MI-alapú eszközök használata a felsőoktatási minőségfejlesztésben

Abstract

A felsőoktatási intézmények teljesítményének értékelése az 1980-as években, a neoliberális modellek térnyerésével jelent meg a nyugat-európai ágazati politikákban. Ez a menedzsmentközpontú fenntartói szemlélet (boardok, finanszírozási szerződés) a szervezeti stratégiák mentén történő teljesítményt helyezte előtérbe és az egyetemek finanszírozását célzottan, különböző ágazati mutatók teljesítéséhez kötötte. Az állam fokozatos kivonulásával az egyetemek értékelése egyre inkább metrikussá vált az ágazatban. Hasonlóan történt ez Magyarországon, ahol a 2020-as modellváltás egyenlőtlen versenyhelyzetet teremtett a hazai intézmények között a teljesítményi alapon működő, speciális támogatást élvezők javára. Dolgozatomban egy egyházi fenntartású felsőoktatási intézmény esetén keresztül szeretném szemléltetni, hogyan lehet az MI-alapú technológiákat hatékonyan felhasználni az ESG:2015 szabvány irányelveihez igazodó minőségfejlesztésben. Munkám során javaslatot teszek olyan mérhető és jól nyomon követhető szervezeti (kulcsteljesítményindikátorok) KPI-ok bevezetésére, amelyek igazodnak az intézmény főbb célkitűzéseihez, emellett a finanszírozáshoz kapcsolódó legfontosabb elvárások teljesítéséhez is hozzájárulnak. A KPI-ok nyomon követésére olyan prediktív analízist használó webalkalmazást készítek. Ezen túl foglalkozom az intézmények külső teljesítményértékelésével, a nemzetközi rangsorokban való megjelenéssel és az egyetemi helyezés hivatkozásszámokkal ösztönző javításával. Az Elsevier Scopus adatbázisának 2023 és 2025 közötti intézményi publikációs adataiból az MI segítségével egy gépi tanulást alkalmazó Random Forest elemzést generálok, amelynek adatait felhasználva rangsorhelyezést előjelző webalkalmazást készítek. Munkám célja, hogy olyan hatékony mégis megfizethető MI-alapú minőségfejlesztésben is alkalmazható technológiák implementására tegyek javaslatot, amelyek egy magán felsőoktatási intézmény versenyhelyzetbe hozásához is hozzájárulhatnak a Microsoft Power BI, vagy akár az SPSS szoftverek használata nélkül.