Вузы, присутствующие в данном кластере, по 5 ключевым показателям являются однородными (коэффициент вариации на уровне 33% и ниже). Особенно высокая однородность по показателю ОД. Практически во всех вузах данного кластера средний балл ЕГЭ ниже порогового значения (60 баллов). И только по 2 показателям (МД и НИД) наблюдается высокая вариация. Особенно большой разброс по показателю НИД - от 14 до 342 тыс. руб.
Низкое значение среднего балла ЕГЭ объясняется тем, что вузы этого кластера осуществляют приём в основном на платно-договорной основе обучения. С целью обеспечения своей деятельности финансовыми средствами за счёт увеличения набора студентов они идут на снижение такого ключевого показателя, как средний балл ЕГЭ, ниже порогового уровня.
В результате данный кластер имеет самую низкую обобщённую оценку - 15,83. Вузы этого кластера можно назвать «отстающими по всем позициям».
Третий кластер включает в себя 16 вузов (16,8%). Практически все эти вузы являются государственными. В их числе: Государственный университет управления, МАДИ, МГСУ, МСХА им. К.А. Тимирязева, Российский университет транспорта и др. В этот кластер также входят 4 вуза Московской области: Университет «Дубна», Государственный гуманитарно-технологический университет, Государственный социально-гуманитарный университет, МГОУ.
Этот кластер характеризует то, что 5 показателей из 7 по своим значениям близки к средним значениям по всей совокупности вузов. И только 2 показателя - МД и ТР - значительно отличаются от общих средних значений. По значению МД (более чем в 2 раза меньше общей средней) этот кластер находится на последнем месте. Однако вариация этой характеристики высокая: есть вузы с очень низким значением МД - 0,91% и есть вузы со значением МД близким к общему среднему. По значению ТР данный кластер находится на 2 месте.
Обобщённая оценка данного кластера - 26,79 баллов (5 место). Это на 10% ниже средневзвешенной обобщённой оценки.
Четвёртый кластер включает в себя 17 вузов (18,9%). За исключением одного (Православного Свято-Тихоновского гуманитарного университета) все вузы - государственные (МГУ им. М.В. Ломоносова, Финансовый университет при Правительстве РФ, ВАВТ, МАИ, РГУ им. Губкина, РЭУ им. Г.В. Плеханова и др.).
Учебные заведения данного кластера отличает высокое качество образовательной деятельности - 2 место по среднему баллу ЕГЭ и числу остепенённых преподавателей в расчёте на 100 студентов. Однако по значению показателя МД эта группа вузов занимает предпоследнее место вместе с 5-м кластером. Однако разброс значений этого показателя в кластере от 0,52 до 9,81%. Остальные показатели близки к общим средним.
Обобщённая оценка кластера на 5,9% выше средневзвешенной. Этот кластер наиболее близок к 3-му кластеру (схожесть 78%) и занимает 4 место (31,55 баллов).
Пятый кластер включает в себя 9 вузов (9,47%): 6 государственных (МГИМО, Дипломатическая академия МИД РФ, РУДН, Государственный институт русского языка им. А.С. Пушкина, МГРИ и МГГЭУ) и 3 негосударственных (Институт социальных наук, Институт экономики и управления в промышленности и Международный экономико-гуманитарный институт «Махон ХаМеШ»).
Вузы данного кластера имеют противоречивую направленность показателей. Они выделяются очень высокой долей иностранных студентов (среднее значение показателя - 20,15%), значением числа ППС с учёными степенями в расчёте на 100 студентов (8,56 ед.), средним баллом ЕГЭ (72,08). В тоже время по 2-м показателям (НИД и ЗП) кластер занимает предпоследнее место, а по трудоустройству студентов - последнее. Однако следует иметь ввиду, что по последним 3-м показателям данный кластер недостаточно однороден. Есть вузы, для которых значения данных показателей вполне высокие. А значение показателя ФЭД близко к общему среднему.
Обобщённая оценка данного кластера - 43,02 баллов. Это на 44% выше средневзвешенной обобщённой оценки. Данный кластер занимает 2 место.
Шестой кластер включает в себя 9 государственных вузов (9,47%), 6 из которых являются национальными исследовательскими институтами (Московский институт электронной техники, МИСиС, Высшая школа экономики, МИФИ, МГТУ им. Н.Э. Баумана, МГТУ «СТАНКИН», РАНХиГС, Московский физико-технический институт).
Вузы данного кластера выделяются высоким средним баллом ЕГЭ (77,5 балла) и затратами на научно-исследовательскую деятельность, которая превышает среднюю по всей совокупности более чем в 4 раза. По этим показателям они занимают 1 место. 2 место данный кластер занимает по показателям международной и финансово-экономической деятельности. Значения остальных показателей выше общих средних на 12-16%. В результате данный кластер имеет самое высокое значение обобщённого показателя - 55,89 баллов, что превышает средневзвешенное значение в 1,88 раз, и занимает 1 место.
Седьмой кластер является самым малочисленным - всего 4 вуза:
- 2 региональных (Московский городской университет управления Правительства Москвы и Академия социального управления),
- 2 негосударственных (Московская международная высшая школа бизнеса «МИРБИС» и Международный институт экономики и права).
Вузы данного кластера отличаются самым высоким показателем финансово-экономической деятельности, его значение превышает общую среднюю в 3,54 раза. Первые места вузы данного кластера занимают и по показателям трудоустройства и заработной платы. Высокое значение имеет также показатель научно-исследовательской деятельности, однако вузы данного кластера по этому показателю крайне неоднородны, значение показателя в диапазоне от 207 до 1 415 тыс. руб., наибольшее значение показателя принадлежит Академии социального управления. Несмотря на высокие финансовые показатели, вузы кластера имеют низкие значения по образовательной и международной деятельности и числу ППС. По этим показателям кластер занимает предпоследнее место.
Из-за очень высокого значения показателя финансово-экономической деятельности кластер имеет высокое значение обобщённого показателя - 40,34 балла и в результате занимает 3 место.
Исследование показало возможность применения кластерного анализа для деления образовательных организаций на однородные группы. В результате кластеризации определены 1 нетипичный объект и 7 кластеров. Выявленные кластеры по большинству показателей являются однородными. Проведён анализ показателей полученных кластеров, и на этой основе каждому из них дана содержательная характеристика с выявлением их особенностей. Для каждого кластера определена обобщающая оценка, позволяющая провести ранжирование кластеров.
Установлено, что все используемые для кластеризации показатели (ключевые) являются свойствами, влияющими на распределение объектов по кластерам, и ни одним из этих показателей нельзя пренебречь.
Построенная модель кластеризации позволяет определять, какие показатели и насколько необходимо изменить, чтобы данный объект перешёл в желаемый кластер. Модель может также использоваться для распознавания новых объектов и отнесения их к тому или иному кластеру.
Полученные результаты кластерного анализа могут стать основой для повышения обусловленности и качества принимаемых органами государственной власти, учредителями и руководством вузов управленческих решений в области обеспечения конкурентоспособности, эффективности и качества российского высшего образования, а для работодателей и абитуриентов - способствовать обдуманному выбору вуза для обучения.
Литература
кластер мониторинг образование
1. Акерман Е.Н., Михальчук А.А., Трифонов А.Ю. Кластеризация социально-экономических вузов на основе рейтингов вступительных испытаний // Вестник Томского государственного университета. 2013. №367. C. 100-104.
2. Бляхман Л.С., Чернова Е.Г. Образовательная политика в условиях перехода России к инновационной экономике // Вестник Санкт-Петербургского университета. Серия 5. Экономика. 2012. Вып. 4. С. 44-60.
3. Бююль А. SPSS: искусство обработки информации: Анализ статистических данных и восстановление скрытых закономерностей. СПб.: ДиаСофтЮП, 2005. 608 с.
4. Дятлова О.В., Титова T. В. Исследование групп клиентов логистической организации с применением методов кластеризации // Логистика. 2011. №6. С. 42-45.
5. Забоев М.В., Мелешкин М.И. Оценка перспектив вхождения российских университетов в первую сотню ведущих мировых университетов с использованием нейросетевых методов кластеризации данных // Прикладная информатика. 2015. Т. 10. №3 (57). С. 52-61.
6. Исаев В.Г., Юров В.М. О проведении бенчмаркинга высшего образования на основе систем оценки деятельности образовательных организаций // Перспективы, организационные формы и эффективность развития сотрудничества российских вузов: сб. материалов. М.: Научный консультант, 2019. С. 280-288.
7. Кластеризация классических университетов на основе вступительных испытаний / В.П. Арефьев, А.А. Михальчук, Д.В. Болтовский, А.В. Петиченко // Открытое и дистанционное образование. 2011. №3. C. 20-31.
8. Кузнецова О.А., Клевина М.В. Сравнительный анализ результатов кластеризации университетов при разном наборе параметров // Прикладная математика и вопросы управления. 2020. №3. С. 164-181.
9. Паклин Н.Б., Орешков В.И. Бизнес-аналитика: от данных к знаниям: учеб. пос. СПб.: Питер, 2013. 704 с.
Referenses
1. Akerman E.N., Mikhalchuk A.A., Trifonov A. Yu. [Clustering of socio-economic universities based on ratings of entrance examinations]. In: Vestnik Tomskogogosudarstvennogo universiteta [Bulletin of Tomsk State University], 2013, no. 367, pp. 100-104.
2. Blyakhman L.S., Chernova E.G. [Educational policy in the context of Russia]. In: Vestnik Sankt-Peterburgskogo universiteta. Seriya 5. Ekonomika [Bulletin of St. Petersburg University. Series 5. Economy], 2012, no. 4, pp. 44-60.
3. Byuyul A. SPSS: iskusstvo obrabotki informatsii: Analizstatisticheskikh dannykh i vosstanovlenie skrytykh zakonomernostei [SPSS: The Art of Information Processing: Analyzing Statistical Data and Recovering Hidden Patterns]. St. Petersburg, DiaSoftYUP Publ., 2005. 608 p.
4. Dyatlova O.V., Titova T.V. [Research of customer groups of a logistics organization using clustering methods]. In: Logistika [Logistics], 2011, no. 6, pp. 42-45.
5. Zaboev M.V., Meleshkin M.I. [Assessment of the prospects for Russian universities to enter the first hundred of the world]. In: Prikladnaya informatika [Applied informatics], 2015, vol. 10, no. 3 (57), pp. 52-61.
6. Isaev V.G., Yurov V M. [On benchmarking the higher education based on systems for assessing the activities of educational organizations]. In: Perspektivy, organizatsionnye formy i effektivnost razvitiya sotrudnichestva rossiiskikh vuzov [Prospects, organizational forms and effectiveness of cooperation development among Russian universities]. Moscow, Nauchnyi konsultant Publ., 2019, pp. 280-288.
7. Arefev V. P, Mikhalchuk A.A., Boltovsky D.V., Petichenko A.V. [Clustering classical universities based on entrance examinations]. In: Otkrytoe i distantsionnoe obrazovanie [Open and distance education], 2011, no. 3, pp. 20-31.
8. Kuznetsova O.A., Klevina M.V. [Comparative analysis of the results of university clustering for a different set of parameters]. In: Prikladnaya matematika i voprosy upravleniya [Applied Mathematics and Management], 2020, no. 3, pp. 164-181.
9. Paklin N.B., Oreshkov V.I. Biznes-analitika: ot dannykh k znaniyam [Business analytics: from data to knowledge]. St. Petersburg, Piter Publ., 2013. 704 p.