МЕЖДУНАРОДНАЯ ОБРАЗОВАТЕЛЬНАЯ ДЕЯТЕЛЬНОСТЬ РОССИЙСКИХ ВУЗОВ

В статье представлены результаты исследования международной образовательной деятельности российских вузов. Цели исследования: выделить группы вузов, имеющих близкие показатели международной образовательной деятельности по ряду направлений (на основе кластерного анализа данных), и по каждому из выделенных кластеров проанализировать характеристики вузов (состав иностранных учащихся, размер вуза, специализация, территориальное расположение, уровень селективности вуза, интернационализация научно-педагогического состава и исследовательской деятельности). В выборку исследования вошел 301 вуз из всех округов Российской Федерации. Был проведен иерархический агломеративный кластерный анализ по следующим показателям: интернационализация состава учащихся, развитие входящей международной академической мобильности, интернационализация образовательных программ, интернационализация дохода вуза от образовательной деятельности, уровень оплаты обучения иностранных учащихся и коммерциализация обучения иностранных учащихся. Кластерный анализ выявил пять групп вузов со сходными характеристиками, которым присвоены условные названия: «лидеры-интернационализаторы», «лидеры», «рекрутеры», «новички», «аутсайдеры». Кластеры имеют четко идентифицируемый профиль, но значительно различаются по числу вузов. Лишь 14 % вузов выборки вошли в кластеры, демонстрирующие сравнительно высокие достижения. Остальные вузы отнесены к «новичкам» или «аутсайдерам». Исследование показало, что большинство вузов диверсифицируют состав иностранных учащихся, реализуя как основные, так и дополнительные образовательные программы, предлагая различные формы обучения гражданам разных стран. Размер вуза не определяет состояние его международной образовательной деятельности. В каждом кластере есть как вузы с численностью студентов менее 1000, так и крупные вузы, в которых обучается несколько тысяч студентов. В кластеры с высокими показателями входят преимущественно многопрофильные вузы, предлагающие широкий спектр образовательных услуг для иностранных потребителей. Вузы Москвы и Санкт-Петербурга лидируют по показателям международной образовательной деятельности. Вузы в кластерах с хорошими показателями международной образовательной деятельности имеют наиболее высокий уровень селективности при отборе абитуриентов, высокую численность иностранных научно-педагогических работников и высокий показатель международного цитирования научных публикаций сотрудников вузов. Полученные результаты исследования могут представлять интерес для руководителей вузов, поскольку позволяют составить общее представление о текущем состоянии и основных направлениях международной образовательной деятельности в российских вузах. Предложенная классификация вузов может служить основой для анализа собственной позиции вуза на международном образовательном рынке и корректировки стратегических планов по завоеванию и укреплению позиций в различных сегментах этого рынка. Представленная в статье классификация не отражает все многообразие путей поиска российскими вузами возможностей развития и расширения международной образовательной деятельности. В то же время результаты исследования позволяют выявить некоторые общие модели поведения российских вузов на международном образовательном рынке. Необходимы дальнейшие исследования международной образовательной деятельности российских вузов, которые позволят более подробно проанализировать текущее состояние и основные направления ее развития за последние годы.

международная деятельность вузов, иностранные студенты, международный образовательный рынок, интернационализация образовательной деятельности, доходы вузов

1. Абанкина И. В., Алескеров Ф. Т., Белоусова В. Ю., Гохберг Л. М., Зиньковский К. В., Кисельгоф С. Г., Швыдун С. В. Типология и анализ научно-образовательной результативности российских вузов // Форсайт. 2013. Т. 7. № 3. C. 48-63.

2. Блаженков В. В., Емелин Н. М., Голодкова О. В. Кластерный анализ инновационной деятельности российских вузов // Известия института инженерной физики. 2014. № 34. С. 94-98.

3. Angulo F., Pergelova A., Rialp J. A market segmentation approach for higher education based on rational and emotional factors, Journal of Marketing for Higher Education, 2010, vol. 20, no. 1, pp. 1-17.

4. Erdogmus N., Esen M. Classifying Universities in Turkey by Hierarchical Cluster Analysis, Education and Science, 2016, vol. 41, no. 184, pp. 363-382.

5. Howells J., Ramlogan R., Cheng S.-L. The Role, Context and Typology of Universities and Higher Education Institutions in Innovation Systems: A UK Perspective. MIoIR Discussion Paper, University of Manchester, 2008, available at: https://ewds.strath.ac.uk/Portals/8/typology.doc (accessed 20.10.2016).

6. Huberty C. J., Jordan E. M., & Brandt W. C. Cluster Analysis in Higher Education Research. In: J. C. Smart (ed.), Higher Education: Handbook of Theory and Research. [S. l.], Springer, 2005, vol. 20, pp. 437-457.

7. Ibanez A., Larranaga P., Bielza C. Cluster Methods for Assessing Research Performance: Exploring Spanish Computer Science, Scientometrics, 2013, vol. 97, pp. 571-600.

8. Shin J. C. Classifying Higher Education Institutions in Korea: a Performance-Based Approach, Higher Education, 2009, vol. 57, pp. 247-266.

9. Valadkhani A., Worthington A. Ranking and Clustering Australian University Research Performance, 1998-2002, Journal of Higher Education Policy and Management, 2006, vol. 28, no. 2, pp. 189-210.

10. Арефьев А. Л., Шереги Ф. Э. Экспорт российских образовательных услуг: Статистический сборник. Выпуск 6. М.: Социоцентр, 2016. 408 с.

11. Информационно-аналитические материалы по результатам анализа показателей эффективности образовательных организаций высшего образования // Официальный сайт Главного информационно-вычислительного центра федерального агентства по образованию РФ [Электронный ресурс]. URL: http://miccedu.ru/monitoring/ (дата обращения: 20.10.2016).

12. Ward J. H., Jr. Hierarchical Grouping to Optimize an Objective Function, Journal of the American Statistical Association, 1963, vol. 58, pp. 236-244.

13. Calinski R., Harabasz J. A Dendrite Method for Cluster Analysis, Communications in Statistics, 1974, no. 3, pp. 1-27.