DEA-анализ взаимодействия университетов АПК с ключевыми группами стейкхолдеров: от классической триады к экосистемной модели

Введение. Университетам агропромышленного профиля отводится особое положение в системе высшего образования. Это обусловлено тем, что миссия таких университетов выходит за традиционные рамки подготовки кадров для реального сектора экономики и проведения фундаментальных научных исследований. Здесь университеты выступают центрами технологического трансфера, экспертного сопровождения агропродовольственной политики государства и своеобразными катализаторами развития сельских территорий. В условиях нарастающего давления глобальных вызовов, связанных с продовольственной безопасностью, климатическими изменениями и цифровизацией сельского хозяйства, эффективность взаимодействия университетов данного профиля с внешней средой становится критическим фактором их институциональной устойчивости. В то же время оценка этой эффективности остается методологически довольно сложной задачей. Множественность целей, разнородность ожиданий стейкхолдеров, длительность циклов «исследование – внедрение», а также слабая формализуемость социальных эффектов создают существенные барьеры для применения традиционных показателей результативности. В настоящей статье предлагается подход, основанный на методологии Data Envelopment Analysis (DEA), которая позволяет оценивать относительную эффективность сложных организационных систем в условиях множественных «входов» и «выходов» без необходимости предварительного задания весовых коэффициентов.

Целью работы является обоснование применения DEA-анализа к оценке взаимодействия университетов агропромышленного профиля со стейкхолдерами с учетом перехода от классической модели «тройной спирали» к экосистемной и представить результаты эмпирической апробации предложенной модели на базе 50 российских университетов.

Условия, материалы и методы. В основе концепции «тройной спирали», разработанной Г. Ицковицем и Л. Лейдесдорфом, лежит анализ взаимосвязей между тремя ключевыми институтами: академическим сообществом (университетами), предпринимательским сектором (бизнесом) и органами власти [11]. Университет в этой модели выполняет роль генератора знаний, бизнес – коммерциализатора, государство – регулятора и заказчика. Для аграрных университетов триадная модель долгое время оставалась основной, поскольку взаимодействие с профильными предприятиями агропромышленного комплекса (далее - АПК), органами управления сельским хозяйством и научными учреждениями РАН выстраивалось именно в этих координатах [1, 13, 15]. Однако практика последних десятилетий показала ограниченность концепции «тройной спирали». Все большее признание получает модель «четверной спирали», в которой к трем базовым акторам добавляется четвертый – пользователи инноваций, гражданское общество, общественность [7, 8, 12]. В контексте АПК это означает включение в орбиту взаимодействия университета не только агрохолдингов и фермерских хозяйств как экономических агентов, но и сельских сообществ, потребителей продовольствия, экологических организаций.

Исследования показывают, что университеты в регионах с ограниченными ресурсами могут выступать в роли «инновационных брокеров» - посредников, обеспечивающих доверие, координацию и трансляцию знаний между разнородными участниками четвертой спирали [14]. Эта роль требует от университета компетенций, выходящих за пределы классической академической триады «образование – наука – трансфер». Наконец, формирующаяся модель «пятерной спирали» добавляет к перечисленным акторам природную среду как самостоятельного стейкхолдера [5]. Для аграрных университетов это не абстрактное расширение: устойчивость агроэкосистем, сохранение почв, биоразнообразие и климатическая нейтральность становятся имманентными критериями оценки результатов деятельности. Таким образом, эволюция теоретических рамок ставит перед университетами АПК задачу перехода от управления отдельными двусторонними взаимодействиями к управлению экосистемой стейкхолдерских отношений, что, в свою очередь, требует адекватного инструментария оценки [10].

Data Envelopment Analysis (DEA) представляет собой непараметрический метод оценки относительной эффективности однородных объектов – Decision Making Units (DMU) – на основе линейного программирования [16]. В отличие от регрессионного анализа, DEA не требует задания функциональной формы зависимости между входами и выходами и позволяет работать с множественными показателями, измеренными в разных шкалах. Классическая DEA-модель оценивает эффективность DMU как отношение взвешенной суммы выходов к взвешенной сумме входов, где веса подбираются таким образом, чтобы максимизировать оценку эффективности каждого конкретного объекта. Объекты, получившие оценку (Score) 1, формируют границу эффективности; остальные оцениваются относительно этой границы. Однако применение классической DEA к университетам сталкивается с рядом ограничений. Университет – это не «черный ящик»: его взаимодействие со стейкхолдерами представляет собой многоэтапный процесс, в котором ресурсы (кадровые, финансовые, инфраструктурные) сначала преобразуются в промежуточные результаты (публикации, патенты, подготовленные кадры), а затем – в конечные эффекты для стейкхолдеров (внедренные технологии, рост производительности, социальное развитие территорий) [6, 9].

Специфика стейкхолдерской модели университета АПК. Прежде чем перейти к построению DEA-модели, необходимо определить, кто именно выступает в роли стейкхолдеров и какие результаты взаимодействия с ними подлежат оценке. Как уже было отмечено выше, в триадной модели ключевыми группами выступают: предприятия (предпринимательский сектор, бизнес), например, крупные агробизнес-структуры, крестьянские (фермерские) хозяйства, организации пищевой индустрии, инфраструктурные компании АПК и др.; государство (региональные органы управления АПК, органы исполнительной власти в сфере АПК, контрольно-надзорные органы, санитарные инспекции); академическое сообщество, которое может быть представлено внутренним и внешним контуром. К внутреннему контуру относятся студенты и магистранты, преподаватели и научные сотрудники, аспиранты и докторанты; внешний контур составляют абитуриенты и их родители, научное сообщество в лице НИИ, других университетов, экспертных советов.

Экосистемная модель расширяет этот перечень, добавляя сельские сообщества (местные сообщества, органы территориального общественного самоуправления, сельскохозяйственные кооперативы); потребителей (население как конечный получатель выгод от продовольственной безопасности и качества продукции); экологические организации (природоохранные организации, экологические мониторинговые службы).

Каждый участник взаимодействия формулирует собственный запрос к университету и получает соответствующие результаты. Бизнес-сектор ориентирован на технологические решения, подготовку кадров и консультационную поддержку. Государственным органам необходимо экспертное сопровождение и прогнозные разработки. Для сельских сообществ важно повышение качества жизни, сохранение рабочих мест и развитие инфраструктуры. Природоохранные организации заинтересованы в минимизации негативного влияния на агроэкосистему. Сложность DEA-моделирования состоит в том, что результаты для разных групп стейкхолдеров могут быть несоизмеримы и даже конфликтны. Поэтому модель должна допускать оценку эффективности по нескольким «выходным» направлениям.

В качестве переменных для DEA-моделей использованы показатели основного и дополнительного списка мониторинга (даны под номерами, зафиксированными в Мониторинге высшего образования) университетов за 2025 год, рейтинговые показатели оценки вузов Интерфакс, итоговый индекс Национального рейтинга по трудоустройству выпускников (бакалавров и магистров) [2-4]. Входы и выходы для DEA-анализа в разрезе групп стейкхолдеров представлены в таблицах 1-6.

Таблица 1. Группа стейкхолдеров «Родители и абитуриенты»

Таблица 2. Группа стейкхолдеров «Студенты»

Таблица 3. Группа стейкхолдеров «Аспиранты и докторанты»

Таблица 4. Группа стейкхолдеров «Преподаватели и научные сотрудники»

Таблица 5. Группа стейкхолдеров «Научное сообщество»

Таблица 6. Группа стейкхолдеров «Предприятия»

В качестве объектов исследования рассмотрены 50 профильных сельскохозяйственных вузов, идентифицированные на сайте Информационно-аналитических материалов «Мониторинг 2025» [2]: 34 государственных аграрных университета (ГАУ), 8 государственных агротехнологических университетов (ГАТУ), 6 государственных сельскохозяйственных академий (ГСХА), Санкт-Петербургский гос. университет ветеринарной медицины, Российский государственный университет народного хозяйства им. В.И. Вернадского.

Важно отметить, что DEA-оценка не предполагает выявления абсолютной эффективности. Речь идет об относительной эффективности, т.е. университеты сравниваются между собой, и лучшие практики формируют границу, на которую могут ориентироваться остальные. Для аграрных университетов это особенно значимо, поскольку условия их функционирования существенно различаются в зависимости от региона и ресурсной базы.

Результаты и обсуждение. Эмпирическая апробация предложенной схемы была проведена на выборке из 50 российских аграрных университетов. Анализировались 12 результатов VRS DEA: по две ориентации – на сокращение входов и на сокращение выходов – для шести групп стейкхолдеров (аспиранты и докторанты; научное сообщество, предприятия, преподаватели и научные сотрудники; родители и абитуриенты; студенты). Эффективными считались DMU с Score оценкой, равной 1 и расчетным допуском 0,000001.

Важно, что DEA-эффективность здесь означает положение на эмпирической границе относительно данного состава вузов и выбранных переменных, а не безусловно высокое качество университета. Чем больше показателей включено при фиксированном числе DMU, тем выше вероятность, что объект получит возможность подобрать благоприятную систему весов. Поэтому исключительно высокая доля эффективных университетов в отдельных сценариях должна трактоваться как характеристика спецификации модели, а не как доказательство отсутствия резервов развития (табл. 7-8).

Таблица 7. Тепловая карта DEA-эффективности университетов агропромышленного комплекса по 2 моделям и 6 группам стейкхолдеров

Расчеты по исходным данным показывают, что наибольшую дискриминирующую способность имеет модель для студентов: в обеих ориентациях эффективны только 31 из 50 вузов. Наиболее слабая дискриминация наблюдается в выходо-ориентированной модели преподавателей и научных сотрудников, где 48 вузов лежат на границе, и в выходо-ориентированной модели научного сообщества, где эффективны 47 вузов.

Таблица 8. Сводные результаты DEA-анализа сельскохозяйственных университетов России

Во всех группах, кроме аспирантов и докторантов, среднее значение выходо-ориентированного индекса выше входо-ориентированного. Особенно заметен разрыв для научного сообщества: 0,993 против 0,929. Для аспирантов и докторантов соотношение обратное – 0,921 против 0,943; именно выходо-ориентированная постановка здесь выявляет более глубокий дефицит результатов.

Результаты по группам (рис. 2)

Рис. 2. – Оценка эффективности университетов по входным (input-score) и выходным (output-score) моделям по группам стейкхолдеров

Примечание: пунктирная линия означает равенство оценок по входным и выходным моделям

Источник: составлено авторами на основе результатов исследований

Студенты. Студенческий контур является наиболее дифференцирующим: только 62% вузов эффективны в каждой организации, а 19 университетов неэффективны одновременно в обеих моделях. Ранжирование двух ориентаций практически совпадает (коэффициент Спирмена составляет около 0,952). Применительно к этой группе полученные выводы сохраняют устойчивость при изменении ориентации и отражают не столько избыток отдельных ресурсов или недостаток отдельных результатов, сколько более общий разрыв в преобразовании условий обучения в показатели трудоустройства и внешней результативности.

Наиболее низкие значения отмечены у Оренбургского государственного аграрного университета (0,748 во входной модели и 0,833 в выходной модели). В нижней части распределения также находятся Костромская государственная сельскохозяйственная академия, Нижегородский, Горский, Мичуринский, Новосибирский, Донской и Алтайский государственные аграрные университеты.

Проекции показывают два взаимодополняющих направления улучшения. Во входо-ориентированной модели они связаны прежде всего с приведением масштаба потребляемых ресурсов и инфраструктуры в соответствие с результатами – численности обучающихся, площадей, библиотечного фонда, числа партнерских предприятий, доли преподавателей с учеными степенями и обеспеченности общежитиями. В выходо-ориентированной модели улучшение должно проявляться в более высоких показателях трудоустройства бакалавров и магистров и интегральных позициях университета. В референтных наборах особенно часто появляются Арктический государственный агротехнологический университет, Башкирский, Уральский и Санкт-Петербургский государственные аграрные университеты, Вологодская молочно-хозяйственная академия. Они являются бенчмарками для вузов со сходным масштабом деятельности, но не должны интерпретироваться как абсолютный рейтинг лидеров.

Родители и абитуриенты. В обеих ориентациях на границе эффективности лежат 37 университетов и 13 не достигают границы. Совпадение классификации и почти полное совпадение ранжирования свидетельствует о высокой устойчивости результатов по данной группе стейкхолдеров.

Минимальная оценка эффективности у Кабардино-Балкарского государственного аграрного университета – 0,742 во входной и 0,870 в выходной модели. К устойчиво неэффективной группе также относятся Костромская государственная сельскохозяйственная академия, Оренбургский, Горский, Алтайский, Новосибирский, Донской государственные аграрные университеты, Нижегородский государственный агротехнологический университет и др. Неэффективность этой группы выражается в недостаточной конвертации ресурсной обеспеченности и партнерской сети в привлекательность набора абитуриентов, трудовой потенциал и репутационный результат. Наиболее частыми бенчмарками выступают Арктический государственный агротехнологический университет во входной модели и Мичуринский государственный аграрный университет в выходной модели.

Предприятия. Эта группа стейкхолдеров характеризуется высокими и практически идентичными результатами: средние индексы эффективности на входы и выходы равны 0,989 и 0,994. Пять неэффективных объектов в обоих ориентациях совпадают: Белгородский, Горский и Оренбургский государственные аграрные университеты, Костромская и Тверская государственные сельскохозяйственные академии. Наибольший разрыв имеет Горский государственный аграрный университет: 0,762 и 0,885 соответственно во входной и выходной моделях. Для университетов, не достигших границы эффективности, резервы входной модели связаны с недостаточным масштабом приема абитуриентов, числом договоров с предприятиями и базами практик, а также использованием учебной и исследовательской инфраструктуры; для выходной модели характерен запас потенциала по росту малых инновационных предприятий, доли внебюджетных НИОКР, показателей трудоустройства, ДПО и внешнего позиционирования вуза.

Высокая доля эффективных университетов требует осторожной интерпретации: модель хорошо выделяет небольшую группу отстающих университетов, но слабо ранжирует оставшиеся 45 вузов. Для управленческого сравнения целесообразно дополнительно применять расчет DEA-модель суперэффективности либо сокращать спецификацию показателей этой группы стейкхолдеров.

Преподаватели и научные сотрудники. Во входной модели эффективны 44 университета, средняя оценка эффективности составила 0,983, а в выходной модели эффективны 48 университетов при средней оценке эффективности 0,999. Причем четыре вуза переходят с неэффективной позиции во входной модели на границу эффективности в выходной модели, но ни один не демонстрирует обратного перехода. Это означает, что выявленные резервы сосредоточены преимущественно в ресурсной конфигурации, а не в пропорциональном расширении научных результатов при фиксированных входах. Во входной модели наименьшие значения имеют Нижегородский государственный агротехнологический университет и Самарский государственный аграрный университет; в выходной модели только два университета оценены немного ниже единицы, поэтому содержательная дифференциация почти исчезает.

В качестве предметных направлений оптимизации ресурсов во входной модели будут соотношение числа журналов и диссертационных советов, уровня оплаты труда, учебно-лабораторных и научно-исследовательских площадей с публикационной, грантовой и доходной отдачей. Однако интерпретировать сокращение зарплаты или инфраструктуры как прямую рекомендацию несостоятельно: это признаки относительной ресурсной избыточности при наблюдаемом уровне выходов (результатов деятельности), а управленческий путь состоит в наращивании результатов без механического сокращения кадровой и материальной базы.

Аспиранты и докторанты. Выходная модель этой группы стейкхолдеров имеет ярко выраженную неэффективность: средняя оценка эффективности 0,921, а минимальная – 0,299. В выходной модели эффективны только 37 университетов, а в выходной - 41 университет при средней оценке эффективности 0,943. Девять вузов не эффективны в обеих ориентациях, четыре эффективны только во входной, а эффективных только в выходной ориентации нет. Самый крупный разрыв в оценка эффективности имеет Мичуринский государственный аграрный университет: 0,451 во входной и 0,299 в выходной модели. Так же низкие значения эффективности имеют Донской, Брянский, Алтайский, Воронежский, Новосибирский и Волгоградский государственные аграрные университеты, а в выходной модели еще и Российский университет народного хозяйства им. В.И. Вернадского.

Неэффективность во входной ориентации говорит о недостаточной отдаче от цитируемости, доли НИОКР, внебюджетных доходов от исследований, журналов и диссертационных советов. Неэффективность в выходной модели показывает потребность в росте публикаций РИНЦ и «Белого списка», доли молодых научно-педагогических работников, защит диссертаций и грантовой активности. Это позволяет трактовать выявленный резерв как недостаточную конвертацию существующей научной инфраструктуры и финансовой базы в воспроизводство научных кадров и результативность подготовки аспирантов.

Наиболее часто в качестве эталонных объектов выделяются Уральский государственный аграрный университет, Смоленская государственная сельскохозяйственная академия, Вологодская государственная молочнохозяйственная академия, Санкт-Петербургский государственный аграрный университет и Санкт-Петербургский университет ветеринарной медицины. Их опыт интересен в части организации аспирантуры, публикационной поддержки, грантового сопровождения и работы диссертационных советов.

Научное сообщество. Для группы научного сообщества выявлена наиболее значимая асимметрия ориентаций. Во входной модели средняя оценка эффективности составляет 0,929 и эффективны 42 университета; в выходной – 0,993 и 47 университетов. Только три вуза неэффективны в обеих моделях, один эффективен только во входной и шесть – только в выходной ориентации.

Во входной модели минимальные оценки эффективности имеют Новосибирский (0,348) и Мичуринский (0,379) государственные аграрные университеты; далее следуют Удмуртский, Рязанский, Алтайский и Кабардино-Балкарский государственные аграрные университеты. В выходной модели выделяется только Нижегородский государственный агротехнологический университет с оценкой 0,705; Пермский государственный аграрно-технологический университет и Новосибирский государственный аграрный университет находятся близко к границе эффективности. Такой результат означает, что при фиксированной инфраструктуре уже находится на выходной границе эффективности, однако часть организаций использует свои научные журналы, диссертационные советы и площади менее экономно, чем сопоставимые вузы. Вместе с тем выходная модель практически не делает различий в оценке эффективности университетов и поэтому не должна использоваться как самостоятельное основание для рейтинга. Наиболее частыми ориентирами во входной модели являются Приморский государственный аграрно-технологический университет, Великолукская государственная сельскохозяйственная академия, Ярославский, Ульяновский и Чувашский государственные аграрные университеты.

Сквозные профили. Двадцать университетов эффективны во всех 12 моделях: Арктический, Верхневолжский, Вятский и Приморский государственные агротехнологические университеты; Великолукская государственная сельскохозяйственная академия; Волгоградская государственная молочнохозяйственная академия; Дальневосточный государственный технический рыбохозяйственный университет; Российский государственный аграрный университет - МСХА им. К.А. Тимирязева; Санкт-Петербургский университет ветеринарной медицины; Башкирский, Иркутский, Кузбасский, Омский, Орловский, Пензенский, Санкт-Петербургский, Ульяновский, Уральский, Чувашский и Южно-Уральский государственные аграрные университеты. Эта группа образует устойчивое эмпирическое ядро, однако ее неоднородность подтверждает специфику DEA: на границу эффективности могут попадать как крупные комплексные, так и малые специализированные вузы, если каждый объект силен в своей комбинации анализируемых входных и выходных показателей. Эффективный статус во всех 12 моделях повышает уверенность в многоконтурной эффективности, но не устраняет необходимость проверки DEA-модели суперэффективности – выявления «лучших среди равных».

Наиболее низкие средние оценки по 12 моделям имеют Мичуринский (0,842), Алтайский (0,861) и Новосибирский (0,872) государственные аграрные университеты. Далее в сторону повышения эффективности идут Кабардино-Балкарский (0,909), Донской (0,910), Оренбургский (0,925) и Горский (0,925) государственные аграрные университеты, Нижегородский государственный агротехнологический университет (0,931). При этом Алтайский и Нижегородский университеты эффективны только в 4 из 12 моделей, Горский государственный аграрный университет и Костромская государственная сельскохозяйственная академия – в 5, Новосибирский, Донской и Оренбургский государственные аграрные университеты – в 6. Для этих вузов стоит разрабатывать не единый план повышения эффективности рассматриваемых показателей, а портфель мер в рамках стейкхолдерских групп. Мичуринский государственный аграрный университет нуждается в улучшении аспирантско-научного блока, Новосибирский государственный аграрный университет – в повышении ресурсоотдачи научной инфраструктуры, Оренбургский и Горский государственные аграрные университеты – в укреплении студенческой результативности и взаимодействия с предприятиями, Кабардино-Балкарский государственный аграрный университет – в повышении привлекательности и результатов для абитуриентов и их родителей.

Выводы. Проведенный анализ показал, что эффективность аграрных университетов имеет выраженную стейкхолдерскую неоднородность. Один и тот же университет может находится на границе эффективности в рамках одной группы стейкхолдеров и одновременно быть неэффективным по показателям других групп стейкхолдеров. Такая дифференциация характера эффективности связана с различиями в механизмах создания ценности для каждой группы стейкхолдеров. В этой связи наиболее различными оказались модели по группам стейкхолдеров Студенты, Родители и абитуриенты, Аспиранты и докторанты. Модели по группам стейкхолдеров Предприятия, Преподаватели и научные сотрудники, Научное сообщество сформировали широкую границу эффективности. Это свидетельствует как о близости фактических значений показателей большинства сельскохозяйственных вузов, так и об ограниченной различительной способности набора показателей, выбранных для характеристики интересов взаимодействия различных групп стейкхолдеров с университетами.

Сравнение результатов DEA-моделей, ориентированных на входы и на выходы, выявило три типа эффективности взаимодействия сельскохозяйственных университетов со стейкхолдерами:

- для групп студентов, предприятий, родителей и абитуриентов - результаты почти не меняются в зависимости от смены ориентации, что повышает их устойчивость;

- для групп преподавателей и научного сообщества выходные модели большинства вузов приближаются к 1 (эффективности), что говорит о достижении своего предела показателями этих групп. Но в то же время входные модели показывают значительные резервы использования ресурсов;

- для группы аспирантов и докторантов наоборот, выходная модель показывает значительный разрыв между реальными результатами и потенциальными - необходимо наращивание публикаций, грантовой и кадрово-воспроизводственной отдачи.

Управленческие рекомендации. Для неэффективных в обеих DEA-моделей университетов для конкретной группы стейкхолдеров необходимо одновременно оптимизировать структуру ресурсов (входов) и наращивать результаты (выходов). Такая стратегия позволит устранить устойчивый разрыв показателей. Для эффективных по выходам университетов, но неэффективных по входам, необходимо повышение загрузки имеющейся инфраструктуры и отдачи от уже используемых ресурсов, а не механическая экономия.

Переход университетов АПК агропромышленного комплекса от классической модели триады взаимодействия к экосистемной модели отражает объективные изменения роли высшего образования в общественном развитии: университет становится не столько поставщиком кадров и технологий, сколько активным участником региональных инновационных экосистем, способствующий развитию жизнедеятельности широкого круга стейкхолдеров. И в этом смысле DEA-анализ является адекватным инструментарием для оценки эффективности такого взаимодействия, позволяя декомпозировать эффективность по группам стейкхолдеров с учетом условий тщательного отбора операционных показателей, ограничений гетерогенности объекта и качества данных.