ZAŁOŻENIA METODYCZNE BADANIA PRODUKTYWNOŚCI METODĄ DATA ENVELOPMENT ANALYSIS
5.3. Przykłady zastosowań metody Data Envelopment Analysis w ocenie wyników działalności naukowej działalności naukowej
Metoda DEA jest stosowana z sukcesem w ocenie wyników działalności naukowej szkół wyższych. Zidentyfikowano kilkadziesiąt badań prowadzonych w tym zakresie.
Najbardziej znaczące badania przedstawiono w tabeli 5.3.
Należy zauważyć, że metoda DEA znajduje szerokie zastosowanie w ogólnej ocenie działalności uczelni, odnoszące się zarówno do działalności naukowej, dydaktycznej oraz administracyjnej. Autorka przywołała natomiast tylko te badania, w których uwzględniono działalność naukową. W tym ujęciu, najwcześniejsze badania przeprowadzono
69 B. Guzik, Podstawowe modele DEA…, s. 207.
DMU3
O
DMU1 DMU2
DMU5
DMU4 Q
y1/x y2/x
krzywa produktywności
168 w Stanach Zjednoczonych w 1988 roku70. Przez kolejne lata przeprowadzono badania uniwersytetów w wielu krajach Europy i Azji, a także w Australii oraz Afryce. Badania prowadzano na różnych poziomach: od indywidualnych naukowców71, przez zespoły naukowe72, wydziały w ramach jednej uczelni73 lub wielu uczelni, ale w ramach dyscypliny naukowej74, instytuty75, uniwersytety76, aż po porównania międzynarodowe77.
W Polsce badania dotyczyły głównie uczelni78. Zasadniczo badania światowe koncentrują się na pomiarze i ocenie produktywności nauki, efektywności technicznej, alokacyjnej i skali.
Prezentowane badania nie są jednorodne. Wszystkie badania różnią się w konkretnych definicjach zmiennych wykorzystywanych w celu odzwierciedlenia wejść i wyjść, stosowanych modeli i przebiegu procedury badawczej.
Jak wynika z doświadczeń badawczych, uniwersalny zestaw zmiennych nie istnieje, a zależny jest od dostępnych danych lub wymagań badania. Zmienne dobierane są raczej subiektywnie, bez wyraźnych, formalnych zasad przy określaniu procedury wyboru wejść i wyjść modelu. W niektórych wypadkach wybór poszczególnych zmiennych jest uzasadniony doświadczeniami innych badaczy lub poprzedzony analizą korelacji.
70 G. Abramo, T. Cicero, C.A. D’Angelo, A field-standardized application of DEA to national-scale research assessment of universities, “Journal of Informetrics” 2011, t. 5, s. 619.
71 S.Y. Sohn, Y. Kim, DEA based multi-period evaluation system for research in academia, ”Expert Systems with Applications” 2012, t. 39, s. 8274-8278.
72 F. Jiménez-Sáez, J.M. Zabala-Iturriagagoitia, J.L. Zofίo, Who leads research productivity growth? Guidelines for R&D policy-makers, ”Scientometrics” 2013, t. 94, s. 273-303.
73 B. Taylor, G. Harris, Relative efficiency among South African universities: A data envelopment analysis,
“Higher Education” 2004, t. 47, s. 73-89; G.E. Halkos, N.G. Tzeremes, S.A. Kourtzidis, Measuring public owned university departments’ efficiency: a bootstrapped DEA approach, ”Journal of Economics and Econometrics” 2012, t. 55, nr 2, s. 1-24.
74 K.H. Leitner, M. Schaffhauser-Linzatti, R. Stowasser, K. Wagner, Data envelopment analysis as method for evaluating intellectual capital, ”Journal of Intellectual Capital” 2005, t. 6, nr 4, s. 528-543.
75 D. Zhang, R.D. Banker, X. Li, W. Liu, Performance impact of research policy at the Chinese Academy of Science, “Research Policy” 2011, t. 40, s. 875-885.
76 J. Berbegal-Mirabent, E. Lafuente, F. Solé, The pursuit of knowledge transfer activities: An efficiency analysis of Spanish universities, ”Journal of Business Research” 2013, t. 66, s. 2051-2059; G. Abramo, C.A. D’Angelo, F. Pugini, The measurement of Italian universities’ research productivity by a non parametric-bibliometric methodology,”Scientometrics” 2008, t. 76, nr 2, s. 225-244.
77 M.G. Kocher, M. Luptacik, M. Sutter, dz. cyt., s. 314-332; E.C. Wang, W. Huang, Relative efficiency of R&D activities: A cross-country study accounting for environmental factors in the DEA approach, “Research Policy” 2007, t. 36, s. 260-273.
78 J. Nazarko, J. Šaparauskas, Application of DEA method in efficiency evaluation of public higher education institutions, “Technological and Economic Development of Economy” 2014, t. 20, nr 1, s. 1-20; M. Świtłyk, Z. Mongiało, Zastosowanie metody DEA do pomiaru efektywności na uczelniach publicznych w latach 2004-2008, Zeszyty Naukowe Uniwersytetu Ekonomicznego w Poznaniu 2011, nr 171, s. 375-384; A. Ćwiąkała-Matys, Wykorzystanie Data Envelopment Analysis (DEA) do badania relacji nakłady-efekty w publicznym szkolnictwie akademickim w Polsce, Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, nr 56, 2009, s. 67-82.
169
Tabela 5.3. Zastosowanie metody DEA do oceny działalności naukowej
Autorzy (rok) Kraj Nakłady Efekty DMU (liczba
jednostek) Model T. Ahn, A. Charnes,
W.W. Cooper (1988)
USA wydatki szkoleniowe
koszty stałe
inwestycje majątkowe
liczba studentów i absolwentów
federalne granty i kontrakty badawcze
uczelnie (161) bd
G. Johnes, G. Johnes (1993, 1995)
Wielka Brytania
czas pracy pracowników poświęcony na badania (roboczomiesiące)
czas pracy pracowników poświęcony na badania i dydaktyce (roboczomiesiące)
wartość grantów
artykuły w czasopismach naukowych
listy w czasopismach naukowych
rozdziały w monografiach
dokumenty lub komunikaty w topowych czasopismach
wydziały (36) CRS-I
N.K. Avkiran (2001) Australia liczba pracowników akademickich
liczba pracowników pozostałych
rejestracje na studia I i II stopnia
ocena Research Quantum*
uczelnie (36) VRS E. Martín (2003) Hiszpania pracownicy ze stopniem doktora (grupa
naukowa)
pozostali pracownicy naukowo-dydaktyczni (grupa dydaktyczna)
budżet
roczne zużycie czynników kapitałowych
ważona liczba zarejestrowanych kredytów dydaktycznych
liczba kredytów doktoranckich
liczba prac doktorskich w danym roku
roczne naukowe przychody finansowe
zaangażowanie w pracę naukową
wydziały (55)
M. Abbott,
C. Doucouliagos (2003)
Australia liczba pracowników naukowych i dydaktycznych FTE**
liczba pracowników technicznych, administracyjnych i pomocniczych FTE
wydatki uczelni z wyłączeniem nakładów pracy
wartość aktywów trwałych
liczba studentów w przeliczeniu na studentów studiujących w pełnym wymiarze (EFTS),
liczba studentów studiów I i II stopnia
liczba absolwentów studiów I i II stopnia
poziom finansowania (Research Quantum Allocation)
przychody na badania poniesione w trakcie roku. (wydatki na badania)
wydatki na badania i kształcenie
liczba absolwentów
rezultaty naukowe
uczelnie (10) 7 modeli
169
170
Austria liczba pracowników
liczba pomieszczeń
Efekty współpracy z otoczeniem
środki finansowe pozyskane ze źródeł trzecich
projekty zamawiane zrealizowane przez pracowników
projekty zamawiane zrealizowane przez wydział
Efekty kształcenia
liczba egzaminów
liczba wypromowanych prac dyplomowych Efekty naukowe
monografie, publikacje oryginalnych badań raporty z projektów, patenty,
prezentacje/wystąpienia (konferencyjne)
liczba wypromowanych doktorów
wydziały (133)
VRS-O
A. Bonaccorsi, C. Daraio, L. Simar (2006)
Włochy liczba pracowników naukowych w podziale na stanowiska
liczba pracowników technicznych i administracyjnych
skumulowane nakłady finansowe ogółem
skumulowane wydatki na 100 przyjętych studentów
skumulowane wydatki na 1 uczonego
liczba miejsc w salach wykładowych Czynniki zewnętrzne
liczba przyjętych studentów
liczba wydziałów w uczelni
liczba przedmiotów na 100 studentów
stosunek skumulowanej sumy publikacji do skumulowanej liczby cytowań
udział prywatnych kontraktów w całkowitym budżecie uczelni
skumulowana suma publikacji w latach 1995-1999
skumulowana suma cytowań w latach 1995-1999
liczba publikacji na 100 studentów
skumulowana liczba absolwentów
liczba absolwentów na 100 przyjętych studentów
uczelnie (45) FDH-O
170
171
Autorzy (rok) Kraj Nakłady Efekty DMU (liczba
jednostek) Model G. Kempkes, C. Pohl
(2006)
Niemcy liczba pracowników naukowych
liczba pracowników technicznych wydatki bieżące
liczba absolwentów
kwota dotacji na badania
uczelnie (72) VRS-O
granty badawcze (£ na pracownika)
wydatki inwestycyjne (£ na studenta)
ocena badań naukowych (wynik RAE od 1 do 7 pomnożony przez liczbę pracowników)
doktoranci i studenci ze średnimi ocenami jakości nauczania (Teaching Quality
Holandia liczba doktorantów FTE
liczba pracowników naukowych
artykuły w czasopismach kategorii A i B
publikacje naukowe międzynarodowe
publikacje naukowe krajowe
zespoły
ważona liczba studentów pierwszego roku
liczba doktorantów FTE
liczba pracowników naukowych i dydaktycznych
łączna amortyzacja i odsetki
wydatki na administrację
wydatki na infrastrukturę biblioteczną i informatyczną
ważona liczba absolwentów I stopnia
liczba absolwentów studiów II i III stopnia
wartość dotacji na badania o charakterze powtarzającym przyznana przez Radę
liczba uniwersytetów z wydziałami ekonomicznymi
publikacje w 10 topowych czasopismach ekonomicznych z lat 1980-1998
utworzone firmy start-up
złożone wnioski o patenty US
liczba pracowników naukowych FTE
liczba pracowników technicznych i pomocniczych FTE
wydatki B+R ogółem (GERD)
wydatki B+R do zasobów kapitałowych netto
liczba patentów krajowych
liczba patentów zarejestrowanych w USA
roczna liczba publikacji
w międzynarodowych czasopismach indeksowanych w Science Citation Index (SCI) oraz Engineering Index (EI)
kraje (30) DEA, analiza tobitowa
171
172
Włochy liczba profesorów (full professors)
liczba profesorów nadzwyczajnych (associate professors)
liczba pozostałych pracowników naukowych
poziom finansowania z funduszy National Interest Research Projects
liczba publikacji co najmniej jednego autora z danego uniwersytetu należących do obszaru naukowego
wkład w publikacje (relacja pomiędzy liczbą autorów należących do danej dyscypliny naukowej i całkowitą liczbę autorów)
siła naukowa (średnia ważona wszystkich publikacji z danego uniwersytetu w ramach każdej dyscypliny naukowej)
uczelnie (77) DEA-O
J. Johnes, L. Yu (2008) Chiny relacja liczby pracowników FTE do liczby studentów
procent wykładowców na stanowisku profesora
udział doktorantów w ogólnej liczbie studentów
wydatki na badania
indeksy biblioteczne w przeliczeniu na studenta
powierzchnia budynków
prestiż
ważona liczba publikacji naukowych
liczba publikacji naukowych w przeliczeniu na pracowników naukowych
uczelnie (109) VRS-O
W. Meng, D. Zhang, L. Qi, W. Liu (2008)
Chiny liczba pracowników naukowych
wydatki na wyposażenie
nakłady na badania
rezultaty naukowe (zaproszone wykłady, publikacje, nagrody, opracowane patenty, raporty lub opracowanie norm krajowych)
finansowanie zewnętrzne
Iran liczba studentów studio I stopnia
liczba pracowników akademickich FTE
liczba absolwentów
liczba artykułów naukowych
wydziały (17) CRS-O
P. Tyagi, S.P. Yadav, S.P. Singh (2009)
Indie liczba pracowników akademickich
liczba pracowników nieakademickich
koszty operacyjne wydziału
ważona liczba przyjętych studentów (studia I i II stopnia oraz doktoranckie)
rozwój młodych pracowników nauki
ważona suma rezultatów pracy naukowej
wydziały (19) CRS-O, VRS-O
172
173
Autorzy (rok) Kraj Nakłady Efekty DMU (liczba
jednostek) Model M. Katharaki, G.
Katharakis (2010)
Grecja liczba pracowników naukowych
liczba pracowników administracyjnych
liczba zarejestrowanych studentów
koszty operacyjne inne niż nakłady pracy
liczba absolwentów studiów I, II i III stopnia
przychody z tytułu prowadzonych badań naukowych lub całkowite zasoby finansowe na badanie, kształcenie i kadrę naukową
uczelnie (20) CRS-O
N.G. Tzeremes, G.E.
Halkos (2010)
Grecja liczba pracowników naukowych
liczba pracowników technicznych, administracyjnych i pomocniczych
liczba studentów studiów I, II i III stopnia
całkowity dochód (dotacja publiczna)
dochody z badań naukowych
liczba publikacji wydziały (16) CCR,
wydatki na edukację i badania
pomoc zarządcza na pozyskanie grantów badawczych
wydatki ogólne i administracyjne darowizny
maksymalne odchylenia
liczba publikacji
liczba studentów studiów I i II stopnia
liczba monografii
granty naukowe
zyski ze współpracy z biznesem
uczelnie (31) CRS-I
G. Abramo, T. Cicero, C.A. D’Angelo (2011)
Włochy pracownicy naukowi w podziale na stanowiska
Malezja wydatki uniwersytetu
liczba pracowników naukowych
średnia ważona kwalifikacji pracowników naukowych (profesor 4 pkt., hab. 3 pkt., dr 2 pkt., magister 1 pkt.)
liczba obiektów własności intelektualnej
uczelnie (30) joint DEA max
D. Zhang, R.D. Banker, X.
Li, W. Liu (2011)
Chiny liczba pracowników naukowych FTE
wydatki (nakłady) na działalność B+R
łączna wartość wyposażenia B+R
liczba doktorantów i studentów II stopnia
publikacje naukowe w międzynarodowych czasopismach indeksowanych w bazach Science Citation Index (SCI), Engineering Index (EI), and Index to Scientific and Technical Proceedings (ISTP)
cytowania w danym roku artykułów opublikowanych w ciągu poprzednich 5 lat
instytuty
liczba publikacji w ostatnim roku
średnia liczba publikacji z trzech lat
profesorowie (20)
SE-CRS
173
174
Autorzy (rok) Kraj Nakłady Efekty DMU (liczba
jednostek) Model W.-M. Lu (2012) Taiwan koszty kształcenia
inne koszty operacyjne
koszty zarządzania i ogólne Zmienne pośrednie:
nauczyciele w przeliczeniu na pełne etaty
pracownicy administracyjni wspierający kształcenie
infrastruktura informatyczna
publikacje naukowe
przychody z nauczania
przychody dotowane
Grecja liczba pracowników akademickich w podziale na stanowiska
liczba pracowników administracyjnych, technicznych i pomocniczych
liczba studentów
całkowite nakłady na badania
liczba absolwentów
liczba publikacji wydziały (16) CRS, bootstrap
J. Berbegal-Mirabent, E. Lafuente, F. Solé (2013)
Hiszpania liczba wykładowców
liczba pracowników administracyjnych
wydatki administracyjne
nakłady B+R
liczba absolwentów
liczba wydanych publikacji w czasopismach indeksowanych w bazach ISI
liczba utworzonych przedsiębiorstw spin-off
uczelnie (44) VRS-O
F. Jiménez-Sáez, J.M.
Zabala-Iturriagagoitia, J.L.
Zofίo (2013)
Hiszpania liczba pracowników FTE
wartość finansowania publicznego
liczba studentów
liczba prac doktorskich
liczba publikacji międzynarodowych
liczba zarejestrowanych patentów
wartość umów z podmotami zewnętrznym
zespoły naukowe (51)
CRS
N.A.A. Aziz, R.M. Janor, R. Mahadi (2013)
Malezja liczba pracowników naukowych
liczba pracowników administracyjnych
poziom rocznych kosztów operacyjnych
liczba absolwentów w roku
łączna kwota dotacji na badania
liczba publikacji naukowych pracowników uczelni
wydziały (22) CRS-I
J. Wolszczak-Derlacz (2013)
Polska liczba nauczycieli akademickich
przychody ogółem
publikacje indeksowane w WoS
cytowania
wartość grantów ministerialnych
uczelnie (31) CRS, VRS * Research Quantum jest rodzajem funduszy federalnych przyznawanych uczelni w uznaniu ich udziału w ogólnej działalności badawczej. Fundusze przyznawane są
na podstawie wskaźnika oceny wyników badań uczelni Composite Research Index, w którym publikacje uwzględniane są z wagą 12,5%.
** FTE (Full-time equivalent) – w przeliczeniu na pełne etaty multiplier model
Źródło: opracowanie własne na podstawie literatury.
174
175 Stosowane są zarówno zmienne bezpośrednie79, wskaźniki syntetyczne80 oraz zmienne standaryzowane81. Wskaźniki są liczone dla pojedynczych lat lub okresów. Wejścia są zwykle definiowane jako zasoby wykorzystywane przez DMU lub warunki wpływające na jego produktywność, a wyjścia stanowią efekt lub rezultat działań, albo korzyści uzyskane w wyniku działania DMU82.
Jako nakłady w analizowanych badaniach są stosowane zasadniczo trzy grupy zmiennych: zasoby kadrowe, nakłady finansowe oraz liczba studentów. W literaturze można jednak zauważyć pewną niezgodność w sprawie kwalifikacji zasobów finansowych. Całkowity dochód z badań występuje jako zarówno jako wejście, jak i wyjście w stosowanych modelach.
P. Tyagi, S.P. Yadav, S.P. Singh uzasadniają włączenie budżetu na naukę do grupy zmiennych wyjściowych w wypadku, gdy rozpatrywany jest jako efekt jakości badań, przy założeniu, że jednostka realizująca bardziej znaczące badania przyciąga więcej dochodu83. Podobny pogląd wyrażają M. Abbott, C. Doucouliagos84. Przychody na badania w trakcie roku (wydatki na badania) przyjmują jako zmienną wyjściową, ponieważ jej wielkość zależy od dotacji i finansowania grantów, które z kolei zależą od rezultatów działalności naukowej.
Przyjęto zatem, że jest oceną wielkości i jakości rezultatów badań naukowych jest poziom finansowania. Natomiast G. Johnes i J. Johnes zdecydowanie skłaniają się do uwzględniania wartości budżetu jako nakładów85. Zgadzają się z poglądem, że finanse na badania odzwierciedlają rynkową wartość badań. Jednocześnie z dotacji i grantów finansowane są także zadania wspierające badania oraz wyposażenie, które stanowią nakłady w procesie produkcji wiedzy. Poziom finansowania jest skorelowany z rezultatami pracy naukowej, zatem uwzględnianie jednocześnie publikacji i grantów jako efektów modelu powoduje niepożądane wzmacnianie kryteriów oceny. Można zatem uznać, że rozstrzygnięcie tego zagadnienia zależy od celu badania. Podobną kwestię stanowi klasyfikacja mierników w zakresie studentów i absolwentów.
79 M. Katharaki, G. Katharakis, A comparative assessment of Greek universities’ efficiency using quantitative analysis, “International Journal of Educational Research” 2010, t. 49, s. 117-118.
80 G. Abramo, T. Cicero, C.A. D’Angelo, dz. cyt., s. 621.
81 W. Meng, D. Zhang, L. Qi, W. Liu, Two-level DEA approaches in research evaluation, “Omega” 2008, t. 36, s. 951-952.
82 P. Tyagi, S.P. Yadav, S.P. Singh, dz. cyt., s. 168-177.
83 N.G. Tzeremes, G.E. Halkos, A DEA approach for measuring university departments' efficiency, MPRA Paper 2010, nr 24029, s. 8, http://mpra.ub.uni-muenchen.de/24029/ [20.08.2013].
84 M. Abbott, C. Doucouliagos, The efficiency of Australian universities: a data envelopment analysis,
“Economics of Education Review” 2003, t. 22, s. 92.
85 G. Johnes, J. Johnes, Measuring the research performance of UK economics departments: an application of Data Envelopment Analysis, “Oxford Economics Papers” 1993, t. 45, s. 338.
176 Badacze wyrażają natomiast koherentny pogląd w sprawie publikacji i patentów jako głównych predyktorów produktywności nauki.
Głównym ograniczeniem prezentowanych badań jest trudność w uzyskaniu odpowiednich i szczegółowych danych. Panuje ogólny pogląd, że jest to najbardziej dyskusyjny etap badań i ma wpływ na uzyskiwane wyniki. Potwierdzają to analizy wrażliwości modeli86. Autorzy badań przyznają, że arbitralność wyboru zmiennych jest słabością przeprowadzonych badań, dlatego dobór nakładów i efektów przyjętych do oceny działalności w sektorze szkolnictwa wyższego często jest krytykowany za nieadekwatność zmiennych i selekcję sprzyjającą analizie efektywności87.
Wybór modelu DEA do analizy jest mniej dyskusyjny. Większość badań prezentuje klasyczne podejście. Stosowane modele CRS i VRS uzupełniane są natomiast często o dodatkowe modyfikacje. G.E. Halkos, N.G. Tzeremes i S.A. Kourtzidis zaproponowali zastosowanie metody bootstrapowej do pomiaru efektywności instytucji w badaniach efektywności wydziałów Uniwersytetu w Tesalii w Grecji zaproponowanych przez G.E. Halkosa, N.G. Tzeremesa, S.A. Kourtzidisa88. Badania stanowią kontynuację badań z 2010 roku89. Dwuetapowy model DEA (two-level DEA model) do pilotażowej oceny 15 instytutów Chińskiej Akademii Nauk zaproponowali W. Meng, D. Zhang, L. Qi, W. Liu90 oraz W.M. Lu, gdzie dodatkowo zastosowano również model regresji uciętej (truncated regression model) w celu sprawdzenia czy kapitał intelektualny wpływa na efektywność pracy uczelni91. Dodatkowe analizy zmiany produktywności w czasie z zastosowaniem indeksu Malmquista D. Zhang, R.D. Banker, X. Li, W. Liu92. S.Y. Sohn, Y. Kim dla przyjętego zestawy zmiennych zaproponowali model nadefektywności, indeks Malmquista oraz analizę okienkową dla liczby publikacji93. J.C. Glass i in. wskazują zastosowanie nieradialnych modeli DEA94. C.T. Kuah, K.Y. Wong proponują zastosowanie modelu joint DEA maximization, który znajduje swoje zastosowanie w wypadku współdzielonych nakładów. Dodatkowe analizy
86 G. Johnes, J. Johnes, dz. cyt., s. 332-347; N.A.A. Aziz, R.M. Janor, R. Mahadi, Comparative departmental efficiency analysis within a university: A DEA approach, “Procedia – Social and Behavioral Sciences” 2013, t. 90, s. 540-548.
87 P. Tyagi, S.P. Yadav, S.P. Singh, dz. cyt., s. 170.
88 G.E. Halkos, N.G. Tzeremes, S.A. Kourtzidis, dz. cyt., s. 1-24.
89 N.G. Tzeremes, G.E. Halkos, dz. cyt.
90 W. Meng, D. Zhang, L. Qi, W. Liu, dz. cyt., s. 950-957.
91 W.-M. Lu, Intellectual capital and university performance in Taiwan, “Economic Modelling” 2012, t. 29, s. 1081-1089.
92 D. Zhang, R.D. Banker, X. Li, W. Liu, dz. cyt., s. 875-885.
93 S.Y. Sohn, Y. Kim, dz. cyt., s. 8274-8278.
94 J.C. Glass, G. McCallion, D.G. McKillop, S. Rasaratnam, K.S. Stringer, Implications of variant efficiency measures for policy evaluations in UK higher education, “Socio-Economic Planning Sciences” 2006, t. 40, s. 119-142.
177 stanowią głównie uzupełnienie modeli głównych. Często dla danego zestawu zmiennych proponowanych jest kilka modeli z różnych układem zmiennych i dokonywane są porównania wyników. Modele z różnym układem zmiennych stosowali B. Taylor, G. Harris (7 modeli)95, E. Martín (4 modele)96. S. Aoki, K. Inoue, R. Gejima (8 modeli)97, G. Johnes i J. Johnes (192 modele)98.
Wiele opracowań ma charakter poglądowy i wskazuje na możliwość zastosowania specyficznych modeli. Inne ukierunkowane są na użyteczność wyników, informacji z analiz.
Badania mają na ogół charakter ogólny i w zasadzie poglądowy. Tylko niektóre badania projektowane są jako propozycja zastosowania, szczególnie do kształtowania polityki naukowej.
Wyniki wszystkich badań pokazują zróżnicowanie DMU. Badania pokazują jednak, że im więcej zmiennych, tym więcej jednostek efektywnych99.
Odnosząc się do poziomu prowadzonej analizy, G. Kempkes i C. Pohl zastosowali metodę DEA oraz SFA do oceny uniwersytetów w Niemczech. Następnie przeprowadzili analizy porównawcze wyników. Autorzy sugerują, iż metoda DEA nie jest odpowiednia do analizy efektywności na poziomie uniwersytetu, ponieważ uniwersytety są zbyt niejednorodne.
Wskazują jednak na zastosowanie metody DEA do analizy na poziomie wydziałów100.
Szczególne znaczenie w ocenie produktywności badawczej miały badania podjęte w Australii, Włoszech, Hiszpanii i Wielkiej Brytanii. W ostatnich latach zainteresowanie tą problematyką można zauważyć również w środowisku chińskim.
W Australii wiodące badania, potwierdzone licznymi cytowaniami w literaturze międzynarodowej, prowadzili M. Abbott, C. Doucouliagos101 oraz N.K. Avkiran102.
M. Abbott i C. Doucouliagos w 2003 roku przeprowadzili badania pomiaru efektywności technicznej i skali w odniesieniu do działalności naukowej i dydaktycznej.
Badania przeprowadzili w dwóch etapach. W pierwszym badaniu przeprowadzono procedurę DEA dla wszystkich uczelni (tabela 5.3). Następnie DMU podzielono na odrębne kategorie według dwóch kryteriów: poziomu relacji wskaźnika Research Quantum i EFTS (liczba
95 B. Taylor, G. Harris, dz. cyt., s. 73-89.
96 E. Martín, An application of the Data Envelopment Analysis methodology in the performance assessment of the Zaragoza University Departments, 20 s., http://ideas.repec.org/p/zar/wpaper/dt2003-06.html [20.08.2013].
97 S. Aoki, K. Inoue, R. Gejima, Data envelopment analysis for evaluating Japanese universities, “Artif Life Robotics” 2010, t. 15, s. 165-170.
98 G. Johnes, J. Johnes, dz. cyt., s. 332-347.
99 K.H. Leitner, M. Schaffhauser-Linzatti, R. Stowasser, K. Wagner, dz. cyt., s. 528-543.
100 G. Kempkes, C. Pohl, The efficiency of German universities – some evidence from non-parametric and parametric methods, Institute for Economic Research at the University of Munich, IFO Working Paper 2006, nr 36, s. 23.
101 M. Abbott, C. Doucouliagos, dz. cyt., s. 89-97.
102 N.K. Avkiran, dz. cyt., s. 57-80.
178 studentów w przeliczeniu na studentów studiujących w pełnym wymiarze) oraz zasięgu uczelni wyszczególniając uczelnie regionalne i miejskie. Autorzy podkreślają istotność warunku o jednorodności DMU. Wskazują, iż uczelnie finansowane z innych lub dodatkowych źródeł rządowych mogą ograniczać analizy. Podkreślają także znaczenie efektów skali. Podają, że australijski rząd w dążeniu do poprawy skuteczności systemu szkolnictwa wyższego przez wykorzystanie efektu skali i zakresu, skonsolidował dużą liczbę instytucji szkolnictwa wyższego w niewielką liczbę wielkich multikampusowych uniwersytetów.
N.K. Avkiran z kolei zaprezentował trzy modele: ogólnej efektywności uwzględniający działalność naukową, efektywności usług edukacyjnych oraz efektywności rekrutacji studentów finansujących studia.
We Włoszech G. Abramo, C.A. D’Angelo i F. Pugini (2008) podjęli się opracowania alternatywnej do rządowego systemu, metodyki pomiaru i oceny działań naukowo-badawczych w sektorze publicznym, aby zastosować go do włoskiego systemu w celu pokonania ograniczeń związanych z metodami stosowanymi przez rząd103. Oceny działań naukowych dokonano w dwóch etapach: przy zastosowaniu modeli radialnych DEA w 9 obszarach dyscyplin naukowych, zwanych skrótowo UDA (University Disciplinary Areas), w drugim, przez budowę globalnego indeksu produktywności DEA dla każdego uniwersytetu w odpowiednim połączeniu ważonej sumy punktów uzyskanych w poszczególnych obszarach. To pozwoliło pokonać, zdaniem autorów, ograniczenia techniczne i metodologiczne związane z niejednorodnością obszarów naukowych w uczelniach, szczególnie w zakresie i intensywności publikowania między różnymi obszarami oraz reprezentatywności w zakresie czasopism w bazach danych źródłowych, umożliwiając w ten sposób bardziej spójną i solidną analizę porównawczą uniwersytetów. Do badania wybrano metodę DEA ze względu na to, iż eliminuje zakłócenia w pomiarze wydajności ze względu na możliwość uwzględnienia zmiennych korzyści skali czynników produkcji. Dane obejmowały lata 2001-2003.
Takie podejście, zdaniem autorów, pozwala pokonać słabości analiz bibliometrycznych przez uwzględnienie częstości występowania różnych form nakładów i efektów działalności badawczej. Co ważne, zostały uwzględnione trzy parametry: ilość, jakość i wkład. Pomiar na poziomie obszarów naukowych ogranicza zakłócenia wynikające z heterogeniczności zasobów. Autorzy podkreślają, że w zastosowanym podejściu, gdzie każdy wynik powiązany był z indywidualnym pracownikiem naukowym, osiągnięto wysoką dokładność pomiaru. Autorzy sugerują również zastosowanie cytowań zamiast liczby
Takie podejście, zdaniem autorów, pozwala pokonać słabości analiz bibliometrycznych przez uwzględnienie częstości występowania różnych form nakładów i efektów działalności badawczej. Co ważne, zostały uwzględnione trzy parametry: ilość, jakość i wkład. Pomiar na poziomie obszarów naukowych ogranicza zakłócenia wynikające z heterogeniczności zasobów. Autorzy podkreślają, że w zastosowanym podejściu, gdzie każdy wynik powiązany był z indywidualnym pracownikiem naukowym, osiągnięto wysoką dokładność pomiaru. Autorzy sugerują również zastosowanie cytowań zamiast liczby