Нужно также с осторожностью оценивать и выявляемые в организациях высшего образования процессы, так как последние могут быть связаны не только с изменением качества деятельности вуза, но и с изменением в учете и сборе данных. Возможная стратегия заключается в нахождении предельных распределений, что позволяет делать осторожные выводы об устойчивости (или ее отсутствии) наблюдаемого процесса. Таких ограничений исследователям бы не потребовалось, если бы все изменения в методологии проведения Мониторинга становились широкодоступными (а также нужна уверенность, что все вузы были ознакомлены с новшествами и следовали новым инструкциям).
образование вуз научный институт
Список литературы
1. Губа К., Завадская М. Лучше быть неэффективным, чем негосударственным: как Рособрнадзор наказывает вузы // Аналитические записки по проблемам правоприменения / ИПП ЕУСПб. Санкт-Петербург, 2017. 12 c.
2. Типология и анализ научно-образовательной результативности российских вузов / И. В. Абанкина, Ф. Т. Алескеров, В. Ю. Белоусова [и др.] // ФОРСАЙТ. 2013. Т. 7, № 3. С. 48-63.
3. Кузьминов Я. И., Семенов Д. С., Фрумин И.Д. Структура вузовской сети: от советского к российскому мастер- плану // Вопросы образования. 2013. № 4. С. 8-69.
4. Прохоров С. Г., Свирина А. А. Мониторинг эффективности вузов и перспективы малых городов РФ // Высшее образование в России. 2014. № 11. С. 121-125.
5. Публикационная активность вузов: эффект проекта «5-100» / О. В. Польдин, Н. Н. Матвеева, И. А. Стерлигов, М. М. Юдкевич // Вопросы образования. 2017. № 2. С. 10-35. DOI: 10.17323/1814-9545-2017-2-10-35.
6. Соколов М. Миф об университетской стратегии. Экономические ниши и организационные карьеры российских вузов // Вопросы образования. 2017. № 2. С. 36-73.
7. Вкусов А. В. Проблемы оценки эффективности деятельности университетов // Социологические исследования. 2018. № 1. С. 140-145.
8. Винокуров М. А. Мониторинг эффективности российских вузов: совершенствование методологии // Известия ИГЭА. 2013. № 6 (92). С. 5-11.
9. Левашов Е. Н. Критерии оценки эффективности деятельности вузов в России // Символ науки. 2016. № 2-2 (14). С. 170-173.
10. The Role of Administrative Data in the Big Data Revolution in Social Science Research / R. Connelly, C. J. Playford, V. Gayle, C. Dibben // Social Science Research. 2016. Vol. 59. P. 1-12.
11. Hand D. J.Statistical Challenges of Administrative and Transaction Data // Journal of the Royal Statistical Society: Series A (Statistics in Society). 2018. No. 181 (3). P. 555-605.
12. Ballou D. P., Pazer H. L.Modeling Data and Process Quality in Multi-Input, Multi-Output Information Systems // Management Science. 1985. No. 31 (2). P. 150-162.
13. Fox C., Levitin A., Redman T. The Notion of Data and Its Quality Dimensions // Information Processing & Management. 1994. No. 30 (1). P 9-19.
14. TayiG. K., Ballou D. P. Examining Data Quality // Communications of the ACM. 1998. No. 41 (2). P. 54-57.
15. Kitchin R. Big Data, New Epistemologies and Paradigm Shifts // Big Data & Society. 2014. Vol. 1, no. 1. P. 1-12. DOI: 10.1177/2053951714528481.
16. Quality Assessment for Linked Data: A Survey / A. Zaveri, A. Rula, A. Maurino [et al.] // Semantic Web. 2016. No. 7 (1). P. 63-93.
17. Herzog T. N., ScheurenF. J., Winkler W. E. Data Quality and Record Linkage Techniques. New York: Springer Science & Business Media, 2007. 234 p.
18. Indicators on Individual Higher Education Institutions: Addressing Data Problems and Comparability Issues / A. Bonaccorsi, C. Daraio, B. Lepori, S. Slipersaeter// Research Evaluation. 2007. No. 16. P. 66-78.
19. LeporiB., Jeroen Huisman J., Seeber M. Convergence and Differentiation Processes in Swiss Higher Education: an Empirical Analysis // Studies in Higher Education. 2014. Vol. 39, no. 2. P. 197-218.
20. Mateos-Gonzвlez J. L., Boliver V. Performance-Based University Funding and the Drive Towards `Institutional Meritocracy' in Italy // British Journal of Sociology of Education. 2018. Vol. 40, no. 2. P. 1-14.
21. Self-citations as Strategic Response to the Use of Metrics for Career Decisions / M. Seeber, M. Cattaneo,
M. Meoli, P. Malighetti// Research Policy. 2019. No. 48 (2). P. 478-491.
22. PiroF. N., Aksnes D. W., RorstadK. A Macro Analysis of Productivity Differences across Fields: Challenges in the Measurement of Scientific Publishing // Journal of the American Society for Information Science and Technology. 2013. Vol. 64, no. 2. P. 307-320.
References
1. Guba K., Zavadskaya M. Luchshebyt' neeffektivnym, chemnego sudarstvennym: kak Rosobrnadzo rnakazyvaetvuzy [Better Ineffective than Private: How Universities are Penalized by Rosobrnadzor], Saint Petersburg, The Institute for the Rule of Law, European University, 2017, 12 p. (In Russ.).
2. Abankina I., Aleskerov F, Belousova V, Gokhberg L., ZinkovskyK., Kiselgof S., Shvydun S. Tipologiyaianaliznauch- nobrazovatel'noirezul'tativno stirossiiskikhvuzov [Typology and Analysis of Russian Universities' Performance in Education and Science Perspectives]. Foresight-Russia, 2013, vol. 7, no. 3, pp. 48-63.
3. Kuzminov J., Semenov D., Froumin I. Strukturavu zovskoiseti: otsovetskogok rossiiskomu «master-planu» [University Network Structure: from the Soviet to the Russian «Master Plan»]. Voprosyobrazovaniya, 2013, no. 4, pp. 8-69. DOI: 10.17323/1814-9545-2013-4-8-69. (In Russ.).
4. Prokhorov S. G., Svirina A. A. Monitoring effektivnostivu zoviperspektivym alykhgorodov RF [Efficiency of University Monitoring and Russian Small Cities Perspectives]. Vyssheeobrazovanie v Rossii, 2014, no. 11, pp. 121-125. (In Russ.).
5. Poldin O., Matveeva N., Sterligov I., Yudkevich M. Publikatsion nayaaktivnost' vuzov: effektproekta«5100» [Publication Activities of Russian Universities: The Effects of Project 5-100]. Voprosyobrazovaniya, 2017, no. 2, pp. 10-35. DOI: 10.17323/1814-9545-2017-2-10-35. (In Russ.).
6. Sokolov M. Mifob universitetskoistrategii. Ekonomiches kienishiiorgani zatsionnyekar'eryrossiiski khvuzov [The Myth of University Strategy. Market Niches and Organizational Careers of Russian Universities]. Voprosyobrazovaniya, 2017, no. 2, pp. 36-73. DOI: 10.17323/1814-9545 -2017-2-36-73. (In Russ.).
7. Vkusov A. V. Problemyotse nkieffektivnos- tideyatel'nostiun iversitetov [Problems of Assessing the Effectiveness of universities]. Sotsiologicheskieissledovaniya, 2018, no. 1, pp. 140-145.
8. Vinokurov M. A. Monitoring effektiv nostirossi-iskikhvuzov: sovers henstvovan iemetodologii [Monitoring the Effectiveness of Russian Universities: Enhancing the Methodology]. Izvestiya Irkutskoigosud arstvennoiekonomi-cheskoiakademii, 2013, no. 6 (92), pp. 5-11. (In Russ.).
9. Levashov E. N. Kriteriiotsenkieffektivnos- tideyatel'nostivuzov v Rossii [Criteria for Evaluating the Effectiveness of Universities in Russia]. Simvolnauki, 2016, no. 2-2 (14), pp. 170-173. (In Russ.).
10. Connelly R., PlayfordC. J., Gayle V., Dibben C. The Role of Administrative Data in the Big Data Revolution in Social Science Research. Social Science Research, 2016, vol. 59, pp. 1-12. (In Eng.).
11. Hand D. J. Statistical Challenges of Administrative and Transaction Data. Journal of the Royal Statistical Society: Series A (Statistics in Society), 2018, no. 181 (3), pp. 555-605.
12. Ballou D. P., Pazer H. L. Modeling Data and Process Quality in Multi-Input, Multi-Output Information Systems. Management Science, 1985, no. 31 (2), pp. 150-162.
13. Fox C., Levitin A., Redman T. The Notion of Data and Its Quality Dimensions. Information Processing & Management, 1994, no. 30 (1), pp. 9-19.
14. TayiG. K., Ballou D. P. Examining Data Quality. Communications of the ACM, 1998, no. 41 (2), pp. 54-57.
15. Kitchin R. Big Data, New Epistemologies and Paradigm Shifts. Big Data & Society, 2014, vol. 1, no. 1, pp. 1-12
16. Zaveri A., RulaA., Maurino A., Pietrobon R., Lehmann J., Auer S. Quality Assessment for Linked Data: A Survey. Semantic Web, 2016, no. 7 (1), pp. 63-93. DOI: 10.3233/sw-150175. (In Eng.).
17. Herzog T. N., ScheurenF. J., Winkler W. E. Data Quality and Record Linkage Techniques. New York: Springer Science & Business Media, 2007. 234 p. (In Eng.)
18. Bonaccorsi A., DaraioC., LeporiB., Slipersaeter S. Indicators on Individual Higher Education Institutions: Addressing Data Problems and Comparability Issues. Research Evaluation, 2007, no. 16, pp. 66-78.
19. Lepori B., Jeroen Huisman J., Seeber M. Convergence and Differentiation Processes in Swiss Higher Education: an Empirical Analysis. Studies in Higher Education, 2014, vol. 39, no. 2, pp. 197-218.
20. Mateos-Gonzalez J. L., Boliver V. Performance-Based University Funding and the Drive Towards `Institutional Meritocracy' in Italy. British Journal of Sociology of Education, 2018, vol. 40, no. 2, pp. 1-14. DOI: 10.1080/01425 692.2018.1497947. (In Eng.).
21. SeeberM., Cattaneo M., Meoli M., Malighetti P. Self-Citations as Strategic Response to the Use of Metrics for Career Decisions. Research Policy, 2019, no. 48 (2), pp. 478-491.
22. PiroF. N., AksnesD. W., R0rstad K. A Macro Analysis of Productivity Differences across Fields: Challenges in the Measurement of Scientific Publishing. Journal of the American Society for Information Science and Technology, 2013, vol. 64, no. 2, pp. 307-320.