КЛАСТЕРНЫЙ АНАЛИЗ ВОЗРАСТА ПРОФЕССОРСКО-ПРЕПОДАВАТЕЛЬСКОГО СОСТАВА ВУЗОВ В СУБЪЕКТАХ РОССИЙСКОЙ ФЕДЕРАЦИИ

Цитирование: Снежко В.Л., Щедрина Е.В. Кластерный анализ возраста профессорско-преподавательского состава ВУЗов в субъектах Российской Федерации // Казанский педагогический журнал. – 2020. –  2 (139). С.44-54. 

Автор(ы): В.Л. Снежко, Е.В. Щедрина 

Название статьи: Кластерный анализ возраста профессорско-преподавательского состава ВУЗов в субъектах Российской Федерации 

DOI: 10.34772/KPJ.2020.139.2.005 

Аннотация. Готовность педагога к ведению профессиональной деятельности в условиях реформ высшего образования определяется, в том числе, его возрастными особенностями. Авторами выполнен SWOT-анализ для условного деления профессорско-преподавательского состава на молодое и старшее поколение. Сравнение влияния факторов внутренней и внешней среды по каждой из групп выявило преимущества первой возрастной группы перед второй, несмотря на отсутствие у молодых педагогов необходимого опыта педагогической деятельности и уровня профессионального мастерства. Актуальность исследований, приведенных в статье, связана с необходимостью формирования приоритетных направлений кадровой политики в области высшего образования для «омоложения» профессорско-преподавательского состава высших учебных заведений России. Исходными данными стали сведения статистической отчетности Министерства науки и высшего образования Российской Федерации по форме «Распределение профессорско-преподавательского состава образовательных организаций высшего образования в разрезе субъектов Российской Федерации  по возрасту» за 2018 и 2019 годы. Для решения задачи классификации использован один из методов интеллектуального анализа данных (DataMining) – кластерный анализ. Субъекты Федерации были разнесены по трем группам «Преимущественно молодой возраст», «Преимущественно средний возраст» и «Преимущественно пожилой возраст» профессорско-преподавательского состава ВУЗов, расположенных на их территории. В основу кластеризации положен принцип максимального сходства внутри кластера (минимальной внутригрупповой дисперсии) и максимальных различий между кластерами (максимальной межгрупповой дисперсии). Предложенная обобщенная классификация позволит выделить регионы, в которых преобладают кадры каждой из возрастных категорий. Результаты исследования могут быть положены в основу разработки модели управления кадровым потенциалом вузов РФ с учетом возрастных особенностей, для мониторинга текущего состояния персонала и прогнозирования возможных рисков. В качестве инструмента для разработки модели авторами предложено использовать возможности технологии BigData и Machine Learning. Статья предназначена для работников системы образования, руководителей образовательных организаций, исследователей. 

Ключевые слова: возраст, высшее образование, обучение, кластерный анализ, образовательная парадигма. 

Контактные данные: VL_Snejko@mail.rushchedrina@rgaumsha.ru 

Полная версия статьи:  СКАЧАТЬ

 


 

Quoting: Snezhko V., Shchedrina E. Cluster analysis of the age of the teaching staff of higher education Institutions in the subjects of the Russian Federation // Kazan pedagogical journal. – 2020. –  2 (139). – р. 44-54. 

Author(s)V. Snezhko, E. Shchedrina  

Name of articleCluster analysis of the age of the teaching staff of higher education Institutions in the subjects of the Russian Federation 

DOI10.34772/KPJ.2020.139.2.005 

Abstract. Teacher’s readiness to perform professional activity in the conditions of higher education reform is determined by the age characteristics, as well. The authors performed a SWOT-analysis for the formal division of the teaching personell on “young” and “old” generation. Comparison of influence of the inner and outer environmental factors in both groups defined priority of the first group upon the second group, along with the fact that young teachers lack necessary experience in pedagogical activity and professional mastery. The relevance of the article is due to the need to form priority areas of personnel policy in the field of higher education in order to “rejuvenate” the teaching staff of higher educational institutions of the country and create a generalized classification of the subjects of the Federation by age. In this paper, the authors made a cluster analysis of the age of the teaching staff of Universities in the subjects of the Russian Federation, and proposed a method for their classification. To solve the classification problem, the authors suggest using cluster analysis as one of the methods of data mining. When performing a cluster analysis, subjects were grouped according to the principle of maximum similarity within the cluster (minimum intra-group variance) and maximum differences between clusters (maximum inter-group variance). The calculations were performed in the STATISTICA package. The cluster analysis made it possible to divide the subjects of the Russian Federation into three classes, the elements of which correspond to a certain ratio of the share of the teaching staff of each of the age groups. The results of the study can be used as a basis for developing a model for managing the personnel potential of Russian universities, taking into account age characteristics, in order to monitor the current state of staff and predict possible risks. As a tool for developing the model, the authors suggest using the capabilities of BigData and Machine Learning technologies. The article is intended for employees of the education system, heads of educational organizations, and researchers. 

Keywords: age, higher education, education, cluster analysis, educational paradigm. 

The contact details of authorsVL_Snejko@mail.ru, shchedrina@rgau-msha.ru 

Full version of articleDOWNLOAD