Введение. Для успешного функционирования современной компании стратегически важна адаптация к меняющимся условиям рынка. Эффективное использование информации позволяет контролировать все аспекты деятельности, оперативно выявлять узкие места, разрабатывать оптимальные стратегии развития. Для этих целей необходимы специальные инструменты, которые обеспечивают сбор, хранение и анализ данных. Безусловно, крупная бизнес-организация и организация высшего образования имеют схожие характеристики, такие как финансовые показатели, количество сотрудников, филиальная сеть. Выпуск специалистов в вузе - это сложный процесс, требующий эффективного управления. В настоящее время наблюдается тенденция к объединению образовательных и научных учреждений, что подчеркивает важность информационной инфраструктуры. Интеграция и функционирование российской системы высшего образования в соответствии с международными стандартами требуют особого внимания к управлению качеством образовательного процесса [1]. В соответствии с действующим в РФ национальным проектом «Экономика данных» подготовка кадров в вузах, а также процессы цифровизации и цифровой трансформации должны осуществляться с использованием отечественного программного обеспечения.
Методы исследования. Исследование выполнялось с использованием статистических методов и приемов обработки данных, интеллектуального анализа Data Mining с привлечением нормативно-правовой документации, справочных материалов и личных наблюдений авторов.
Результаты и дискуссия. Для совершенствования системы образовательного процесса в РЭУ имени Г. В. Плеханова авторами предлагаются системы аналитики данных Loginom и Visiology, позволяющие осуществлять оперативный анализ работы профессорско-преподавательского состава, студентов, их успеваемости и посещаемости, возможности проведения кластеризации студентов, прогнозирования успеваемости с использованием статистических методов (например, корреляционного, факторного анализа и др.), методов и моделей Data Mining на основе данных «1С: Университет». В частности, в выполненном исследовании наглядно демонстрируется возможность преобразования данных ведомостей групп студентов, профилей и направлений подготовки из модуля «1С» в вышеназванные информационно-аналитические платформы, позволяющие осуществлять трансформацию, предобработку данных, проводить оперативный OLAP-анализ, использовать обширный инструментарий c использованием Data Mining методов и моделей, а затем осуществлять визуализацию полученных результатов с построением дашбордов в BI-системе Visiology. Аналитические системы позволяют реализовать все эти возможности посредством подключения напрямую к базам данных «1С» (в случае серверной редакции), либо через использование табличного процессора MS Excel (в случае использования бесплатной версии программного продукта Loginom Community).
Заключение. Таким образом, проведение интеллектуального анализа данных делает возможным использование образовательных данных для повышения качества образовательного процесса, а использование отечественных программных решений обеспечивает дальнейшую цифровизацию вуза.
Законодательно установленный императив в ч. 3 ст. 6 и ч. 1 ст. 23 Федерального закона от 22 октября 2004 г. № 125-ФЗ «Об архивном деле в Российской Федерации» о необходимости разработки ведомственного перечня документов со сроками хранения в Министерстве науки и высшего образования Российской Федерации воплощен в Перечне документов, образующихся в процессе деятельности Министерства науки и высшего образования Российской Федерации и подведомственных ему организаций, с указанием сроков хранения, утвержденном приказом Минобрнауки России от 29 ноября 2023 г. № 1111 (далее — Приказ, Перечень документов). Достаточно трудоемкая работа по созданию Перечня документов описана в литературных источниках. Особенности создания Перечней документов, устанавливающих сроки хранения, отражающих деятельность ведомства, активно обсуждаются в литературе.
Представлена рецензия на книгу «Управление наукой: путеводитель по советскому прошлому» / отв. ред. Е. А. Долгова, науч. ред. Д. С. Секиринский; авт.: Е. А. Долгова, М. О. Окунева, М. В. Грибовский, Е. Ф. Синельникова, В. В. Слискова; Российский государственный гуманитарный университет; Центр истории Российской науки и научно-технологического развития. М.: РГГУ, 2024. 405 с.
Введение. Развитие высших учебных заведений является неотъемлемой тенденцией современного общества. Общественная оценка того или иного вуза и, следовательно, подхода к его развитию является важным фактором при разработке дальнейшей стратегии развития. В связи с этим ежегодно выпускаются различные университетские рейтинги, методики составления которых опираются на сильные и слабые стороны тех или иных заведений. Ввиду этого необходим анализ рейтинговых систем в рамках мониторинга высших учебных заведений для выявления характерных особенностей развития.
Методы исследования. Для исследования применялся метод корреляционного анализа, основанный на построении матрицы ранговой корреляции Спирмена для различных выборок учебных заведений. Выборка составлялась на основе списка лучших учебных заведений по данным авторитетных мировых рейтингов. Анализировалась корреляция как между различными рейтингами одного года выпуска, так и между различными выпусками одного рейтинга.
Результаты и дискуссия. В общем случае сильная корреляция между рейтинговыми системами не прослеживается, за редкими исключениями, что обосновывается разнообразием и различным весом отслеживаемых категорий. С другой стороны, корреляция по годам внутри отдельно взятой рейтинговой системы достаточно высока, однако на интервале в пять лет корреляция выше, чем на интервале в десять лет, что позволяет говорить о типовой длительности характерных изменений в позициях университетов. При этом рейтинг Webometrics на основе библиометрических показателей демонстрирует самую низкую корреляцию, что свидетельствует о действительной конкуренции в рамках публикационной активности и цитируемости.
Заключение. Список систем рейтинга университетов продолжает пополняться. Субъективный характер выделяемых каждой системой категорий приводит к пересмотру методик ранжирования и введению новых систем. Оценка корреляции между различными системами ранжирования и внутри отдельно взятой системы позволяет делать выводы о степени объективности рейтинга, а также о факторах, которым уделяется внимание.