19 марта 2024, вторник, 10:49
TelegramVK.comTwitterYouTubeЯндекс.ДзенОдноклассники

НОВОСТИ

СТАТЬИ

PRO SCIENCE

МЕДЛЕННОЕ ЧТЕНИЕ

ЛЕКЦИИ

АВТОРЫ

Лекции
хронология темы лекторы
24 мая 2013, 19:47

Что измерил рейтинг Минобрнауки? Статистический анализ

Михаил Соколов. Фото Наташи Четвериковой
Михаил Соколов. Фото Наташи Четвериковой

Мы публикуем стенограмму выступления известного специалиста в области социологии науки и образования, доцента факультета политических наук и социологии Европейского университета в Санкт-Петербурге, кандидата социологических наук Михаила Соколова на тему «Российские образовательные рейтинги: Кто преуспел и почему», организованного в рамках проекта «Физиология рейтингов»  Центром социально-политических исследований технологий Научно-исследовательского Томского государственного университета (http://past-centre.ru/). Выступлению предшествовала обзорная лекция Анастасии Кинчаровой «Как работают университетские рейтинги: Зарубежный и российский опыт исследований».

Михаил Соколов. Я начну с сакраментального вопроса о том, что вообще делает рейтинг, отчасти повторив тот обзор международного опыта, который проделала Анастасия накануне. У рейтинга есть несколько функций. Одна из них -  чисто информационная, рейтинг оповещает нас о том, как в соответствие с некоторыми критериями можно ранжировать какую-то популяцию. Но помимо информационной функции у него есть другая, которую можно назвать перформативной, подразумевая под этим, что рейтинг не просто описывает, но и раздает весомые вознаграждения, а это, в свою очередь, изменяет реальность. Он не просто есть картинка, он есть источник изменений того в объекте, который эта картинка изображает.

 

Прежде всего, он сам по себе является вознаграждением. Тем, кто находится в нем выше других, очень приятно, а тем, кто находится ниже - неприятно. Большинству людей вообще нравится смотреть на других сверху вниз, и никому не нравится – снизу вверх. Во-вторых, кроме чисто символического вознаграждения за ним обычно стоит более ощутимое материальное. Рейтинг всегда становится основанием для распределения ресурсов. Иногда это государственные ресурсы, иногда это ресурсы частных доноров, которые ориентируются на рейтинг, иногда – ресурсы абитуриентов, которые на основании рейтинга принимают решение, куда поступать. И тут мы подходим к следующему пункту: рейтинг, таким образом, задает систему стимулов. Сами организации начинают вести себя в соответствии с теми критериями, которые заложены в этом рейтинге для того, чтобы лучше в нем выглядеть. Именно эти качества делают рейтинг морально и политически проблематичным. Если бы изначально он был бы чистой констатацией фактов, что мир устроен вот так, это не провоцировало бы дискуссий, которые повсеместно сопровождают публикацию рейтинга. Но поскольку на его основании распределяются ресурсы, и он модифицирует поведение, то неизбежно появляется два рода вопросов – о том, насколько это распределение справедливо, и о том, насколько оно эффективно с точки зрения поощрения социально желательного поведения. 

Прежде всего, поскольку рейтинг становится орудием вознаграждения и наказания, у нас - у большинства людей в западной цивилизации с нашим представлением о справедливости - возникает внутреннее несогласие, когда кто-то поднимается в этом рейтинге или опускается не по своей собственной вине. Если кто-то плохо работает и поэтому стоит низко – это справедливо. Скажем, со школьными оценками то, что кто-то оказывается выше, а кто-то ниже, в целом обычно кажется нам оправданно, поскольку мы верим, что школьники сами виноваты, если плохо учатся. Школьная программа устроена так, что почти всего можно добиться упорным трудом или моральной готовностью принести остальные интересы в жертву учебе. Но с университетами не всегда так. Университет может плохо выглядеть в этом рейтинге по причинам, которые совершенно не связаны с тем, что они плохо управляются, или тем, что там работают плохие преподаватели. И когда оказалось, что кто-то в рейтинге оказался ниже, не потому что преподаватели работали плохо, а потому что некие внешние структурные обстоятельства это обусловили, это вызывает к рейтингу вопросы. И это кажется несправедливым само по себе.

Кроме того, есть вопросы политического эффекта. В продолжение того, о чем говорила Настя вчера, возникает «эффект Матфея» - если распределение ресурсов происходит на основании уже устоявшейся иерархии, то те, кто находится наверху, получают ресурсов больше, и, соответственно, становятся еще сильнее, а у тех, кто исходно оказался ниже, даже немного ниже, становится все меньше шансов с ними сравняться. Иногда рейтинги составляются для того, чтобы направлять ресурсы тем, кто стоит ниже – понять, кто больше других нуждается в помощи, и им помочь. Но, как правило, рейтинг составляется, чтобы поддержать сильных. И это политически спорно.

Рейтинг также отражает какую-то образовательную идеологию, которая говорит нам, что такое эталонный университет. И тут сразу возникает два типа вопросов – во-первых, как правило, не все согласны с этой идеологией. Скажем, если рейтинг учитывает в основном научные достижения – а это относится ко всем мировым рейтингам - то значит ли это, что все университеты должны прежде всего заниматься исследованиями, даже за счет качества преподавания? Правда ли иметь медицинский институт, который готовит Нобелевских лауреатов по медицине, лучше, чем институт, который выпускает квалифицированных участковых? Или некоторые все-таки должны сосредоточиться на образовании и выполнении социальной миссии – вносить свой вклад в экономику региона, а не в мировую науку? Рейтинги подталкивают к тому, что ответить, что только мировая наука имеет значение, что означает отток средств от других целей.

Наконец, даже если все согласны в общем с идеологией, не всегда желательно то, что происходит, когда все университеты или подразделения университетов одновременно начинают вести себя так, чтобы подняться в рейтинге. Как говорит нам теория игр, действуя индивидуально-рационально и пытаясь улучшить свое личное положение, они могут производить эффекты, которые коллективно-иррациональны, и в целом отрицательно сказываются и на образовании, и на науке. Пример последнего, это использование в нескольких российских рейтингах Хирш-индекса (h-index) в качестве критерия успешности университета. У Хирш-индекса есть несколько интересных свойств. Хирш-индекс - это показатель, который оценивает количество накопленных вами ссылок, это N статей, которые получили больше N цитирований. Математически это очень изящный индекс, но для того, чтобы использовать его для оценки организаций, далеко не бесспорный. Во-первых, Хирш-индекс не может убывать со временем - цитирований не может стать меньше, соответственно, чем больше проходит времени с публикации статей, тем больше он растет. Если университет начинает отбирать сотрудников с точки зрения вклада, который они могут внести в его Хирш-индекс, то молодые находятся в худшем положении, чем не очень молодые. В этом смысле, рейтинг молчаливо предлагает устроить возрастную дискриминацию.

Во-вторых, индекс зависит от дисциплины. C разной скоростью в разных дисциплинах можно приобрети этот показатель,.Быстрая наука, типа микробиологии, способна принести вам гигантский Хирш-индекс за сравнительно короткое время. Биолог с Хирш-индексом порядка 50 в возрасте тридцати с чем-то, это в принципе возможно. У старших он, наверное, достигает 100. Максимальный Хирш-индекс, который вообще зафиксирован у социолога - это 18. У социологов он не бывает слишком большим, потому что они пишут мало статей, статьи мало цитируются, и самих социологов вообще мало. У большинства гуманитариев, впрочем, все еще хуже. Тут большая разница между дисциплинами, микробиологов в разы больше. Соответственно производится дискриминация в пользу старых против молодых ученых и больших, экспериментальных и быстрых наук против всех остальных. И наконец, если вы считаете Хирш-индекс для университетов, что как раз было, вы явно поддерживаете большие организации за счет маленьких. Если два университета сольются, то Хирш-индекс их вырастет. Одна из причин, почему Министерство образования и науки хочет сливать университеты, видимо как раз в том и заключается, что для международных рейтингов большой университет имеет большое преимущество перед маленьким. К несчастью, это не решает проблем менеджмента в том плане, что результат слияния - это менее управляемая структура, по крайней мере, в какой-то краткосрочной перспективе.

 После этого введения я предлагаю посмотреть поближе на один конкретный рейтинг – тот, на основании которого Министерство образования и науки рассортировало вузы на эффективные и неэффективные. В основном мы будем смотреть на него с точки зрения того, какие независящие от менеджмента характеристики университета влияли на их положение в рейтинге, и, соответственно к кому он был несправедлив. После конца моего доклада мы можем порассуждать о том, какую образовательную идеологию это все отражает, и что будет, если вузовские администраторы отнесутся к рейтингу серьезно и попробуют привести свои институции в соответствие с идеальным образцом, который этот рейтинг предполагает.

Посмотрим теперь на то, что именно делал рейтинг Министерства образования и науки. Ну, сначала сам рейтинг, который, я думаю, хорошо всем знаком. Я перечислю просто показатели, там их всего пять, он очень простой, что в целом хорошо. Средний бал ЕГЭ бюджетных студентов – показатель селективности приема. Тут есть сильная, на уровне 0.8 корреляция с показателем минимального балла ЕГЭ, который рассчитывала Высшая Школа Экономики, и который, вообще-то, осмысленнее. Два показателя тесно связаны, но не идеально. В документе, сопровождающем список неэффективных вузов, не было однозначных указаний, почему именно этот показатель взят. Расходы на исследование и разработки, доля иностранных студентов, доходы из всех источников на одного преподавателя. И, последний показатель, о котором было сказано, больше всего, и который описывается как апофеоз министерского безумия - это площадь лабораторий. На самом деле, это не совсем безумие, оно делает одну важную вещь, но не ту, в которой Министерство признается открыто.

Я назвал то, что сделало министерством, рейтингом, но это не совсем рейтинг, как вы знаете в том смысле, что это не ранжированный список. Это основанная на агрегации ранжирований сортировка вузов на два типа – эффективные и неэффективные. Чтобы быть признанным эффективным, надо набрать пороговые значения или более того, хотя бы по двум показателям. Это необычно для международных рейтингов, о которых говорила Настя вчера, обычно такие вещи не используются, потому что они добавляют несколько непредсказуемые эффекты, которые мы и увидим дальше. Пока ограничимся тем, что по результатам было отобрано 129 неэффективных вузов, 360 эффективных. Было сказано уже, что рейтинг в дальнейшем будет использоваться с некоторыми модификациями, но мы попробуем разобраться с тем, что было сделано пока.

 Вопросы, которые относятся к любому рейтингу и к этому, в том числе, это: что измеряют используемые показатели, валидны ли они, могут ли все-таки они оценивать то, что они вроде как призваны оценивать. Что оценивать – это вопрос идеологии; но, на самом деле, как оценивать – это часто тоже вопрос идеологии, только загримированный под технические процедуры. Когда Шанхайские рейтинг, например, оценивает качество образования через число работающих в университете и выпущенных им Нобелевских и Филдсовских медалистов - это задает очень специфическое понимание «качества», даже если прямо это и не признается.

Второй вопрос - это за счет чего набираются баллы. Если какие-то университеты стоят ниже, какие-то выше, то что за этим кроется? Плохой менеджмент или какие-то внешние обстоятельства? Это  как раз наш вопрос о справедливости во весь рост. Дальше, в третьих, мы спрашиваем, как проходит отбор и что было бы, если бы мы взяли другие показатели. Этот вопрос будет всегда,  поскольку способов измерить одно и то же свойство в социальных науках всегда много. Тут опять же возникает вопрос идеологии. И, наконец, последний вопрос: «А что было бы, если бы мы их посчитали по-другому?». Это вопрос агрегации. Вот опять же, если есть 5 показателей, их можно по-разному собрать в один индекс. Их можно перемножить и разделить, взяв среднее арифметическое. Можно применить еще несколько десятков методов агрегации, которые дают отчасти разный результат.

Что мы делали дальше? Естественный шаг в ответе на первый вопрос об оценке того, что измеряет тот или иной показатель - посмотреть, как он соотносится с другими показателями. Это обычный способ установления валидности психологического теста. Чтоб понять, измеряет ли тест какую-то черту, вам нужно соотнести его результаты или с поведением, или с каким-нибудь другим тестом. Если шкала дает предсказуемые и осмысленные корреляции с другими показателями, мы считаем что она измеряет то, что должна. То же самое с показателями, которые могут влиять на набранные баллы. Причем если эти показатели – это какие-то внешние характеристики, которые могут влиять на performance университета, то тут мы сразу получим ответ и на второй вопрос.

Вот у нас был длинный список. Население города сразу на несколько переменных может влиять. Например, студенты. Мало для кого секрет, что в России получение высшего образования часто является способом внутренней миграции. Переселились в большой город и еще получили место в общежитие, можно несколько лет там прожить, соответственно привлекательность вуза зависит от миграционной привлекательности региона и конкретного населенного пункта. Вузы в Москве всегда будут выигрывать по сравнению с вузами в каком-нибудь городе, куда поток миграции меньше. Соответственно их положение в рейтинге зависит от этого показателя, и тут главное достоинство только то, что они в Москве. Стоит ли повышать за это позиции в рейтинге? Это вопрос, на который Министерство ответило отрицательно, введя для московских и питерских вузов более высокие пороги отсечения. Но показатель мог влиять и на уровне остальной страны – Новосибирск и Томск или Ростов-на-Дону также могут привлекать миграционные потоки из меньших городов.

Уровень зарплат в регионе влияет сразу на несколько вещей. Уровень зарплат может влиять на стоимость обучения и на получение исследовательского финансирования, и через это на финансовые возможности вуза, которые в более богатом регионе могут выигрывать не из-за тогото, что они лучше, а из-за того, что регион богаче. Это затрагивает сразу два критерия, использованные Министерством. Далее, размер университета может повлиять сразу несколькими способами. Во-первых, больший университет всегда создает большую внутреннюю среду и дает больше потенциальных контактов – позволяет генерировать больший социальный капитал. Во-вторых, он более известен – его студенты чаще попадают в новости, его окончило больше знаменитых людей, и так далее. За счет всего, большой университет выигрывает у маленьких в привлекательности для студентов, независимо от уровня преподавания. Опять же, возраст университета - это очень известная по американским данным вещь, совершенно неизвестно, как она работает в России. В Америке иерархия университетов напоминает иерархию этнических групп. Каждая следующая этническая группа всегда подталкивает предыдущую наверх. Сначала немцы приезжали и считались отбросами в английском и голландском обществе, потом появились ирландцы, подтолкнули немцев наверх, за ирландцами, появились славяне и евреи из Восточной Европы и подтолкнули предыдущих наверх, потом итальянцы, потом латиносы. В общем, к моменту появления итальянцев ирландцы уже были очень респектабельной группой. Так вот, тоже самое с университетами. Когда появляется новый колледж, он подталкивает все предыдущие наверх. В рейтинге департаментов американских университетов они почти никогда не опускаются, а поднимаются за счет того, что молодые подталкивают вверх старших. Может ли быть так в России? Мы попробовали это выяснить.

Рейтинг научной публикационной активности Высшей Школы Экономики, это как раз ещё один российский рейтинг, который мы использовали как измерительный инструмент. Я не буду говорить о нем много, перечислю только пять показателей, из которых он комбинируется. Большинство из них безотносительны к размеру университета: (а) количество грантов РГНФ и РФФИ на одного преподавателя, (б) количество статей, (в) количество цитирований в Российском индексе цитирования, все – тоже на одного преподавателя. Там есть еще один показатель –  количество ВАКовских журналов, но мы его убрали, потому что явно зависит от размера университета, а мы хотели избежать влияния этой переменной. В целом, поведение разных шкал, что входят в этот рейтинг, кажется вполне осмысленным, и похоже, что его создатели произвели работающий инструмент, с которым можно иметь дело. Они коррелируют  друг с другом, с другими показателями, в общем, кажется, что правильно себя ведут.

Далее мы включили в анализ среднюю цену года обучения на программе бакалавриата в университете (как источник финансовой состоятельности университета, показатель селективности) - минимальный бал ЕГЭ и наконец, последняя переменная - это тип университета. Может быть так, что за счет типа некоторые вузы получают сильное преимущество перед другими. Министерство не учитывало при составлении рейтинга, что такой эффект может быть, но было очень много разговоров об этом. Считалось, что гуманитарные вузы проигрывают по этим показателям, есть дискриминация в пользу техничных вузов. На самом деле нет, как мы увидим, нет - жертвы совсем другие.

Первый шаг - посмотреть, как соотносятся разные параметры, которые загнаны в рейтинг. Психологические тесты строятся скорее вокруг того, что вы закладываете в них несколько показателей, которые, по сути, измеряют одну и ту же черту. Соответственно, у каждого из них есть измерительных дефекты, но вместе, если вы, например, производите факторный анализ, то факторная оценка дает вам приблизительно точный результат измерения этой черты. А если вы измеряете силу университета, вы можете ее измерить так и сяк, еще как-то, но некоторый средний вектор будет показывать правильный результат.

Вторая логика составления шкал: взять совсем несвязанные друг с другом переменные и как бы суммировать по разным шкалам, чтобы оценить качество в целом. Например, если вы хотите оценить способности, вы можете сложить математические способности, вербальный интеллект, пространственное мышление -  и вывести общий индекс интеллекта. Мы посмотрели, как связаны наши показатели, используя непараметрические корреляции, и увидели вот такую вот таблицу. В целом, они связаны между собой не особенно сильно. На слайде звездочка — это уровень значимости, одна звездочка 0.1, две – 0.01, три звездочки, которые будут дальше 0.001. Объем исследования и разработок как-то связан с ЕГЭ, но не очень сильно. Иностранные студенты достаточно сильно связаны с ЕГЭ. Чем более популярен вуз среди российских абитуриентов, тем более он популярен среди иностранных абитуриентов. Доходы, связаны с ЕГЭ, но слабо. Инфраструктура - площадь лабораторий – почему-то отрицательно связана с привлекательностью вузов для студентов. Дальше, мы видим, что к чему. Вообще говоря, суммировать отрицательно связанные показатели - это очень спорный шаг при составлении тестов, и дальше проявятся последствия.

Кроме того, мы видим связь между количеством иностранных студентов и разработками, сильную связь между НИОКР и доходами вуза. Инфраструктура с НИОКР - никакой связи, также нет никакой связи между инфраструктурой и количеством иностранных студентов, и иностранными студентами и доходами – отчасти, вероятно, связано потому, что иностранные студенты и есть источник дохода. И, наконец, доходы вуза, которые связаны с площадью лаборатории, но это единственно, с чем площадь лаборатории связана. Что стоит за этим? Одно предположение у нас будет дальше.

Вопрос из зала - Можно еще раз, сколько вузов в выборке было?

Михаил Соколов - Мы взяли все, которые вошли в министерский рейтинг -  489. Дальше мы искали связи между нашими переменными. Слева наши переменные, которые, в соответствии с нашими гипотезами, могли на что-то влиять, а справа - шкалы в министерском рейтинге.

Мы посчитали серию регрессий разного рода, зависящих от характеристик данных, пробуя определить силу связи между нашими переменными, и вы видите результаты в виде стрелок. Цифры, подписанные под стрелками, соответствует силе связи, кроме тех, которые связывают наши пять итоговых шкал с общей оценкой эффективности, просто по программным причинам пришлось ее сюда вставить. Фактически, из-за специфического алгоритма агрегации связь между этими показателями и итоговой оценкой эффективности довольна низкая - там как бы встроен рандомизатор, который не позволяет на основании каких-то простых манипуляций с входящими в индекс показателями предсказать результат. Об этом еще немного дальше.

А дальше, есть как раз регрессионные линии, которые их связывают. Размер точки соответствует количеству тех переменных, с которыми данная точка-переменная связана. Что мы видим здесь? Здесь отразилась вся долгая и интересная история советского образования. Есть некоторая связь между размером города и уровнем заработной платы в регионе, потому что в городах больше средняя заработная плата. Урбанизированный регион имеет более высокие показатели; корреляция значимая, но не особенно большая. Размер университета связан с размером города. Мы видим и другие следы советской и даже досоветской образовательной политики, например, то, как волнами создавались разные типы университетов. В результате медианный возраст медицинского вуза около 90 лет, медианный медицинский вуз основан в 1925-ом, а медианный экономический в 75-ом (на 50 лет моложе) – во многом результат уже постсоветской экспансии.

Видно, как в городах разного размера концентрируются разные возраста университетов. Сельскохозяйственные и педагогические - наиболее провинциальны, посередине находятся медицинские (они вообще очень странная группа, представленная лучше всего в городах среднего размера), а на противоположном, столичном полюсе – технические и социально-экономические. Возраст университета, который так существенен для американской модели, мало с чем связана статистически, не считая размера города: старые университеты в крупных городах в среднем больше. Возраст из базовых переменных на самом деле почти ни с чем не связан. Это американская модель не работает в нашей выборке. Единственное на что она влияет - это показатель академической силы, который мы ввели дополнительно к показателю продуктивности Высшей Школы Экономики, чтобы не зависеть от одного показателя.

Мы посчитали академическую силу, рассчитанную по одному критерию: доля преподавателей со степенью доктора наук. И вот здесь возраст университета оказывается значимой переменной – в старых университетах больше обладателей высшей степени. Кроме того, академическая сила определяется размером города. Это понятно почему. Во-первых, наука в России вообще сконцентрирована в крупных городах – не только университеты, но и институты РАН. Во-вторых, размер города позволяет вам содержать несколько диссертационных советов, которые производят докторов наук. Наша «академическая сила» - вещь, которая с размером связана очень сильно. Но, кроме того, он связан и с продуктивностью, как та измерена ВШЭ, что, в общем, добавляет веры в надежность обоих измерений.  

Надо оговорить, что цифры на графике соответствуют квадрату простой корреляции. Абсолютная детерминация соответствует единице или минус единице. Полное ее отсутствие – нулю; чтобы получить корреляцию нужно взять квадратный корень из этого числа. Итак, академическая сила, связана с продуктивностью (количеством получаемых грантов, опубликованных статей, полученных цитирований) - ничего непредсказуемого. В свою очередь, она связана с размером города и университета. Кроме того, она связана с типом университета. Разные типы обладает разной академической силой, наибольшую имеют медицинские, наименьшую - сельскохозяйственные и педагогические.

Продуктивность связана с со всеми теми же переменными, кроме того, средняя зарплата в регионе неожиданно значимо влияет на продуктивность, измеренную рейтингом ВШЭ. Я не упомянул, что все эти расчеты проводились для России без Москвы и Санкт-Петербурга, которые слишком отличаются от остальной страны, и, если включить их, то будет нарушена одна из основных заповедей статистического анализа – отдельные случаи не должны иметь слишком большого веса. Так вот, даже без столиц, зарплата в регионе влияет на вероятность получения гранта и публикации статьи, и она сильно влияет на цену года обучения и, соответственно, на экономические ресурсы университета.

А дальше, мы переходим к показателям нашего итогового рейтинга. Баллы ЕГЭ определяются размером университета, вероятно, вследствие того, что чем больше университет, тем выше его visibility, тем больше студенты о нем знают и больше желающих поступить. Средняя зарплата в регионе, как ни странно, связана с этим показателем отрицательно: чем ниже зарплата в регионе, тем выше средние баллы ЕГЭ. Связь не настолько сильная, и может быть каким-то артефактом, но в принципе она вполне объяснима, если предположить, что наши абитуриенты специально выбирают «недорогой» регион, чтобы там учиться. В Штатах это работало бы именно так. В России обычно считается, что учатся там, куда хотят мигрировать, и поэтому связь должна быть противоположной – но наши данные показывают обратное. Возможно, российские домохозяйства не так уже непохожи на американские в этом плане. Это надо дополнительно проверять, естественно. В любом случае, зависимость наблюдается только на студентах, которые поступают по ЕГЭ – для тех, кто платит за обучение, зависимость противоположная.

Объём исследования и разработок также зависит от типа университета. Естественно, больше всего их - в технических, инженерных. Меньше всего - в педагогических и медицинских. Размер университета, а также средняя зарплата в регионе влияет на объём исследования и разработок.

Интернациональность связана с возрастом университета. Единственное, на что влияет возраст университета из наших пяти показателей- это возможность привлекать интернациональных студентов, возможно, потому, что эти студенты черпают информацию из другого источника. Студенты внутри страны обычно узнают о вузах из СМИ, и чем чаще они упоминаются в СМИ внутри страны, тем больше вероятность, что студенты о нем узнают. Интернациональные студенты не черпают информацию из этого новостийного облака, они знают литературу и старые связи, которые построены во времена СССР. И поэтому для иностранных студентов более привлекателен старый вуз.

Доходы на одного преподавателя определяются типом университета (значимая связь). В зависимости от типа университета, доходы меняются. Цена года обучения влияет на доходы в пересчете на одного преподавателя, и эта связь тоже значима. Размер города и средняя зарплата в регионе сильно влияет на доходы. Университеты, расположенные в богатых регионах, явно имеют большие шансы преуспеть по этому показателю. Опять мы сталкиваемся с преимуществами богатых регионов.

Последняя переменная здесь - это пресловутая площадь лабораторий, которая не связана совершенно ни с чем, помимо размера города и типа университета. Чем меньше город, тем больше площадь лабораторий. И тип университета влияет на нее также, что мы увидим чуть дальше.

Когда мы смотрим на эту запутанную схему, мы видим, что одна переменная фигурирует здесь во всех контекстах - это тип университета, который влияет на все. Вытекающее отсюда предположение заключается в том, что рейтинг очень сильно дискриминировал университеты на основании того, к какому типу они относятся. И вот тут мы проверяли, глядя на средние показатели по шкалам для университетов разных типов. Если группа во ВШЭ делала разбивки по минимальным баллам ЕГЭ и продуктивности для университетов разных типов, то в министерском рейтинге они просто все сложены вместе.

Возьмем распределения баллов ЕГЭ для вузов разных типов. Для классического университета средний бал ЕГЭ на удивление не сильно отличается о тсреднего. Если мы смотрим на территориальное распределение, то классические университеты, тяготеют к небольшим городам. Это не так странно, как можно подумать на первый взгляд. В Москве на самом деле есть три классических университета - МГУ, областной и РУДН, все остальные не классические. В Санкт-Петербурге – вообще один. В небольшом городе педагогический институт, если хотел¸ часто становился классическим, но в столицах этого сделать бы никто не дал. За счет этого, балл ЕГЭ в классических университетах примерно средний, чуть выше. Технический, политехнический примерно средний, чуть ниже. Если мы за счет статистического контроля устраняем влияние размера городов, однако, классические университеты поднимаются выше, а технические – спускаются ниже. Но вне зависимости от процедур контроля, педагогический - явный аутсайдер, сельхоз еще хуже, социально экономический более успешно, медицинский еще успешнее, чем социально-экономический, у гуманитарного тоже все относительно хорошо.

Следующий слайд- иллюстрация на тему того, почему социально-экономическим вузам так повезло. Это два индекса, описывающие положении специальностей на рынке образовательных услуг. По вертикали - средняя цена года обучения для 60 самых массовых специальностей в 2010 году. Желтые точки - это инженерные специальности, синие - педагогические, рыжие - социальные науки, право и экономика, зеленые - гуманитарные, красная точка - сельхоз, синяя точка - медицинские. Сами видите, что получается, самая высокая цена - медицина и социально-экономические специальности плюс отчасти гуманитарные, педагогические - низко, сельхоз - низко, технические - средне.

 Вторая, горизонтальная ось – это индекс коммерциализации, которые вычисляется так – число платных студентов минус число бюджетных поделить на общее число студентов. Если их поровну, получается ноль, если индекс равен + 0.5, то платных в три раза больше. Мы видим, что социально-экономические специальности – это основные дойные коровы, которые дорого стоят и преимущественно платные, плюс, надо добавить, их много. Медицинские тоже стоят дорого, но менее коммерциализированные, технические и естественнонаучные продаются хуже и стоят дешевле – результат экспансии советского периода, благодаря которому предложение превышает спрос, наконец, наконец, у сельскохозяйственных и педагогических полный провал. Учитывая, что уже несколько лет Россия является страной с преимущественно платным образованием, и плата за обучение – основной источник доходов вузов, ясно, почему и по другим показателям вузы, в основном предлагающие непопулярные специальности, проседают.

Двигаемся дальше. Объём научных исследований и разработок. Здесь у нас есть победитель - это технические и политехнические вузы, что не удивительно. Классические лучше среднего, в основном, можно догадаться, благодаря естественнонаучным факультетам. С педагогическими опять же все плохо, сельхоз - нехорошо, социально-экономические - нехорошо, медицинские на удивление плохо, гуманитарные тоже плохо.

Присутствие международных студентов. Немножко инженерные, но преимущественно медицинские. Еще военные, но их министерство в рейтинг не включало, и вообще данные о них собрать сложно.

Доходы на единицу преподавательского состава. В свете всего сказанного, неудивительно, что очень хорошо у социально-экономических за счет платных студентов, которые основной источник доходов для большинства вузов. У классических университетов - средний показатель, у политехнических и технических – получше среднего (низкая коммерциализация отчасти компенсируется доходами по НИОКР), педагогические и сельхоз - хуже, медицинские - средне, гуманитарный тоже не особо хорошо.

И, наконец, площадь лабораторий. Здесь мы видим, что лидером оказываются сельскохозяйственные вузы, у которых очень много лабораторий, потому что к ним относятся оранжереи и все остальное хозяйство. Тут они вырываются вперед. Технические тоже смотрятся лучше среднего, у остальных среднее или хуже среднего, социально-экономический и гуманитарные - плохо.

Теперь посмотрим, какие шансы для разных вузов пережить министерскую проверку. Это бинарная логистическая регрессия, зависимая переменная - неэффективный-эффективный вуз, независимая - категория вуза. Коэффициент Бета (В) здесь характеризует вероятность того, что вуз переживет проверку, чем больше, тем вероятность выше, чем меньше – тем ниже. Ну вот мы видим, что для медицинского шансы очень высоки, для социально-экономического они были пониже. Дальше у технических примерно так же, у классических - ниже. Очень плохо с педагогическими, сельхоз - лучше, гуманитарные примерно средний показатель. Если мы рассмотрим это как соотношение шансов, то получается, что шансы для педа пройти проверку были в 20 с лишним нижехуже, чем для медицинского. Доля признанных эффективным для университетов была – 82%, технических – 85%, педагогических – 33%, медицинских – 91%. То есть, для медицинского вуза шансы провалиться были 1 к 11, а для педагогического – 2 к 1.

Мощным объектом дискриминации здесь оказываются педагогические вузы и в меньшей степени сельхоз. А теперь мы уберем площадь лабораторий. У каждого вуза есть козырная карта, и для сельскохозяйственных - это площадь лабораторий. Когда мы ее убираем, все несколько проседают, но сельхоз попадает почти в такое же отчаянное положение, что и пед. Разница между ними становится незначимой. В этом плане добавление шкалы, которая оттеняет сильные стороны вуза, очень сильно повышает их шансы на дальнейшее выживание. В результате у технических есть доходы от НИОКР, у сельхоза – лаборатории, у социально-экономических – ЕГЭ и доходы на преподавателя, у медицинских – иностранные студенты и ЕГЭ. Уберите, например, доходы и ЕГЭ, и все станет очень-очень плохо для социально-экономических вузов Кажется, что лаборатории включили просто потому, что у кого-то дрогнуло сердце, и сельхозы пожалели. Я не знаю, какую шкалу надо было придумать, чтобы спасти педагогические вузы, можно подумать всем вместе.. Добавьте что-нибудь для педагогов, и они вырастут

Влияли ли другие категории на выживание кроме как через тип вуза? Если мы убираем Москву и Петербург, то кажется, что экономическое положение и размер города не сильно увеличивают шансы университетов, если мы осуществляем статистический контроль по типу вуза. В Москве и Петербурге влияние есть, но тут Министерство предусмотрело это и ввело для них специальные пороговые баллы, и в этом плане, кажется, что очевидная дискриминация была ликвидирована. Но в действительности, это в большей степени достигается за счет компенсаторных механизмов, этих самых переменных, отрицательно коррелирующих друг с другом. Опять же, если мы уберем площадь лаборатории, то размер города станет значимым. Вузы маленьких городов относительно неплохо выглядят  за счет размера лаборатории сельскохозяйственных вузов и не только – недвижимость, как правило, дешевле, на нее меньший спрос, так что ее проще сохранить и использовать по назначению.

Есть, однако, и еще одна причина, по которой наши независимые переменные типа размеры вуза не влияют на шансы пройти министерскую проверку слишком сильно. Есть разные способы агрегировать шкалы, когда у вас их много. Самая распространённая - это сложение взвешенных средних. К этому есть много претензий, которые Настя резюмировала в своей вчерашней лекции

Анастасия Кинчарова. Ну, основные, можно сказать то, что, во-первых, это обычно взвешенные показатели. Я вчера говорила об этом, показатель, который кажется составителям рейтингов самым значимым, получает наибольший вес. Статического обоснования, как правило, этому нет, и я не встречала ни разу, чтобы упоминались экспертные оценки тех или иных показателей. Вообще с обоснованием логичности методик есть большие проблемы. Во-вторых, по поводу сложения, есть исследование, в котором показывается, что эксперимент с изменением процедуры агрегирования со сложения на умножения (сейчас обычно показатели складывают), попытка просто заменить сложение умножением приводит к гораздо более устойчивым и валидным результатам. Но сложение это, наверное, просто наиболее понятный метод, поэтому его используют. То, о чем вчера говорил Михаил, обычно составители рейтингов не специализируются на статистике долгие годы, пока они не начинают этим заниматься, поэтому они частично следуют своему здравому смыслу, а сложение - это самый естественный в этом случае вариант.

Михаил Соколов. Спасибо. Таким образом, можно посчитать довольно разные «среднее», и в зависимости от того, какое «среднее» мы считаем, мы получаем ощутимо разные результаты. Но Министерство вообще не пошло по пути вычисления «среднего», оно выбрало другой путь. Оно определило как неэффективные все вузы, которые не набрали пороговый показатель хотя бы по двум шкалам из пяти. Это имеет интересный подтекст, который мы еще можем пообсуждать: чтобы быть эффективным в глазах Министерства, вуз должен быть хоть в чем-то не хуже определенного уровня. Не по совокупности показателей терпимым, но хоть в чем-то не хуже совсем плохого. В остальном он может быть сколь угодно плохим. И наоборот, то, что в чем-то он очень хороший, не искупает того, что в во всем остальном он плохой. Отчасти, разумеется, тут сказывается советская индустриальная модель, логика которой вообще отрицает идею рейтинга. Как на заводе, где есть правильные гайки, и все правильные гайки правильны одинаково, они потому и правильные. Бессмысленно строить рейтинг правильности, надо лишь научиться отсеивать брак.

А теперь поставим такой мысленный эксперимент: представим, что мы рассчитываем для вуза его ранг по какому-то показателю, исходя из того, сколько вузов уступают ему по этому показателю. Скажем, если всего есть 100 вузов, а наш находиться на 79й строчке, то его ранг равен 79. А теперь предположим, что у нас есть пять шкал, и Министерство считает эффективными вузы, которые хотя бы по двум шкалам показывают значения не ниже пороговых. Пусть пороговое значение будет равно медианному для простоты. Представим себе теперь два вуза. У одного из них по первому показателю 100 баллов – то есть, он самый лучший, а по четырем другим – 49 – т.е. чуть-чуть хуже среднего. Вуз этот неэффективен, потому что дотягивает по медианного значения только по одной шкале, хотя его средний ранг равен 100+49+49+49+49 равняется 296, поделить на 5 – равняется 59,2.

Представьте себе другой вуз, который по двум шкалам набрал 51, а по всем остальным набрал 0 – т.е. он вообще самый худший. Средний балл его в итоге равен 20,4, - т.е. почти в три раза меньше, чем у первого – но, при этом, его Министерство считает эффективным. Вероятность того, что подобное практически случится, если шкалы тесно коррелируют друг с другом, очень невелика. Но в нашем случае они не тесно коррелируют друг с другом, и вероятность, что в отдельных случаях нечто подобное произойдет, довольно приличная.

И в качестве последнего шага, мы посчитали среднее значения двумя способами, через средние арифметические и средние геометрические, нормировав показатели по отдельным шкалам относительно среднего, и нанесли в виде точек на этот график.

Геометрические тут по вертикали, арифметические – по горизонтали, показатели логарифмированы. Мы видим, что, в целом, они дают вполне согласованную картину, хотя вузы, которые выбиваются по какому-то одному показателю, имеют в силу известных свойств средних, более высокие арифметические, чем геометрические, ранги. А теперь раскрасим их цветами в соответствии с тем, кого министерство признало, а кого – не признало эффективным.  Красные точки соответствуют неэффективным вузам, а зеленые - эффективным. В целом вузы, которые находятся наверху, выше какой-то определенной линии, попадают в число эффективных. Вузы, которые находятся низко, в основном неэффективные, а вот посередине, в скоплении, которое в количественном отношении составляет больше половины всех вузов, они наложены друг на друга практически в произвольном порядке. Вот здесь есть вузы «неудачники», у которых по нескольким шкалам немножко не хватило до порога. По нашей логарифмированной арифметической шкале, максимальное значение для индекса, основанного на шкалах министерства, но по-другому агрегированных, составило 4,32 (у «Станкина», если кому интересно). Среднее значение – 1,6. Вот этот вуз, номер 88 в нашей выборке, Государственный университет по землеустройству, набрал 1,93 – это лучше, чем у 67-68% в нашей выборке, т.е. он на самом деле в верхней трети – но его признали неэффективным. Та же история с номерами 209 и 654, Московским государственным агроинженерным университетом и Псковским государственными университетом, которые набрали по 1,71 балла. А вот этот вуз, номер 84 в нашей выборке, хуже,  по крайней мере 95%, но тем не менее он оказался эффективным.

Если поставить другой эксперимент, посчитать баллы по рейтингам каким-то более традиционным способом, а затем попробовать рассортировать вузы на эффективные и неэффективные на их основании, то мы получим примерно 25% ошибок.

Я затрудняюсь сказать, почему был выбран такой алгоритм. На ум приходит только то, что, если Министерство хотело сократить дискриминацию против какой-то группы вузов, то в этом вполне преуспело. Но произошло это отчасти за счет того, что оценка неэффективности превратилась в разновидность случайного события из серии «на кого Бог пошлет».

Вернусь теперь к вопросам, которые были в начале. Можем ли мы сказать, что рейтинг справедлив? Ответ – вообще говоря, Министерство предприняло некоторые усилия к тому, чтобы все находились в равных условиях, например, введя специальные баллы для Москвы и Петербурга. Но оно не устранило сильную дискриминацию против некоторых типов вузов – напомню, что медицинский имел в 20 с лишним раз большие шансы быть признанным эффективным, чем педагогический. Опять же, некоторые попытки были сделаны и в этом направлении. Такое чувство, что конкретные шкалы вводились с тем, чтобы спасать конкретные типы вузов. Уберите площадь лабораторий – и все будет совсем плохо у сельскохозяйственных. Кроме того, в дальнейшем Министерство разделило свои неэффективные вузы на три типа – те, признаки неэффективности которых связаны со спецификой деятельности, те, которые «нуждаются в оптимизации», и те, которые «нуждаются в реорганизации». Причем почему-то лучше всего оправдание про «специфику деятельности» сработало для гуманитарных вузов, а также для технических – хотя, как мы  видели, вовсе не они являются самой большой жертвой – просто, видимо, гуманитарии составляют самую эффективную лоббистскую группу, а Министерство испугалось поднявшейся волны и стало уже на все согласно. В итоге, то, что выдавалось за прозрачное решение, на самом деле было предельно произвольным уже на входе, на уровне отбора показателей, и стало еще более произвольным потом.

Еще об идеологии. Мировые рейтинги часто упрекают за то, что они придают слишком большое достижение исследовательским достижениям, в ущерб преподавательской и социальной миссии университетов. С нашим все наоборот. Три из пяти шкал (средний балл ЕГЭ, доходы вуза, число международных учащихся)  связаны со спросом со стороны студентов. Наоборот, с научной составляющей связан только один – расходы на НИОКР -  и то косвенно (и он очень сильно связан с состоянием экономики региона). Отчасти это идет вразрез с декларируемой Министерством целью сделать вуза машинами экономического роста и технической модернизации, поскольку самым большим спросом пользуются специальности, имеющие к этой самой модернизации лишь очень косвенное отношение. Высшее образование в России превратилось в элемент статусного потребление, что, как говорил еще социологический классик Веблен, создает наибольший спрос на предельно непрактичные специальности. Мы видим это на примере наших исследований, о которых я не упоминал сегодня, но которые показывают, что на столичных рынках, по крайней мере, классические аристократические гуманитарные специальности вроде востоковедения более успешны, чем хиты прошлого десятилетия вроде экономики. И уж тем более непопулярны технические специальности, за частичным исключением IT. Можно попробовать порассуждать, что будет, когда министерство начнет исследовать вероятность трудоустройства выпускников по специальности, как оно грозилось, но не факт, что это изменит существующее положение вещей.

Способ, которым пока использовался рейтинг Минобрнауки, пока не позволяет говорить об «эффекте Матфея» - неэффективные просто закрываются – но если начать поощрять тех, кто набрал больше всего баллов, то он явно возникнет, и, как обычно со студенческим выбором, очень сильный.

Наконец, вопрос о рейтинге как системе стимулов. Представим себе, что мы – администраторы вузов, и думаем, как нам подняться в рейтинге на следующий год. В целом, мы вынуждены будем признать, что не в нашей власти что-то сильно изменить – экономику региона мы не поднимем, тип вуза сильно тоже не изменим. Можем попробовать открыть популярные социально-экономические факультеты, по которым реально набрать платных студентов, и провести кампанию среди школьников, чтобы привлечь абитуриентов. Может быть, мы будем при этом ставить на качество образования, но скорее – на минимизацию издержек – придумаем, как сделать так, чтобы поступать к нам было легче, а учиться – проще, чем у других. В конце концов, на самые популярные специальности поступают не за тем, чтобы там учиться. Ну и попробуем поддерживать студенческую жизнь, КВН проводить, так, чтобы о нас еще и школьники услышали. Эти направления работы поднимут как минимум два показателя – количество привлеченных средств и баллы ЕГЭ. Которых, в общем, хватит, чтобы попасть в рейтинг. Но тут я уже перемещаюсь в область фантазии, а фантазировать лучше всем вместе. Спасибо за внимание!

Дискуссия

Вопрос из зала. Вопрос на уточнение. Вы делали какой-либо подсчет в отношении групп вузов по разным регионам? Потому что, например, в отношении ЕГЭ и, возможно, расходов на НИОКР есть вероятность, что вузы, расположенные близко к Москве, имеют хуже ситуацию, чем те, которые находятся в Сибири, откуда не могут хорошие детки ехать в крупные города и приличные вузы.

Михаил Соколов. Спасибо большое, очень хорошая идея, да, наверное, мы попробуем эти переменные ввести в следующий раз.

Вопрос из зала. Тут коллеги спрашивают, можно ли эти данные как-то получить в открытом доступе или от вас?

Михаил Соколов. Можно написать мне, msokolov@eu.spb.ru, пока они будут доступны по электронной почте, я оставлю визитки, я думаю, мы потом вывесим просто набор данных в открытый доступ - заходите на сайт томского Центра социально-политических исследований технологий – и они тут будут.

Вопрос из зала. А вы не пробовали делить НИОКР на хоз. договорные и на грантовые деньги? Потому что, я думаю, что здесь будет разница между техническими и классическими университетами? Я понимаю, что эти данные, доступные не для всех вузов, но может быть для кого-то доступны?

Михаил Соколов. Я тоже думаю, что она будет очень большая разница. Но задача практически неосуществимая. Единственное, что можно сделать, это посчитать долю НИОКР в общих доходах вуза, Действительно, есть очень большая разница между университетами по тому, как соотносится объём НИОКР с доходами вуза. Есть богатые, но не за счёт НИОКР, есть богатые за счет НИОКР, есть промежуточные, и так далее.

Вопрос из зала. Вот скажите, а вы знаете, как решение в министерстве принимаются?

Михаил Соколов. Понятие не имею.

Вопрос из зала. Совсем черный ящик или есть какие-то представления?

Михаил Соколов. Пока только догадки. Когда-нибудь мы до этого доберемся. Я думаю пособирать интервью, как рождается рейтинг. В некоторых случаях есть подозреваемые. Например, селективность, как показатель, который учитывает силу вуза. Тут можно заподозрить сильное влияние конкретной научной школы, базирующейся в Высшей Школе Экономики, конкретной группы, которая занимается теорией рыночных сигналов применительно к высшему образованию, и эффектами сообучения. Теория подразумевает, что для последствий обучения в университете неважно, чему там учат, а важно, насколько хороших студентов он принял. Потом что, во-первых, это сигнал, который остается на всю жизнь – «учился в ТГУ, значит, крутой», во-вторых, вообще известно, что вместе с кем учишься – более важно, чем у кого. В принципе, это одна из лучших теорий, которая объясняет, как работает высшее образование, но включение основанных на ней показателей в рейтинг - вопрос спорный, потому что дает в чистом виде эффект Матфея. У нас были хорошие студенты, за счет того, что мы оказались высоко в рейтинге, мы наберем еще лучших студентов, и станем еще выше, а вы навсегда останетесь где-то внизу. Тут можно угадать, чье идейное влияние за всем этим стоит.

Если мы берем другие показатели, площадь лаборатории, не знаю, моя первая мысль была такая, что они появились случайно, из старых советских статистик. Площадь лаборатории собирается где-то с годов 70х, если не раньше. Кто-то всю жизнь отвечал за таблицу площади лабораторий, ему кажется, что она никогда никому не пригодилась. Вначале еще сравнивали СССР и США, а потом даже это прекратилось. И вот однажды появилась возможность вставить это куда-нибудь, и человек понял, что это было не зря… Но это догадки все, разумеется, романтическая история. В площади лабораторий, как мы видели, был и более практический смысл.

Вопрос из зала. Скажите, вот есть такие порождения как федеральные университеты и их часто объединяют в университеты разных типов. Какие-либо рейтинги могут объяснить такое вот порождение, там есть отраслевые вузы с большой лабораторной базой и есть гуманитарные факультеты в составе.

Михаил Соколов. Вы сами уже ответили. Многие показатели в самых разных рейтингах чувствительны к размеры – объем НИОКР, например. Так что да, укрупнение имеет смысл. Ну и как Настя вчера рассказывала, для большинства международных рейтингов имеет значение размер. Федеральные университеты явно создавались с мыслью о вхождении в международные рейтинги. Внутри страны это работает похожим образом.

Вопрос из зала. Что-то вроде комментария и личных наблюдений. Те университеты, с кем мне приходилось взаимодействовать, это Саратовский, Омский, Томский и Самарский, они очень сильно выбиваются от этой средней картины. Эти университеты можно объединить по такому признаку: они все находятся в депрессивных регионах, откуда действительно студентам очень сложно уехать. И, плюс еще классические вузы в этих городах, они большие, но количество бюджетных мест на них очень небольшое, иногда даже меньше 10, но за счет этого очень сильно повышается средний бал по ЕГЭ и это может средний бал по ЕГЭ как-то увеличить, за счёт какой-то корреляции с количеством бюджетных мест в этом университете.

Михаил Соколов. Интересное предложение, у нас в выборке было такое. Если вы распределяете вузы по минимальным баллам ЕГЭ, там корреляция с остальными показателями тем сильнее, чем больше вуз. Если есть 2-3 бюджетных места, то может быть какой угодно выброс. С факультетами, где больше 10 бюджетных мест таких историй не случается.

Вопрос из зала. Был в самом начале корреляционный анализ, и мне показалось, что из высокой парной корреляции вы делаете вывод о связи причинно-следственных показателей, вопрос вот в чем: но ведь там еще могут быть и ложные корреляции?

Михаил Соколов. Разумеется, поэтому я не делал никаких выводов на основании простых парных связей. Далее у нас везде использовали модели, в которой все переменные вместе вводились вместе и, за счет статистического контроля, ложные корреляции были отсечены. Конечно, всегда может сказаться отсутствие каких-то значимых переменных. Над моделью надо думать, но пока она выглядит таким вот образом.

Вопрос из зала. Вот в нескольких местах вы сказали, что есть случайный компонент и у меня сложилось мнение, что вы намекаете...

Михаил Соколов. Я это не могу прокомментировать, не знаю, мне просто кажется, что это местами то, как спасались вузы с очень низкими результатами по шкалам – уж очень чудесная история. 2 или 3 вуза надо бы проверить пристальней, но я этого не делал.

Вопрос из зала. У меня такой вопрос, вы, когда свели, посмотрели, у вас возникла какая-то личная или более серьезная, первая рекомендация, которую надо дать по результатам этого исследования: кому и какую?

Михаил Соколов. Прежде всего, построить отдельные рейтинги по типам вузов и если уж надо найти неэффективных, то ввести квоты по категориям тоже – 25% классических университетов неэффективные, и т.д. Потому что сравнивать экономический и медицинский просто нельзя. Наверное, действительно, учитывая эффект размера, надо пытаться вводить более контроль по переменным, и показатель по размерам города и региона, что в общем математически просто. Правда нужно тогда будет публиковать всю модель, чтобы люди могли проследить по шагам, чтобы она выглядела прозрачной. Надо отказаться от бессмысленной модели «не хуже порогового значение по двум шкалам», а использовать более распространенную со сложением или умножением показателей. Вообще говоря, если Министерство действительно хочет модернизации, то надо снижать значения переменных, которые напрямую связаны со студенческим выбором. Если задача в том, чтобы повышать научную составляющую, то надо все-таки вводить какие-то продуманные меры публикационной активности, потому что они пока не отражены никак.

Ну и если совсем в целом – то отказываться от рейтингов, которые строятся из данных, собираемых на уровне университетов. Потому что общеуниверситетские рейтинги - это вообще ошибка, в том смысле, что он обычно играют сильную демотивирующую роль для университетов. С точки зрения  изменения ситуации в лучшую сторону, рейтинги работают на уровне факультетов или даже кафедр, потому что там люди реально способны принять осмысленное решение, как развивать какую-то область науки или образования. И если университетский рейтинг все-таки необходим, то он должен агрегироваться из факультетских. Тогда администрация знает, как можно подняться за счет одного факультета, и, если на отдельном факультете появляется инициативная группа, которая делает все правильно, чтобы поднять себя вверх, то это хорошо для группы и для университета. В российском огромной университете один факультет ничего сделать не может, от него ничего не зависит, особенно если факультет – не самый популярный среди студентов юридический и не способный принести очень большие контракты технический. Вот социологический факультет никогда ничего не даст университету для рейтинга и это определяет отношение университетской администрации к нему, но отчасти и самого факультета к самому себе – что ни делай, ничего не изменится.

Подпишитесь
— чтобы вовремя узнавать о новых публичных лекциях и других мероприятиях!

Редакция

Электронная почта: polit@polit.ru
VK.com Twitter Telegram YouTube Яндекс.Дзен Одноклассники
Свидетельство о регистрации средства массовой информации
Эл. № 77-8425 от 1 декабря 2003 года. Выдано министерством
Российской Федерации по делам печати, телерадиовещания и
средств массовой информации. Выходит с 21 февраля 1998 года.
При любом использовании материалов веб-сайта ссылка на Полит.ру обязательна.
При перепечатке в Интернете обязательна гиперссылка polit.ru.
Все права защищены и охраняются законом.
© Полит.ру, 1998–2024.