Мониторинг эффективности образовательных организаций как источник данных о российском высшем образовании
https://doi.org/10.15826/umpa.2020.02.018
Аннотация
Мониторинг эффективности деятельности организаций высшего образования, проводимый с 2012 года, является самым полным источником открытой информации об организационной популяции российских вузов. В настоящее время дискуссия о показателях Мониторинга ведется в ключе их применимости для оценки организаций высшего образования; как вторичный источник сведений для исследователей высшего образования материалы Мониторинга не рассматриваются. Предлагаемая статья должна ликвидировать существующий пробел – в ней данные Мониторинга оцениваются с точки зрения их качества и потенциала для статистического анализа. Качество данных Мониторинга рассматривается авторами через призму основных измерений, таких как точность, актуальность, полнота и согласованность. Техническое удобство данных Мониторинга оценивается с позиции характера распределения переменных, что позволяет понять, какие методы анализа данных могут быть применены к Мониторингу. В завершение авторы дают рекомендации представителям научного сообщества, планирующим использовать данные Мониторинга для исследования российского высшего образования.
Об авторах
А. О. Цивинская
Европейский университет в Санкт-Петербурге
Россия
Россия
Цивинская Анжелика Олеговна – младший научный сотрудник Центра институционального анализа науки и образования
191187, Санкт-Петербург, ул. Гагаринская, 6/1а
К. С. Губа
Европейский университет в Санкт-Петербурге
Россия
Россия
Губа Катерина Сергеевна – кандидат социологических наук, директор Центра институционального анализа науки и образования
191187, Санкт-Петербург, ул. Гагаринская, 6/1а
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. DOI: 10.17323/1995-459x.2013.3.48.63.
3. Кузьминов Я. И., Семенов Д. С., Фрумин И. Д. Структура вузовской сети: от советского к российскому мастерплану // Вопросы образования. 2013. № 4. С. 8–69. DOI: 10.17323/1814-9545-2013-4-8-69.
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. DOI: 10.17323/1814-9545-2017-2-36-73.
7. Вкусов А. В. Проблемы оценки эффективности деятельности университетов // Социологические исследования. 2018. № 1. С. 140–145. DOI: 10.7868/S0132162518010154.
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. DOI: 10.1016/j.ssresearch.2016.04.015.
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. DOI: 10.1111/rssa.12315.
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. DOI: 10.1287/mnsc.44.4.462.
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. DOI: 10.1016/0306-4573(94)90020-5.
14. Tayi G. K., Ballou D. P. Examining Data Quality // Communications of the ACM. 1998. No. 41 (2). P. 54–57. DOI: 10.1145/269012.269021.
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. DOI: 10.3233/sw-150175.
17. Herzog T. N., Scheuren F. 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. DOI: 10.3152/095820207X218141.
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. P. 197–218. DOI: 10.1080/03075079.2011.647765.
20. Mateos-González 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. DOI: 10.1080/01425692.2018.1497947.
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. DOI: 10.1016/j.respol.2017.12.004.
22. Piro F. N., Aksnes D. W., Rørstad 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. P. 307–320. DOI: 10.1002/asi.22746.
Рецензия
При поддержке: Статья подготовлена в рамках гранта РАНХиГС № AAAA-A18-118060590091-8.
Для цитирования:
Цивинская А.О., Губа К.С. Мониторинг эффективности образовательных организаций как источник данных о российском высшем образовании. Университетское управление: практика и анализ. 2020;24(2):121-130. https://doi.org/10.15826/umpa.2020.02.018
For citation:
Tsivinskaya A.O., Guba K.S. The Survey of HEIs Performance as a Data Source on Higher Education in Russia. University Management: Practice and Analysis. 2020;24(2):121-130. (In Russ.) https://doi.org/10.15826/umpa.2020.02.018
Просмотров: 1498
Послать статью по эл. почте 