Factori corelați cu numărul de universități al unei țări UE în topul Shanghai 2020 și situația României – cercetătorul Virgil Iordache

Factori corelați cu numărul de universități al unei țări UE în topul Shanghai 2020 și situația României – cercetătorul Virgil Iordache

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.

___

Despre Virgil Iordache:

Virgil Iordache predă și cercetează la Universitatea din București – Facultatea de Biologie, din 1993; este licențiat în biologie specializarea biochimie, doctor în ecologie pe probleme de ecotoxicologie și licențiat și în filosofie pe probleme de evoluția instituțiilor. Este autorul a numeroase cărți și articole, este directorul Centrului de Cercetare pentru Servicii Ecologice din Universitatea București.

Articolul Factori corelați cu numărul de universități al unei țări UE în topul Shanghai 2020 și situația României – cercetătorul Virgil Iordache apare prima dată în Edupedu.

Close