УСЛОЖНЕНИЕ МОДЕЛИ ПРОГНОЗИРОВАНИЯ КОНКУРЕНТОСПОСОБНОСТИ ОБРАЗОВАТЕЛЬНЫХ ПРОГРАММ С ИСПОЛЬЗОВАНИЕМ МЕТОДА АНАЛИЗА ИЕРАРХИЙ

​COMPLICATION OF THE MODEL OF FORECASTING THE COMPETITIVENESS OF EDUCATIONAL PROGRAMS USING THE HIERARCHY ANALYSIS METHOD

Daniil Abaimov

1st year undergraduate, direction “Innovation”, Peter the Great St. Petersburg Polytechnic University,

Russia, St. Petersburg

Alyona Its

scientific supervisor, Senior Lecturer at the Higher School of Design and Innovation in Industry, Peter the Great St. Petersburg Polytechnic University,

Russia, St. Petersburg

АННОТАЦИЯ

В данной работе представлена усложнённая прогностическая модель оценки конкурентоспособности образовательных программ, основанная на применении метода анализа иерархий (МАИ) для определения относительной значимости подфакторов. Предложено уточнение существующего подхода за счёт более детального учёта неоднородности внутри ключевых факторов, а именно: статуса вуза и материально-технической базы. Весовые коэффициенты подфакторов были рассчитаны на основе экспертных матриц парных сравнений, что позволило повысить объективность и точность модели. Апробация усложнённой модели проведена на примере трёх образовательных программ бакалавриата СПбПУ: «Программная инженерия», «Радиотехника» и «Прикладная математика и информатика». Полученные результаты демонстрируют устойчивость модели и её применимость в практике управления образовательными программами.

ABSTRACT

This paper presents an enhanced predictive model for assessing the competitiveness of educational programs based on the Analytic Hierarchy Process (AHP) to determine the relative importance of subfactors. The proposed approach refines the existing methodology by taking into account the heterogeneity within key factors — university status and technical infrastructure. Subfactor weights were calculated using expert pairwise comparison matrices, which increased the objectivity and accuracy of the model. The updated model was tested on three bachelor’s degree programs at SPbPU: "Software Engineering", "Radio Engineering" and "Applied Mathematics and Informatics". The results demonstrate the model's stability and practical applicability in managing educational programs.

Ключевые слова: образовательная программа, конкурентоспособность, прогнозирование, метод анализа иерархий, факторный анализ, подфакторы, материально-техническая база, статус вуза.

Keywords: educational program, competitiveness, forecasting, analytic hierarchy process, factor analysis, subfactors, technical infrastructure, university status.

Определение конкурентоспособности образовательной программы представляет собой сложную задачу, т.к. она формируется под влиянием множества факторов, каждый из которых включает в себя ряд отдельных составляющих. Для повышения точности прогноза необходимо учитывать ключевые факторы конкурентоспособности, а также различать между собой их внутренние компоненты. Такой подход позволяет более точно отразить реальную ситуацию на рынке образовательных услуг и дать более объективную оценку привлекательности конкретной программы.

Как было показано ранее [2], конкурентоспособность образовательной программы может быть выражена через совокупность факторов, таких как статус вуза, связь с работодателями, научная деятельность, преподавательский состав и материально-техническая база. Однако равномерное распределение весов внутри каждого фактора ограничивает точность модели, так как ключевые составляющие отдельного фактора имеют различную степень влияния на конечный результат. В рамках настоящей работы данный вопрос ставится во главу угла, предлагается усложнить модель за счёт применения метода анализа иерархий для определения весовых коэффициентов ключевых составляющих, входящих в состав факторов статус университета и Материально-техническая база.

Конкурентоспособность образовательной программы формируется под влиянием множества факторов, каждый из которых включает в себя ряд отдельных составляющих, позволяющих более точно отразить её привлекательность и устойчивость на рынке образовательных услуг. На основе этих факторов ранее была разработана прогностическая модель, которая учитывает взаимосвязь между ключевыми характеристиками программы.

Итоговая формула конкурентоспособности выглядит следующим образом [2]:

Представленная модель позволяет оценить уровень конкурентоспособности программы, при этом введено допущение, что все ключевые составляющие внутри каждого фактора имеют одинаковый вес, что упрощает модель и может снижать её адекватность.

Для повышения объективности и точности прогностической модели был применён метод анализа иерархий, который позволяет формализовать процесс принятия решений в условиях неопределённости и обеспечивает согласованность экспертных оценок посредством процедуры парных сравнений [3]. В качестве критериев были выбраны ключевые составляющие факторов конкурентоспособности, альтернативами остались прежние три действующие образовательные программы СПбПУ: «Программная инженерия», «Радиотехника», «Прикладная математика и информатика» (рис. 1 и рис. 2 соответственно).

Рисунок 1. Иерархическое представление для расчета весов ключевых составляющих фактора статус университета

Рисунок 2. Иерархическое представление для расчета весов ключевых составляющих фактора материально-техническая база

В качестве экспертов выступали специалисты Дирекции основных образовательных программ СПбПУ, чьи оценки были агрегированы и использованы для расчёта локальных приоритетов ключевых составляющих двух факторов. Результат отображен в таблице ниже.

Таблица 1

Весовые коэффициенты ключевых составляющих факторов «Статус университета» и «Материально-техническая база»

Значения весов свидетельствуют о том, что географическое расположение университета является наиболее значимым элементом при оценке его статуса. Это объясняется не только логистической доступностью для абитуриентов из разных регионов, но и совокупностью сопутствующих факторов, характерных для крупных образовательных центров, таких как Москва и Санкт-Петербург [4]. В этих городах сосредоточены развитая инфраструктура дополнительного образования, широкие возможности для трудоустройства, сеть научных и промышленных организаций и т.д.

Обращаясь к составляющим материально-технической базы стоит отметить, имеющие наибольшие веса, что свидетельствует о высокой степени зависимости качества образовательного процесса от условий, в которых он реализуется [1]. Особое внимание стоит уделить специализированным лабораториям и классам, поскольку их необходимость напрямую зависит от профиля образовательной программы: если в инженерных направлениях такие лаборатории являются ключевым элементом практической подготовки, то в других — например, в области теоретической информатики — они могут быть избыточными или вовсе не требоваться.

Теперь обратимся к ранее представленной формуле и внесем изменения согласно полученным результатам, получим модель оценки конкурентоспособности ОП вида:

Подробный эксперимент был проведен в рамках статьи «Построение прогностической модели оценки конкурентоспособности образовательной программы на основе факторного анализа» [2].

В данной же работе было уделено особое внимание установлению дифференцированных весовых коэффициентов ключевых составляющих для двух факторов конкурентоспособности ОП, для которых и предлагается провести вычисления (на примере ОП «Программная инженерия»). Получим:

                            (1)

Теперь обратимся к формуле материально-технической базы [2], с учетом описанных изменений формула примет вид:

Подставим полученные в ходе эксперимента, значения и получим:

                                         (2)

Обращаясь к вышесказанному, подставим в обновленную формулу (1) и (2), и получим:

Таким же образом были выполнены расчеты для программ «Радиотехника» и «Прикладная математика и информатика». Составляющие модели и результаты вычислений представлены в таблице 2.

Таблица 2

Описание составляющих модели и результаты апробации

Полученные данные свидетельствуют о том, что внесение весовых коэффициентов на уровне составляющих факторов конкурентоспособности не нарушает общей структуры исходной модели, а только уточняет, делая более чувствительной к изменениям внутри ключевых факторов. Важно отметить, что при этом по результатам сохраняются относительные позиции образовательных программ по уровню конкурентоспособности.

Помимо этого, что внедрение весов на уровне ключевых составляющих не требует значительных изменений в системе сбора данных и анализа информации. Все необходимые показатели уже собираются в рамках действующих процедур мониторинга образовательных программ СПбПУ. Дополнительно введён лишь этап расчёта весов через метод анализа иерархий, который проводится лишь по мере изменения условий внешней среды и приоритетов университета.

Таким образом, представленная усложненная модель способствует повышению объективности оценки конкурентоспособности образовательной программы и может служить основой для дальнейших исследований с целью её развития в полноценный обособленный инструментарий, используемый университетами.

Список литературы:

1. Рыченков М. В., Рыченкова И. В., Киреев В. С. Исследование факторов, оказывающих влияние на выбор вуза абитуриентами // Современные научные исследования и инновации. – 2020. – № 2(110). – С. 45–54.
2. Абаимов Д. М. Построение прогностической модели оценки конкурентоспособности образовательной программы на основе факторного анализа // Журнал «Экономика строительства». – 2025. – № 3.
3. Харитонов С. В., Улитина Е. В., Дик В. В. Применение метода анализа иерархий при согласовании результатов оценки // Вестник МФПУ «Синергия». – 2021. – № 1(33). – С. 108–113.
4. Савин О. И., Гергилев Д. Н., Савина Э. В. Построение модели управления образовательными программами как условие конкурентоспособности на рынке образовательных услуг // Образование и наука: теория и практика. – 2022. – № 5(79). – С. 633–637.