Стратегический выбор приоритетных проектов развития кадрового потенциала вуза методом анализа иерархий

Введение:

В последние годы система высшего образования России столкнулась с нарастающим кадровым кризисом. Статистические данные свидетельствуют о том, что численность профессорско-преподавательского состава (ППС) устойчиво сокращается: за период с 2017 по 2024 год она снизилась на 29 тысяч человек, а среднегодовой темп сокращения составил 1,8% [11]. Особую тревогу вызывает возрастная структура кадров. Доля преподавателей в возрасте до 30 лет в 2023 году не превышала 6% в среднем по стране, тогда как доля лиц старше 60 лет достигла 28% [10]. В отраслевых вузах, осуществляющих подготовку специалистов для гражданской авиации, ситуация усугубляется необходимостью сохранения уникальных компетенций и обеспечения преемственности научных школ [6].

В этих условиях перед руководством университета встает непростая задача определить, какое из возможных направлений кадровой политики обладает наибольшим потенциалом для преодоления системного кризиса? Выбор приоритетного проекта требует учета множества факторов: влияния на возможное привлечение молодых кадров, развития научного потенциала, сроков реализации и объема затрат. Ответ на этот вопрос нуждается в формализованной процедуре сравнительной оценки альтернатив.

Проблемы кадрового обеспечения системы высшего образования и управления профессорско-преподавательским составом нашли отражение в работах отечественных исследователей. Отдельные аспекты, связанные с развитием кадрового потенциала вузов и мотивационной составляющей труда ППС, рассматриваются в трудах Е.А. Горбашко [4], В.В. Щербакова [4], О.А. Онуфриевой [4], Е.В. Голевой [3], Д.В. Бугрова [2], О.Я. Пономаревой [2], А.Э. Федоровой [2], Е.Д. Иванова [5], М.О. Ивановой [6] и др. Вместе с тем, вопросы обоснованного выбора приоритетных проектов развития кадрового потенциала с применением формализованных методов многокритериальной оценки остаются недостаточно разработанными применительно к специфике отраслевых вузов.

Следует отметить высокую регуляторную нагрузку на кадровое обеспечение высшего образования [12; 13], что необходимо учитывать при разработке стратегии развития вуза.

Цель настоящей работы – обоснование выбора оптимальной проектной альтернативы развития кадрового потенциала отраслевого вуза с применением метода анализа иерархий (МАИ).

В качестве объекта исследования выступает Санкт-Петербургский государственный университет гражданской авиации имени Главного маршала авиации А.А. Новикова (далее – СПбГУ ГА, Университет).

Научная новизна исследования:

− адаптирован метод анализа иерархий к задаче выбора приоритетных проектов развития кадрового потенциала отраслевого вуза, что позволило формализовать процедуру стратегического выбора в условиях многокритериальности;

− разработана и обоснована система критериев оценки проектных альтернатив (влияние на привлечение молодых ППС, рост научно-исследовательского потенциала, срок реализации, объем затрат), учитывающая специфику академической среды и результаты эмпирической диагностики;

− на основе экспертных попарных сравнений с проверкой согласованности количественно обоснован приоритет проекта, направленного на привлечение и закрепление молодых преподавателей, что позволяет выстроить последовательность реализации кадровых проектов в условиях ограниченных ресурсов.

Диагностика кадрового потенциала СПбГУ ГА

Первоначальным этапом при выборе проектных решений, является анализ исходной кадровой ситуации в Университете. Особое значение среди персонала учебного заведения отводится профессорско-преподавательскому составу (ППС), который является основным кадровым потенциалом [17].

Динамика общей численности профессорско-преподавательского состава отражена в таблице 1.

Таблица 1 − Численность работников Университета (источник [7]).

Показатель	2015	2016	2017	2018	2019	2020	2021	2022	2023	2024
Общая численность ППС, чел.	297	288	285	263	275	277	268	250	248	243

Идентификация стадий развития кадровой ситуации и определение ее текущего состояния произведена с использованием метода фазовых кривых к данным о численности ППС за 2015-2024 гг. (рисунок 1).

Рисунок 1 − Фазовая кривая и линейный тренд динамики численности ППС СПбГУ ГА (источник: составлено авторами на основе расчета по данным [7]).

Анализ позволяет выделить три ключевые фазы:

Фаза 1. «Относительная стабильность» (2015-2017 гг.). Численность ППС сохранялась в диапазоне 285-297 человек.

Фаза 2. «Структурная перестройка» (2018-2020 гг.). Наблюдалось сокращение общей численности работников на 11,5%. Численность ППС снизилась до 263-277 человек. Происходила оптимизация организационной структуры.

Фаза 3. «Устойчивая негативная динамика» (2021-2024 гг.) Численность ППС сократилась с 268 до 243 человек. Сформировался устойчивый отрицательный тренд.

Метод фазовых кривых позволяет классифицировать текущее состояние кадрового потенциала Университета как фазу 3 − «Устойчивая негативная динамика». Ключевыми характеристиками данной фазы являются: стабильное ежегодное сокращение численности ППС, сохранение отрицательного тренда на протяжении четырех последовательных лет, достижение минимальных значений за весь анализируемый период.

Для количественного подтверждения выявленной устойчивой негативной динамики был рассчитан линейный тренд, уравнение которого имеет вид:

y = -5,6x + 300,2,

где

y — численность ППС;

x — временной период (годы).

Коэффициент -5,6 указывает на то, что в среднем за каждый год анализируемого периода численность профессорско-преподавательского состава сокращалась на 5-6 человек.

Величина достоверности аппроксимации R² = 0,8583 свидетельствует о высокой надежности модели − тренд объясняет более 85% изменений численности ППС, что объективно подтверждает наличие устойчивой системной тенденции к сокращению.

Численность профессорско-преподавательского состава находится в зависимости от численности контингента обучающихся, что регламентировано нормативными документами [14]. Данные по показателю численности студентов иллюстрируют материалы таблицы 2.

Таблица 2 − Общая численность студентов, обучающихся в Университете по программам высшего образования (источник [7]).

Показатель	2015	2016	2017	2018	2019	2020	2021	2022	2023	2024
Общая численность студентов, чел.	6839	6229	5710	5844	5809	5426	4736	4355	4014	3959

Для верификации тезиса о нормативной зависимости численности ППС от контингента обучающихся проведен сравнительный анализ динамики показателей СПбГУ ГА за период 2015-2024 гг. с применением методов корреляционного анализа и расчета среднегодовых темпов роста (CAGR).

Сравнительная динамика показателей (2015-2024 гг.):

Численность ППС: снизилась с 297 до 243 человек.

Численность студентов: снизилась с 6839 до 3959 человек.

Расчет CAGR (Compound Annual Growth Rate):

CAGR для ППС = (243 / 297)^(1/9) - 1 = -2.2% в год

CAGR для студентов = (3959 / 6839)^(1/9) - 1 = -5.4% в год

Проведенный расчет выявил критический дисбаланс в динамике ключевых показателей: контингент студентов сокращался темпами (-5,4% в год), более чем в два раза превышающими темпы сокращения профессорско-преподавательского состава (-2,2% в год).

Данная диспропорция свидетельствует о запаздывающей адаптации кадрового потенциала к изменению объемов образовательной деятельности, что создает прямые риски для экономической эффективности университета.

Корреляционный анализ:

Визуальный анализ графиков динамики и расчет коэффициента корреляции Пирсона (r = +0.95) подтверждают наличие сильной прямой взаимосвязи между показателями.

Проведенный анализ подтверждает гипотезу о зависимости численности ППС от контингента обучающихся.

Таким образом, проведенный количественный анализ выявил системную проблему в управлении кадровым потенциалом Университета. Несмотря на наличие сильной прямой взаимосвязи между численностью студентов и ППС (r = 0,95), наблюдается критический структурный дисбаланс. Сформировавшаяся модель «запаздывающего кадрового реагирования» ведет к неоптимальному распределению ресурсов и росту административно-отчетной нагрузки на ППС.

Особую актуальность выявленная проблема приобретает в контексте предстоящей реформы высшего образования, предполагающей увеличение сроков обучения по программам бакалавриата (основного высшего образования) с 4 до 5-6 лет. Данное изменение в среднесрочной перспективе (5-6 лет) закономерно приведет к одновременному присутствию в университете большего количества студенческих потоков, существенному росту потребности в профессорско-преподавательском составе.

Таким образом, текущая политика сокращения ППС, осуществляемая на фоне уменьшения численности студентов, входит в стратегическое противоречие с будущими потребностями университета. Накопленный кадровый дефицит может стать критическим препятствием для выполнения университетом своих функций в условиях реформирования системы высшего образования.

Наиболее тревожным является возрастной дисбаланс. Доля молодых преподавателей (до 39 лет) в 2024 году составила 14,52%, что значительно ниже минимального порогового значения критерия эффективности деятельности вузов (35%), установленного для оценки ректорского корпуса. При этом доля преподавателей в возрасте 60 лет и старше превышает 28%, что создает прямую угрозу преемственности научных школ и требует плановой ротации кадров [7].

Для оценки качественных характеристик вовлеченности ППС в октябре 2025 года было проведено эмпирическое исследование методом анкетирования. В опросе приняли участие 20 сотрудников Университета, представляющих разные факультеты и кафедры. Респондентам предлагалось оценить по 10-балльной шкале состояние семи ключевых факторов вовлеченности различной значимости.

Результаты опроса выявили наличие системных разрывов между значимостью факторов и их фактической реализацией. Наибольший разрыв зафиксирован по фактору «Признание в профессиональном сообществе» – 3,75 балла. Вторым по остроте стал разрыв по фактору «Доступ к научной инфраструктуре и ресурсам» – 3,00 балла. Фактор «Академическая автономия и содержание работы» также демонстрирует отрицательный разрыв в 1,95 балла. При этом фактор «Уровень оплаты труда» получил относительно высокую оценку (7,80 балла) при умеренной значимости, что подтверждает ограниченную роль материальных стимулов в академической среде [8].

Анализ индивидуальных анкет позволил выявить значительную поляризацию мнений внутри коллектива. Молодые преподаватели (до 39 лет) ориентированы на построение академической карьеры и наиболее критичны к доступу к научной инфраструктуре и прозрачности карьерных траекторий. Сотрудники среднего возраста (40–64 года) чувствительны к качеству непосредственного руководства и системе признания достижений. Опытные сотрудники (65 лет и старше) наиболее критичны к состоянию корпоративной культуры и уровню академического признания.

Таким образом, проведенная диагностика позволила идентифицировать ключевой структурный дисбаланс: при относительно высокой финансовой стабильности [7; 17] и уникальной отраслевой специализации конкурентные преимущества в кадровой сфере находятся на критически низком уровне. Выявленные проблемы – дефицит молодых кадров, снижение научного потенциала, высокая бюрократическая нагрузка – требуют целенаправленных проектных решений.

Теоретические основы применения метода анализа иерархий

Для решения задачи многокритериального выбора в условиях ограниченных ресурсов и высокой неопределенности в работе применяется метод анализа иерархий, разработанный американским математиком Томасом Саати в 1970-х годах. Данный метод позволяет структурировать сложную проблему выбора в виде иерархии, включающей цель, критерии и альтернативы, и провести количественное сравнение элементов на основе экспертных оценок [15].

Ключевое преимущество МАИ заключается в возможности работы как с количественными, так и с качественными данными, что особенно важно при оценке проектных решений, где не все последствия могут быть выражены в числовой форме. Метод включает построение матриц попарных сравнений, расчет векторов приоритетов и проверку согласованности экспертных суждений. В российской научной литературе МАИ получил широкое распространение как инструмент обоснования управленческих решений в различных сферах, включая образование [1; 9].

Формирование проектных альтернатив развития кадрового потенциала

На основе результатов диагностики кадровой ситуации предлагаются три проектные альтернативы развития кадрового потенциала. Каждая из них направлена на преодоление выявленных системных проблем, но имеет различный фокус воздействия и механизм реализации.

Проект 1: «Научный прорыв» ориентирован на создание инфраструктуры для построения научной карьеры. Его ключевые мероприятия включают открытие новых диссертационных советов (например, по экономическим наукам), создание внутреннего грантового фонда, компенсацию организационных взносов за публикации в высокорейтинговых журналах. Целевая аудитория – научно-ориентированные сотрудники и соискатели ученых степеней. Ожидаемый эффект – рост числа защит, публикационной активности, научного престижа вуза.

Проект 2: «Академический лифт» направлен на формирование четких карьерных траекторий и системы поддержки молодых преподавателей. В рамках проекта предлагается введение срочных трудовых договоров с ключевыми показателями эффективности (KPI) по научной активности, целевая материальная поддержка для преподавателей с детьми, внедрение программы менторства, предоставление гибкого графика работы. Целевая аудитория – молодые ППС (до 39 лет), находящиеся в начале карьеры. Ожидаемый эффект – закрепление перспективных кадров, снижение текучести, рост вовлеченности.

Проект 3: «Цифровая экосистема» нацелен на снижение административно-отчетной нагрузки и повышение эффективности процессов. Ключевые мероприятия включают разработку электронной системы для автоматизации отчетности, создание цифрового методического кабинета, внедрение системы электронного документооборота. Целевая аудитория – весь ППС и административный персонал. Ожидаемый эффект – высвобождение времени ППС для научной и преподавательской деятельности, рост вовлеченности.

Построение иерархической модели и расчет весов критериев

Для сравнительной оценки проектных альтернатив построена иерархическая модель, включающая цель – «Повышение конкурентоспособности и устойчивости кадрового потенциала Университета». На втором уровне иерархии расположены четыре критерия, отобранные на основе результатов диагностики:

– К1. Привлечение и закрепление молодых ППС. Этот критерий признан приоритетным в связи с критическим сокращением доли молодых преподавателей до 14,52% [7].

– К2. Рост научно-исследовательского потенциала. Значимость критерия обусловлена сокращением доли ППС с учеными степенями и выявленным разрывом по фактору «Доступ к научной инфраструктуре» [6].

– К3. Срок реализации и операционная сложность. Критерий отражает необходимость получения быстрого управленческого эффекта в условиях обострения кадрового кризиса.

– К4. Объем затрат на проект. Актуальность критерия определяется необходимостью рационального использования ограниченных финансовых ресурсов.

На третьем уровне иерархии расположены три проектные альтернативы, описанные выше.

Для определения относительной важности критериев проведено их попарное сравнение по шкале относительной важности от 1 до 9, где 1 означает равную важность, 3 – умеренное превосходство, 5 – существенное превосходство, 7 – сильное превосходство, 9 – абсолютное превосходство [15].

Результаты попарного сравнения критериев представлены в матрице (табл. 3). Обоснование каждого отношения основано на выводах диагностического этапа исследования.

Таблица 3 – Матрица попарного сравнения критериев (источник: составлено авторами)

Критерий	К1	К2	К3	К4	Обоснование отношения
К1. Привлечение и закрепление молодых ППС	1	3	5	7	Кадровый кризис – главная угроза
К2. Рост научно-исследовательского потенциала	1/3	1	3	5	Важен, но зависит от наличия кадров
К3. Срок реализации и операционная сложность	1/5	1/3	1	3	Быстрый результат умеренно важнее денег
К4. Объем затрат на проект	1/7	1/5	1/3	1	Затраты – наименее важный фактор

Расчет вектора приоритетов критериев выполнен методом геометрического среднего. Результаты представлены в табл. 4.

Таблица 4 – Результаты расчета весов критериев (источник: составлено авторами)

Критерий	Геометрическое среднее	Вес критерия
К1. Привлечение и закрепление молодых ППС	3,201	0,564
К2. Рост научно-исследовательского потенциала	1,495	0,263
К3. Срок реализации и операционная сложность	0,669	0,118
К4. Объем затрат на проект	0,312	0,055

Индекс согласованности (ИС) для данной матрицы составил 0,04, что является допустимым (ИС < 0,10) и свидетельствует о непротиворечивости экспертных оценок [15].

Анализ рассчитанных весов показывает, что с точки зрения стратегических целей Университета наибольшую важность (0,564) имеет критерий «Привлечение и закрепление молодых ППС», что полностью соответствует выводам о критическом кадровом дисбалансе. Вторым по значимости является критерий «Рост научного потенциала» (0,263). Менее весомыми признаны операционные критерии – сроки реализации (0,118) и объем затрат (0,055).

Попарное сравнение проектных альтернатив

На следующем этапе анализа проведено попарное сравнение трех проектных альтернатив относительно каждого из четырех критериев. Процедура аналогична расчету весов критериев: для каждой пары проектов экспертным путем определялось, какой из них в большей степени способствует достижению рассматриваемого критерия.

Сравнение по критерию К1: «Влияние на привлечение и закрепление молодых ППС» (табл. 5).

Таблица 5 – Матрица попарного сравнения проектов по критерию К1 (источник: составлено авторами)

Проект	Научный прорыв	Академический лифт	Цифровая экосистема	Локальный приоритет
Научный прорыв	1	1/3	5	0,279
Академический лифт	3	1	7	0,649
Цифровая экосистема	1/5	1/7	1	0,072

Обоснование: Проект «Академический лифт 2.0» обладает умеренным превосходством (3) над проектом «Научный прорыв», поскольку напрямую предлагает систему контрактов, материальную поддержку и социальные программы, что наиболее значимо для молодежи на старте карьеры. Проект «Академический лифт» демонстрирует сильное превосходство (7) над «Цифровой экосистемой», поскольку прямые карьерные условия и финансовая поддержка значительно важнее для решения кадрового кризиса, чем косвенное снижение административной нагрузки [8].

Сравнение по критерию К2: «Влияние на рост научно-исследовательского потенциала» (табл. 6).

Таблица 6 – Матрица попарного сравнения проектов по критерию К2 (источник: составлено авторами)

Проект	Научный прорыв	Академический лифт	Цифровая экосистема	Локальный приоритет
Научный прорыв	1	5	7	0,731
Академический лифт	1/5	1	3	0,188
Цифровая экосистема	1/7	1/3	1	0,081

Обоснование: Проект «Научный прорыв» имеет существенное превосходство (5) над «Академическим лифтом», поскольку напрямую создает научную инфраструктуру (диссоветы, гранты), в то время как второй проект мотивирует к науке косвенно [6].

Сравнение по критерию К3: «Срок реализации и операционная сложность» (табл. 7).

Таблица 7 – Матрица попарного сравнения проектов по критерию К3 (источник: составлено авторами)

Проект	Научный прорыв	Академический лифт	Цифровая экосистема	Локальный приоритет
Научный прорыв	1	1	1/3	0,200
Академический лифт	1	1	1/3	0,200
Цифровая экосистема	3	3	1	0,600

Обоснование: Проект «Цифровая экосистема» имеет умеренное превосходство (3) над обоими проектами, поскольку внедрение IT-решений может быть выполнено значительно быстрее, чем организационные изменения (открытие диссоветов) или перестройка кадровой системы [16].

Сравнение по критерию К4: «Объем затрат на проект» (табл. 8).

Таблица 8 – Матрица попарного сравнения проектов по критерию К4 (источник: составлено авторами)

Проект	Научный прорыв	Академический лифт	Цифровая экосистема	Локальный приоритет
Научный прорыв	1	1/3	1/5	0,100
Академический лифт	3	1	1/3	0,300
Цифровая экосистема	5	3	1	0,600

Обоснование: Проект «Цифровая экосистема» имеет существенное превосходство (5) над «Научным прорывом», так как IT-решения требуют разовых инвестиций, в то время как научная инфраструктура (гранты, компенсации публикаций) требует постоянных расходов [16].

Индексы согласованности для всех матриц попарных сравнений не превышают 0,10, что свидетельствует о непротиворечивости экспертных оценок.

Синтез и выбор оптимальной альтернативы

На заключительном этапе метода анализа иерархий осуществляется синтез результатов: рассчитанные локальные приоритеты проектов взвешиваются на значимость соответствующих критериев для получения интегральных (глобальных) приоритетов (табл. 9).

Таблица 9 – Расчет глобальных приоритетов проектных альтернатив (источник: составлено авторами)

Критерий	Вес критерия	Научный прорыв	Академический лифт	Цифровая экосистема
К1. Привлечение молодежи	0,564	0,279	0,649	0,072
К2. Научный потенциал	0,263	0,731	0,188	0,081
К3. Срок реализации	0,118	0,200	0,200	0,600
К4. Затратность	0,055	0,100	0,300	0,600
Глобальный приоритет		0,403	0,418	0,179

Расчет глобального приоритета для каждого проекта выполнен по формуле:

где w_i – вес i-го критерия,

p_ij – локальный приоритет j-го проекта по i-му критерию [15].

Результаты расчета показывают, что наибольшим стратегическим потенциалом обладает проект «Академический лифт» (0,418), незначительно опережая проект «Научный прорыв» (0,403). Проект «Цифровая экосистема» (0,179) имеет существенно меньший приоритет.

Заключение

Проведенное исследование показало, что метод анализа иерархий может быть эффективно адаптирован для решения задач стратегического выбора в управлении кадровым потенциалом отраслевого вуза. Предложенная в работе система критериев – привлечение молодых кадров, развитие научного потенциала, сроки реализации и объем затрат – учитывает специфику академической среды и результаты эмпирической диагностики, что позволяет формализовать процедуру выбора в условиях многокритериальности.

Диагностика кадровой ситуации в СПбГУ ГА выявила структурный дисбаланс: при устойчивом финансовом положении и уникальной отраслевой специализации конкурентные преимущества в кадровой сфере находятся на критически низком уровне. Дефицит молодых преподавателей, сокращение научного потенциала и высокая бюрократическая нагрузка составляют «проблемное поле», требующее целенаправленных проектных решений.

Синтез экспертных оценок, выполненный в рамках метода анализа иерархий, показал, что наибольшим стратегическим потенциалом (глобальный приоритет 0,418) обладает проект «Академический лифт», направленный на привлечение и закрепление молодых преподавателей через систему карьерных контрактов, материальную поддержку и программу менторства. Проект «Научный прорыв» (0,403) также значим, но уступает по операционной эффективности; проект «Цифровая экосистема» (0,179) имеет вспомогательное значение.

Полученные результаты обосновывают последовательность реализации проектов: первоочередное внедрение проекта «Академический лифт» позволит адресовать наиболее острую кадровую проблему – закрепление молодежи в академической среде. Разработанный подход может быть применен в других образовательных организациях, сталкивающихся со схожими вызовами.

Перспективы дальнейших исследований связаны с апробацией предложенной методики на других отраслевых вузах, что позволит верифицировать универсальность разработанного подхода и при необходимости скорректировать систему критериев с учетом отраслевой специфики. Представляет интерес включение в иерархическую модель дополнительных факторов, отражающих региональные особенности рынка труда и демографические условия. Углубление эмпирической базы за счет расширения выборки и применения методов многомерного статистического анализа позволит уточнить весовые коэффициенты факторов вовлеченности. Отдельным направлением выступает разработка методики мониторинга реализации выбранного проектного решения как инструмента обратной связи для корректировки стратегических приоритетов.