الف – پرداخت وجه بحساب وب سایت ایران ترجمه(شماره حساب)ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.comشامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر --مقالات آماده سفارش داده شده پس از تایید به ایمیل شما ارسال خواهند شد.
Marmara University, Institute for Graduate Students in Pure and Applied Sciences, Istanbul, Turkey
کشور
ترکیه
برآورد کارایی آموزش دبیرستان های استان های ترکیه: کاربرد تحلیل پوششی داده ها
بخش ۳
سابقه فنی
۳-۱٫ روش شناسی
DEA روشی مبتنی بر برنامه ریزی خطی می باشد. با توجه به ویژگی های دوگانه آن که به ما در حل آسان مشکلات، از طریق تبدیل معادلات به گونه های ساده کمک می نماید، این روش تحلیلی به منظور مقایسه کارایی انواع مختلف DMU ها نظیر شرکت ها، بیمارستان ها، بانک ها و یا مدارس، کاربرد گسترده ای یافته است. یکی از وضعیت های DEA در مقایسه با روش های متعارف دیگر آن است که این روش بخودی خود قابلیت تعیین وزن (قیمت ها) ورودی ها و خروجی ها را خواهد داشت. این ویژگی در مطالعات بخشی یا منطقه ای آموزش، بهداشت و غیره مفید خواهد بود، جایی که وزن در عمل وجود نخواهد داشت. دیگر روش های آماری قابلیت ارزیابی DMU ها با استفاده از گرایش به مرکز (احتمال مطابقت داده با مقادیر مورد انتظار) را داشته و می توانند میانگین DMU ها به عنوان نقطه مبنا را در نظر بگیرند اما DEA اقدام به ارزیابی هر DMUدر حداکثر ممکن سطح تولید آن خواهد نمود.
ذکر این نکته قابل توجه است که اولین سیستم کاربردی DEA بوسیله Charnes، Cooper و Rhodes شامل برآورد کارایی مدارس دولتی در ایالات آمریکا بوده است.
کارایی آموزش دبیرستان های ترکیه: تحلیل پوششی داده ها – بخش ۳
۳-۱-۱٫ DEA
عملکرد یک واحد تصمیم گیرنده به صورت تقریبی با توجه به فرم نسبت سنجیده می شود:
ورودی/ خروجی
که بطور معمول به عنوان یک برآورد مرتبط با ” کارایی” و ” بهره وری” می باشد. نسبت یک خروجی به یک ورودی غالبا تحت عنوان ” برآورد نسبی بهره وری” (PPM )[1] مد نظر می باشد. یک نسبت خروجی/ ورودی که قابلیت به حساب آوردن کلیه ورودی ها و خروجی ها را دارد (و به احتمال زیاد با موقعیت های موجود در زندگی حقیقی روبرو می شود) تحت عنوان “برآورد بهره وری / بازدهی کل عوامل” (TFPM )[2] خوانده می شود. TFPM به عنوان راهکار بهتری برای برآورد کارایی در مقایسه با PPM به شمار می آید، چرا که این راهکار به ما در زمینه اجتناب از تخصیص دستاورد ها یا فواید حاصله به یک خروجی، که در حقیقت متعلق به یک ورودی دیگر می باشد، کمک می نماید. البته این نکته دارای معایبی نیز می باشد چرا که نیاز جهت تعیین وزن ها وجود داشته و علاوه بر این پیچیدگی بیشتری را برای این مسئله ایجاد می کند.
DEA در مقابل نیازمند وزن های از قبل تعیین شده نمی باشد و همچنین نیازی جهت مشخص سازی فرم های مالی که غالبا در دیدگاه های رگرسیون آماری مورد نیاز هستند، نیز در آن احساس نمی شود. در نتیجه DEA، به عنوان یک روش برنامه ریزی خطی، می تواند نسبت به پردازش متغیرها و قیدهای بسیاری اقدام نموده و از این طریق سبب بروز صرفه جویی های محاسباتی می شود.
مورد ورودی واحد و خروجی واحد
در این مورد، به کار گیری فرمول خروجی/ ورودی به سادگی سبب حصول نمرات بهره وری DMU ها خواهد شد. کارایی های DEA بین ۰ و ۱ محدود بوده، بنابراین کلیه نتایج قابل تقسیم بر بالاترین نمره بهره وری خواهد بود که خود سبب حصول بهترین دستاورد نمره کارایی DMU یعنی ۱ می شود. به طور مثال مورد ذیل را مد نظر قرار دهید. یک عملکرد آموزشی مدرسه ای تنها با استفاده از دو متغیر مورد سنجش قرار میگیرد، نمرات میانگین آزمون به عنوان خروجی و هزینه بر حسب دانش آموز به عنوان ورودی قلمداد می شوند.
کارایی آموزش دبیرستان های ترکیه: تحلیل پوششی داده ها – بخش ۳
وزنهای ثابت در برابر متغیر
در مشکلات زندگی واقعی، موقعیت های اندکی وجود دارند که یک تحلیلگر با کمتر از دو خروجی یا ورودی همانند موارد فوق روبرو می شود. مورد ذیل برحسب تعامل با چندین پارامتر ورودی و خروجی بصورت واقعی تر می باشد. دو روش جهت برآورد کارایی DMUهای مشخص شده بشرح ذیل وجود دارد. یک روش تکیه بر تجارب، مطالعات قبلی و تحلیل های انجام شده همراه با وزن های ثابت از قبل انتخاب شده برای هر ورودی و خروجی می باشد. بعبارت کلی، روشی خاص جهت ساده سازی مسئله چند ورودی، چند خروجی به مسئله یک ورودی – یک خروجی وجود دارد. البته نقصهایی نیز در ارتباط با این دیدگاه مشخص شده اند نظیر تعیین آنکه به چه میزان رتبه بندی های کارایی منوط به وزنها و به چه میزان منوط به مشاهدات می باشد. DEA در ارتباط با این دیدگاه دارای مزیت بیشتری می باشد چرا که از وزنهای متغیر استفاده نموده است. این وزنها خود حاصل آمده از داده ها می باشند و بعنوان بهترین مجموعه وزنها برای DMU، که هم اکنون در ارتباط با دیگر DMUها مورد ارزیابی قرار گرفته اند، انتخاب می شوند.
مدل CCR
مدل CCR بعنوان مدل اولی و اصلی DEA مطرح است که نام آن برگرفته شده از سرنام های توسعه دهندگان آن یعنی Charnes، Cooper و Rhodes (1978) می باشد. برحسب موارد فنی، این مورد را می توان به شرح ذیل بیان داشت:
در نظر بگیرید که تعداد n مورد DMU وجود دارد: ۱DMU، ۲DMU … nDMU که بوسیله j=1…n شاخص بندی شده است. حال اجازه دهید تا ورودی ها و خروجی ها برای DMUها بصورت و به ترتیب مشخص شوند. ماتریس داده ورودی X و ماتریس داده خروجی Y را می توان به شرح ذیل نشان داد:
…
مدل خروجی محور
کلیه مدل های ذکر شده قبلی جزء مدل های ورودی محوری به شمار آمده اند که هدف آنها به حداقل رسانی ورودی ها و در عین حال، حداقل، اعمال فرآیند تولید در سطوح خروجی مشخص شده است. نوع دیگر مدل به عنوان مدل خروجی محور به شمار می آید که هدف از آن به حداکثر رسانی خروجی ها و در عین حال حفظ ورودی ها به صورت بیشتر یا مساوی با راهکارها/ برآوردهای حقیقی ورودی می باشد.
…
انواع ناکارآمدی فنی
در صورتی که یک DMU به صورت ناکارآمد بر مبنای مدل CCR یا BCC تشخیص داده شد، ممکن است دو نوع از ناکارآمدی های فنی در ارتباط با DMU وجود داشته باشند، شامل ناکارآمدی فنی کلی و ناکارآمدی فنی موضعی. ناکارآمدی فنی کلی در ارتباط با مدل CCR می باشد در حالی که ناکارآمدی فنی موضعی در ارتباط با مدل BCC است. در صورتی که یک DMU به صورت BCC– کارا باشد اما به صورت CCR-کارا نباشد (عکس این مورد امکان پذیر نخواهد بود)، این مورد بیان می گردد که قابلیت عمل به صورت کارا در سطح موضعی وجود داشته اما در سطح کلی وجود ندارد.
در محتوای DEA ناکارآمدی های فنی کلی به واسطه اتلاف عملیاتی (کاربرد ورودی های اضافه یا تولید خروجی های ناکافی) و عمل نمودن در یک اندازه/ مقیاس غلط (ناکارآمدی مقیاسی) حاصل می شوند، در حالی که ناکارآمدی های فنی موضعی تنها به واسطه ویژگی های اتلاف عملیاتی بوجود می آیند. تقسیم نمره CCR-کارا بر نمره BCC– کارا کارایی مقیاس را برای ما مشخص می سازد که می توان آن را به شرح ذیل بیان داشت:
…
مزیت ها و معایب DEA در مقایسه با روش های دیگر
مزیت ها
DEA فراهم آورنده نقاط مبنا برای DMU ها ناکارآمدی می باشد که دارای شباهت هایی بوده و این نقاط مبنا را نباید به واحدهای تصمیم گیرنده حقیقی محدود نمود، آنها می توانند هر نقطه بین نقاط واحدهای تصمیم گیرنده مرجع بر روی مرز کارایی باشند.
– DEA این فرض را در نظر نمی گیرد که ورودی ها و خروجی ها به صورت تصادفی به وسیله مدل های آماری از قبل مشخص شده ایجاد شده اند بلکه بیان کننده آن است که چنین مواردی به صورت قطعی و غیر احتمالی تولید شده اند.
– DEA اقدام به تولید نمرات میانگین کارایی همانند روش های متعارف نمی نماید، بلکه با استفاده از مرزها بهترین موارد حاصله از هر یک از واحدهای تصمیم گیرنده را بر می گزیند. ۰
معایب
– DEA معمولا از برآوردهای ورودی و خروجی فیزیکی استفاده می نماید که خود را محدود به تولید تنها کارآمدی های ورودی- خروجی فنی می کند.
انتخاب متغیرهای ورودی و خروجی بسیار حیاتی می باشد. تنها یک اشتباه در انتخاب فاز ممکن است سبب تغیر نتایج به طور کامل شود. هر گونه نمره کارایی تولید شده به وسیله DEA به صورت یک نمره کارایی نسبی می باشد، بدان معنا که نتایج DEA ارائه دهنده ایده روشنی در خصوص کارایی کلی DMUها نخواهند بود.
کارایی آموزش دبیرستان های ترکیه: تحلیل پوششی داده ها – بخش ۳
۲-۱-۳٫ آنالیز رگرسیون
رگرسیون روشی جهت ارزیابی مقادیر ناشناخته متغیرها همراه با یک مجموعه ارائه شده متغیرها و استفاده از ارتباط ذاتی در بین متغیرها می باشد. نیاز جهت استفاده از یک آنالیز رگرسیون خطی ساده را می توان از طریق نگاه به نمودار پراکنده دو متغیر به خوبی درک کرد. در رگرسیون خطی ساده، یک متغیر وابسته منفرد، که غالبا به وسیله حرف Y بیان می گردد، و یک یا چند متغیر رگرسور مستقل ، که بر مبنای جملات یا ضرایب خطای قابل اغماض ارزیابی می گردند، وجود دارند. متغیرهای مستقل غالبا جزء متغیرهای زندگی واقعی به شمار می آیند. بنابراین آنها به طور مشترک دارای هیچ گونه خواص توزیعی نمی باشند. برازش ارتباط به یک مجموعه داده های تجربی به وسیله معادله پیش بینی، که تحت عنوان معادله رگرسیون خوانده می شود، توصیف می گردد. در صورتی که مورد مرتبط با یک متغیر رگرسور واحد را مد نظر قرار دهیم، که همان رگرسیون خطی ساده می باشد، این معادله به صورت فرم ذیل ارائه می شود:
…
۷-۱-۳٫ تولید آموزش
مطالعات بسیار همراه با مباحث حجیم زیادی در خصوص تولید آموزش وجود دارند که برخی از آنها به صورت نسبی اقدام به بررسی ارتباط بین ورودی ها و خروجی های آموزشی نموده اند، همانند (Hanushek، ۱۹۸۶). در این مطالعات، نمرات آزمون خروجی- مانند آموزشی به طور کلی به عنوان تابع ورودی های مدرسه ای نظیر نسبت دانش آموز/ معلم، کیفیت معلم، مقدار یا کمیت ادوات مدرسه ای و غیره مد نظر می باشند. با این وجود، در برخی از مواقع نمرات آزمون به عنوان برآوردهای مکفی عملکرد آموزشی یک مدرسه یا یک موسسه مد نظر نخواهند بود. عوامل دیگر همچون خلاقیت، نگرش و عینیت یا واقع بینی آزمایشات را می توان در صورت دسترس بودن آنها (غالبا آنها در دسترس نیستند) مد نظر قرار داد. چنین موردی تقریبا برای ورودی ها نیز یکسان خواهد بود، غالبا برآوردهای مطلوب ورودی نظیر مهارت های اولیه پتانسیل فراگیری یک دانش آموز، هزینه برحسب دانش آموز در دسترس نمی باشند، بنابراین برآوردهایی چون نسبت دانش آموز/ معلم، اندازه مدرسه و غیره، با وجود آنکه آنها اهمیت معنی دار مکفی را برای بررسی فراهم نمی سازند، مورد استفاده قرار می گیرند.
موارد تشریح شده فوق معرف بخش اختیاری مطالعه می باشد. علاوه بر این متغیرهای غیر اختیاری نیز در ارتباط با مشکلات زندگی واقعی وجود دارند. متغیرهای غیر اختیاری شامل عوامل خارجی می باشند که دارای تاثیری بر روی خروجی ها هستند اما به وسیله DMU ها کنترل نمی شوند، نظیر وضعیت اجتماعی و اقتصادی یک دانش آموز، برداشتن دروس خصوصی به وسیله دانش آموز و غیره.
مدل DEA دوگان تابع تولید آموزش را می توان به عنوان آنالیز هزینه های آموزشی مد نظر قرار داد. یک شرکت که قابلیت به حداکثر رسانی سود را دارد می تواند نسبت به مشاهده قیمت های بازاری و بکارگیری آنها در خصوص انباشته سازی هزینه ها/ درآمدها اقدام نماید، اما یک مدرسه یا یک موسسه آموزشی نه به عنوان یک سازمان انتفاعی به حساب آمده و نه به عنوان یک شرکت کاملا رقابتی به حساب می آید که قابلیت عمل در محیطی را خواهد داشت که در آن قیمت های بازاری به صورت غیر قابل اجتنابی در کار نمی باشند. در این حالت، DEA قابلیت فراهم آوردن آن چیزی را خواهد داشت که مدل های پارامتریک از این قابلیت برخوردار نیستند، وزن ها (قیمت ها) خروجی ها و ورودی ها برحسب این موارد قابلیت تولید کارایی فنی برای مدارس را خواهند داشت.
مطالعات اولیه تابع تولید آموزشی را به عنوان یک مدل رگرسیون استاندارد مشخص ساخته است که در تعامل با عامل خطای تصادفی دوطرفه می باشد. بنابراین، مقادیر پیش بینی شده مدل های رگرسیون به عنوان محصولات سطح مورد انتظار نتایج به حساب آمده و نمی توان آنها را بعنوان نتایج قابل تحصیل حداکثری بشمار آورد. به علاوه، به واسطه طبیعت مدل های رگرسیون، غالب مطالعات می بایست نسبت به استفاده از یک تابع تولید خروجی واحد جهت ارزیابی عملکردهای موسسات آموزشی اقدام نمایند. بر خلاف مدل های رگرسیون، DEA قابلیت تعامل با خروجی های چندگانه و بردارهای ورودی را داشته و با انباشته سازی خروجی ها در یک شاخص واحد خود را از شر گرفتار شدن در یک سری از محاسبات بزرگ رهایی خواهد داد.
کارایی آموزش دبیرستان های ترکیه: تحلیل پوششی داده ها – بخش ۳
۲-۳٫ بررسی مقاله
برخی از مطالعات قبلی که جهت برآورد کارایی های آموزشی از DEA استفاده نموده اند در جدول ۷-۳ خلاصه شده اند. ما این مطالعات را بدین دلیل لیست نموده ایم که آنها دارای ارتباط بالایی با پایان نامه ما برحسب انتخاب ورودی ها / خروجی ها و روش های استفاده شده در داخل می باشند. به علاوه، غالب آنها دارای نواحی مطالعاتی مرتبط با دبیرستان ها می باشند. Ray به عنوان اولین برنامه کاربردی بحساب آمده و فراهم آورنده مبنایی برای غالب موارد می باشد.
…
۳-۳٫ داده ها
در این پایان نامه، ۸۱ استان وجود دارند که به عنوان DMU ها در ارتباط با مشکل DEA مد نظر می باشند. سه ورودی اختیاری، هفت ورودی غیر اختیاری و سه خروجی برای برآورد کارایی این DMU ها انتخاب شده اند. انتخاب ورودی ها و خروجی هایی که در DEA استفاده می شوند به عنوان مهمترین فاز DEA به شمار می آیند چرا که آنها تشکیل دهنده مبنای این مطالعه بوده و قابلیت تغییر مسیر آن به طور کامل را خواهند داشت. اما توجه داشته باشید که غالب متغیرهای ذکر شده به واسطه ارائه ایده آل مقصود ما انتخاب نشده اند بلکه علت انتخاب آنها به واسطه منابع اطلاعاتی ناکافی و ناکامل و همچنین عدم تمایل بروکراسی موجود در زمینه انتشار اطلاعات می باشد.
اطلاعات ورودی از وزارت آموزش و سازمان برنامه ریزی حاصل شده است. با توجه بدانکه داده های ورودی اختیاری از سوی وزارت آموزش مهیا شده است، این مقاله نسبت به استفاده از نسبت های معلم- به دانش آموز، کلاس درس- به دانش آموز و مدرسه – به دانش آموز استفاده می نماید که متعلق به دوره های ۲۰۰۲ – ۲۰۰۳ و ۲۰۰۳ – ۲۰۰۴ می باشند. از آنجایی که این مقاله اقدام به برآورد کارایی مدارس بر مبنای استانی می نماید، آنها به عنوان ورودی های قابل کنترل (اختیاری) مورد استفاده قرار می گیرند. در بین ورودی های غیر اختیاری ما سعی در پیاده سازی این موارد نمودیم، بر این مبنا KIRASFAL, UNIVERS, DSHANE, ORTHANE, OKURYZR, MEBDS و YSDERS به طور حقیقی در این مطالعه مورد استفاده قرار گرفتند. این ورودی های غیر اختیاری از سازمان برنامه ریزی دولتی جمع آوری شده و متعلق به سال ۲۰۰۰ می باشند. پنج اتصال سه گانه این ورودی های غیر اختیاری، دارای بیشترین ارزش های نسبت – t بوده و چهار مورد دارای یک متغیر نوع «دوره پشتیبان[۱]» می باشد که برای آنالیز معنی دارتر مرحله دوم به کار گرفته می شود. برای کسب اطلاعات بیشتر به جدول ۸-۴ رجوع شود. داده های خروجی که شامل سه نوع از نمرات میانگین OSS در سطح استانی هستند از OSYM (مرکز انتخاب و جایگزینی دانش آموزان) جمع آوری شده است.
لطفا به جای کپی مقالات با خرید آنها به قیمتی بسیار متناسب مشخص شده ما را در ارانه هر چه بیشتر مقالات و مضامین ترجمه شده علمی و بهبود محتویات سایت ایران ترجمه یاری دهید.
