Количественная оценка интеллектуального капитала университета на основе нечеткой модели

Целью данной исследовательской статьи является разработка и апробация нечеткой модели количественной оценки интеллектуального капитала университета. Нечеткая модель позволяет оценить интеллектуальный капитал университета в целом, основные компоненты интеллектуального капитала, способности университета к различным видам когнитивной активности, обеспечивающим развитие интеллектуального капитала, эксплицитные и имплицитные факторы интеллектуального капитала. Важнейшими отличительными особенностями модели являются: способ формализации эксплицитных и имплицитных факторов как лингвистических переменных и перевода их значений в нечеткие множества; использование процедур нечеткой логики в иерархической структуре с возможными циклами; возможность получения числовых оценок разброса рассчитанных значений; повышение достоверности результатов за счет учета уровней компетентности экспертов в определенных сферах деятельности университета с использованием различных функций сглаживания. Представлены результаты апробации модели на примере крупного регионального университета. Определены проблемные зоны в деятельности университета в отношении развития интеллектуального капитала.

Материалы статьи представляют интерес для руководителей университетов, получающих инструмент комплексной оценки интеллектуального капитала и его компонентов на всех уровнях в привязке к стратегии развития вуза. 

1. Новгородов П. А. Оценка стоимости интеллектуального капитала вуза: методический аспект // Известия Уральского государственного экономического университета. 2019. Т. 20, № 1. С. 78–94. DOI: 10.29141/2073-1019-2019-20-1-6.

2. Недолужко О. В., Солодухин К. С. Теоретико-методологические основы управления интеллектуальным капиталом с позиции категориально-системной методологии: монография. Владивосток: Изд-во ВВГУ, 2022. 128 с.

3. Sweiby K.-E. Methods for Measuring Intangible Assets [Электронный ресурс]. URL: https://www.sveiby.com/files/pdf/intangiblemethods.pdf (дата обращения: 26.11.2022).

4. Sweiby K.-E. Methods for Measuring Intangible Assets [Электронный ресурс]. URL: https://www.sveiby.com/files/pdf/1537275071_methods-intangibleassets.pdf (дата обращения: 26.11.2022).

5. Matos F., Vairinhos V., Godina R. Reporting of Intellectual Capital Management Using a Scoring Model // Sustainability. 2020. Vol. 12, nr 19. P. 8086. DOI: 10.3390/su12198086.

6. Rojas M. I., Espejo R. L. La Inversión en Investigación Científica como Medida del Capital Iintelectual en las Instituciones de Educación Superior // Información Tecnológica. 2020. Vol. 31, nr 1. P. 79–90. DOI: 10.4067/S0718-07642020000100079.

7. Daraio C., Iazzolino G., Laise D., Coniglio I., Di Leo S. Meta-Choices in Ranking Knowledge-based Organizations // Management Decision. 2021. Vol. 60. Iss. 4. P. 955-1016. DOI: 10.1108/MD-01-2021-0069.

8. Кашкинбаев А. Б., Джаксыбекова Г. Н. Оценка интеллектуального капитала: измерительная модель и эмпирическое исследование структуры и взаимосвязи элементов капитала // Экономика: стратегия и практика. 2020. Т. 15, № 3. С. 207–221.

9. Hurtado S. M., Laserna E. Z., Pedroza D. L. Aproximación a la Medición del Capital Intelectual Organizacional Aplicando Sstemas de Lógica Difusa // Cuadernos de Administración. 2010. Vol. 23, nr 40. P. 35–68. DOI: 10.11144/Javeriana.cao23-40.amci.

10. Veltri S., Mastroleo G., Schaffhauser-Linzatti M. Measuring Intellectual Capital in the University Sector Using a Fuzzy Logic Expert System // Knowledge Management Research & Practice. 2012. Vol. 12. Iss. 2. P. 1–18. DOI: 10.1057/kmrp.2012.53.

11. Kale S. Fuzzy Intellectual Capital Index for Construction Firms // Journal of Construction Engineering and Management. 2009. Vol. 135. Iss. 6. P. 508–517. DOI: 10.1061/(ASCE)CO1943–7862.0000014.

12. Pokrovskaia N., Margulyan Y., Lvin Y., Bulatetskaia A. Neuro-Technologies and Fuzzy Logic for Intellectual Capital Evaluation in Education and Business // IOP Conference Series: Materials Science and Engineering, International Scientific Conference “Digital Transformation on Manufacturing, Infrastructure and Service”, St. Petersburg, 21–22th of November 2019. St. Petersburg: IOP Publishing, 2020. Vol. 940. P. 012090. DOI: 10.1088/1757-899X/940/1/012090.

13. Arvan M., Omidvar A., Ghodsi R. Intellectual Capital Evaluation Using Fuzzy Cognitive Maps: A Scenario-Based Development Planning // Expert Systems with Applications. 2016. Vol. 55. P. 21–36. DOI: 10.1016/j.eswa.2015.12.044.

14. Tkachenko E., Rogova E., Bodrunov S., Klimov V., Ganieva M. Tools for Assessment of Intellectual Assets of Enterprise Based on Fuzzy Information. Advances in Economics, Business and Management Research // International Conference on Trends of Technologies and Innovations in Economic and Social Studies, Tomsk, 28–30th of June 2017. Tomsk: Atlantis Press, 2017. Vol. 38. P. 671–677. DOI: 10.2991/ttiess-17.2017.110.

15. Ahmad F., Naseem Sh., Alyas T. et al. Forecasting of Intellectual Capital by Measuring Innovation Using Adaptive Neuro-Fuzzy Inference System // International Review of Applied Sciences. 2015. Vol. 2, nr 1. P. 1–13.

16. Calabrese A., Costa R., Menichini T. Using Fuzzy AHP to Manage Intellectual Capital Assets: An Application to the ICT Service Industry // Expert Systems with Applications. 2013. Vol. 40. Iss. 9. P. 3747–3755. DOI: 10.1016/j.eswa.2012.12.081.

17. Lee Sh.-H. Using Fuzzy AHP to Develop Intellectual Capital Evaluation Model for Assessing their Performance Contribution in a University // Expert Systems with Applications. 2010. Vol. 37. Iss. 7. P. 4941–4947. DOI: 10.1016/j.eswa.2009.12.020.

18. Jannatifar H., Shahi M. K., Morad J. M. Assessing Intellectual Capital Management by Fuzzy TOPSIS // Management Science Letters. 2012. Vol. 2. Iss. 6. P. 1991– 2000. DOI: 10.5267/j.msl.2012.06.022.

19. Мазелис Л. С. Лавренюк К. И. Формирование инвестиционной стратегии управления человеческим капиталом кафедры университета на основе нечеткой динамической модели // Университетское управление: практика и анализ. 2015. № 4 (98). С. 76–86.

20. Mazelis L. S., Krasko A. A., Zagudaeva O. N., Lavrenyuk K. I. A Conceptual Model of the Regional Human Capital Development // International Transaction Journal of Engineering, Management and Applied Sciences and Technologies. 2018. Vol. 9, nr 4. P. 477–494. DOI: 10.14456/ITJEMAST.2018.44.

21. Fandiño A. M., Machado M. A. S. Social Capital Scale and Logic Fuzzy: An Experiment to Verify the Pertinence of Logic Fuzzy in Producing Accurate Results from Data of a Complex Organizational Reality // International Journal of Management. 2014. Vol. 5. Iss. 10. P. 91–104.

22. Mastroleo G., Venturelli A, Veltri S. A Fuzzy Logic Expert System for the Measurement of Intellectual Capital in Strategic Alliances // Proceedings of IFKAD, Knowledge and Management Models for Sustainable Growth. Matera, Italy, 11–13 of June 2014. P. 1435–1456.

23. Иванов В. В. Оценка интеллектуального капитала высших учебных заведений // Проблемы современной экономики. 2010. № 4 (36). С. 334–337.

24. Кочеткова Н. В., Крамин Т. В. Интеллектуальный капитал в сфере образовательных услуг // Актуальные проблемы экономики и права. 2011. № 1 (17). С. 75–80. DOI: 10.21202/1993-047X.05.2011.1.75-80.

25. Слепов В. А., Герзелиева Ж. Г. Интеллектуальный капитал вуза и индикаторы его оценки // Креативная экономика. 2015. Т. 9, № 8. С. 995-1008. DOI: 10.18334/ce.9.8.579.

26. Сундукова Г. М. Инновационный подход к управлению интеллектуальным капиталом вуза // Управление. 2017. Т. 5, № 1. С. 80–87. DOI: 10.12737/24705.

27. Зунтова И. С. Методика оценки уровня интеллектуального капитала образовательных учреждений высшей школы // Вопросы региональной экономики. 2016. № 3 (28). С. 156–160.

28. Цуриков С. В. Интеллектуальный капитал вузов – один из факторов инновационного развития // Сибирская финансовая школа. 2008. № 1 (66). С. 112–116.

29. Leitner K.-H. Intellectual Capital Reporting for Universities: Conceptual Background and Application for Austrian Universities // Research Evaluation. 2004. Vol. 13. Iss. 2. P. 129–140. DOI: 10.3152/147154404781776464.

30. Altenburger O. A., Schaffhauser-Linzatti M. The Order on the Intellectual Capital Statements of Austrian Universities // Proceedings of the IFSAM – International Federation of Scholarly Associations of Management 8th World Congress, Berlin, 28–30th of September 2006. P. 28–30.

31. Cañibano L., Sánchez M. P. Intangibles in Universities: Current Challenges for Measuring and Reporting // Journal of Human Resources Costing and Accounting. 2009. Vol. 13. Iss. 2. P. 93–104. DOI: 10.1108/14013380910968610.

32. Bratianu C. Intellectual Capital of the European Universities // Dima A. M. Trends in European Higher Education Convergence. Hershley: IGI Global, 2014. P. 24–43.

33. Ramirez Y., Tejada A., Gordillo S. Recognition of Intellectual Capital Importance in the University Sector // International Journal of Business and Social Research. 2013. Vol. 3, nr 4. P. 27–41. DOI: 10.18533/ijbsr.v3i4.27.

34. Новгородов П. А. Понятие, структура и оценка интеллектуального капитала вуза // Сибирская финансовая школа. 2018. № 1 (126). С. 27–33.

35. Завалин Г. С., Недолужко О. В., Солодухин К. С. Формирование каузального поля показателей развития интеллектуального капитала организации: концепция и нечеткая экономико-математическая модель // Бизнесинформатика. 2023. Т. 17, № 3. С. 53–69. DOI 10.17323/2587-814X.2023.3.52.69.

36. Завалин Г. С., Солодухин К. С. Нечеткая модель выявления имплицитных факторов интеллектуального капитала организации // Стратегическое планирование и развитие предприятий: Материалы ХХIV Всероссийского симпозиума, Москва, 11–12 апреля 2023 г. М.: ЦЭМИ РАН, 2023. С. 375–378. DOI: 10.34706/978-5-8211-0814-2-s2–23.

37. Назаров Д. М. Методология нечетко-множественной оценки имплицитных факторов в деятельности организации. Екатеринбург: Изд-во Урал. гос. экон. ун-та, 2016. 193 с.

38. Луговой Р. А. Инновационный подход к процессу стратегического управления вузом на основе системы сбалансированных показателей: дис. … канд. экон. наук. Владивосток, 2006. 159 с.

39. Аньшин В.М., Демкин И. В., Царьков И. Н., Никонов И. М. Применение теории нечетких множеств к задаче формирования портфеля проектов // Проблемы анализа рисков. 2008. Т. 5, № 3. С. 8–21.

40. Vahidi J., Rezvani S. Arithmetic Operations on Trapezoidal Fuzzy Numbers // Journal of Nonlinear Analysis and Application. 2013. Vol. 2013. P. 1–8. DOI: 10.5899/2013/jnaa-00111.

41. Raskin L., Sira O. Performing Arithmetic Operations over the (L–R)-type Fuzzy Numbers // Eastern-European Journal of Enterprise Technologies. 2020. Vol. 3, nr 4 (105). P. 6–11. DOI: 10.15587/1729–4061.2020.203590.

42. Feizollahzade O. An Overview of Fuzzy Inference Algorithms // International Journal of Smart Electrical Engineering. 2020. Vol. 9, nr 4. P. 165–167.

43. Chaudhari T. U., Patel V. B., Thakkar R. G., Singh Ch. Comparative Analysis of Mamdani, Larsen and Tsukamoto Methods of Fuzzy Inference System for Students’ Academic Performance Evaluation // International Journal of Science and Research Archive. 2023. Vol. 9. Iss. 1. P. 517–523. DOI: 10.30574/ijsra.2023.9.1.0443.

44. Mamdani E. H. Application of Fuzzy Algorithm for Control of Simple Dynamic Plant // Proceedings of the Institution of Electrical Engineers. 1974. Vol. 121, nr 12. P. 1585–1588.

45. Минаев Ю. Н., Филимонова О. Ю., Минаева Ю. И. Индекс нечеткости нечетких множеств в контексте концепции data mining // Проблемы информатизации и управления. 2012. Т. 3, № 39. С. 95–101.

46. De Luca A., Termini S. A Definition of a Nonprobabilistic Entropy in the Setting of Fuzzy Sets Theory // Information and Control. 1972. Vol. 20, nr 4. P. 301–312. DOI: 10.1016/S0019-9958 (72) 90199-4.

47. Yager R. R. On the Measure of Fuzziness and Negation Part I: Membership in the Unit Interval // International Journal of General Systems. 1979. Vol. 5, nr 4. P. 221–229. DOI: 10.1080/03081077908547452.

48. Назаров Д. М. Модель оценки имплицитных факторов на основе нечетко-множественных описаний // Известия ДВФУ. Экономика и управление. 2016. № 4 (80). С. 3–17. DOI: 10.5281/zenodo.220793.

49. Мазелис Л. С., Солодухин К. С. Нечеткая модель анализа рисков развития социально-экономической системы на основе стейк-холдерского подхода // Вестник Тюменского государственного университета. Социально-экономические и правовые исследования. 2017. Т. 3, № 3. С. 242–260. DOI: 10.21684/2411-7897-2017-3-3-242-260.

50. Морозов В. О., Солодухин К. С., Чен А. Я. Нечеткомножественные методы стратегического анализа стейкхолдер-компании // Фундаментальные исследования. 2016. № 2–1. С. 179–183.