалистичен в реализации.
_Обсуждение результатов
Разработанная система имитационного моделирования позволяет получать различные варианты сценариев развития показателей научной деятельности вузов и мест в рейтинге. Это может быть использовано администрацией вузов для принятия научно-обоснованных управленческих решений. Основная управленческая работа администрации вуза должна проводится с ППС из группы «0» и сохранение стимулирования тех, кто активно занимается публикационной деятельностью [24; 25].
Для решения задачи по привлечению ППС группы «0» к публикационной деятельности руководству необходимо создать соответствующие условия. Общие рекомендации могут быть следующими:
• выделить ППС, которые имеют публикации ВАК/РИНЦ и сгруппировать их по тематикам работ;
• организовать внутренние проекты для групп с целью расширения научных интересов ППС и увеличению числа публикаций ВАК/РИНЦ;
• выявить потенциальные публикации ВАК/РИНЦ, которые могут быть доработаны до уровня W/S;
• сформировать перечень предстоящих конференций (до 2025 года), подходящих по тематике и материалы которых, индексируются в W/S;
• запланировать ряд конференций с международным участием, которые будут проходить на базе вуза, материалы которых будут проиндексированы в W/S;
• разработать меры особого материального стимулирования первых трех публикаций W/S ППС из группы «0».
Полученные результаты свидетельствуют о целесообразности применения имитационного моделирования с целью получения прогнозных значений показателей и позиций в рейтингах, а также о создании необходимых условий по их достижению. Это согласуется с мнением авторов работы [26], которые также пришли к выводу о том, что необходим инструмент организации деятельности, например в виде программы стратегического развития вуза, направленной на достижение основных показателей эффективности деятельности вуза Минобрнауки, а также улучшению позиций в ведущих российских и международных рейтингах. Ключевые факторы успеха в проведении организационно-административных мероприятий по повышению публикационной активности и рейтинга вуза на примере медицинского представлены в работе [27].
Заключение
В результате проведенного исследования были разработаны модели и методы получения сценариев развития показателей научной деятельности вузов и мест в рейтинге. Они позволяют провести оценку и выбрать оптимальный темп ежегодного прироста среднего числа публикаций с учетом внутренних возможностей сотрудников. Так же позволяют определить стадию научной зрелости вуза и наличие пространства для его развития.
Построены прогнозные значения показателей научной деятельности для 17 российских вузов до 2030 года. Определены ежегодные минимальные, максимальные, средние значения показателей научной деятельности и их темпы прироста. Определены три стадии научной зрелости вузов и проведено их качественное разделение на соответствующие группы. Определен интервал продуктивности для каждой группы. Определены возможности обеспечения роста показателей для достижения нужного места в рейтинге за счет эффективного использования внутренних ресурсов вуза-ОУ. Предложен проект управленческих решений на примере ПетрГУ как вуза-ОУ, позволяющий реалистично достичь средних значений темпов прироста 25% за счет неиспользованного потенциала ППС группы «0». В результате реализации предложенного алгоритма в течении 5 лет, число публикаций ППС группы «0» увеличится с 0 в 2021 году до 288 к 2025 году.
Данный подход к моделированию и прогнозированию показателей деятельности вуза и мест в рейтинге является универсальным. Аналогичный подход может быть применен как к другим показателям и другим частным рейтингам вуза, так и для других бюджетных организаций различных видов экономической деятельности, которые используют рейтинговые системы, основанные на отчетных показателях деятельности.
ЛИТЕРАТУРА
1. Рамочная программа действий в области образования на период до 2030 года. URL: https://unesdoc.unesco. org/ark:/48223/pf0000245656_rus. (дата обращения: 03.08.2022 г.)
2. Cedefop (2022). Программный документ 2022-24. URL: https://www.cedefop.europa.eu/files/4207_en_0.pdf. (дата обращения: 03.08.2022 г.)
3. Scharf D., Elliot N., Huey H.A., Briller V., Joshi K. Direct Assessment of Information Literacy using Writing Portfolios // Journal of Academic Librarianship. 2007. 33(4). P. 462-477.
4. Knyazev Y., Drantusova N. European scales and institutional transformation in Russian higher education // Voprosy Obrazovaniya / Educational Studies Moscow. 2014 (2). P. 109-131.
5. Островкин Д.Л., Сандлер Д.Г. Стратегическое управления в вузе: современный взгляд российских авторов // Альманах Крым. 2021. № 28. С. 69-87.
6. Сандлер Д.Г. Обеспечение конкурентоспособности вуза за счет совершенствования организации и управления процессами верхнего уровня // Гуманитарные, социально-экономические и общественные науки. 2022. № 2. С. 237-243.
7. Судакова А.Е., Сандлер Д.Г., Тарасьева Т.В. Конкуренция между вузами: концептуальный анализ // Университетское управление: практика и анализ. 2020. Т. 24. № 4. С. 58--74.
8. Моргунов А.И., Ромашкова О.Н. Анализ математических методов управления крупной образовательной системой // Современная наука: актуальные проблемы теории и практики. Серия: Гуманитарные науки. 2021. № 2-2. С. 77-80.
9. Яндыбаева Н.В., Кушников Н.В. Математические модели, алгоритмы и комплексы программ для мониторинга эффективности образовательной деятельности вуза // Проблемы управления. 2015. № 1. С. 53-62.
10. Яндыбаева Н.В. Моделирование и прогнозирование показателей эффективности образовательной деятельности высшего учебного заведения // Вестник Мордовского университета. 2018. Т. 28. № 1. С. 120-136.
11. Romashkova O.N., Ponomareva L.A., Vasilyuk I.P. The process of automating the rating of Russian universities // CEUR Workshop Proceedings. 9. Сер. "Selected Papers of the Proceedings of the 9th International Conference Information and Telecommunication Technologies and Mathematical Modeling of High-Tech Systems, ITTMM 2019". 2019. P. 109-117.
12. Ромашкова О.Н., Пономарева Л.А., Василюк И.П. Автоматизация процесса управления рейтингом российских университетов // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. 2018. № 6. С. 123-129.
13. Марвин С.В. Показатели публикационной активности организаций с учетом соавторства и неоднозначности аффилиации // Социология науки и технологий. 2019. Т. 10. № 2. С. 110-119.
14. Маркина Г.Л., Шлей М.Д., Кузнецова О.В., Стафеев С.К., Маркина Т.А. Оценка потенциала научной деятельности на основе наукометрических показателей // Компьютерные инструменты в образовании. 2020. № 3. С. 70-86.
15. Markina G.L., Schlei M.D., Kuznetsova O.V., Markina T.A. Analysis of the dependence of the effectiveness of requests submitted to scientific competitions from the criteria for their evaluation // International Multidisciplinary Scientific GeoConference Surveying Geology and Mining Ecology Management, SGEM. 2019. № 19(2.1), с. 83-90.
16. Markina G., Shley M., Kuznetsova O., Markina T. Method for predicting the result of applications submitted to scientific tenders from the criteria for their assessment // CEUR Workshop Proceedings. 2893. "12th Majorov International Conference on Software Engineering and Computer Systems, MICSECS, 2020". 2020.
17. Sandler D.G., Gladyrev D.A., Kochetkov D.M., Zorina A.D. Factors of research groups' productivity: The case of the Ural Federal University // R-Economy. 2022. № 8(2). P. 148-160.
18. Зайцева Е.В., Исламутдинов Т.И. Оценка кадрового научного потенциала федеральных университетов // Universe of university. Сборник материалов Международной научной интернет-конференции. 2021. С. 111-115.
19. Сандлер Д.Г. Успешность профессорско-преподавательского состава как фактор повышения конкурентоспособности вуза // Гуманитарные и социально-экономические науки. 2022. № 1 (122). С. 57-64.
20. Питухин Е.А., Зятева О.А. Анализ динамики публикационной активности вуза в разрезе категорий сотрудников
// Перспективы науки и образования. 2021. №4 (52). С. 566-576.
21. Sudakova A.E., Tarasyev A.A., Sandler D.G. A Dynamic Forecasting Model for Scientific Migration in the Region // Economy of Region. 2021. № 17(4). P. 1196-1209.
22. Agarkov G.A., Koksharov V.A. Data mining algorithms for modeling international scientific migration // AIP Conference Proceedings. "International Conference of Computational Methods in Sciences and Engineering 2018, ICCMSE 2018". 2018. № 2040.
23. Zyateva О. А. Upwards excursion algorithm providing the weight rankings coefficients of universities / O. A. Zyateva, E. A. Pitukhin, I. V. Peshkova // Proceedings of the First International Workshop on Stochastic Modeling and Applied Research of Technology (SMARTY 2018), Petrozavodsk, Russia, September 21st to 25th, 2018. Petrozavodsk, 2018. № 2278. P. 62-70.
24. Зятева О. А. Имитационное моделирование показателей научной деятельности вузов // Инженерный вестник Дона. 2022. №5. URL: http://www.ivdon.ru/ru/magazine/archive/n5y2022 (дата обращения: 25.06.2022).
25. Zyateva O. A. Modeling Publication Activity of the Faculty and Managing Scientific Indicators of the University / O. A. Zyateva, E. A. Pitukhin, I. V. Peshkova // SPBPU IDE '19: Proceedings of the 2019 International SPBPU Scientific Conference on Innovations in Digital Economy. Association for Computing Machinery. New York, United States, 2019. P. 1-5.
26. Овчинкин О.В., Пыхтин А.И., Остроцкая С.В., Тимошенко А.А. Система внутреннего мониторинга выполнения показателей эффективности деятельности вуза // Современные наукоемкие технологии. 2019. № 4. С. 50-54.
27. Николенко В.Н., Вялков А.И., Мартынчик С.А., Глухова Е.А. Подходы к оценке эффективности и способы стимулирования публикационной активности в крупном медицинском вузе // Высшее образование в России. 2014. № 10. С. 18-25.
28. Grinev A.V. The Use of Scientometric Indicators to Evaluate Publishing Activity in Modern Russia. Herald of the Russian Academy of Sciences, 2019, vol. 89, pp. 451-459. DOI: 10.1134/S1019331619050046
29. Domnina T.N. Russian Scientific Periodicals in the Directory of Open-Access Journals. Scientific and Technical Information Processing, 2018, vol. 45, pp. 219-234. DOI: 10.3103/S0147688218040032
30. Mazov N.A., Gureev V.N. & Metelkin D.V. Bibliometric Indicators of Scientific Journals and Editorial Board Members (Based on the Example of Russian Journals on Earth Sciences). Scientific and Technical Information Processing, 2018, vol. 45, pp. 271-281. DOI: 10.3103/S0147688218040123
31. Marques M., Powell J.J.W. Ratings, rankings, research evaluation: how do Schools of Education behave strategically within stratified UK higher education? Higher Education, 2020, vol. 79, pp. 829-846. DOI: 10.1007/s10734-019-00440-1
32. Ta G.C., Halim S.A., Azman N. et al. Evaluating research performance of research institutes within Malaysian universities: an alternative assessment framework. Tertiary Education and Management, 2021, vol. 27, pp. 331349. DOI: 10.1007/s11233-021-09080-6
REFERENCES
1. The 2030 Agenda for Sustainable Development in Education. Available at: https://unesdoc.unesco.Org/ark:/48223/ pf0000245656_rus. (accessed: 3.08.2022)
2. Cedefop (2022). Programming document 2022-24. Available at: https://www.cedefop.europa.eu/files/4207_en_0. pdf. (accessed: 3.08.2022 r.)
3. Scharf D., Elliot N., Huey H.A., Briller V., Joshi K. Direct Assessment of Information Literacy using Writing Portfolios. Journal of Academic Librarianship, 2007, no. 33(4). pp. 462-477.
4. Knyazev Y., Drantusova N. European scales and institutional transformation in Russian higher education. Voprosy Obrazovaniya - Educational Studies Moscow, 2014, no. 2, pp. 109-131.
5. Ostrovkin D.L., Sandler D.G. Strategic management at the university: a modern view of Russian authors. Almanac Crimea, 2021, no. 28. pp. 69-87. (in Russian)
6. Sandler D.G. Ensuring the competitiveness of the university by improving the organization and management of toplevel processes. Humanities, socio-economic and social sciences, 2022, no. 2. pp. 237-243. (in Russian)
7. Sudakova A.E., Sandler D.G., Tarasyeva T.V. Competition among universities: conceptual analysis. University management: Practice and analysis, 2020, vol. 4, no. 4. pp. 58-74. (in Russian)
8. Morgunov A.I., Romashkova O.N. Analysis of mathematical methods of management of a large educational system. Modern science: actual problems of theory and practice. Series: Humanities, 2021, no. 2-2. pp. 77-80. (in Russian)
9. Yandybaeva N.V., Kushnikov N.V. Mathematical models, algorithms and software complexes for monitoring the effectiveness of educational activities of the university. Problems of management, 2015, no. 1. pp. 53-62. (in Russian)
10. Yandybayeva N.V. Modeling and forecasting of indicators of the effectiveness of educational activities of higher educational institutions. Bulletin of the Mordovian University, 2018, vol. 28. no. 1. pp. 120-136. (in Russian)
11. Romashkova O.N., Ponomareva L.A., Vasilyuk I.P. The process of automating the rating of Russian universities. CEUR Workshop Proceedings. Selected Papers of the Proceedings of the 9th International Conference Information and Telecommunication Technologies and Mathematical Modeling of High-Tech Systems, ITTMM, 2019, pp. 109-117.
12. Romashkova O.N., Ponomareva L.A., Vasilyuk I.P. Automation of the rating management process of Russian universities. Modern science: actual problems of theory and practice. Series: Natural and Technical Sciences, 2018. no. 6. pp. 123-129. (in Russian)
13. Marvin S.V. Indicators of publication activity of organizations taking into account co-authorship and ambiguity of affiliation. Sociology of Science and Technology, 2019, vol. 10. no. 2. pp. 110-119. (in Russian)
14. Markina G.L., Shley M.D., Kuznetsova O.V., Stafeev S.K., Markina T.A. Evaluation of the potential of scientific activity based on scientometric indicators. Computer tools in education, 2020. no. 3. pp. 70-86. (in Russian)
15. Markina, G.L., Schlei, M.D., Kuznetsova, O.V., Markina, T.A. Analysis of the dependence of the effectiveness of requests submitted to scientific competitions from the criteria for their evaluation. International Multidisciplinary Scientific GeoConference Surveying Geology and Mining Ecology Management, SGEM, 2019. no. 19(2.1), pp. 83-90.
16. Markina, G., Shley, M., Kuznetsova, O., Markina, T. Method for predicting the result of applications submitted to scientific tenders from the criteria for their assessment. CEUR Workshop Proceedings. 2893. "12th Majorov International Conference on Software Engineering and Computer Systems, MICSECS, 2020", 2020.
17. Sandler D.G., Gladyrev D.A., Kochetkov D.M., Zorina A.D. Factors of research groups' productivity: The case of the Ural Federal University. R-Economy, 2022. no. 8(2). pp. 148-160.
18. Zaitseva E.V., Islamutdinov T.I. Evaluation of the personnel scientific potential of federal universities. University of university. Collection of materials of the International Scientific Internet Conference, 2021. pp. 111-115. (in Russian)
19. Sandler D.G. The success of the teaching staff as a factor of increasing the competitiveness of the university. Humanities, socio-economic and social sciences, 2022, no 1 (122). pp. 57-64. (in Russian)
20. Pitukhin E.A., Zyateva O.A. Analysis of the dynamics of the university's publication activity in the context of employee categories. Perspectives of Science and Education, 2021, no. 4 (52). pp. 566-576. (in Russian)
21. Sudakova A.E., Tarasyev A.A., Sandler D.G. A Dynamic Forecasting Model for Scientific Migration in the Region. Economy of Region, 2021. no. 17(4). pp. 1196-1209.
22. Agarkov G.A., Koksharov V.A. Data mining algorithms for modeling international scientific migration. AIP Conference Proceedings. "International Conference of Computational Methods in Sciences and Engineering 2018, ICCMSE 2018", 2018. № 2040.
23. Zyateva O.A., Pitukhin E.A., Peshkova I.V. Upwards excursion algorithm providing the weight rankings coefficients of universities. Proceedings of the First International Workshop on Stochastic Modeling and Applied Research of Technology (SMARTY 2018), Petrozavodsk, Russia, September 21st to 25th, 2018. Petrozavodsk, 2018. no. 2278. pp. 62-70.
24. Zyateva O.A. Simulation modeling of indicators of scientific activity of universities. Engineering journal of Don, 2022, no. 5. Available at: http://www.ivdon.ru/ru/magazine/archive/n5y2022 (accessed 25 June 2022). (in Russian)
25. Zyateva O.A., Pitukhin E.A., Peshkova I.V. Modeling Publication Activity of the Faculty and Managing Scientific Indicators of the University. SPBPU IDE '19: Proceedings of the 2019 International SPBPU Scientific Conference on Innovations in Digital Economy. Association for Computing Machinery, 2019, pp. 1-5.
26. Ovchinkin O.V., Pykhtin A.I., Ostrotskaya S.V., Timoshenko A.A. System of internal monitoring of performance indicators of the university. Modern high-tech technologies, 2019, no 4. pp. 50-54. (in Russian)
27. Nikolenko V.N., Vyalkov A.I., Martynchik S.A., Glukhova E.A. Approaches to efficiency assessment and ways to stimulate publication activity in a large medical university. Higher education in Russia, 2014, no 10. pp. 18-25. (in Russian)
28. Grinev A.V. The Use of Scientometric Indicators to Evaluate Publishing Activity in Modern Russia. Herald of the Russian Academy of Sciences, 2019, vol. 89, pp. 451-459. DOI: 10.1134/S1019331619050046
29. Domnina T.N. Russian Scientific Periodicals in the Directory of Open-Access Journals. Scientific and Technical Information Processing, 2018, vol. 45, pp. 219-234. DOI: 10.3103/S0147688218040032
30. Mazov N.A., Gureev V.N. & Metelkin D.V. Bibliometric Indicators of Scientific Journals and Editorial Board Members (Based on the Example of Russian Journals on Earth Sciences). Scientific and Technical Information Processing, 2018, vol. 45, pp. 271-281. DOI: 10.3103/S0147688218040123
31. Marques M., Powell J.J.W. Ratings, rankings, research evaluation: how do Schools of Education behave strategically within stratified UK higher education? Higher Education, 2020, vol. 79, pp. 829-846. DOI: 10.1007/s10734-019-00440-1
32. Ta, G.C., Halim, S.A., Azman, N. et al. Evaluating research performance of research institutes within Malaysian universities: an alternative assessment framework. Tertiary Education and Management, 2021, vol. 27, pp. 331349. DOI: 10.1007/s11233-021-09080-6
Информация об авторах Зятева Ольга Александровна
(Россия, г. Петрозаводск) Старший преподаватель кафедры прикладной математики и кибернетики Институт математики и информационных технологий Петрозаводский государственный университет E-mail: olga_zyateva@mail.ru ORCID ID: 0000-0002-0663-4800) Scopus Author ID: 57205399430 ResearcherID: AAP-1927-2021
Information about the authors Olga A. Zyateva
(Russia, Petrozavodsk) Senior Lecturer, Department of Applied Mathematics
and Cybernetics Institute of Mathematics and Information Technology Petrozavodsk State University E-mail: olga_zyateva@mail.ru ORCID ID: 0000-0002-0663-4800) Scopus Author ID:57205399430 Researcher ID: AAP-1927-2021
Питухин Евгений Александрович
(Россия, г. Петрозаводск) Профессор, доктор технических наук, профессор кафедры прикладной математики и кибернетики Институт математики и информационных технологий Петрозаводский государственный университет E-mail: eugene@petrsu.ru ORCID ID: 0000-0002-7021-2995) Scopus Author ID: 65045119166 ResearcherID: H-4562-2016
Evgeny A. Pitukhin
(Russia, Petrozavodsk) Professor, Dr. Sci. (Tech.), Professor of the Department
of Applied Mathematics and Cybernetics Institute of Mathematics and Information Technology Petrozavodsk State University E-mail: eugene@petrsu.ru ORCID ID: 0000-0002-7021-2995) Scopus Author ID: 65045119166 ResearcherID: H-4562-2016