În topul de excelență Shanghai al primelor 1000 de universități din lume
comunicat în 2020 din România a mai rămas o singură universitate, Babeș-Bolyai
– Cluj-Napoca. Dintre cele 27 de țări ale Uniunii Europene numai trei mai au
capitale fără nici o universitate în acest clasament: Bulgaria, Letonia și
Malta. În acest context se pune problema idenficării factorilor care ar putea
cauza această situație și asupra cărora se poate acționa strategic la scară
națională.
Este rezonabil să credem că mărimea populației unei țări, indicatori legați
de PIB și alocarea resurselor către educație ar putea să influențeze numărul de
universități performante dintr-o țară. În tabelul 1 sunt sintetizate valorile
câtorava astfel de variabile.
Tabelul 1 Variabile selectate pentru analiză și
sursele datelor. Sh Country și Sh Capital se referă la numărul de
universități din top în țară și în capitala țării. Pop trend se referă la tendința de creștere sau scădere a
populației în 2020 față de 2019.
Inspectarea preliminară a distribuției valorilor variabilelor a condus la
decizia de transformare logaritmică a unor dintre valori cu funcția log10
(x+1). După transformare s-a explorat matricea de corelații dintre variabile,
identificându-se cele semnificative statistic, iar apoi s-au stabilit ecuații
de regresie multiplă pentru predicția numărului de universități în topul
Shanghai 2020 în funcție de variabilele independente care au fost selectate.
Rezultate
Au fost obținute două posibilități de predicție bună prin regresie multiplă
(tabelul 2), cu tării statistice remarcabile (evaluabile prin coeficienții de
corelație R, valoarea maximă posibilă fiind 1).
Tabelul 2 Ecuații de regresie multiplă pentru
predicția numărului de universități al unei țări UE în topul Shanghai 2020.
Puterea predicției este practic aceeași în ambele variante. În a doua variantă modelul
arată numai influența mărimii populației și indicelui de consum al țării cu o
pondere mai mare a primului (de 0.75 la 0.43; pentru informați despre modul de
calcul al acestui indice a se vedea sursa indicată în tabelul 1). În prima
variantă modelul statistic reține trei variabile: mărimea populației, un indice
asociat PIB și procentul din PIB investit în educație, cu o pondere descrescătoare
în această ordine (0.92 la 0.37 la 0.19).
În figura 1 am ales pentru reprezentare grafică varianta
1 de predicție. Se observă situația României, care se abate cel mai mult dintre
toate țările de la valoarea prezisă prin model. Tehnic mărimea acestei abateri
se măsoară prin așa numitele reziduale, care sunt prezentate în tabelul 3. Se
observă că în ambele variante de ecuație de regresie multiplă România se abate
cel mai mult de la modelul statistic comparativ cu alte țări.
Figura 1
Reprezentarea grafică a relației dintre numărul de universități din clasamentul
Shanghai 2020 într-o țară și valoarea prezisă de modelul statistic de regresie
multiplă selectat (inserat și în grafic). Țările de deasupra liniei oblice au
mai puțin universități în top decât prezice modelul, iar cele de sub linie mai
multe universități în top.
Tabelul 3 Rezidualele
fiecărei țări asociate modelelor de predicție: sus pentru modelul care include
trei variabile (cu predicții reprezentate în figura 1), jos pentru modelul care
include numai două variabile (fără ponderea din PIB alocată educației). Se
observă că abaterea cea mai mare de la model este în ambele cazuri a României
și că este mai mică, totuși, în modelul cu trei variabile decât în cel cu două
variabile. Asta înseamnă că, cel puțin pentru România, modelul cu trei
variabile are o valoare explicativă mai bună (motiv pentru care l-am și ales
pentru reprezentarea grafică din figura 1).
Rata de modificare a mărimii populației nu a
influențat semnificativ numărul de universități din topul Shanghai 2020 al unei
țări, însă ca un rezultat colateral se poate observa că ea a fost pozitiv
corelată cu indicatorul asociat PIB (figura 2).
Figura 2 Relația
dintre tendința de modificare a mărimii populației în 2020 față de 2019
(procente de creștere sau scădere) și forma logaritmată a indicatorului asociat
PIB-ului țării. Coeficientul de corelație (R) are valoarea 0.8321 și este
foarte înalt semnificativ statistic.
Discuții
Trebuie observat că existența acestor corelații nu indică existența unei
cauzalități, dar este rezonabil să credem că cele trei – patru variabile prin
care se face poate face predicția pot fi interpretate ca fiind și cauze ale
variabile noastre dependente – numărul de universități din topul Shanghai 2020.
Din rațiuni de timp alocat elaborării acestui text de popularizare nu am
explorat valorile variabilelor în alți ani, preluând din surse pe cele găsite
rapid, standardele acestei analize nefiind cele necesare pentru articol
științific. Articolul poate fi văzut ca o analiză exploratorie preliminară.
Un alt element de precizat este că în sistemele complexe există și o
cauzalitate inversă, adică în cazul nostru numărul de universități de top poate
influența prin relații de conexiune inversă PIB-ul, de exemplu, ceea ce este cu
totul rezonabil să credem că s-ar putea întâmpla, dat find că resursa umană de
calitate intră și în procese de producție economică. Informații în acest sens se pot obține prin analiza
relației dintre numărul de universități în top în perioade mai vechi de timp și
valori mai recente ale indicatorilor asociați PIB, presupunând că există o
întârziere între educare și consecințele asupra producției economice.
Cu toate aceste limite, rezultatele sunt suprinzător de interesante și
evidențiază, pe lângă relațiile constatate, faptul că abaterea cea mai mare de
la modele este în cazul țării noastre. Aceasta înseamnă că există și alte
variabile importante pentru fenomen în special la noi și care nu au fost luate
în considerare în modele. Din experiența academică pe care o am văd posibile
cel puțin două astfel de variabile:
·
“brain
drain”, multa mai mare din România decât o sugerează rata de descreștere a
populației comparativ cu a altor țări. Ar fi necesară o estimare cantitativă a
acestui fenomen pentru țările europene, cu valori pozitive (export net) și
negative (import net) în fiecare țară, dacă dorim să avem o imagine cantitativă
asupra importanței acestei variabile.
·
Gradul
de perturbare a proceselor academice de către serviciile de informații în
marile universități românești.
În ce privește a doua posibilă variabilă, mecanismele, calitativ vorbind.
par a fi urmātoarele:
·
recrutarea
angajaților cu performanțe mediocre pe criterii ce țin de încredere pentru munca
specificā (adesea rețeaua familialā sā fi colaborat anterior) şi propulsarea
lor spre poziții mari care sā le permitā influența şi circulația necesare.
·
conflictele
dintre servicii şi grupuri din servicii importate în universitāțile mari, cu
consecințe asupra colaborārilor interdisciplinare, sau chiar în aceeaşi
facultate. Se manifestā şi în relațiile universitāților cu alte instituții ale
statului.
·
alocarea
funcțiilor unde se distribuie resurse fārā legāturā adesea cu performanța
managerialā potențialā, ci pe criterii de control. Absența oricāror indicatori
de rezultat contractuali pentru a nu putea exista control din partea
comunitāții academice.
·angajarea nedeterminatā a rudelor celor
din sistem pe poziții unde nu au capacitatea sā performeze.
·
recrutarea
dintre studenți cu distrugerea rolului multor reprezentanți ai acestora în a
cere performanțā academicā.
Dată fiind baza de recrutare pentru serviciile de informații tot mai
restrânsă cantitativ și calitativ în urma fenomenului „brain drain” este
rezonabil să credem, dincolo de observații empirice locale, că fenomenele
menționate sunt reale prin simplul efect de piață: cererea depășește potențiala
ofertă. Astfel de chestiuni sunt probabil mai puțin pregnante în universitāțile
mici, care au un capital simbolic scăzut inutilizabile pentru roluri
informaționale importante, și unde factorul major care perturbă cultura
organizațională e politizarea partinicā în opinia mea. O evaluare cantitativă a
acestei a doua variabile poate condiționa relansarea marilor universitāți
românești ieșite din topul Shanghai, a căror actuală situație în mod evident submineazā
statul, și nu se poate face decât la nivelul CSAT, unde datele necesare pot fi
solicitate, prelucrate și interpretate.
Nu este necesar ca informațiile despre influența negativă a exodului
creierelor și a serviciilor să fie făcute publice, în cazul că ipoteza
existenței lor e confirmată la scara instituțională relevantă, e suficient ca
această influență să fie eliminată cât mai rapid prin mijloacele operaționale
adecvate ale instituțiilor statului.
În măsura în care va reieși că nici exodul creierelor, nici influența
serviciilor nu este semnificativă în chestiunea perfomanțelor marilor
universități, atunci se poate acționa la nivel strategic național prin
creșterea ponderii din PIB alocată educației, prin dezvoltarea economică
generală și prin încurajarea creșterii populației.
Niciun comentariu:
Trimiteți un comentariu