Везде
Predicting the integration effects of university mergers based on simulation modelling
Table of contents
Annotation Estimate Publication content
References Comments
Share
QR
Metrics
Predicting the integration effects of university mergers based on simulation modelling
Annotation
PII
S207751800017377-3-1
DOI
10.18254/S207751800017377-3
Publication type
Article
Статус публикации
Published
Authors
Damir Gainanov 
Occupation: Director
Affiliation: Institute of Social and Economic Research UFRC RAS
Address: Russian Federation, Ufa
Liliya Migranova
Affiliation: Institute of Social and Economic Research UFRC RAS
Address: Russian Federation, Ufa
Aidar Minyazev
Affiliation: Institute of Social and Economic Research UFRC RAS
Address: Russian Federation, Ufa
Edition
Volume 16 Issue 4
Abstract

The article identifies possible consequences and integration effects of university mergers based on the simulation modeling the process of university entrants' choice of educational institution. The preferences and priorities of applicants' choice are based on the survey of schoolchildren of grades 10-11 in all municipalities of the Republic of Bashkortostan. Based on the retrospective data of universities for 2017-2020, the authors conducted component and cluster analysis, the results of which formed the basis for estimating the ranking of universities and forecasting the ranking of the universities to be merged. Based on the simulation model calibrated on the regional data, computational experiments and scenarios of impact on the behaviour of university entrants were conducted in order to regulate their behaviour, in particular the possible reduction of educational migration in the region.

Keywords
agent-based modeling, youth migration, educational migration, behavior management of applicants, simulation models
Received
13.11.2021
Date of publication
19.12.2021
Number of purchasers
11
Views
882
Readers community rating
0.0 (0 votes)
Cite Download pdf
Additional services access
Additional services for the article
Services benefits
100 RUB / 1.0 SU
1 В Республике Башкортостан наблюдается стабильная миграционная убыль населения. Согласно статистике, ежегодно из республики на постоянное место жительство в другие регионы и страны уезжают около 40 тыс. человек. По возрастным группам распределение мигрантов характеризируется следующим образом: больше всего выбывающих трудоспособного возраста – 69% (86445 чел.), 21% – приходится на население моложе трудоспособного возраста (25937 чел.), 10% – население старше трудоспособного возраста (12736 чел.) [1]. В основном уезжает молодежь в возрасте от 20 до 29 лет (более 29 тыс. чел.), а прибывают люди старше 50 лет (рис. 1).
2

Рисунок 1. Распределение мигрантов по возрастным группам (число выбывших) по Республике Башкортостан, чел.
3 Отток населения в возрасте 18-19 лет в 2020 году составил 51% (9346 чел.) от числа абитуриентов [1]. Для анализа причин и прогнозирования уровня миграционного оттока населения Институтом социально-экономических исследований УФИЦ РАН был проведен опрос школьников 10-11 классов Республики Башкортостан, в котором участвовали более 6000 респондентов со всех муниципальных районов региона. Результаты анкетирования показали, что 47,5% опрошенных планируют уехать поступать в вузы другого региона. Среди основных причин этого выбора были названы такие факторы, как отсутствие желаемого направления обучения, низкий рейтинг вузов РБ, отсутствие бюджетных мест на выбранной специальности, сложности при трудоустройстве после заверения обучения и др. (рис.2).
4

Рисунок 2. Причины поступления в вузы других регионов
5 В 2021 году в Республике Башкортостан из общего числа выпускников 11 классов (18 651 чел.) в вузы поступили 77,4% (14436 чел.), в 2020 году - 71,7%. Из них в вузы Республики Башкортостан поступило в 2021 году - 62%, в 2020 году - 62,6%; в 2019 году – 63%. Из них в учебные заведения других регионов поступили 37,1% (5356 чел.) выпускников. Наиболее популярными для абитуриентов стали такие города, как Казань (968 чел.), Москва (960 чел.), Санкт-Петербург (741 чел.), Екатеринбург (247 чел.) и др. [2].
6 Проведенный анализ показал, что не все из тех, кто планировал уезжать для поступления в другой регион, осуществили свои планы. Фактически в 2021 году от общего числа поступивших в вузы зачислены на обучение в вузы Республики Башкортостан 62% (в 2020 году - 62,6%; в 2019 году – 63% соответственно). Образовательную миграцию в основном представляют наиболее конкурентоспособные абитуриенты. По итогам анализа данных 2021 года уехали в другие регионы 46% отличников и 46,8% абитуриенты из семей с доходом выше среднего. Тенденция отрицательная, республику покидают до 40% абитуриентов, регион является донором человеческого капитала, что в перспективе создаст ощутимую угрозу воспроизводства высококвалифицированных трудовых ресурсов.
7 Проблему оттока молодежи необходимо решать. Одним из инструментов повышения рейтинга и популярности вузов региона является организационное объединение университетов.
8

Возможным вариантом решения проблемы является повышение привлекательности вузов региона для абитуриентов, нивелирующее факторы образовательной миграции (рис.2). Самостоятельные усилия каждого вуза региона в отдельности не дают нужных результатов. Даже в целом, очень малое число российских вузов входят в международные рейтинги [3], не говоря о региональных вузах. Вузовские программы слабо связаны с потребностями местного рынка труда. Снижается количество аспирантов и докторантов, защищенных диссертаций, диссертационных советов и др.
9

Общемировой практикой в сфере высшего образования с 1990-х годов стало слияние вузов с целью повышения эффективности использования ресурсов и качества образования, основанных на эффектах отдачи от масштаба, диверсификации деятельности и общем повышении качества менеджмента, направленное на структурные изменения внутри вузов, трансформацию бизнес-процессов, внедрение лучших практик [4].
10 Исследования российского опыта слияний вузов, проведенные Центром перспективных управленческих решений, показали, что эффективность объединенных вузов была на 22-27% выше, чем у наиболее сопоставимых вузов контрольной группы. При этом эффективность объединенных университетов возрастала в наибольшей степени в следующих случаях: отсутствовали серьезные конфликты между администрациями объединенных университетов; профили объединенных университетов были очень разнонаправленными, как и их исследовательские профили; в слиянии участвовали относительно небольшие университеты. В то же время исследователи отмечают, что выявленный ими эффект был доказан только в краткосрочной перспективе, то есть в течение первых нескольких лет после слияния, а исследования в других странах показывают, что в более долгосрочной перспективе уровень эффективности объединенного университета может снизиться до первоначального значения.
11 Согласно исследованиям, из 21 университета участвовавшего в Проекте 5-100, в 17 университетах прошли процессы реструктуризации. В подавляющем большинстве случаев объединение университетов привело к увеличению числа абитуриентов, заметному увеличению количества образовательных программ, повышению среднего балла ЕГЭ, увеличению темпов и объемов входящей академической мобильности, увеличению числа победителей и призеров олимпиад [5].
12 Интеграция ресурсов и возможностей при объединении вузов, несомненно, важный момент, однако для практического введения мероприятий по удержанию молодежи в регионе необходимо быть уверенным в их эффективности. Такую возможность предоставляют имитационные модели, которые позволяют спрогнозировать возможные варианты поведения абитуриентов при различных сценариях развития вузов, в том числе интеграционные эффекты их объединения [6].
13 В научной среде встречаются работы исследователей и разработанные ими модели, описывающие поведение абитуриентов при выборе вуза и специальности, среди них можно выделить мультиагентную модель региона Е.Д. Сушко [7], работы Д.А. Казначеева и Н.В. Казначеева [8], модель для прогнозирования поведения потенциальных абитуриентов О.Ю. Шиловой и А.В. Мельникова [9]. В данных работах проводится имитация поведения абитуриентов при поступлении только в один конкретный вуз, не рассматривая его поведение на образовательном рынке, представленном из множества вариантов выбора как вуза, так и направлений подготовки.
14

Авторами разработана имитационная модель прогнозирования поведения абитуриентов при выборе вуза, в которой популяция агентов «Вузы», представлена вузами Республики Башкортостан1 и десятью наиболее популярными вузами других регионов, выявленных по результатам опроса школьников2. Модель позволяет имитировать процесс выбора вуза выпускниками школ республики, с учетом факторов, определенных при проведении опроса. Также данная модель позволит воспроизвести сценарии воздействия на выбор абитуриентов с целью регулирования их поведения, в частности оценить эффективность политики слияния вузов Республики Башкортостан с целью сокращения оттока абитуриентов в другие регионы.

1. Башкирский государственный университет (БГУ), Уфимский государственный авиационный технический университет (УГАТУ), Башкирский государственный педагогический университет (БГПУ), Башкирский государственный медицинский университет (БГМУ), Уфимский государственный нефтяной технический университет (УГНТУ), Башкирский государственный аграрный университет (БГАУ)

2. Казанский (Приволжский) федеральный университет (КФУ), Санкт-Петербургский государственный университет (СПбГУ), Московский государственный университет (МГУ), Первый Санкт-Петербургский государственный медицинский университет (ПСПбГМУ), Национальный исследовательский университет «Высшая школа экономики» (ВШЭ), Казанский государственный медицинский университет (КГМУ), Московский государственный технический университет (МГТУ), Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики (ИТМО), Уральский федеральный университет (УрФУ), Казанский национальный исследовательский технологический университет (КНИТУ)
15 В качестве входных данных были выбраны показатели, характеризующие эффективность деятельности вузов (образовательной, научно-исследовательской, финансово-экономической) и абитуриента (успеваемость, уровень дохода семьи). Выходными данными модели является число поступивших абитуриентов в разрезе вузов и направлений, а также рейтинги вузов. Функциональная диаграмма модели приведена на рис. 3.
16

Рисунок 3. Функциональная диаграмма модели
17 На основе анализа множества методик оценки рейтингов вузов был сформирован список наиболее значимых показателей, влияющих на эффективность вуза (таблица 1).
18 Таблица 1. Показатели, характеризующие деятельность вузов
№ Обозначение Наименование показателя
1 X1 Средний балл поступивших на бюджетные места
2 X2 Число бюджетных мест на специалитет и магистратуру
3 X3 Средняя стоимость обучения в вузе
4 X4 Количество цитирований в индексируемой системе цитирования Web of Science и Scopus в расчете на 100 научно-педагогических работников
5 X5 Численность научно-педагогических работников, имеющих ученую степень кандидата/доктора наук
6 X6 Доходы образовательной организации по всем видам финансового обеспечения (деятельности)
7 X7 Количество мест в общежитиях
19 По данным показателям, на основе ретроспективных данных вузов за 2017-2020 гг., был проведен компонентный анализ, который предполагает преобразование системы k исходных признаков в систему K новых показателей (главных компонент). Модель компонентного анализа имеет следующий вид [10]:
20 Zji=aj1*F1i+aj2*F2i+…+ajk*Fki, (i=1,2, … N), (1)
21 где akj – факторная нагрузка (вес) главной компоненты j-го параметра; Fki – значение главной компоненты для i-го объекта; Zji – нормированное значение j-го признака для i-го объекта.
22 Исходные данные представлены в таблице 2.
23 Таблица 2. Исходные данные анализа
ВУЗ X1 X2 X3 X4 X5 X6 X7
БГУ 70,45 973 88183 1174,61 690,95 2084632,6 2842
УГАТУ 70,4 1467 100672 950,74 769 2256315,1 3400
БГПУ 69,71 1201 71455 396,65 334 1065909,9 2703
БГМУ 82,02 677 164930 987,61 788,85 4783585 2829
УГНТУ 76,2 2017 109061 650,8 923 3134719,8 4100
БГАУ 63 794 97548 972 290 935779,01 3882
КФУ 80,6 2322 138080 1231,01 1870 10920432,1 6000
СПбГУ 93,57 1935 282898 4944,93 3361 19980027,6 8455
МГУ 91,6 3648 398746 4189,64 6896,75 27715024,6 14466
ПСПбГМУ 93,57 580 217813 1749,34 792,8 9567323,1 2007
ВШЭ 96,09 2254 466613 1898,4 1790,65 24336388,6 8620
КГМУ 80,7 425 149691 1277,99 406,1 1778280,9 1546
МГТУ 81,9 3259 316895 1151,81 1963 16225560,6 2792
ИТМО 93,1 1372 237129 4895,03 643 8609133,4 5500
УрФУ 78,62 3533 140699 1165,99 1821,85 10589655,9 5595
КНИТУ 75,3 1284 113175 1338,72 607 2729355,6 2500
24 По критерию Кайзера была извлечена одна компонента с собственным значением больше 1, которая описывает 70,5% дисперсии используемых факторов. Все показатели компоненты имеют близкие положительные коэффициенты. В результате, было получено уравнение для оценки рейтинга вузов:
25 Ri=0,355* X1i+ 0,302* X2i+ 0,397* X3i+ 0,343* X4i+ 0,395* X5i+ 0,437* X6i+ 0,401* X7i, (2)
26 где i – номер вуза; Ri – рейтинг вуза.
27 По заданному перечню вузов был проведен иерархический кластерный анализ, в ходе которого определены интервалы значений показателей для группировки вузов по трем кластерам (табл.3).
28 Таблица 3. Результат кластерного анализа
Наименование показателя 1-й кластер 2-й кластер 3-й кластер
Средний балл поступивших на бюджетные места X1<81,5 81,5≤ X1<89,45 X1≥89,45
Число бюджетных мест на специалитет и магистратуру X2<1746 1746≤ X2<3046,9 X2≥3046,9
Средняя стоимость обучения в вузе X3<19366,5 19366,5≤ X3<331232,5 X3≥331232,5
Количество цитирований в Web of Science и Scopus X4<1801,62 1801,62≤ X4<3368,75 X4≥3368,75
Численность кандидатов/докторов наук X5<1265 1265≤ X5<4389 X5≥4389
Доходы образовательной организации X6<9129315 9129315≤ X6<21412600 X6≥21412600
Количество мест в общежитиях X7<4514 4514≤ X7<10313 X7≥10313
Рейтинг Ri <0,83 0,83≤ Ri <1,87 Ri ≥1,87
29 Сопоставив значения рейтинга и номера кластера, были определены принадлежности вузов к тому или иному кластеру.
30 Первый кластер сформирован из вузов с низкими рейтингами (БГАУ (0,18), БГПУ (0,19), БГУ (0,29), КГМУ (0,36), УГАТУ (0,36), КНИТУ (0,4), УГНТУ (0,5), БГМУ (0,5), ПСПбГМУ (0,78)). Во второй кластер вошли вузы со средним уровнем рейтинга от 0,83 до 1,87 (КФУ (0,89), УрФУ (0,96), МГТУ (1,16), ИТМО (1,19), СПбГУ (1,73), ВШЭ (1,73)). В третий кластер вузов с наиболее высокими рейтингами (от 1,87) вошел только один вуз – МГУ (МГУ (2,46)). Наглядное распределение вузов по кластерам представлено на рисунке 4.
31

Рисунок 4. Диаграмма кластеров
32 Полученные результаты компонентного и кластерного анализа были использованы в имитационной модели прогнозирования поведения абитуриентов при выборе вуза, алгоритм работы которой приведен на рисунке 5.
33

Рисунок 5. Алгоритм работы имитационной модели прогнозирования поведения абитуриентов при выборе вуза
34

На старте модели происходит загрузка входных данных по вузам и выпускникам. Путем оценки рейтинга вузов на основе формулы 2, осуществляется разбивка вузов по трем кластерам согласно границам исходных данных, определенных в таблице 3. Используя входные данные о доле выпускников, выбравших тот или иной предмет ЕГЭ, плотность распределения баллов по предметам ЕГЭ, распределение уровня доходов семей выпускников, согласно результатам опроса, выпускнику присваивается предмет ЕГЭ по выбору, средний балл ЕГЭ и уровень дохода семьи. В зависимости от выбранного предмета ЕГЭ для каждого агента популяции «Абитуриенты» определяется направление обучения и формируется список вузов, ведущих обучение по данному направлению. Далее происходит фильтрация списка по кластерам вузов в зависимости от среднего балла и уровня дохода семьи выпускника. Из оставшихся в списке вузов выбирается один, вероятность выбора которого определяется его рейтингом.
35 Инициализация исходных данных, проверка адекватности и калибровка разработанной модели образовательной системы региона были проведены на статистических данных за 2020-2021гг. по Республике Башкортостан. В результате компьютерной имитации на основе ретроспективных данных смоделирован процесс поступления абитуриентов региона в вузы. Полученные расчетные данные по модели отличаются от фактических значений показателей не более чем на 10%, что подтверждает корректность и адекватность созданной модели, имитирующей поведение абитуриента (табл. 4).
36

Таблица 4. Результат ретроспективного прогноза и фактических данных

Год Число выпускников, чел Доля выпускников, поступивших в вузы, % Доля поступивших в вузы РБ, %
      факт модель
2021 18651 77,4 62 62,51
2020 18265 71,7 62,6 62,77
37 Как показал кластерный анализ (рис.4) вузы Республики Башкортостан вошли в кластер с низкими показателями рейтинга, по сравнению с вузами других регионов.
38 Если в целом рейтинг вуза является обобщенным показателем, определяющим образовательное миграционное поведение абитуриента, то в контексте проводимой в России реформы образования организационное объединение университетов рассматривается как один из инструментов повышения конкурентоспособности их образовательной деятельности и рейтинга в целом. В Республике Башкортостан планируется объединение двух крупных вузов БГУ и УГАТУ. На основе имитационной модели прогнозирования поведения абитуриентов при выборе вуза исследуем, как изменится рейтинг нового вуза – УУНТ (Уфимский университет науки и технологий) и каким образом объединенный вуз повлияет на миграционный отток молодежи из республики.
39 На сегодняшний день государственная политика в сфере образования направлена на существенную поддержку только объединяемых вузов. По данным источников [11, 12] в объединённом вузе УУНТ планируется увеличение общего числа студентов и, соответственно, количество бюджетных мест. Планируется строительство современного кампуса для студентов, что повысит качество инфраструктуры, также планируется открытие новых специальностей и увеличение количества конкурентоспособных образовательных программ. Все это, несомненно, найдет отклик у абитуриентов из республики, поскольку опрос показал, что для них важны такие факторы, как высокое качество обучения, количество бюджетных мест, стоимость обучения и др. (рис. 6). Это также повысит уровень притяжения абитуриентов из других регионов.
40

Рисунок 6. Факторы, влияющие на выбор вуза абитуриентом, согласно опросу
41 Смоделируем параметры объединенного вуза, предполагая, что дополнительно привлеченное финансирование позволит увеличить число бюджетных мест для первокурсников до 3000, позволит сохранить профессорско-преподавательский состав обеих вузов и стоимость обучения на прежнем уровне, а из студенческого кампуса для УУНТ будет выделено не менее 1000 мест. При этих предположениях получим, что спрогнозированный рейтинг УУНТ составит 0,87 и он войдет во второй кластер вузов, соответственно его будет рассматривать больше выпускников, чем БГУ или УГАТУ по отдельности (табл. 5).
42 Таблица 5. Сценарные условия объединения вузов БГУ и УГАТУ в УУНТ
вуз БГУ УГАТУ УУНТ
X1 70,45 70,4 70,5
X2 973 1467 3000
X3 88183 100672 100000
X4 1174,61 950,74 2125,35
X5 690,95 769 1459,95
X6 2084633 2256315 10000000
X7 2842 3400 7242
R 0,29 0,36 0,87
Кластер 1 1 2
43 На основе откалиброванной на региональных данных имитационной модели и в соответствии с алгоритмом прогнозирования поведения абитуриентов при выборе вуза были проведены вычислительные эксперименты.
44 Эксперименты показали, что слияние двух региональных вузов и возможный последующий переход объединенного вуза во второй кластер относительных рейтингов конкурируемых вузов увеличит прогнозное значение численности абитуриентов, поступающих в вузы РБ. Его значение может составить 70,39% от общей доли выпускников, поступающих вузы, по сравнению с фактическими данными 2021 года – 62%. Таким образом, создание крупного вуза путем объединения позволит удержать дополнительно 8,39% выпускников Республики Башкортостан.
45 Разработанная имитационная модель поведения абитуриента при выборе вуза адекватна и целесообразно реагирует на прописанные сценарии управления поведением абитуриентов в зависимости от изменения условий среды, что дает возможность получить комплексную оценку эффективности государственной политики в отношении развития рынков образовательных услуг региона. Модель также может быть использована для определения прогнозной численности абитуриентов при реализации стратегических показателей развития конкретного вуза.

References

1. Bashkortostanstat. Raspredelenie migrantov v vozraste 14 let i starshe po vozrastnym gruppam i urovnyu obrazovaniya za 2020 god // URL: https://bashstat.gks.ru/storage/mediabank/Raspredelenie-migrantov-v-vozraste-14-i-starshe-po-urovnyu-obrazovaniya.pdf

2. Bashkortostanstat. Obrazovanie i kul'tura // URL: https://bashstat.gks.ru/folder/25595

3. «Bol'shoj» universitet Evrazijskogo NOTs pretenduet na spetsial'nuyu chast' granta programmy «Priorite2030» // URL: https://nocrb.ru/tpost/ikvmzt49o1-bolshoi-universitet-evraziiskogo-nots-pr

4. Borschyov A.V. Ot sistemnoj dinamiki i traditsionnogo IM – k prakticheskim agentnym modelyam: prichiny, tekhnologiya, instrumenty. // URL: http://www.gpss.ru/paper/borshevarc.pdf

5. Vaganov E. A. i dr. Opyt sozdaniya, stanovleniya i razvitiya sibirskogo federal'nogo universiteta cherez sistemnoe reshenie kompleksnykh problem // Vestnik Voronezhskogo gosudarstvennogo universiteta. Seriya: Problemy vysshego obrazovaniya. 2012, №. 2.

6. Egorov A.A. Maksimova M.M. Otsenka politiki sliyanij vuzov v rossijskoj sisteme vysshego obrazovaniya / Tsentr perspektivnykh upravlencheskikh reshenij. — M.: TsPUR, 2021.

7. Kaznacheev, D. A. Ispol'zovanie logisticheskoj regresii v prognozirovanii povedeniya abiturientov / D. A. Kaznacheev, N. V. Kaznacheeva // Obrabotka informatsii i matematicheskoe modelirovanie: Materialy Rossijskoj nauchno-tekhnicheskoj konferentsii, Novosibirsk, 23–24 aprelya 2020 goda. – Novosibirsk: Sibirskij gosudarstvennyj universitet telekommunikatsij i informatiki, 2020.

8. Sushko E.D. Mul'tagentnaya model' regiona: kontseptsiya, konstruktsiya i realizatsiya // Preprint WP/ 2012 /292. M.: TsEhMI RAN. 2012. – 54 s.

9. Ufimskij universitet nauki i tekhnologij prezentoval programmu razvitiya v ramkakh proekta «Prioritet-2030» // URL: https://nocrb.ru/tpost/59rgr6ye31-ufimskii-universitet-nauki-i-tehnologii

10. Chernova T. V., Konikova E. A. Faktornyj analiz v formirovanii potentsiala konkurentnykh preimuschestv rossijskikh regionov // Izvestiya vysshikh uchebnykh zavedenij. Severo-Kavkazskij region. Obschestvennye nauki. 2005, №. 2.

11. Shilova O. Yu., Mel'nikov A. V. Primenenie standartnoj SIR-modeli ehpidemii i ee modifikatsij dlya imitatsionnogo modelirovaniya povedeniya potentsial'nykh abiturientov s tsel'yu optimizatsii plana reklamy i prognozirovaniya rezul'tatov reklamnoj kampanii // Informatsionnye tekhnologii i sistemy. 2017

12. QS World University Rankings // URL: https://www.topuniversities.com

Comments

No posts found

Write a review
Translate