Ajánlásgyűjtemény, összesítő tanulmány

Ajánlásgyűjtemény, összesítő tanulmány Felsőoktatási rangsorok mérési dimenziói, mutatószámai; a rendelkezésre álló és szükséges statisztikai adatbázisok, adatkörök

Összeállította: Eruditio-Hungária Kft.

Készült az Oktatáskutató és Fejlesztő Intézet megbízásából, a „Minőségfejlesztés a felsőoktatásban” TÁMOP-4.1.4-08/1-2009-0002 azonosító számú projekt támogatásával.

Budapest 2011

Tartalom 1. Bevezetés ................................................................................ 3 2. A mérés egyik fő nehézsége: az intézményi heterogenitás, a differenciáltság ................................................................................. 4 3. A rangsorok mérési dimenzióiról ................................................. 7 4. A bemenet mérése .................................................................... 9 5. A kimenet mérése ................................................................... 12 6. Az oktatói (és oktatási) minőség mérésének kérdései .................. 17 7. A kutatás-fejlesztés, mint rangsorolási dimenzió ......................... 19 8. A nemzetközi orientáció mérésének lehetőségei .......................... 21 9. Munkaerő-piaci mutatók, presztízs-mutatók ............................... 24 10. A rendelkezésre álló adatbázisok felhasználhatósága ................... 26 11. Összegzés – javasolt mutatószámok mérési dimenziók szerint ...... 30

2

1. Bevezetés A felsőoktatási rangsorok az elmúlt években Magyarországon is egyre nagyobb szerepre tettek szert az intézmények kommunikációjában, stratégia-alakításában, a felsőoktatás iránt érdeklődők tájékoztatásában, a jelentkezők orientálásában. Ha a felsőoktatási rangsorok elsődleges funkcióit kívánjuk meghatározni, körülbelül ezeket a területeket nevezhetjük meg – nincs ez másként a világ többi országában működő rangsorok esetében sem. A felsőoktatási rangsorok ugyanakkor az ágazati igazgatás, a döntéshozók tájékoztatása szempontjából is jelentőséggel bírhatnak, ehhez azonban lényegesen komolyabb módszertani alapvetésre, auditált rangsorszerkesztési eljárásra van szükség. Bár alapesetben minden felsőoktatási rangsorral szemben elvárható, hogy teljesítse az úgynevezett „berlini alapelvek” legfontosabb megállapításait, ezek figyelembe vétele különösen fontos lehet egy olyan rangsor esetében, amely a tisztán profitszerzésen alapuló, színes, tájékoztató jellegű médiatermék helyett egyfajta „ágazati döntéstámogató eszköz”ként (is) kíván funkcionálni. Jelenleg Magyarországon nincs olyan felsőoktatási rangsor, amelynek módszertana minden tekintetben megfelelne a fenti elvárásoknak. A hazai rangsorok mérési indikátorai nem fedik le a felsőoktatási teljesítmény lehetséges mérési dimenzióit, módszerük nem auditált, emiatt ágazati és intézményi elfogadottságuk szintje alacsony. Alkalmazott indikátoraikat rendszeresen érik komoly bírálatok, ezek jogosságához sok esetben nem fér kétség, előfordul azonban, hogy az „el nem fogadottság” következtében ezen támadások forrását egy-egy felsőoktatási intézmény rossz rangsorszereplése, vagy hirtelen leromló mutatója, és emiatt a listán történő visszaesése indukálja. Tanulmányunk célja az, hogy a hazai rangsorkészítés, valamint a rangsorokkal kapcsolatos nemzetközi gyakorlat talajáról kiindulva olyan módszertani ajánlásokat fogalmazzon meg, olyan lehetséges mérési dimenziókat adjon, amelyek jó alapját képezhetik egy esetleges nagyobb (ágazati és intézményi) körben is elfogadottá tehető felsőoktatási rangsor kialakításának, egy az intézmények teljesítményének méréséhez felelősséggel és jól használható mutatószámrendszer létrehozásának.

3

2. A mérés egyik fő nehézsége: az intézményi heterogenitás, a differenciáltság A felsőoktatási intézményrendszer a tömegesedés következtében erőteljesen differenciálódott. A felsőoktatással szemben felmerült összetett, komplex igényeket csak egy ugyanilyen módon átalakuló, összetetté váló intézményrendszer tudja megfelelően kiszolgálni. Mint a témával foglalkozó egyik írásában Hrubos Ildikó, a terület nemzetközi szinten is elismert kutatója megállapítja: „A felsőoktatás ilyen típusú átalakítással kívánt alkalmazkodni a gazdaság és a társadalom igényeihez: az egyre heterogénebb összetételűvé váló hallgatói tömeg motivációi, előképzettsége, karriertervei, a korábbinál változatosabb munkahelykínálat mind erre ösztönözték. Az UNESCO 1998-ban kibocsátott deklarációjában – amely a 21. század felsőoktatására vonatkozó elképzeléseket foglalja össze – többször és kiemelten szerepel a „diverzifikálódás” fogalom, mint a jövőben is kívánatos tendencia.” 1 A felsőoktatási szektor bonyolultabbá válásával, a globális verseny növekedésével együtt a felsőoktatás mérhetővé tételének kérdései, igényei is egyre nagyobb hangsúllyal léptek fel, különösen a nemzetközi színtér vonatkozásában. Mint a „Felsőoktatási rangsorok nemzetközi és hazai gyakorlata” című benchmark-tanulmányunkban is kifejtettük, a nagy presztízsre szert tett, ismert „nemzetközi” egyetemi rangsorok sok szempontból torz eredményeket produkáltak, mind képzési terület szerint, mind egyéb szempontból (amerikai egyetemek vs. európai egyetemek) hátrányos helyzetbe hozott egyes intézménycsoportokat. A kérdés megoldására indult meg az UNESCO európai tagozata, a CEPES (European Centre for Higher Education) és a washingtoni Felsőoktatás-politikai Intézet közös programja, amely a rangsorkészítés minőségi alapelveinek, módszereinek megfogalmazását, pontosítását tűzte ki célul. A 2004-ben létrehozott nemzetközi szakértői csoport (International Ranking Expert Group – IREG) 2006-ban hozta nyilvánosságra a „berlini alapelvek” néven ismertté vált dokumentumot. A dokumentum tartalmának részletes ismertetését a már hivatkozott benchmark-tanulmányban végeztük el, jelen keretek között csak a dokumentum egyik pontjának, az intézményi sokszínűség értelmezésére és kezelésére vonatkozó javaslatnak a kérdését járjuk körül. A berlini alapelvek egyik fő meglátása, hogy az eltérő történeti meghatározottságú, eltérő hátterű, más profillal rendelkező intézmények nem képezhetik ugyanazon szempontok 1

Hrubos Ildikó: Differenciálódás, diverzifikálódás és homogenizálódás a felsőoktatásban. Educatio, 2002/1. 96.

4

szerinti rangsorolás tárgyát, illetve nem rendezhetőek egyazon rangsorba. A minden intézményre kiterjedő, minden intézményt egyazon rangsorszempontok szerint sorrendbe állító listák hasznossága, relevanciája megkérdőjelezhető. Az eltérő profillal bíró egyetemek és főiskolák esetében más és más mutatószámok jelenthetnek valódi teljesítménymérést, és csak saját vonatkoztatási csoportjukon belül lehetséges őket ezen mutatók mentén rangsorba rendezni.2 Az IREG megalakulásával egy időben, 2004-ben indult el „Az európai intézmények klasszifikálása” című projekt a University of Twente Centre for Higher Education Policy Studies (CHEPS) vezetésével. A projekt a differenciált és diverzifikált felsőoktatási rendszer leírásának és vizsgálatának elméleti és gyakorlati módszereit, egy osztályozási módszer kereteit kívánja kidolgozni. Empirikus bázisra épül. Csoportosító kritériumok együttesét dolgozza ki, és annak alapján képezi az intézmények egy-egy csoportját. Az osztályozás azzal, hogy csökkenti a komplexitást, kimutatja a hasonlóságokat és különbségeket, segít megérteni a jelenséget, növeli az átláthatóságot.”3 Az osztályozási (mapping) rendszert hangsúlyozottan nem rangsorkészítés céljából alkották meg, jelen tanulmányunkban történő említésének okát az adja, hogy a klasszifikáció egy lehetséges módszerének tekintjük. A rangsor hierarchikus, az osztályozás analitikus jellegű, céljuk is eltér egymástól. Ugyanakkor, mint Hrubos Ildikó is megfogalmazza: „Szakszerű kezelés esetén éppen az osztályozási rendszer fogja segíteni a rangsorok értelmezését, használatát azzal, hogy megfogalmazza a ténylegesen összehasonlítható intézmények csoportjait.”4 A heterogenitás egyik elemeként további mérési nehézséget okoznak az egyes eltérő tudományterületek jellemzőinek (legyen szó lényegében bármely mérési dimenzióról) komoly különbségei. Az európai kutatóintézetek konzorciumának munkájaként kidolgozás alatt álló „Európai Ranking” is felhívja a figyelmet a szakterületi vonatkozás figyelembe vételére, az azonos területen képző intézmények egy rangsorba rendezésére, míg a más területen mozgók összevetésének lehetőség szerinti elkerülésére. Ugyanez a meglátás képezi egyik fő alapelvét a német Centrum für Hochschulentwicklung kutatóintézet 2

A meglátással a saját vizsgálatunk során megkérdezett ágazati szakértők is egyetértenek: „Nem lehet egy kutató egyetemet összehasonlítani egy műszaki technikummal, vagy műszaki technológiai központtal vagy egy tanárképző intézettel. Egyszerűen nem lehet. Nem összehasonlíthatók, mások a funkciók, mások a képzési területek és a tudományágak sajátosságai, ez egy elképesztő probléma.” 3 Hrubos Ildikó: A sokféleség értelmezése és mérése. Educatio 2009/1. 23. 4 Uo.: A felsőoktatás sokféleségének mérésével foglalkozó hazai kutatási projektet a Budapesti Corvinus Egyetem Nemzetközi Felsőoktatási Kutatások Központja vezeti a TÁMOP 4.2.1 program keretében, annak egyik alprojektjeként.

5

komoly presztízsű rangsorának.5

nemzeti

(és

részben

nemzetközi)

felsőoktatási

A hazai gyakorlat is arra törekszik, hogy képzési területek, illetve szakok szerint hasonlítsa össze az intézményi teljesítménymutatókat, képzési területi, illetve szakos rangsorokat állítson fel. A képzési területi bontásban bemutatott aggregált rangsorokkal, az aggregálás módszertanával, az alkalmazott mutatószámokkal, azok adattartalmával, megbízhatóságával kapcsolatban az elmúlt évek hazai rangsorolási gyakorlata során több kérdés is felmerült. A képzési területi rangsorbontások megfelelnek ugyan az egyes szakok hivatalos besorolásának, az egyre inkább kevert képzési struktúrájúvá váló karok és intézmények révén azonban számos nehezen értelmezhető, nehezen kezelhető jelenség forrásává is válnak. A probléma – alapvetően más profilú karok szereplése a képzési területi rangsorokban – különösen a kis képzési területeken (sporttudomány, művészet, művészetközvetítés) jelentős, de például a műszaki, a gazdaságtudományok vagy a természettudományi területeken is megfigyelhető. A 2010. évben a probléma kezelésére a Felvi-rangsorok készítői az úgynevezett „domináns” intézmények módszerét alkalmazták, tehát az egyes képzési területeken csak azokat a karokat rangsorolták, amelyek hallgatóinak meghatározott százaléka az adott képzési területhez köthető. A megoldás, bár korrigálja a nem tipikus képzést nyújtó karok rangsorbeli jelenlétéből fakadó torzításokat, nem tekinthető tökéletesnek, a minimális százalékos arány meghatározása következtében az egyes képzési területi rangsorokból kimaradó intézmények adott képzéseiről ugyanis elvesznek a speciális információk. A problémát legjobban talán a szakos rangsorok alkalmazásával lehet áthidalni. Ezt a megoldást javasolja egyik megkérdezett interjúalanyunk („nem az intézmények összehasonlítására van szükség elsősorban, hanem összehasonlítható kisebb egységekre vagy tevékenységekre: kar, szak/képzés, kutatóhely/RET-TTI, klinika”), és ebbe az irányba tervezi a hangsúlyáthelyezést a módszertani megújulás alatt álló Felvi-rangsor is. Bár a német rangsorolási gyakorlatban elfogadott és alkalmazott módszer a kisebb szervezeti egységek (tanszék, kutatóműhely, technológiatranszfer iroda, stb.) rangsorolása; nálunk az adatszolgáltatás nehézkessége és a rendelkezésre álló adatok értelmezési keretei miatt ettől a megoldástól rövidtávon feltehetően el kell tekinteni.

5

Ezekről bővebben ld. a benchmark-tanulmányt.

6

3. A rangsorok mérési dimenzióiról Az Educatio Társadalmi Szolgáltató Kht./Országos Felsőoktatási Információs Központ 2008-as kiadvány-értékelő felmérésében a rangsorolási szempontokról, a rangsorok hasznáról, hatásáról is megkérdezte a felsőoktatási intézmények PR- és tanulmányi vezetőit, valamint a felsőoktatásba jelentkezőket. A kapott kép meglehetősen egyértelmű: a megkérdezett vezetők a legfontosabb rangsorképző szempontnak a munkaerő-piaci szereplők értékelését tartották, míg a jelentkezőknél egy munkaerő-piaccal kapcsolatos másik szempont került az első helyre, az intézményben tanuló hallgatók véleménye saját elhelyezkedési lehetőségeikről. Az egyetemek, főiskolák színvonalát a válaszok szerint ugyancsak jól jelzi az oktatói kar összetétele, és nagyon fontosnak tekinthető a hallgatói értékelés is – a már említett, elhelyezkedési esélyekről alkotott kép mellett az intézményben folytatott képzés színvonalának megítélése. Érdekes, hogy míg a felsőoktatási rangsorkészítés lehetséges szempontjai közül elsősorban a hallgatói és a munkaerő-piaci véleményeken alapulókat tartották különösen fontosnak a megkérdezettek, addig a jelentkezések orientációjával kapcsolatban már inkább a konkrét tényszerű információkat emelik ki. A vizsgálatban megkérdezett oktatási szakemberek egyöntetű véleménye, hogy a jelentkezők döntését elsősorban a felvételi vizsgakövetelmények, a felvételi pontszámok és a többletpont-szerzési lehetőségek irányítják. Kisebb jelentőséggel bírnak a várható munkaerő-piaci lehetőségek, a keretszámok és a felvételi arányok. Egyes olyan szempontok, amelyek a felsőoktatási rangsorok készítésénél a megkérdezettek szerint kiemelkedő fontosságúak (oktatói állomány, hallgatói vélemények), a felvételizők orientálásában ugyanezen vélemények szerint kisebb szerepet töltenek be. A rangsorok szerepét ennek megfelelően a megkérdezettek döntő többsége fontosnak érzi, viszont, mint válaszaikból kiderül, nem feltétlenül a felsőoktatási intézmények kiválasztása, a jelentkezési stratégia kialakítása során.6 A nemzetközi és a hazai rangsorolási gyakorlat feltérképezése, a rangsormódszertanok elemzése alapján a rangsormutatók a következő dimenziókba sorolhatók: - bemeneti mutatók, 6

Horváth Dániel – Kiss László: Rangsorok a közbeszédben. A felsőoktatási rangsorok megjelenése a hazai médiában és a felsőoktatási intézmények kommunikációjában. Felsőoktatási Műhely, 2009/4. 51-52.

7

- oktatási minőség mutatói, - oktatói minőség mutatói, - az intézményi szolgáltatások mutatói, - kutatás-fejlesztési tevékenység mutatói, - munkaerő-piaci és egyéb network mutatók, - a nemzetközi orientáció mutatói, - elégedettségi mutatók, - általános presztízsmutatók. A mutatókörök részletes kifejtésére a hazai és nemzetközi gyakorlatokat bemutató benchmark-tanulmányban kerül sor, itt csak jelezzük, hogy a felsőoktatási intézmények teljesítménymérése egy alapvetően multidimenzionális, több különböző síkon értelmezhető tevékenység vagy működési jellemző együtteséből állhat csak össze. Az egyes lehetséges rangsorolási dimenziók közül témánk szempontjából a bemeneti és kimeneti mutatókat, az oktatási és oktatói minőség mutatóit, a munkaerőpiaci (kapcsolati és egyéb) mutatókat és a K+F-tevékenység mutatóit, valamint a nemzetközi orientáció mutatóit kell kiemelnünk. Természetesen kétségtelen, hogy az elégedettségi dimenzió a felsőoktatási intézmények rangsorolásának fontos részét képezi; szubjektivitása miatt azonban elsősorban tájékoztatási, orientálási céloknak felel meg, az általános tájékoztatáson túlmenő relevanciája az intézmények számára van, saját szolgáltatás-fejlesztéseiket, belső és külső marketing-stratégiájukat alapozhatja meg.

8

4. A bemenet mérése A munka megalapozásaként szakértői interjúk keretében igyekeztünk feltárni a hazai felsőoktatási szektor rangsorokról kialakult véleményét, a rangsorokkal kapcsolatos elvárásaikat, javaslataikat, a jelenlegi (hazai) rangsorolási módszerekkel kapcsolatos problémáikat. Interjúalanyaink az ágazati irányító, tanácsadó és érdekképviseleti szervezetek vezetői, illetve felsőoktatási témákkal foglalkozó szakemberei közül kerültek ki. A megkérdezettek mindegyike ismeri a felsőoktatási rangsorokat – ez lényegében természetesnek is tekinthető, hiszen mint már említettük, a rangsorok az elmúlt években a szakmai közbeszéd fontos elemévé váltak –, viszont mindannyian kisebb-nagyobb problémákat is megfogalmaztak velük kapcsolatban. Az első említett problémakört a rangsorokban alkalmazott indikátorok köre jelenti. A leggyakrabban megfogalmazott kritikák a következők: „A rangsorok csak a jelentkezési és felvételi arányokat nézik, a kimenetet nem. A presztízs alapja jelenleg erősen bemenet-centrikus. A bemeneti presztízst sok esetben nem igazolják vissza a munkaerő-piaci, elhelyezkedési adatok.” „A jelentkezői attitűdök, intézményválasztási rangsorolás rengeteg szubjektív elemre épül, pl. intézmény megközelíthetősége, szórakozási lehetőségek, könnyű diplomaszerzés. A másik oldalon a klasszikus nagy múltú intézményeket kiszolgáló rangsorolási elvek (bemenetcentrikusság) tovább erősítik a presztízs-centrikus jelentkezést, melynek egyértelmű nyertesei a nagy tudományegyetemek, fővárosi szakegyetemek.” „A rangsorok csak az elsőhelyes jelentkezések alapján állítják fel a sorrendet és figyelmen kívül hagyják a további egy-két még szintén elég erős preferenciaértékű jelentkezést. Ez elsősorban a vidéki intézményeket és a főiskolákat hozza hátrányos helyzetbe.” A bemeneti mutatók túlsúlya a hazai adatalapú felsőoktatási rangsorokban tény. A bemenet vizsgálata természetszerűleg fontos kérdés az intézményi működés terén, hiszen a nagy jelentkezői létszámok, a megfelelő szelekciós képesség az intézmény versenyképességének az alapját jelenti. Mint a hazai és nemzetközi rangsorolási módszereket bemutató benchmark-tanulmányunkban is jeleztük, a bemeneti indikátorok a külföldi felsőoktatási rangsorokban is jelen vannak, igaz azonban, hogy

9

tapasztalataink szerint a hazainál jóval kisebb szereppel bírnak. Tisztán volumen-jellegűt (jelentkezők száma, felvettek száma, stb.) az általunk vizsgált külföldi (nemzeti és nemzetközi) rangsorok nem alkalmaznak, ez a mutató ugyanis a szakértők által megfogalmazott kritikáknak megfelelően csakugyan a „nagy”, több karú, sok képzési területen jelen lévő intézmények felé torzít; a méret pedig önmagában semmiképpen sem tekinthető minőségi kritériumnak. Az első helyen történő jelentkezések kiemelésével kapcsolatban is jogos az a szakértői felvetés, hogy kedvezőtlen helyzetbe hozza a kisebb hagyományokkal rendelkező, kisebb méretű egyetemeket és (elsősorban) főiskolákat. Ebben a torzító hatásban a hazai jelentkezési és felvételi rendszernek is komoly szerepe van. A torzítás elkerülésére érdemes lehet olyan mutatószámban gondolkodni, amely az első helyes jelentkezéseken túl (természetesen eltérő súllyal) a nem első helyes jelentkezéseket is számításba veszi, összesíti. A volumen-jellegű bemeneti indikátoroknál lényegesen jobban használhatóak azok a mutatók, amelyek ugyancsak a bemenetet, azonban annak nem mennyiségi, hanem minőségi jellemzőit vizsgálják. A nemzetközi gyakorlatban számos jól működő bemeneti mutatót találhatunk, ezek közül több a hazai rangsorolásban is jelen van: - Az intézmények szelektáló képessége: ezt a mutatót operacionalizálhatjuk a bejutási aránnyal is, azonban itt már sajnos a hazai felvételi gyakorlat miatt csak az első helyen jelentkezők közül (első helyen) bejutott hallgatókra tudunk releváns mérőszámot megadni – a többedik helyen jelentkezők adott intézménybe történő be nem jutásának ugyanis lehetséges oka, hogy teljesítménye nem elegendő a bejutáshoz, de természetesen az is, hogy egy korábbi jelentkezésében megjelölt helyre már bejutott. Az adatstruktúrából fakadóan az egyazon intézménybe történő több jelentkezés is zavarokat, nehéz értelmezhetőséget okozhat, így a sokadik helyen történő bejutások intézményi mutatószámként való meghatározásaként el kell tekintenünk. - A felvettek (jelentkezők) korábbi tanulmányi teljesítménye: a mutató operacionalizálható a felvételi pontok átlagaként, a felvettek középiskolai teljesítményének valamely szemszögéből (középiskolai ösztöndíj, középiskolai versenyeken elért helyezések, valamely kiemelkedően fontosnak tartott érettségi-típus mutatója – ez lehet mennyiségi: hányan tettek ilyen érettségit, illetve minőségi: milyen átlageredménnyel), és a felvettek egyéb minőségi mutatója 10

(például a nyelvvizsgával rendelkező felvettek – ezt a mutatót a külföldi gyakorlat tapasztalataink szerint nem alkalmazza, nem tekinti relevánsnak, hazánkban azonban kiemelt relevanciája lehet).

11

5. A kimenet mérése A nemzetközi rangsorolási gyakorlat a bemenettel ellentétben komoly hangsúlyt helyez a kimenet, a kimeneti mutatók mérésére. A felsőoktatási intézmények teljesítménye csakugyan ezen dimenzióban fogható meg talán legjobban, a kimeneti mutatószámok képesek leghatékonyabban mérni, hogy a felsőoktatási intézmény mennyire tudja betölteni egyik legfontosabb szerepét, azaz a tudásteremtést és tudásátadást, a hallgatók felkészítését munkaerő-piaci pályafutásukra. A kimenet mérése a rangsorolás berlini alapelveiben is külön kiemelésre kerül, és a legújabb nemzetközi rangsor-kezdeményezések (így az európai kutatóintézetek kooperációjában készített „Európai Ranking” is) tervezik a kimeneti mutatók beépítését. A kimeneti mutatók hiányát a megkérdezett szakértők is a hazai rangsorolás komoly problémájának látják. A probléma többrétű: nincs megfelelő statisztikai adatmennyiség a kimeneti adatok biztonságos rangsorolásához, másrészt még nem alakult ki elfogadott módszertan arra nézve, hogy milyen mutatók mentén, milyen módszerrel és milyen érvényességi körrel lehet rangsorolni az intézmények kimeneti teljesítményének, kibocsátásának egyes mennyiségi és minőségi jellemzőit. „Hiányoznak a pályakövetéses adatok a legtöbb rangsorból. Ahol mégis szerepelnek pályakövetéses adatok, az alacsony elemszámok miatt a szakok szintjére csak a nagy szakoknál.” „Pályakövetési adatok képzési ág szintre mindenképpen menjenek le, plusz intézményi szintre.” Ahogy azt a szakértők is látják, az adathiány komoly problémát jelent. A hazai diplomás pályakövetési rendszer ugyan az elmúlt egy évben kétségkívül jelentős sikereket ért el, jelenlegi állapotában azonban aligha képezhet rangsorolásra alkalmas adatbázist. Feladata nem is ez: az intézményi felméréseken alapuló rendszer elsődlegesen leíró jellegű, a kisebb-nagyobb (gyakran biztonsággal fel sem térképezhető) módszertani különbségek miatt az ebből a rendszerből származó adatok felelősséggel nem használhatóak fel rangsorok készítésére. Lehetséges megoldást jelent az államigazgatási adatbázisok integrációjából összeállt diplomás pályakövetési adatbázis, amelynek adatkörei jó közelítéssel meg tudnak felelni egy ilyen célnak. Az elemszámok problematikája itt is felmerül: kis létszámú szakoknál, vagy

12

speciális jellemzőkkel rendelkező végzettek esetében adatvédelmi okok miatt adathiány lép fel, az adatok nem elérhetőek. A nemzetközi gyakorlatban tipikusan alkalmazott kimeneti mutatók a következők:7 - diplomát szerzők aránya; lemorzsolódási arány, - jó teljesítménnyel végzők aránya, - (meghatározott idő elteltével) foglalkoztatott végzettek aránya,

a

munkaerőpiacon

aktív,

- munkanélküliségi arány a végzettek között, - végzettek (átlag) fizetése, - vezetői pozícióban lévő végzettek aránya. Látható, hogy a nemzetközi gyakorlat a kimenet alatt tulajdonképpen két – egymással, ha nem is közvetlenül, de – összefüggő mutatókört ért: a diplomaszerzés körülményeit, valamint a munkaerő-piaci integrációt. A „diplomát szerzők aránya”, a „lemorzsolódási arány”, illetve a „jó teljesítménnyel diplomázók aránya” mutatószámok közül az első kettő lényegében ugyanazt méri, csak más oldalról közelíti a kérdést – ezzel egyben az is elmondható, hogy ez a mutatószám (mutatószám-páros) a leginkább elterjedt az oktatás kimenetének mérésére. A diplomaszerzők/lemorzsolódók aránya jó mutató, módszertani problémát jelent azonban, hogy „évfolyamok” hiányában milyen csoportot tekintsünk 100%-nak. A „lemorzsolódó” hallgatók operacionalizálása könnyebb: itt lehetséges megoldás a tanulmányaikat egy vizsgálati évben nem abszolutóriummal befejezők (tanulmányi okból elbocsátottak, fegyelmi okból elbocsátottak, stb.) és az adott év összhallgatói (aktív és passzív hallgatók) létszámának aránya.8 A külföldi rangsorok önmagában a diplomaszerzők arányával foglalkoznak, nálunk azonban feltétlenül érdemes lenne figyelembe venni azokat a hallgatókat is, akik ugyan megszerzik az abszolutóriumot, tehát lezárják tanulmányaikat, de valamilyen oknál fogva (legtipikusabb a nyelvvizsga hiánya) diplomájukat ténylegesen nem, vagy csak az abszolutóriumszerzéshez képest késéssel tudják átvenni. Az adott félévben abszolutóriumot szerzettek és közülük diplomájukat kézhez is 7

Bővebben lásd a Felsőoktatási rangsorok nemzetközi és hazai gyakorlata című benchmark-tanulmányban. Természetesen mindenképpen javasolt a kérdés további szakmai vitája; a lemorzsolódás jelenségköre az utóbbi időszak igen nagy szakmai- és közérdeklődésre számot tartó témája, így vélhetően termékeny lehet a szakmai közvélemény (köztük az intézmények) bevonása – egyben összhangban a berlini alapelvekkel is. 8

13

kapók aránya könnyen mérhető, ráadásul hiánypótló mutató lehet, jelenleg ugyanis csak hozzávetőleges információink vannak a diplomájukat késéssel átvevő, illetve az abszolutóriumszerzést követően végleg eltűnő hallgatókról, az összes végzetten belüli intézményenkénti arányukról.9 A munkaerőpiacra történő kilépés, a munkaerő-piaci integráció főbb mutatóiként a külföldi rangsorok a végzettek jövedelmét, illetve munkaerő-piaci aktivitásuk mértékét alkalmazzák. A végzettek jövedelmére vonatkozó adatok az államigazgatási adatbázisok integrációjának eredményeként hazánkban is rendelkezésre állnak, természetesen a fentebb már említett (adatvédelmi okokra visszavezethető) korlátok között. Az önbevalláson alapuló (saját intézményi vagy központilag szervezett felméréssel megszerzett) jövedelmi adatok esetében rengeteg módszertani kérdés merül fel. Komoly vita folyik a szakemberek között az önbevalláson alapuló jövedelmi adatok megbízhatóságáról, az adatok torzításáról, annak jellegéről. Egyes vélemények szerint a legfelső és a legalsó értékek nem mérhetőek (a legjobban és a legrosszabbul keresők eltűnnek, vagy nem adják meg valós adataikat), mások épp a két pólus irányába történő torzító hatást, a középmezőny motiválatlanságát emelik ki. A vita részleteit ezen tanulmány keretei között természetesen nincs módunk kifejteni, azt azonban meg kell állapítanunk, hogy az ily módon előálló adatok inkább csak „puha” változóként értelmezhetők, ágazati szintű döntés-előkészítő rangsorban történő alkalmazásuk komoly bizonytalansági tényezőt jelent, és a rangsorral kapcsolatos bizalmat is nagy mértékben csökkentheti. A munkaerő-piaci aktivitás mutatója a jövedelmi adatokhoz hasonlóan (és hasonló korlátok között) kinyerhető az integrált államigazgatási adatbázisból. A megkérdezett szakértők szerint „indikátor legyen a végzéstől számított kritikus (nem átlagos) elhelyezkedési idő”, és „indikátor legyen a pályaelhagyás - 3 évvel a végzés után a volt hallgatók hány százaléka dolgozik a szakmájában.” Láthatjuk, hogy a szakértők által megjelölt két lehetséges indikátor egyike sem szerepel ebben a konkrét formában a nemzetközi gyakorlatban alkalmazott indikátorok között, ennek legfőbb oka vélhetően mérésük nehézségében rejlik. A végzéstől számított elhelyezkedési idő jó mérőszámnak tűnik, számolni kell azonban 9

További kérdés a „diploma nélküliek” munkaerő-piaci fogadtatása; egyes vélemények szerint a diploma nélkül, abszolutóriummal kilépők ugyanolyan, vagy hasonló elbírálásban részesülnek, mint a papír birtokában lévő társaik, újabb felmérések ezzel szemben némileg árnyalják a képet. (Pl. Nándori Emese: Átmenet a felsőoktatásból a munkaerőpiacra. In Garai Orsolya et al. (szerk.): Frissdiplomások 2010. Diplomás pályakövetés 4. Bp., 2011. Educatio Társadalmi Szolgáltató Nonprofit Kft.)

14

azzal a ténnyel, hogy a végzős évfolyamokon belül egyes képzési területeken jelentős lehet a már munkában állók, munkaviszonnyal rendelkezők aránya. Az ő elhelyezkedési idejük átlagba történő beszámítása problémás, torzíthatja az eredményt. A másik problémát az adatforrás jelenti: az intézmények által végzett önkitöltős kérdőíves felvételek reprezentativitása és megbízhatósága – mint azt már korábban is jeleztük, feltétlenül alkalmas az intézményi stratégia megalapozásához, tájékoztatáshoz, illetve az adatok egy intézményen belüli értékeléséhez, intézményközi összehasonlításnak, rangsorolásnak azonban felelősséggel nem képezheti az alapját. Az adatintegrációs pályakövetési adatbázis (államigazgatási adatok) alapján a mutató biztonsággal aligha alkotható meg – nagyrészt ugyancsak a diplomaszerzéskor már munkában állók nehéz kiszűrhetősége miatt. A pályaelhagyás, az „illeszkedés” kérdése a szociológiai és közgazdasági irodalom egyik központi témája. A felsőoktatással foglalkozó szakirodalomban egyre jobban elterjed – a felsőoktatás differenciálódásának elfogadásával együtt – a „generalista” és a „specialista” képzések, képzéstípusok közötti különbségtétel. A specialisták közé – ha nagy képzési területeket veszünk – sorolhatók az orvosi és egészségtudományi végzettek, a jogászok, igazgatási szakemberek, illetve természetesen csaknem minden területen megtalálható néhány olyan szak, képzési ág, amely többé-kevésbé „specialista” szakembereket képez. Az ő esetükben viszonylag (de csak viszonylag!) egyszerűbb lehet az illeszkedés mérése. A generalista képzések (pl. a legtöbb bölcsészettudományi, társadalomtudományi, de akár gazdasági szak) esetében az illeszkedés már jóval nehezebben mérhető. a felsőoktatás egyik sajátossága ezen képzések esetében ráadásul éppen az, hogy olyan, jól konvertálható ismereteket, tudást, kompetenciát ad át a hallgatóknak, amellyel azok a gazdaság (és azon belül a munkaerőpiac) több területén is eredményesen tudnak majd teljesíteni. Ha az elméleti problémákon túlra nézünk, a pályaelhagyás mérése a gyakorlatban is nehezen, óriási munkaerő-igénnyel, és ezzel együtt is magas (akár szisztematikus) hibázási veszéllyel valósítható csak meg – az egyes elemzési egységeket (végzetteket) egyesével kell kódolni a kódoló számára ugyan megadott, de teljesen objektívvé nagy biztonsággal sosem tehető paraméterekkel.10

10

A pályaelhagyás vs. pályán maradás szubjektív megítélésének mérése tudományos szempontból ugyan megbízható, sőt bizonyos tekintetben elemzési célokra a legjobb megoldás is lehet, még az ágazati döntések számára is hordozhat fontos információkat, de éppen szubjektivitása miatt (és ezzel együtt a méréssel és az értelmezéssel kapcsolatos módszertani kérdések, nehézségek okán – ezekről korábban már szóltunk) ágazati döntéshozatal-támogató rangsorolásra történő felhasználása nem javasolt.

15

A kimeneti mutatók esetében igen komolyan figyelembe kell venni a felsőoktatás sokszínűségét, az intézmények, az egyes intézményi célok és szerepek heterogenitását, továbbá a képzési területek, és az azokhoz kapcsolódó munkaerő-piaci szegmensek eltérő jellegzetességeit, jegyeit. Kimeneti mutatók (pl. jövedelem) esetében felelősséggel nem állíthatóak fel egységes összintézményi listák, azok relevanciája minimális.

16

6. Az oktatói (és oktatási) minőség mérésének kérdései Az oktatási minőség és az oktatói gárda minőségi mutatói – mint arra benchmark-tanulmányunkban is utaltunk – több ponton átfedésbe hozhatók egymással, sok olyan mutató van, amit mindkét értelemben használni lehet. A nemzetközi gyakorlatban is elterjedt oktató/hallgató arány jól mutatja az oktatás jellegét, ugyanakkor az oktatói gárda mennyiségi mutatójaként is értelmezhető; a hazai gyakorlatban alkalmazott, a tudományos fokozattal rendelkező oktatók és a hallgatók arányát jelző mutató talán egy fokkal még a nemzetközi gyakorlatban használt általános mutatónál is jobban jelzi az oktatói minőséget, de kétségkívül az oktatási minőségre (annak egy aspektusára) is következtethetünk belőle. Az oktatói mutatók közé sorolható, de a munkaerő-piaci mutatók között is értelmezhető a vállalati kapcsolatokkal rendelkező oktatók jelenlétét mérő jelzőszám, de lehetnek átfedések az oktatás/oktatók, valamint a kutatás-fejlesztés egyes (személyi) indikátorai között is. A nemzetközi gyakorlatban leginkább elterjedt oktatói mérőszám (a hallgató/oktató arány mellett) az oktatók publikációival, illetve citációs indexével foglalkozik. Ez a nemzetközi tudománymetriában is elfogadott mutató a hazai rangsorolási gyakorlatnak nem képezi részét; az ok az egységes mérési elvek, illetve az egységes és teljes körű hazai publikációs indexek hiányában kereshető. Az oktatók minőségét a külföldi rangsorok a publikációs tevékenységen túl egyes objektivált jegyekkel, például a tudományos fokozattal, illetve különböző tudományos testületben lévő tagsági viszonnyal is mérik. Ezek közé a mutatók közé tartozik a doktori cím meglétét vizsgáló mérőszám, illetve az akadémiai tagsággal rendelkező tanárok számát jelző indikátor. A hazai statisztikai adatok nagyrészt megfelelően használhatóak a tudományos fokozattal rendelkező oktatók, valamint az egyéb címekkel (így akadémiai doktori címmel) rendelkező oktatók arányának mérésére. Az adatszolgáltatás esetében egyértelműsíteni kell, kik tartoznak a Felsőoktatási törvény értelmében a „minősített” oktatók közé: ügyelni kell arra, hogy a „tudományos fokozat” (CSc, PhD, DLA), illetve a „cím” (akadémiai doktor) fogalmai ne keveredjenek össze. A nemzetközi gyakorlatban is találunk rá példát, a hazai szakértői véleményekben is felmerült, hogy a minősített oktatói arányt (illetve a hallgató/oktató arányt) nem csak kari vagy intézményi bontásban, hanem

17

például az egyes képzési szintek vonatkozásában is mérni kellene. Erre a jelenlegi hazai statisztikai adatbázisok és adatszolgáltatási jellemzők ismeretében kevés lehetőséget látunk, az ilyen részletességű statisztikai adatkérések bizonytalanná tehetik az adatszolgáltatást, előállításuk nehézsége csökkentheti a rangsor elfogadottságát.

18

7. A kutatás-fejlesztés, mint rangsorolási dimenzió Az intézmények kutatás-fejlesztési, innovációs tevékenysége a nemzetközi rangsorolási gyakorlat egyik legjelentősebb, egyben legnagyobb érdeklődésre számot tartó dimenziója. A kutatás-fejlesztési tevékenységet mérő rangsorelemek nagyrészt a következő mérőszám-típusokból állnak össze: - doktori képzés volumene; megvédett doktori disszertációk száma; - kutatási tevékenység mérőszámai: szabadalmak száma, kutatási projektek, külső finanszírozású projektek száma; - kutatói állomány összetétele; - kutatási kiadások és kutatásokból származó bevételek; - kutatás-fejlesztési együttműködések mutatói: együttműködések száma, ezekből származó bevétel. Több rangsor ebben a vizsgálati körben szerepelteti az oktatók és a kutatók által írott publikációk számát, illetve az idézettségi indexet is, mi ezen mutatószámokkal (a nemzetközi gyakorlatban ugyancsak megtalálható módon) az oktatói minőség mutatói között foglalkoztunk. A hazai rangsorolási gyakorlatból teljességgel hiányoznak a K+F tevékenység indikátorai. Ahogy interjúalanyaink véleménye is jelzi: „- Nem jelennek meg a kutatói potenciálok indikátorai. - A K+F tevékenység nem eléggé mért. - A rangsorok nem mérik a kutatási projekteket. - A rangsorokban nem szerepelnek a kutatási bevételek. Hiányzik a szabadalom / oltalom, / értékesített know-how mérőszáma.” A kutatási teljesítmény rangsorokban történő szerepeltetésének hiányát egyrészt a téma statisztikai szempontból való feltérképezetlensége okozza. Nem állnak rendelkezésre egységesen gyűjtött adatok a kutatási potenciálról, nem világos a kutatói és az oktatói állomány elkülönülésének kérdése (az oktatói státusban lévők kutatnak is, míg a kutatói státusokban alkalmazottak nem elsősorban kutatással foglalkoznak, hanem oktatási feladatokban vesznek részt). 19

A nemzetközi gyakorlatban is alkalmazott mutatószámok közül a hazai rangsorokban jelenleg a doktori képzésben részt vevők száma, valamint a megszerzett doktori fokozatok száma található meg. Figyelembe kell venni azonban azt, hogy a hatályos rendelkezések értelmében a doktori iskolákat nem karok, hanem intézmények működtetik, ráadásul (gyakorlati szempontokat figyelembe véve) a doktori iskolák nem minden esetben rendelhetők egyértelműen az intézmények valamely karához; a mutatók tehát csak intézményi szinten értelmezhetők biztonsággal és pontosan. A kutatás-fejlesztési tevékenység egyéb mutatói közül a nemzetközi rangsorolási gyakorlathoz való adaptálódás céljából javasolt lehet általános statisztikai adatszolgáltatás részévé tenni a jelenleg csak az AVIR intézményi mutatószám-javaslatának részét képező, tehát nem központilag gyűjtött néhány mutatót: - Bejegyzett szabadalmak, védjegyek és szabványok száma; - Hazai K+F projektek költségvetéshez képest;

bevétele;

részarányuk

a

teljes

- Nemzetközi K+F projektek bevétele; részarányuk a teljes költségvetéshez képest; - Hazai kutatási projektek száma; - Nemzetközi kutatási projektek száma. További javaslatként a kutatói és oktatói státusok fogalmi tisztításának céljából is érdemes lehet az ugyancsak az AVIR mutatószámgyűjteményében szereplő két mutató részletesebb vizsgálata: - Kutatási tevékenységgel foglalkozók száma; - Kutatási tevékenységgel foglalkozók aránya az összes oktatói és kutatói státusban lévőhöz képest.

20

8. A nemzetközi orientáció mérésének lehetőségei Fontos, hogy egységesen alkalmazható, jól mérhető mutatókat használjunk. A mutatók legyenek világosak és egyértelműek, amelyek az intézmény adott területen elért kimeneti eredményeit, mintsem a bemenetet számszerűsítik. Mivel nemzeti rangsort kell felállítani, minden intézmény által egyformán alkalmazott mutatókra van szükség. Természetesen nem elég csak pl. a kiutazó hallgatók számát mérni, hiszen a nemzetközi környezetnek az itthon maradók számára is elérhetővé kell válnia, aminek hosszabb távon akár nagyobb hatása is lehet az egyetem életére, mint egy néhány hónapos külföldi utazás. A mutatóknak – ahol ez releváns – nem csak a tanulási vagy oktatási célú nemzetközi tevékenységeket, hanem a kutatás nemzetközi jelenlétét is mérniük kell. Figyelembe kell venni az intézmények sokféleségét: egy kisebb, helyi érdekű főiskola, korlátozott kutatási tevékenységgel, várhatóan kevesebb és kisebb arányban vesz részt a nemzetközi együttműködésekben, mint egy többkarú kutatóegyetem. A különböző intézménytípusoknál érdemes különböző indikátorokat alkalmazni, attól függően, hogy mi az elvárás velük szemben a nemzetközivé válás tekintetében. - sokszínűség a kampuszon: a részképzésen vagy teljes képzésen (credit mobility: legalább 1 kreditet szerez11 vagy degree mobility: teljes szakot itt végzi 12) tanuló külföldi hallgatók aránya a teljes hallgatói létszámhoz képest egy adott évben13, - hallgatói mobilitás: az Erasmus és a Ceepus programban kiutazó hallgatók aránya a teljes hallgatói létszámhoz képest egy adott évben, - oktatói és személyzeti mobilitás: az Erasmus és a Ceepus programban kiutazó oktatók és személyzet (nem oktatói státuszban dolgozó alkalmazottak) aránya a teljes alkalmazotti létszámhoz képest egy adott évben,

11

A fenntartói keretszerződésekben korábban a legalább 1 hónapnyi külföldi tartózkodást mérték, itt inkább a legalább 1 kreditet szerző hallgatókat mérő, nemzetközileg is elfogadott indikátort javasoljuk figyelembe venni. 12 Külföldi hallgatónak számít az, aki az itt végzett képzés előfeltételének számító korábbi legmagasabb iskola végzettségét nem Magyarországon szerezte – tekintet nélkül az állampolgárságára. (Tehát, ha egy magyar állampolgárságú hallgató itthon érettségizett, de pl. Franciaországban szerzett alapdiplomát, majd hazajön a mesterképzésre, akkor ő külföldi hallgatónak számít. Ugyanakkor, ha egy román állampolgárságú, ámde magyar nemzetiségű hallgató nálunk szerzett mesterdiplomát és itt szeretné a doktori képzést is elvégezni, akkor ő nem számít külföldi hallgatónak.) 13 Ebbe beleérthetők pl. az Erasmus Mundus programban beérkezők is.

21

- kutatói mobilitás: az intézményhez beutazó vagy onnan kiutazó kutatók (beleértve a doktoranduszokat - az Erasmus és a Ceepus kivételével - is) aránya az összes főállású kutatóhoz képest, - nemzetközi kutatási projektekből származó bevételek – lásd még kutatás-fejlesztési mutatók. Sokszínűség a kampuszon: a nemzetközi környezetnek az itthon maradók számára is elérhetővé kell válnia, aminek hosszabb távon akár nagyobb hatása is lehet az egyetem életére, mint egy néhány hónapos külföldi utazás. Így természetesen nem elég csak pl. a kiutazó hallgatók számát mérni, hiszen a mutatóknak – ahol ez releváns – nem csak a tanulási vagy oktatási célú nemzetközi tevékenységeket, hanem a kutatás nemzetközi jelenlétét is mérniük kell. A kampusz nemzetközi voltának mérése egyben jelzi azt is, hogy elegendő létszámú, idegen nyelven oktatni tudó oktató van-e az adott intézményben, illetve súlyoz a valóban elinduló idegen nyelvű képzések szerint is. Így ezzel a mutatóval megvalósul az, hogy nem a bemeneti, hanem a kimeneti oldalt mérjük. Nem javasoljuk statisztikai szempontból figyelembe venni egyelőre a közös, kettős vagy többes oklevélhez vezető képzések számát vagy az ezek keretében ténylegesen kiállított oklevelek számát, mivel ezek mennyisége elenyésző – évente 5-10 db. A sokszínűségi indikátorban a tényleges működésük eredménye – az itt tanuló Erasmus Mundus hallgatók száma már szerepel. Hallgatói mobilitás: itt kizárólag az Erasmus és a Ceepus programban kiutazó hallgatók arányát mérjük a teljes hallgatói létszámhoz képest egy adott évben. Tekintettel arra, hogy a nemzetköziesítésről nem állnak rendelkezésre minden egyetemen több évre visszamenőleg statisztikák, csak azokat a hallgatói mobilitásokat érdemes figyelembe venni a nemzetközivé válás mérésére és értékelésére, ahol a hallgató legalább egy kreditet „hazahoz”. Azért nem mérjük a bejövő mobilitást, mert azt már belevettük az első indikátorba, hiszen a bejövő hallgatók az intézmény sokszínűségének az alapján képezik. Azért csak az Erasmus és a Ceepus programot javasoljuk mérni, mert egyrészt ezek lefedik a külföldi részképzési lehetőségek igen jelentős részét (több mint 80%-át), másrészt ezekről rendelkezésre állnak 10 évre visszamenőleg az összehasonlítható adatok. Más ösztöndíjprogramok még együttesen is csak kis súlyt képviselnek a teljes hallgatói mobilitáson belül, és különösen keveseket érintenek a teljes hallgatói létszámból. 22

Szintén nem érdemes külön mérni a nemzetközi kétoldalú intézményi megállapodások számát a hallgatói mobilitás területén, mivel ezeknek a száma tükröződik a kiutazó és a beutazó Erasmus és Ceepus hallgatók számában. (Amennyiben pedig egy kapcsolat „nem élő”, csak papíron létezik, akkor mobilitás sem fog ennek keretében megvalósulni.) Oktatói és személyzeti mobilitás: Azért csak az Erasmus és a Ceepus programot javasoljuk mérni, mert egyrészt ezek lefedik a külföldi oktatási és továbbképzési lehetőségek szinte teljességét, másrészt ezekről rendelkezésre állnak 10 évre visszamenőleg az összehasonlítható adatok. Más ösztöndíjprogramok még együttesen is csak kis súlyt képviselnek a teljes oktatói mobilitáson belül, személyzeti mobilitásra pedig nincs másutt lehetőség. Itt is a teljes alkalmazotti létszámhoz viszonyított arányt javasoljuk mérni. Kutatói mobilitás: Ez a szám az intézményhez beutazó vagy onnan kiutazó kutatók arányát jelzi az összes főállású kutatóhoz képest. Ebbe a mutatóba beleértjük a doktoranduszokat is, kivéve, ha az Erasmus vagy a Ceepus programban utaznak, hiszen őket egyszer már mértük az előző mutatókban. Itt számolhatják el az intézmények azokat a kétoldalú, gyakran informális együttműködéseket és támogatásokat, amelyekről csak tanszéki, oktatói vagy legfeljebb kari szinten rendelkeznek információval, de amelyek sokszor igen jelentős támogatást nyújtanak a kutatási tevékenységhez. A nemzetközi kutatási projektekből származó bevételek: Itt számos lehetőség adódik, de nemzeti szintű nyilvántartásról nem tudunk. Várhatóan a legtöbb nemzetközi támogatás az EU7 keretprogramjából származik. Esetleges, hogy ezt az intézmények hogyan tartják nyilván, de a könyvelésükben biztosan megjelenik. Nemzeti szinten a Nemzeti Innovációs Hivatal rendelkezik erről adatokkal, de ők is csak azt tudják, hogy egy adott intézmény a) részt vesz egy projektben és b) mekkora a teljes támogatás a projekthez. Azt viszont már nem tudják, hogy a teljes támogatásból mekkora rész jut a magyar egyetemnek, így ennek a mutatónak az esetében csak a felsőoktatási intézmény adataira lehet támaszkodni. (Árfolyam-problémák adódhatnak számításkor, hiszen nem forintban kapják a támogatásokat, így ezt a számítást megelőzően tisztázni kell.)

23

9. Munkaerő-piaci mutatók, presztízs-mutatók A munkaerő-piaci kapcsolatrendszer erőssége, az intézmények munkaerőpiaci megítélése számos külföldi rangsorolási gyakorlatban megtalálható elem. Jellemző mutatói a következők: - gyakornoki programban részt vevő hallgatók aránya, - a vállalatok (piaci szereplők) részvétele a képzésben, a képzések finanszírozásában, - vállalati (gyakorlati) tapasztalattal rendelkező oktatók részvétele a képzésben, - az intézmény munkaerő-piaci presztízse. A tiszta kapcsolati mutatók közül a hazai rangsorolási gyakorlat a meglévő teljes körű adatok hiánya, valamint a konkrét módszertani (definíciós és adatgyűjtési) elvek kidolgozatlansága miatt jelenleg egyet sem alkalmaz. A munkaerő-piaci kapcsolatrendszer mérhetővé tétele első közelítésben az intézmény és vállalati partnereinek számával oldható meg (természetesen a „vállalati partner” fogalom itt további definíciós folyamaton, a teljes mutató pedig részletes auditálási eljáráson kell, hogy átmenjen), de a kapcsolatrendszer erősségének jó mutatója lehet a betölthető (intézmény által kínált) szakmai gyakorlati helyek száma, valamint az adott évben szakmai gyakorlatot teljesített hallgatók részaránya is. Utóbbiak – a korábbiakban javasolt K+Fmutatókhoz hasonlóan – jelenleg az AVIR intézményi mutatószámajánlatának részét képezik. A szakmai gyakorlattal rendelkező oktatók oktatásban történő részvételére vonatkozóan a jelenlegi hazai mérési gyakorlat „puha”, tehát hallgatói véleménykérdések adatai alapján összeálló elemeket tartalmaz, ezek felhasználhatóságának korlátairól fentebb már szóltunk. A „gyakorlattal rendelkező oktató” statisztikai fogalma talán még a „vállalati partner” fogalmánál is nehezebben definiálható, a definíciós és a későbbi mérési-rangsorolási folyamat számos vitára, bírálatra adhat okot, így a mutató használatát nem javasoljuk. A nemzetközi gyakorlat is ismeri az úgynevezett „presztízsrangsorok” fogalmát, ezen rangsorok megalkotásához szakértőket, ágazati szereplőket, vagy éppen munkaerő-piaci szereplőket kérdeznek az egyes intézményekről, akár konkrétan azok presztízséről, akár valamilyen egyéb 24

jellemzőjéről (például ítélje meg az intézményben folyó képzést, a végzetteket; honnan venne fel állásra jelentkezőt, stb.). Ezt a presztízsrangsorolási gyakorlatot hazánkban is alkalmazzák, a HVG Diploma Felvirangsorokkal kiadvány részeként rendszeresen megjelennek a Magyar Kereskedelmi és Iparkamara Gazdaság- és Vállalkozáskutató Intézete (MKIK-GVI) felmérésein alapuló, az intézet által készített „munkaerő-piaci presztízsrangsorok”.14 Fontosnak tartottuk megvizsgálni azt a kérdést, hogy ezek a „munkaerőpiaci presztízsrangsorok” vajon mutatnak-e valamilyen összefüggést egyéb rangsorokkal – azaz, miből táplálkozhat a munkaerő-piaci presztízs; van-e korreláció az intézmények egyéb (pl. bemeneti) mutatói és a munkáltatók által látott presztízsérték között. A válasz egyértelműen igen. A vizsgálat tárgyát többek között a jelentkezők száma és az intézmény munkaerő-piaci szereplők által adott presztízspontszáma közötti összefüggés képezte. Mind gazdaságtudományi, mind műszaki területen (az MKIK-GVI felmérésében ezen két képzési terület intézményei vannak legnagyobb arányban képviselve) erős korreláció mutatkozik az egyes intézményekbe jelentkezők száma, valamint a munkaerő-piaci oldal által adott presztízspontszám között. Hasonló összefüggést találhatunk a munkáltatók által adott presztízspontszámok és a felsőoktatási intézmények nemzetközi kapcsolatait mérő index-szám (a MOHA Magazin szakemberei által készített mérőszám) között. A gazdasági karok esetében (korr: 0,62) a magas presztízspontszámokhoz csaknem minden esetben magas network index értékek tartoznak. A presztízsmutatók kétségkívül hasznos elemét képezik a tájékoztatási és pályaorientációs célzattal készülő felsőoktatási rangsoroknak, rangsorkiadványoknak, látható azonban, hogy a munkaerő-piaci szereplők intézményi presztízs-fogalma semmiképpen sem definiálható egyértelműen az intézmény végzettjeinek tényleges munkaerő-piaci teljesítményével, az abból fakadó intézményre vonatkoztatott értékítélettel.

14

A presztízsrangsorokról megkérdezett szakértőink is említést tettek, hiányolták azonban ezek összehasonlíthatóságát a többi rangsor-elemmel. A probléma jogos, az egy kiadványon belül megjelenő különböző rangsorok sajnos nem mindenben követnek egységes módszertant, ez azonban egy guide-jellegű, tájékozató célzattal fellépő kiadványon nem kérhető feltétlenül számon. „A GVI-nek egy komoly felmérése van arról, hogy milyenek az állásigények, a vállalatok hogy látják, mire van szükség. Ők ebből egyébként csinálnak rangsort is. Ők nem számszerűsített adatokat, hanem egy összesített rangsort fogalmaznak meg. Ezek fontos mutatók, de ez pl. egy másik rangsor, ami alig van köszönőviszonyban a többivel.”

25

10.

A rendelkezésre álló adatbázisok felhasználhatósága

A hallgatói és oktatói adatok lehetséges forrását képezheti a Felsőoktatási Információs Rendszer adatbázisa. A FIR központi nyilvántartása egységes informatikai rendszerbe fogja össze a felsőoktatás intézményi és személyi adatait, amelyek így központilag egy helyen hozzáférhetőek, illetve a folyamatosan frissülő adatok bármikor lekérdezhetőek. A statisztikai célok eléréséhez szükséges a FIR jelenlegi kb. 80%-os feltöltöttség javítása, az adatkörök felülvizsgálata, és az adattisztítás. Az egységes informatikai rendszer biztosítani tudja az ágazat szereplői számára valamennyi felsőoktatási intézmény képzésének és a szakokhoz tartozó adatok hatályos nyilvántartását, beleértve a szakokhoz tartozó végzettségek egységes nyilvántartását. Valamennyi felsőoktatási intézmény alapító okiratban szereplő és ahhoz kapcsolódó (pl. közoktatási, közművelődési, egészségügyi, vállalkozási feladatok ellátására vonatkozó) adatainak, illetve kollégiumok, diákotthonok adatainak, férőhelyeinek nyilvántartását, valamint a felsőoktatási intézmények fenntartóinak, tisztségviselőinek, a szakfelelősök adatainak tárolását. Továbbá a hallgatók és a képzésükhöz tartozó adatokat, elemi szinten: aktív-passzív hallgatók, külföldi résztanulmányok, kollégiumi, vendéghallgatói, doktorjelölti jogviszonyok adatai. (Ez jóval megbízhatóbb és pontosabb adatszolgáltatást tesz lehetővé, valamint alkalmas a döntés előkészítéshez használt különböző szempontú szűrésekre, lekérdezésekre, mint a jelenleg gyakran alkalmazott ad-hoc jellegű adatszolgáltatási forma.) Az Oktatási Hivatal megbízásából jelenleg az Educatio Társadalmi Szolgáltató Nonprofit Kft. bonyolítja le – a felsőoktatási intézmények tevékeny együttműködése mellett – a felsőoktatási felvételi folyamatát. A felvételi adatbázis a jelentkezőkre és a képzéseket meghirdető felsőoktatási intézményekre vonatkozó információkat tartalmaz. Az adatok forrásai egyrészt maguk a jelentkezők, illetve a meghirdető intézmények, másrészt az Oktatási Hivatal. Az adatkezelés célja a felsőoktatási felvételi eljárásban való részvétel érdekében vezetett nyilvántartás, tehát ez az adatbázis sem statisztikai céllal jött létre. Ez azért is lényeges, mert az eljárást követően a bevitt, és az eljárás időtartama alatt kezelt adatok jelentős része (személyes azonosítók stb.) egy ún. „személytelenítési folyamat” során törlésre kerül. Az adatok gyűjtése a jelentkezők vonatkozásában a nyomtatott jelentkezési lapok, illetve az e-jelentkezői felületen megadott jelentkezési információk rögzítése során történik, 26

emellett a jelentkezők különböző okból (többletpont, előírások stb.) további dokumentumok beküldésével további információkat szolgáltatnak, amelyek ugyancsak rögzítésre kerülnek. Az intézményi, illetve a képzésekkel kapcsolatos információk pedig részben a felsőoktatási intézmények által, részben pedig az Oktatási Hivatal által és a Felsőoktatási Információs Rendszerből (FIR) kerülnek bevitelre. A jelentkezési adatbázisban figyelemreméltó adatok is gyűjtésre kerülnek, pl. a jelentkezők középiskolai (tanulmányi) versenyeken való szereplései, azok többletpontot érő sikerei, illetve – szintén a korábbi években közkedvelt rangsorolási szempontjai közé sorolható – a „topközépiskolákból15” érkezett jelentkezők/felvettek aránya. Az adatbázis idősoros adatok kiszolgálására is alkalmas, digitalizált formában rendelkezésre állnak 2001-től kezdődően a jelentkezési/felvételi adatok, illetve az egyes intézmények/karok meghirdetett és elindított képzéseivel kapcsolatos információk, ami lehetőséget teremt a hosszabb távú jelenségek elemzésére is. A FIR-hez és a felvételi adatbázishoz hasonlóan országos szintű adatok kinyerésére lehet alkalmas a NEFMI által gondozott Felsőoktatási Statisztikai adatbázis. A NEFMI Statisztikai Osztálya rendkívül széles merítéssel dolgozik, a hallgatói létszámtól és egyéb adatoktól, az oktatói és kutatói létszámadatoktól az infrastrukturális adatokig több adatkör is évente feltérképezésre kerül. Fontos látnunk, hogy ezek némelyike csak rögzített formátumban gyűjthető, mivel az ágazati statisztika által kiszolgálandó egyéb statisztikai rendszerek (KSH, EU-s statisztikai jelentések) megkövetelik az azonos statisztikai módszertan alkalmazását. Említést kell tenni ugyanakkor néhány bizonytalanságról, amely nehezíti e statisztikai célú adatgyűjtés eredményeként előálló adatok feldolgozását és értelmezését. Ilyen bizonytalansági faktor például az, hogy minden adatgyűjtés, amely aggregált adatok összeállításával és átadásával folyik, magában rejti annak veszélyét, hogy hibás számítások eredményeként téves adatok kerülnek be a statisztikába. Másik ilyen jelenség az adatgyűjtés látens célja/következményeként említhető intézményfinanszírozási gyakorlat. Erre vonatkozóan még nem ismertek pontos számítások, de több jel is arra utal, hogy az intézményi adatszolgáltatások időnként torzítanak valamely (általában az adott intézmény számára kedvezőbb) irányba. E torzítás mértéke akkor lenne

15

Ez utóbbit általában Neuwirth Gábor oktatáskutató által a korábbi években készített középiskolai sikerességi rangsor alapján számították

27

becsülhető, ha rendelkezésre állnának a statisztikai adatszolgáltatás forrásául szolgáló elemi adatbázisok. További probléma, hogy az adatgyűjtés során alkalmazott némely fogalmak nem kellően definiáltak, illetve jelentéstorzulás figyelhető meg a statisztikai rendszer egyes szintjein található szereplők (statisztikusok, felhasználók) körében. Volt rá példa korábbi adatfelhasználások alkalmával, hogy másként értelmezték pl. a „képzést”, „szakokat”, sőt akár a „hallgatót” is, mint adatszolgáltatási egységeket, mivel ezek több oktatási szinten és alrendszerben különböző tartalommal bírnak. Az adatgyűjtés strukturális megvalósulásából eredő probléma, de nem kevésbé zavaró, hogy az adatlapok némelyikén az egyes összesített értékekből történő alábontásoknál nem egyértelmű, hogy az egyes részösszegeknek ki kell-e adniuk az összesített értékeket, tehát teljes spektrumát fedik-e le az adott dimenziónak, vagy egy önkényesen kiemelt részértékét. Ugyanígy: az azonos adatkörre vonatkozó részösszegeknél zavaróan nem egyértelmű, illetve félreérthető, hogy mindegyik részösszegnél szerepeltetni kell-e a bekerülési feltételeknek megfelelő rekordokat, vagy csak egyszer, illetve mely esetben hogy célszerű eljárni. (Ilyen pl. az oktatók adatainál az MTA doktora, illetve a PhD-val rendelkezők száma szempont). A munka során több esetben jeleztük, hogy a javasolt mutatók szerepelnek az Adattár Alapú Vezetői Információs Rendszer intézmények számára ajánlott mutatószám-gyűjteményében. A gyűjtemény célja az volt, hogy kellő inspirációt adjon az intézményi fejlesztőknek ahhoz, hogy a saját elképzeléseiknek legjobban megfelelő mutatószámrendszert tudják felépíteni az intézményi vezetői információs rendszerükbe, ezek a mutatók nem képezik részét a TÁMOP 4.1.3 központ, kiemelt projekt keretében megvalósuló ágazati szintű központi adattárnak. Az AVIR-ba érkező központi adatok felhasználásának is korlátja, hogy az intézményi adatokat a jogszabályi környezet kialakulásáig csak azok az intézmények tudják, és egyben akarják is szolgáltatni, akik a TÁMOP 4.1.1 fejlesztési pályázat keretében intézményi vezetői információs rendszert építenek (ez a pályázat két fordulójában összesen huszonhét intézményt érint, igaz, azt is elmondhatjuk, hogy ezek az intézmények nagyjából kétharmadát lefedik a teljes hallgatói létszámnak. További szűkülő teljes körűséget jelent, hogy a nem állami fenntartású intézmények nem kötelezhetők jelen pillanatban arra, hogy a gazdálkodással kapcsolatban minden olyan információt, adatot 28

megadjanak magukról, amit az államiaktól el lehet kérni. Ilyenek a pénzügy és vagyongazdálkodás, továbbá a létesítménygazdálkodás adatai.

29

11. Összegzés – javasolt mutatószámok mérési dimenziók szerint A hazai és a nemzetközi gyakorlat alkalmazott dimenziói és indikátorai, valamint a rendelkezésre álló és előállítható megbízható és releváns statisztikai adatok, adatbázisok alapján a következő rangsorelemek kiválasztását és további definíciós és auditálási folyamatának megindítását javasoljuk: Bemeneti mutatók: - Jelentkezők száma – az első helyes jelentkezőkön túl (természetesen eltérő súllyal) a nem első helyen jelentkezőket is számításba kell venni. (jelentkezőt és nem jelentkezést vizsgálunk, tehát egy jelentkező ugyanazon intézménybe benyújtott több jelentkezését csak egyszer számítjuk) - Az intézmények szelektáló képessége – első helyes bejutási arány - A felvettek (jelentkezők) korábbi tanulmányi teljesítménye – középiskolai versenyeken elért helyezések; nyelvvizsgával rendelkező jelentkezők/felvettek. Kimeneti mutatók: - Végzettek éves átlagjövedelme, - Végzettek munkaerő-piaci aktivitása. Oktatói (oktatási) mutatók: - Egy minősített oktatóra jutó hallgatók száma, - Tudományos fokozattal (PhD, CSc, DLA) rendelkező oktatók száma és aránya, - Akadémiai doktori címmel (MTA doktora) rendelkező oktatók száma és aránya. Kutatás-fejlesztési tevékenység mutatói: - Hazai kutatási projektek száma, - Nemzetközi kutatási projektek száma,

30

- Hazai K+F projektek bevétele; részarányuk a teljes költségvetéshez képest, - Nemzetközi K+F projektek költségvetéshez képest,

bevétele;

részarányuk

a

teljes

- Bejegyzett szabadalmak, védjegyek és szabványok száma, - Doktori (PhD, DLA) képzésben részt vevő hallgatók száma, - Megszerzett doktori (PhD, DLA) fokozatok száma. Munkaerő-piaci kapcsolatok mutatói: - Az intézmény vállalati partnereinek száma, - Az intézmény által kínált betölthető szakmai gyakorlati helyek száma, - Az adott évben szakmai gyakorlaton részt vevő hallgatók száma és aránya. A nemzetközi orientáció mutatói: - Sokszínűség a kampuszon: a részképzésen vagy teljes képzésen tanuló külföldi hallgatók aránya a teljes hallgatói létszámhoz képest, - Hallgatói mobilitás: az Erasmus és a Ceepus programban kiutazó hallgatók aránya a teljes hallgatói létszámhoz képest egy adott évben, - Oktatói és személyzeti mobilitás: az Erasmus és a Ceepus programban kiutazó oktatói és személyzet (nem oktatói státuszban dolgozó alkalmazottak) aránya a teljes alkalmazotti létszámhoz képest egy adott évben, - Kutatói mobilitás: az intézményhez beutazó vagy onnan kiutazó kutatók (beleértve a doktoranduszokat is - az Erasmus és a Ceepus kivételével) aránya az összes főállású kutatóhoz képest, Az egyes mutatók alkalmazásánál és a rangsorok összeállításánál természetesen figyelembe kell venni az intézménytípusok rangsorolhatóságával, a felsőoktatási szektor heterogenitásából fakadó értelmezhetőségi kérdésekkel kapcsolatos megállapításokat, valamint a rangsorok képzési területi, illetve szakos vonatkozásának fontosságát.

31