Felsőoktatási intézmények jellegzetességei

Felsőoktatási intézmények jellegzetességei

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

Tartalomjegyzék A téma indoklása ................................................................................................ 3 Az alapsokaság és a megfigyelési egység .............................................................. 4 A csoportosítási dimenziók ................................................................................... 6 A hallgatók száma............................................................................................ 6 Nappali képzésben részt vevők aránya ............................................................... 7 Jelentős jelenlét egy képzési területen ................................................................ 8 Képzési súly index ..........................................................................................10 A klaszterképző dimenziók összefüggései ...........................................................12 A csoportok ......................................................................................................14 Összefoglalás ....................................................................................................17

2

A téma indoklása A felsőoktatási intézmények társadalmi kohéziós szerepelemzése elnevezésű kutatás célja, hogy olyan mutatók elkészítésére tegyen javaslatot, amiken keresztül megragadhatók a vidéki intézmények gazdasági-társadalmi hatásai. Bármilyen aspektusból, bármilyen mutatón keresztül mutatjuk be és hasonlítjuk össze azonban a felsőoktatási intézmények gazdasági és társadalmi hatásait, nem szabad elfeledkeznünk arról, hogy az intézmények méretükben, képzési struktúrájukban és munkaerő-piaci relevanciájukban jelentős mértékben eltérnek egymástól. Az egyes szerepek, hatások összehasonlításához tehát nélkülözhetetlen a típusokban való gondolkodás, ellenkező esetben olyan megállapításokhoz juthatunk, mint amikor „a körtét hasonlítjuk az almához”. Egy egyszerű példával élve: igazságtalan lenne a Kaposvári Egyetem gazdaságélénkítő hatását a Pécsi Tudományegyeteméhez mérni, amikor, előbbi alig több mint 3000, utóbbi pedig több mint 25000 hallgatóval rendelkezik. A pécsi intézmény továbbá szélesebb képzési perspektívát kínál hallgatóinak, lényegesen nagyobb arányt képviselnek foglalkoztatottai, nagyságrendekkel nagyobb összeget csatornáz a helyi gazdaságba és néhány képzési területen országos jelentőségű. Ezért a következőkben bemutatunk egy olyan, statisztikai módszereken alapuló csoportosítási módszertant, amin keresztül nemcsak megismerhetőek az egyes intézmények közötti hasonlóságok és különbségek, hanem hangsúlyos szerepet játszanak a kohéziós mutatók értelmezésében is. Fontosnak tartjuk ismételten hangsúlyozni, hogy az egyes csoportokba tartozó intézmények még számos; számításba nem vett jellemző mentén különbözhetnek egymástól. Jelen kutatási programnak nem volt célja a felsőoktatási intézmények különböző jellemzők mentén való csoportosítása, ezért az eredményeket kezeljük egyfajta segédanyagként a kohéziós mutatók értelmezéséhez. Tanulmányunk első részében ismertetjük az alapsokaságot és a megfigyelési egységet, majd bemutatjuk a csoportosítás alapját képző dimenziókat. Végül a negyedik fejezetben rátérünk az ajánlott csoportosításra.

3

Az alapsokaság és a megfigyelési egység A kiírásából fakadóan csak az állami fenntartású, vidéki intézményeket vizsgáljuk. A Közép-Magyarországon működő karok és a magán-, illetve egyházi fenntartású intézmények tehát nem tartoznak bele a vizsgálati alapsokaságba. A Pest megyei állami fenntartású intézményeket sajátos földrajzi elhelyezkedésük, a főváros közelsége miatt szintén kizártuk az elemzésből. Kézenfekvő lenne, ha megfigyelési egységnek a felsőoktatási intézményeket választanánk, azonban egy FOI több településen is működtethet karokat. Gondoljuk meg: ha például a Nyugat-Magyarországi Egyetem térségre gyakorolt hatásáról akarnánk megállapításokat megfogalmazni, akkor azonnal felmerülne a kérdés, melyik térségre is gondolunk? A NYME ugyanis Sopron mellett Szombathelyen, Mosonmagyaróváron, Székesfehérváron és Győrben is működtet karokat. Megfigyelési egységnek ezért egy felsőoktatási intézmény egy adott településen lévő karait tekintjük. Eszerint 31 megfigyelési egységet lajstromoztunk. Ezért is javasoljuk az AVIR rendszerébe tartozó FIR adatok kari szintű bontásban való megjelenítését, hiszen csak ilyen módon fogalmazhatóak meg adatalapú megállapítások felsőoktatási intézmények és térségek egymásra hatásáról. Adathiányok miatt azonban a BGF zalaegerszegi és salgótarjáni intézményeit, illetve a bajai székhelyű Eötvös József Főiskolát ki kellett hagyni az elemzésből. A gyöngyösi Károly Róbert Főiskola bevonásáról egyéb módszertani okokból kellett utóbb lemondanunk, ennek részletesebb okai a csoportosítási lehetőségekről szóló fejezetben kerülnek kifejtésre. 2. 1. tábla: Az elemzés megfigyelési egységei Ssz. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Székhely Békéscsaba Debrecen Dunaújváros Eger Győr Győr Gyula Hajdúböszörmény Hódmezővásárhely Jászberény Kaposvár Kecskemét Keszthely Miskolc Mosonmagyaróvár Nyíregyháza

Felsőoktatási intézmény Szent István Egyetem Debreceni Egyetem Dunaújvárosi Főiskola Eszterházy Károly Főiskola Széchenyi István Egyetem Nyugat-Magyarországi Szent István Egyetem Egyetem Debreceni Egyetem Szegedi Tudományegyetem Szent István Egyetem Kaposvári Egyetem Kecskeméti Főiskola Pannon Egyetem Miskolci Egyetem Nyugat-Magyarországi Nyíregyházi Főiskola Egyetem 4

17 18 19 20 21 22 23 24 25 26 27

Nyíregyháza Pécs Sárospatak Sopron Szarvas Szeged Székesfehérvár Szekszárd Szolnok Szombathely Veszprém

Debreceni Egyetem Pécsi Tudományegyetem Miskolci Egyetem Nyugat-Magyarországi Szent István Egyetem Egyetem Szegedi Tudományegyetem Nyugat-Magyarországi Pécsi Tudományegyetem Egyetem Szolnoki Főiskola Nyugat-Magyarországi Pannon EgyetemEgyetem

5

A csoportosítási dimenziók Célunk, hogy különböző szempontok egységes figyelembevételével meghatározzuk a felsőoktatási intézmények közötti hasonlóságokat és különbségeket, és így csoportosítjuk azokat. Három dimenzió mentén képzeltük el a csoportosítást: 

FOI mérete: Méret alatt a foglalkoztatottak és hallgatók számát értjük. Mivel azonban ezen mutatók erősen korrelálnak, így a foglalkoztatottak számára vonatkozó információt elhagytuk.



Képzési típusok: Itt lényegében a nappali és esti-levelező hallgatók arányára gondolunk. A dimenzió indokoltságát az adja, hogy jelentős különbségek vannak az egyes intézmények által kínált képzések munkarendje között. A két végletet említve: a Debreceni Egyetem helyben működő karain 81 százalékban nappali képzésben résztvevőket találunk, míg ugyanez az arány a gyöngyösi Károly Róbert Főiskolán mindössze 20 százalék.



Képzési struktúrája: A képzési struktúrát két mutatóval ragadjuk meg. Az első jelentős jelenlét mutató, ami prezentálja, hogy egy felsőoktatási intézmény hány olyan képzési terülten oktat, ahol a nappali képzésben részt vevő hallgatók legalább 9,5 százalékát tanítja. A másik a képzési súly index, ami megmutatja, hogy egy intézmény a nappali hallgatók létszámát tekintve mennyire jelentős mértékben járul hozzá a felsőfokú képzéshez.

A hallgatók száma Az összes hallgató száma standardizált formában került felhasználásra. Erre azért van szükség, mert a klaszterképző dimenziók eltérő terjedelemben vehetnek fel értékeket, így torzítaná a K-means klaszterezés eredményeit. A standardizálás lényegében azt jelenti, hogy nulla várható értékű és egyes szórású „terjedelemre” transzformáljuk a változót. 3.1. tábla: A hallgatók száma Ssz.

Székhely

Felsőoktatási intézmény

1

Békéscsaba

Szent István Egyetem

2

Debrecen

Debreceni Egyetem

3

Dunaújváros

4

Eger

5

Hallgatók száma fő

Standardizált érték pont

1 521

-0, 61

25 990

2, 43

Dunaújvárosi Főiskola

4 312

-0, 26

Eszterházy Károly Főiskola

8 320

0, 24

Győr

Széchenyi István Egyetem

10 786

0, 54

6

Győr

Nyugat-Magyarországi Egyetem

4 119

-0, 29

7

Gyula


686

-0, 71

6

8

Hajdúböszörmény

Debreceni Egyetem

9

Hódmezővásárhely

Szegedi Tudományegyetem

1 944

-0, 56

417

-0, 75

10

Jászberény

11

Kaposvár


1 253

-0, 64

Kaposvári Egyetem

3 244

-0, 40

12 13

Kecskemét

Kecskeméti Főiskola

4 917

-0, 19

Keszthely

Pannon Egyetem

1 064

-0, 67

14

Miskolc

Miskolci Egyetem

13 394

0, 87

15

Mosonmagyaróvár


889

-0, 69

16

Nyíregyháza

Nyíregyházi Főiskola

8 900

0, 31

17

Nyíregyháza

Debreceni Egyetem

18

Pécs

Pécsi Tudományegyetem

19

Sárospatak

Miskolci Egyetem

20

Sopron


21

Szarvas


22

Szeged


23

Székesfehérvár


24

Szekszárd

25

Szolnok

26 27

1 932

-0, 56

27 480

2, 62

546

-0, 73

4 689

-0, 22

1 626

-0, 60

26 409

2, 49

588

-0, 73


1 552

-0, 61

Szolnoki Főiskola

4 161

-0, 28

Szombathely


3 976

-0, 31

Veszprém

Pannon Egyetem

8 888

0, 31

Forrás: NEFMI 2010

Nappali képzésben részt vevők aránya A nappali képzésben részt vevők aránya standardizált formában került felhasználásra. Erre azért van szükség, mert a klaszterképző dimenziók eltérő terjedelemben vehetnek fel értékeket, így torzítaná a K-means klaszterezés eredményeit. A standardizálás lényegében azt jelenti, hogy nulla várható értékű és egyes szórású „terjedelemre” transzformáljuk a változót.

3. 2. tábla: Nappali képzésben résztvevők aránya Ssz.

Székhely


Nappalisok aránya %

Standardizált érték pont

1

Békéscsaba


46, 22%

-0, 81

2

Debrecen

Debreceni Egyetem

80, 85%

1, 75

3

Dunaújváros


55, 19%

-0, 15

4

Eger


51, 42%

-0, 45

5

Győr


67, 19%

-0, 67

6

Győr


48, 29%

0, 72

7

7

Gyula


38, 34%

-1, 40

8

Hajdúböszörmény

Debreceni Egyetem

26, 18%

-2, 28

9



53, 24%

-0, 30

10

Jászberény


45, 17%

-0, 89

11

Kaposvár

Kaposvári Egyetem

66, 03%

0, 65

12

Kecskemét


55, 52%

-0, 08

13

Keszthely

Pannon Egyetem

79, 32%

1, 60

14

Miskolc

Miskolci Egyetem

62, 15%

0, 36

Mosonmagyaróvár


66, 37%

0, 65

16

Nyíregyháza


52, 21%

-0, 96

17

Nyíregyháza

Debreceni Egyetem

44, 20%

-0, 37

18

Pécs


69, 09%

0, 87

19

Sárospatak

Miskolci Egyetem

57, 33%

-0, 01

20

Sopron


59, 65%

0, 21

21

Szarvas


33, 83%

-1, 69

22

Szeged


75, 73%

1, 38

23

Székesfehérvár


59, 86%

0, 21

24

Szekszárd


56, 06%

-0, 08

25

Szolnok

Szolnoki Főiskola

50, 49%

-0, 52

26

Szombathely


64, 06%

1, 02

27

Veszprém

Pannon Egyetem

74, 36%

1, 24

15

Forrás: NEFMI 2010

Jelentős jelenlét egy képzési területen Jelentős jelenlétnek számít, ha egy felsőoktatási intézmény az egy képzési területen tanuló, nappali képzésben részt vevő hallgatók legalább 9, 5 százalékát tanítja. A számításokhoz az alábbi képzési területeket vettük figyelembe: agrár, bölcsészettudományi, gazdaságtudományi, informatikai, jogi-igazgatási, műszaki, művészeti, művészetközvetítési, orvos-egészségtudományi, pedagógusképzési, sporttudományi, társadalomtudományi, természettudományi. 3. 3. tábla: Jelentős jelenlét egy képzési területen Ssz.

Székhely


Jelentős jelenlét

Standardizált érték

db

pont -0, 51

1

Békéscsaba


0

2

Debrecen

Debreceni Egyetem

6

2, 94

3

Dunaújváros


0

-0, 51

4

Eger


2

0, 64

5

Győr


1

-0, 51

8

Győr


0

0, 06

7

Gyula


0

-0, 51

8

Hajdúböszörmény

Debreceni Egyetem

0

-0, 51

9



0

-0, 51

10

Jászberény


0

-0, 51

11

Kaposvár

Kaposvári Egyetem

1

0, 06

12

Kecskemét


0

0, 06

13

Keszthely

Pannon Egyetem

0

-0, 51

14

Miskolc

Miskolci Egyetem

0

-0, 51

15

Mosonmagyaróvár


0

-0, 51

16

Nyíregyháza


1

-0, 51

17

Nyíregyháza

Debreceni Egyetem

0

0, 06

18

Pécs


4

1, 79

19

Sárospatak

Miskolci Egyetem

0

-0, 51

20

Sopron


0

-0, 51

21

Szarvas


0

-0, 51

22

Szeged


6

2, 94

23

Székesfehérvár


0

-0, 51

24

Szekszárd


0

-0, 51

25

Szolnok

Szolnoki Főiskola

0

-0, 51

26

Szombathely


2

0, 64

27

Veszprém

Pannon Egyetem

0

-0, 51

6

A mutató standardizált formában került felhasználásra. Erre azért van szükség, mert a klaszterképző dimenziók eltérő terjedelemben vehetnek fel értékeket, így torzítaná a K-means klaszterezés eredményeit. A standardizálás lényegében azt jelenti, hogy nulla várható értékű és egyes szórású „terjedelemre” transzformáljuk a változót.

9

Képzési súly index A képzési súly index kifejezi, hogy egy intézmény a nappali hallgatók létszámát tekintve mennyire jelentős mértékben járul hozzá a felsőfokú képzéshez. Az index képzési területek szerint veszi figyelembe a nappali képzésben résztvevők számát és a képzési terület súlyát. 3. 4. tábla: Képzési súly index Ssz.

Székhely


Képzési súly index pont

Standardizált érték -0, 58

pont

1

Békéscsaba


0, 27

2

Debrecen

Debreceni Egyetem

9, 23

2, 86

3

Dunaújváros


0, 94

-0, 32

4

Eger


1, 63

-0, 06

5

Győr


3, 08

0, 50

6 7

Győr Gyula

Nyugat-Magyarországi Egyetem Szent István Egyetem

0, 80 0, 12

-0, 38 -0, 64

8

Hajdúböszörmény

Debreceni Egyetem

0, 21

-0, 60

9



0, 10

-0, 64

10

Jászberény


0, 27

-0, 58

11

Kaposvár

Kaposvári Egyetem

0, 86

-0, 35

12

Kecskemét


1, 16

-0, 24

13

Keszthely

Pannon Egyetem

0, 27

-0, 58

14

Miskolc

Miskolci Egyetem

3, 67

0, 73

15 16

Mosonmagyaróvár Nyíregyháza

Nyugat-Magyarországi Egyetem Nyíregyházi Főiskola

0, 26 1, 93

-0, 58 0, 06

17

Nyíregyháza

Debreceni Egyetem

0, 39

-0, 53

18

Pécs


7, 92

2, 36

19

Sárospatak

Miskolci Egyetem

0, 12

-0, 64

20

Sopron

1, 17

-0, 23

21

Szarvas

Nyugat-Magyarországi Egyetem Szent István Egyetem

0, 24

-0, 59

22

Szeged


8, 37

2, 53

23

Székesfehérvár

-0, 62

Szekszárd

Nyugat-Magyarországi Egyetem Pécsi Tudományegyetem

0, 16

24

0, 31

-0, 56

25

Szolnok

Szolnoki Főiskola

0, 76

-0, 39

26 27

Szombathely Veszprém

Nyugat-Magyarországi Egyetem Pannon Egyetem

1, 10 2, 66

-0, 26 0, 34

Forrás: NEFMI 2010

Egy példával illusztrálva: hiába hallgat egy karon számos diák művészeti területen – és ezért a kar jelentős képzési intézménynek is számíthat a szegmensben – művészeti képzés súlya alacsony, így a képzési súly indexben nem jelentkezik jelentősen a művészeti képzésben játszott kimagasló szerep. Továbbá ha egy másik karon jelentős a gazdasági képzésben résztvevők száma, de az összes ezen a területen tanuló nappali hallgatón belüli arányuk alacsony – ez könnyen elfordulhat, mert ez a legszámosabb képzési terület –, akkor szintén nem számíthatunk magas súlyértékekre. Igazán magas 10

indexértékek kétféleképpen képzelhetőek el: (1) ha egy intézmény, számosságát tekintve, jelentős képzési területen magas arányban képez hallgatókat; vagy (2) ha egy intézmény, számosságát tekintve, több nem jelentéktelen képzési területen is nem alacsony arányban képez hallgatókat. Lényegében tehát a képzési súly index egyfajta súlyozott koncentrációját méri az intézményeknek, és nem fejezi ki a képzési specializációt. Megmutatja, hogy egy adott intézményen mennyire koncentrálódik a felsőfokú képzés. A mutató elméletileg 0 és 100 között vehet fel értékeket. A szélsőségekre a gyakorlatban természetesen sosem kerülhet sor, hiszen a százas érték például, azt jelentené, hogy egy intézménybe koncentrálódik az összes képzési terület összes hallgatója. A számításokban az összes felsőoktatási intézményi hallgató figyelembe lett véve. A kari alapú mutató számítása a következőképpen történik. (A kari képzési indexek intézményi szintre aggregáltak.)

Ahol: 

m a kiszámolt kari fontossági mutató;



i a kar által fedett egyes képzési területeket jelzi;



KTÖ az adott képzési terület összlétszáma;



ÖH az összes nappali hallgató;



KKT a képzési terület nappali hallgatóinak száma az adott karon

A mutató standardizált formában került felhasználásra. Erre azért van szükség, mert a klaszterképző dimenziók eltérő terjedelemben vehetnek fel értékeket, így torzítaná a K-means klaszterezés eredményeit. A standardizálás lényegében azt jelenti, hogy nulla várható értékű és egyes szórású „terjedelemre” transzformáljuk a változót.

11

A klaszterképző dimenziók összefüggései Az alábbi ábrasorozat szemlélteti az egyes klaszterképző dimenziók közötti különbségeket. 3. 5. tábla: A klaszterképző dimenziók közötti összefüggések

Pontok sorszámainak elnevezése:

12

1

Gyula

25

Debrecen

2

Jászberény

26

Szeged Szent István Egyetem

3

Békéscsaba

27

Pécs Szent István Egyetem

4

Szarvas

5

Nyíregyháza

6

Hajdúböszörmény

7

Győr

8

Szolnok

9


10

Sárospatak

11

Székesfehérvár

12

Mosonmagyaróvár

13

Keszthely

14

Szekszárd

15

Kaposvár

16

Dunaújváros

17

Sopron

18

Kecskemét

19

Eger

20

Veszprém

21

Nyíregyháza

22

Győr

23

Szombathely

24

Miskolc


Szent István Egyetem Debreceni Egyetem Debreceni Egyetem Ny.-magyarországi Egyetem Szolnoki Főiskola Szegedi Tudományegyetem Miskolci Egyetem Ny.-Magyarországi Egyetem Ny.-Magyarországi Egyetem Pannon Egyetem Pécsi Tudományegyetem Kaposvári Egyetem Dunaújvárosi Főiskola Ny.-Magyarországi Egyetem Kecskeméti Főiskola Eszterházy Károly Főiskola Pannon Egyetem Nyíregyházi Főiskola Széchenyi István Egyetem Ny.-Magyarországi Egyetem Miskolci Egyetem

13

Debreceni Egyetem Szegedi Tudományegyetem Pécsi Tudományegyetem

A csoportok Az ’A’ csoportba a három legnagyobb intézmény tartozik: 25 ezernél nagyobb hallgatói létszámmal jellemezhetőek, magas a nappali képzésben résztvevő hallgatók aránya, jelentős a felsőoktatási képzésben játszott súlyuk, illetve több képzési területen is jelentős képzési központnak számítanak. 4.1.1.tábla: Az ’A’ csoportba tartozó intézmények adatai

Ssz.

Székhely


Hallgatók összlétszá ma

Nappali hallgatók aránya

Képzési súly index

Jelentős képzési központ

fő

%

pont

db

1

Debrecen

Debreceni Egyetem

25 990

81

9, 23

6

2

Szeged


26 409

76

8, 37

6

3

Pécs


27 480

69

7, 92

4

Forrás: NEFMI 2010

A ’B’ csoportba három nagy intézmény tartozik: 8 ezernél nagyobb hallgatói létszámmal jellemezhetőek, magas a nappali képzésben résztvevő hallgatók aránya, jelentős a felsőoktatási képzésben játszott súlyuk , - de mégis harmad akkora, mint az ’A’ csoport intézményeié. A ’B’ és a ’C’ csoportban tartozó intézmények között a lényegi különbség, hogy utóbbiak képzési súlya kisebb, viszont legalább egy képzési területen jelentősnek számítanak. 4. 1. 1. tábla: A ’B’ csoportba tartozó intézmények adatai

Ssz.

Székhely






fő

%

pont

db

8 888

74%

2, 66

0

2

Veszprém

Pannon Egyetem

4

Győr


10 786

67%

3, 08

1

6

Miskolc

Miskolci Egyetem

13 394

62%

3, 67

0

Forrás: NEFMI 2010

4. 1. 1. tábla: A ’C’ csoportba tartozó intézmények adatai

Ssz.

Székhely






fő

%

pont

db

1

Eger


8 320

51%

1, 63

2

3

Nyíregyháza


8 900

52%

1, 93

1

5

Szombathely


3 976

64%

1, 10

2

Forrás: NEFMI 2010

A ’D’ és ’E’ csoportba a vidéki intézmények többsége, összesen 18 intézmény tartozik. Együtt tárgyalásukat az indokolja, hogy lényegében csupán egy dimenzió mentén térnek el lényegesen egymástól: a ’D’ csoportban jelentősen alacsonyabb a nappali hallgatók aránya. Mindkét csoport sok tekintetben jóval heterogénebb összetételű, mint a korábbiak: hallgatatói létszámuk széles skálán mozog, de minden esetben kisebb, mint ötezer. A relatív magasabb hallgatói létszámmal bíró intézményekhez sem tartozik azonban jelentős képzési súly és egy-két kivételtől eltekintve nem jellemző rájuk, hogy a nappalis hallgatók számát figyelembe véve képzési területek kiemelt intézményei lennének. 4. 1. 1. tábla: A ’D’ csoportba tartozó intézmények adatai

Ssz.

Székhely


Szegedi Tudományegyetem Miskolci Egyetem




fő

Nappali hallgat ók aránya %

pont

db

417

53%

0, 10

0

546

57%

0, 12

0

1


2

Sárospatak

3

Székesfehérvár


588

60%

0, 16

0

4

Mosonmagyaróvár


889

66%

0, 26

0

5

Keszthely

Pannon Egyetem

1 064

79%

0, 27

0

6

Szekszárd


1 552

56%

0, 31

0

7

Kaposvár

Kaposvári Egyetem

3 244

66%

0, 86

1

8

Dunaújváros


4 312

55%

0, 94

0

9

Sopron


4 689

60%

1, 17

0

Kecskemét


4 917

53%

1, 16

0

10

4. 1. 1. tábla: A ’E’ csoportba tartozó intézmények adatai

Ssz.

Székhely






fő

%

pont

db

1

Gyula


686

38%

0, 12

0

2

Jászberény


1 253

45%

0, 27

0

3

Békéscsaba


1 521

46%

0, 27

0

4

Szarvas


1 626

34%

0, 24

0

5

Nyíregyháza

Debreceni Egyetem

1 932

44%

0, 39

0

6

Hajdúböszörmény

Debreceni Egyetem

1 944

26%

0, 21

0

7

Győr


4 119

48%

0, 80

0

8

Szolnok

Szolnoki Főiskola

4 161

50%

0, 76

0

Forrás: NEFMI 2010

A gyöngyösi székhelyű Károly Róbert Főiskola kakukktojásnak tekinthető. Nem került egy csoportba sem besorolásra, mivel jellegzetességei semelyik másik intézményre nem hasonlítnak. Közel 12 ezer összhallgatói létszáma ugyan a B csoportba emelné, de a nappali képzésben résztvevők aránya alacsony (20 százalék) és így képzési súlya inkább a D csoportba tartozó intézményekre jellemző.

Összefoglalás Fontosnak tartjuk ismételten hangsúlyozni, hogy az egyes csoportokba tartozó intézmények még számos, számításba nem vett jellemző mentén különbözhetnek egymástól. A megállapítás különösen igaz a ’C’ és ’D’ csoportokra. Ezen csoportok a figyelembe vett jellegzetességek mentén is több tekintetben rendkívül heterogének, pontosabb csoportosításukra további dimenziók bevonása és mélyebb elemzések szükségesek. A kutatási programnak nem volt célja a felsőoktatási intézmények különböző jellemzők mentén való csoportosítása, ezért jelen elemzéseket kezeljük egyfajta segédanyagként a kohéziós mutatók értelmezéséhez. Javaslatunk: A nem relatív kohéziós mutatók értelmezésekor, amikor intézmények értékeit hasonlítjuk össze, mindenképpen vegyük figyelembe, hogy egy intézmény jelen tanulmányban leírt jellegzetességeit. A csoportok besorolásokat kezelhetjük elnagyoltan, javasoljuk: 

az ’A’ csoport megkülönböztetését



a B és C csoport együtt kezelését



a D és E csoport együtt kezelését

Felsőoktatási intézmények jellegzetességei

Recommend Documents