МОДЕЛИРОВАНИЕ ЗАВИСИМОСТИ УСПЕШНОСТИ АСПИРАНТСКОЙ ПОДГОТОВКИ ОТ АКТИВНОСТИ УЧАСТИЯ СТУДЕНТОВ В НАУЧНО - ИССЛЕДОВАТЕЛЬСКОЙ РАБОТЕ

За последние пятнадцать лет в связи с недостаточной востребованностью научного потенциала вузов имел место заметный отток преподавательского персонала, особенно из вузов. Кроме того, наблюдается старение научных кадров: по данным социологических исследований средний возраст кандидата наук составил 50 лет, доктора наук – 59 лет [23]. Восполнение научного потенциала вузов молодыми учеными представляется целесообразным с учетом приоритетных для региона и страны направлений развития науки, экономики и социальной сферы. Однако сегодня большинство одаренных студентов предпочитают работу в частных коммерческих организациях обучению в аспирантуре и занятиям научной деятельностью. Причин этому много: недостаточное финансирование науки, невысокая заработная плата научных сотрудников, снижение престижности научной работы и др. Поэтому важным фактором восполнения научных кадров является привлечение молодежи к научной работе с последующим их закреплением в сфере науки.

Степень активности студентов в научной деятельности в период обучения представляется немаловажным фактором в формировании будущего состава научно-исследовательских кадров отдельного региона. Стремление к обучению в аспирантуре, успешность ее прохождения (защита диссертации в срок) предпочтительно зависит от активности участия студентов в вузовской научно-исследовательской работе. Количественными характеристиками результативности участия студентов в НИР могут выступать: статьи, доклады на конференциях, научные разработки, изобретения и т. п.

НЕ нашли? Не то? Что вы ищете?

Для подтверждения этого тезиса прорабатывалась модель, отражающая зависимость успешности аспирантской подготовки от участия в студенческой НИР. В качестве независимых переменных в этой модели были приняты следующие индикаторы:

·  количество студенческих работ, участвовавших в конкурсах на лучшую научно-исследовательскую работу (х1);

·  количество студенческих работ, участвовавших в конкурсах грантов (х2);

·  количество студенческих научных публикаций (х3);

·  количество экспонатов, изготовленных с участием студентов (х4).

По данным индикаторам была собрана статистическая информация по пятнадцати регионам Центрального федерального округа за гг.[см. базы данных] и получена многофакторная модель следующего вида:

А =0,36 + 11,91x1 + 2,98x2 + 6,30x3 + 4,31x4, (5.1)

где А – число аспирантов в регионе, завершивших обучение со своевременной защитой диссертации x1,х2,х3,х4 –удельное значение факторов[1].

Автокорреляция отсутствует, что видно из табл.5.1.

Таблица 5.1 - Значения парных коэффициентов корреляции регрессионной модели (5.1)

х1

х2

х3

х4

х1

1

0,32

0,69

0,35

х2

0,32

1

0,56

0,44

х3

0,69

0,56

1

0,53

х4

0,35

0,44

0,53

1

Характеристики регрессионной модели приведены в табл.5. 2.

Таблица 5.2 - Свойства и характеристики регрессионной модели (5.1)

Показатель

Значение

Объем исходной выборки

75 наблюдений

Коэффициент множественной корреляции

0,63

Коэффициент множественной детерминации

0,40

t-критерии для переменных, входящих в модель:

·  х1

·  х2

·  х3

·  х4

1,71

2,96

1,09

0,56

[1] Численность аспирантов рассчитана на 1000 чел. населения; численность студенческих работ, участвовавших в конкурсах на лучшую научно-исследовательскую работу - на 100 000 чел. населения; численность студенческих работ, участвовавших в конкурсах грантов – на 1000 чел. населения; количество студенческих научных публикаций – на 100 000 чел. населения; количество экспонатов, изготовленных с участием студентов – на 100 000 чел. населения.