کارایی کالج های محلی کانکتیکت: تحلیل پوششی داده ها (DEA) – فصل ۲

دستورالعمل های ارزیابی کارایی و بهبود عملکرد برای کالج های محلی ایالت کانکتیکت: با رویکرد تحلیل پوششی داده ها (DEA) – فصل ۲ –  ایران ترجمه – Irantarjomeh

مقالات ترجمه شده آماده گروه آموزش

مقالات ترجمه شده آماده کل گروه های دانشگاهی

مقالات

دستورالعمل های ارزیابی کارایی و بهبود عملکرد برای کالج های محلی ایالت کانکتیکت:

با رویکرد تحلیل پوششی داده ها (DEA)

فصل ۲

بررسی تحقیقات مرتبط

۱-۲٫ سوالات تحقیقاتی

سوالات ذیل در ارتباط با ویژگی های کلی ارائه شده در این بررسی می باشد و فراهم آورنده هسته ای از موارد ایجادی از مقاله های مورد بررسی و بازنگری شده در زمینه تحلیل برآورد کارایی کالج های محلی می باشد.

سوال ۱: چگونه موسسات نظام کالج محلی ایالات کانکتیکت را می توان با یکدیگر با توجه به سطوح کارایی آنها مقایسه نمود؟

سوال ۲: چه شرایطی را می توان مسئول تفاوت ها در سطح موفقیت در کالج های مشابه از نظر کارایی دانست؟

سوال ۳: کدام یک از عوامل یا محدودیت ها سبب ایجاد نمره متفاوت در بین کالج های ناکارآمد می گردد؟

کارایی کالج های محلی کانکتیکت: تحلیل پوششی داده ها (DEA) – فصل ۲

 ۲-۲٫ برآوردهای کارایی

جهت برآورد قدرت حقیقی روش DEA، یک مقایسه بین DEA و رویه های موجود  اعمال می گردد تا بدین وسیله قابلیت تعیین کارایی نسبی سازمان های مختلف بوجود آید. دو راهکار وجود دارند که تضمین کننده رویه بررسی در این راهکار مقایسه ای خواهند بود: تجزیه و تحلیل نسبت های مالی و تحلیل رگرسیون چندگانه / مرکب. بنابراین در این بررسی تشریح این دو مورد قبل از تحلیل های عمقی دینامیکی فرایند DEA مدنظر خواهد بود.

تجزیه و تحلیل نسبت های مالی: این روش سبب ارتقای تعیین کارایی یک سیستم با استفاده از نسبت یک خروجی واحد به یک ورودی واحد خواهد شد. به طور مثال، نسبت هزینه آموزش (هم به صورت تمام وقت و هم نیمه وقت) در یک دپارتمان خاص به تعداد دانشجویان فارغ التحصیل شده از آن دپارتمان به عنوان برآورد چگونگی کارایی این واحد در زمینه تبدیل دلارهای آموزشی به فارغ التحصیلان، مطرح خواهد بود. با این وجود، این روش متاسفانه از نظر جزئیات در بردارنده کارایی صحیح دپارتمان مربوط به کالج نخواهد بود. متغیرهای بسیار دیگری نیز در ارتباط با این دپارتمان را باید مدنظر قرار داد، آن هم قبل از آنکه مشخصه های صحیح کارایی تبدیل کل ورودی ها به خروجی های دپارتمان تحت بررسی را مدنظر قرار دهیم. در صورتی که این کارایی روش تجزیه و تحلیل نسبت های مالی، همان گونه که به شرح فوق مشخص شده است، را جهت مقایسه دیگر دپارتمان ها در داخل این کالج مورد استفاده قرار داد، نتایج بسیار گمراه کننده ای ممکن است از این تحلیل حاصل شوند. این تحلیل نسبت کلیه دپارتمان ها را به گونه ای مدنظر قرار می دهد که گویی کلیه آنها برابر هستند. یک نیاز قطعی جهت شامل نمودن کلیه متغیرهای تعاملی وجود دارد، یعنی متغیرهای ورودی و خروجی جهت توسعه یک مشخصه کارایی صحیح، و این مورد را نمی توان با این نوع از تجزیه و تحلیل نسبت های مالی حاصل آورد. جهت به حساب آوردن طبیعت ورودی های متعدد و خروجی های متعدد دپارتمان ها در داخل موسسات آموزشی، نسبت های مختلف کارایی را می بایست به طور همزمان با استفاده از جفت های مختلف ورودی و خروجی محاسبه نمود. به طور کلی این نسبت ها متمایل به ارائه یک سری از اعداد جزئی می باشند که هیچ گونه دلالت آشکار و واضحی، در زمینه کارایی حقیقی، را برای ما فراهم نخواهند آورد (Sexton، ۱۹۸۱).

رگرسیون چندگانه / مرکب. این روش اقدام به تولید یک سطح خروجی واحد عملکرد یک سازمان بر مبنای ورودی های شرکت کننده می نماید. این روش یک ارتباط یا تابعی را ایجاد می نماید که می توان از آن جهت محاسبه سطح خروجی پیش بینی شده یک DMU استفاده نمود و سطوح ورودی آن را مشخص کرد. DMU های کارا فراتر از این ارتباط قرار می گیرد، که به معنای آن خواهد بود که آنها تولید کننده خروجی بیشتری در مقایسه با موردی است که این مدل برای ورودی های فراهم شده اجازه می دهند. به طور معکوس، مواردی که در زیر سطح ارتباطی قرار می گیرند فراهم آورنده خروجی کمتری با ورودی های خود بوده و بنابراین ناکارآمد مشخص می شوند. بدین ترتیب، کارایی نسبی در باقیمانده ها بازتاب خواهد یافت، جایی که باقیمانده های مثبت معرف کارایی نسبی بوده و باقیمانده های منفی معرف ناکارآمدی می باشند. نکته نظرات دیگری را می توان در خصوص این روش مشخص نمود.

الف) دیدگاه پارامتری (همانند تحلیل رگرسیون چندگانه) جهت مشخص نمودن کارایی نوعی روش مرزی تصادفی Aiger (1977). چنین موردی در بردارنده ارزیابی یک مرز تولید تصادفی می باشد، که در آن خروجی یک واحد به عنوان تابع مجموعه ای از ورودی ها، عدم کارایی و خطای تصادفی مدنظر می باشد. نقص این تکنیک آن است که چنین موردی نیازمد یک فرم عملکردی صریح و فرضیه توزیع بر روی داده ها، در تضاد با DEA، می باشد، که هیچ گونه فرضی را در خصوص فرم کاربردی و غیره در نظر نمی گیرد، و بنابراین به میزان کمتری در معرض بد مشخص سازی خواهد بود. علاوه بر این، DEA یک روش غیر پارامتری محسوب می شود که خطای تصادفی را به حساب نمی آورد. با این وجود از آنجایی که DEA نمی تواند چنین مورد آماری را در نظر داشته باشد، کارایی ارزیابی ممکن است در صورتی که فرایند تولید به طور کامل تحت حاکمیت عناصر تصادفی باشد دارای سوگیری گردد.

ب) آنالیز رگرسیون چندگانه مشخص کننده کارایی در ارتباط با میانگین عملکرد، در تضاد با بهترین عملکرد، میباشد. از این رو، چنین موردی فراهم آورنده مقدار قابل اغماض اطلاعات سرراست در ارتباط با میزان ارتقای کارایی می باشد که در DMU های مختلف در یک گروه مشخص شده امکان پذیر خواهد بود.

بخش بعد نشان دهنده تشریح تحلیل پوشش داده ها، روش، انتخاب شده جهت تعیین کارایی نسبی و تعداد کالج های نظام کالج محلی ایالت کانکتیکت می باشد.

کارایی کالج های محلی کانکتیکت: تحلیل پوششی داده ها (DEA) – فصل ۲

 تحلیل پوشش داده ها (DEA)

به منظور اجتناب از تکرار تشریح DEA، خوانندگان را به بخش ۱-۳ این مطالعه رجوع می دهیم که در آن جزئیات بیشتر و توضیحات عمیق تری در خصوص دینامیک DEA و انتخاب وزن ها در نظر گرفته شده است.

۳-۲٫ بررسی مطالعات گذشته DEA

ذات اصلی این تحقیقات در بردارنده کاربرد یک تئوری موجود و مدلسازی جهت تعیین کارایی و دلایل وجود تفاوت ها در عملکرد دوازده کالج محلی در نظام آموزش عالی ایالت کانکتیکت می باشد. در نتیجه، تصور نمی شود که نیازی جهت تحلیل و نقد آخرین دستاورد در زمینه تئوری تحلیل پوشش داده ها (DEA) باشد، چرا که در مبحث تحقیقاتی مشخص شده است که تعامل با مکانیزم یا منطق تئوریکی DEA وجود دارد. با این وجود، در کاربرد DEA، دستاوردها و موارد الحاقی نیز به روش اصلی این تکنیک اضافه شده اند که می بایست آنها را مورد خطاب و تحلیل قرار داد. از اینرو، در اینجا نسبت به بررسی تنها تحلیل های قبلی که دارای بینش قابل توجهی در زمینه کاربردهای DEA در خصوص واحدهای تصمیم گیری (DEA ها) می باشند، همانند موسسات آموزش عالی، اقدام می شود.

مبدا تحلیل پوشش داده ها DEA خود نشات گرفته از دو تحلیل کیفی می باشد که به وسیله Pareto و Koopmans انجام شده اند (۱۹۲۷، ۱۹۵۱). در این مبحث کارایی Pareto-Koopmans خود به تحقیقات انجام شده Pareto و Tjalling Koopmans در این زمینه اشاره دارد. Pareto مواردی چون اقتصاد رفاه را مدنظر قرار داده است، که در آن وی اقدام به فرمول بندی شرط پارتو در خصوص به حداکثر رسانی رفاه از طریق توجه به این موضوع می نماید که در صورتی که قابلیت افزایش یکی از مولفه های این تابع بدون بدتر نمودن مولفه های دیگر وجود داشته باشد، چنین تابعی را می توان به صورت حداکثری بکار گرفت. وی مشخص ساخت که به عنوان یک معیار هر گونه خط مشی اجتماعی مشخص شده را می بایست در صورتی مورد پذیرش قرار داد که قابلیت بهتر سازی وضعیت فردی بدون کاهش رفاه دیگر افراد وجود داشته باشد. Tjalling Koopmans، از طرف دیگر، این موارد ذکر شده فوق را در خصوص تولید به کار گرفته و آن را تحت عنوان تحلیل فعالیت خوانده است. وی این موضوع را مد نظر قرار داد که آیا قابلیت امکان افزایش یک خروجی بدون بدتر سازی برخی از خروجی های دیگر تحت قیدهای یا فشارهای مشخص، که به وسیله عوامل کار، سرمایه و مواد خام (ورودی ها) وارد می آیند وجود دارد یا خیر.

این دو محقق جهت تصدیق فلسفه اولیه خود تا ظهور مقاله نوشته شده به وسیله M. J.  Farrell هیچ گونه داده های تجربی را در اختیار نداشتند (۱۹۵۶). این مقاله نشان داد که چگونه نظریات Pareto و Koopmans را می توان در خصوص داده ها به کار گرفت تا آنکه قابلیت مشخص سازی کارایی نسبی بر روی سیستم ها بوجود آید، آن هم سیستم هایی که این داده ها از آنها نشات گرفته اند. Farrell در ساده ترین حالت یک شرکت را با استفاده از دو عامل جهت تولید یک محصول درنظر می گیرد. در خصوص سیستم مختصات محورها (شکل ۲-۲)، محور -Y معرف اولین عامل برحسب واحد خروجی و محور –X معرف عامل دوم برحسب واحد خروجی می باشد. وی یک نقطه P را در اولین منطقه یک چهارم سیستم مختصات خود قرار داده تا آنکه به عنوان شاخص تولید شرکت مدنظر به حساب آید و همچنین یک خط، OP از مبدا، O به P که معرف ترکیبات مختلف تولید این شرکت می باشد را ترسیم نمود. وی همچنین بر روی ناحیه فوقانی سیستم مختصات تعریف شده یک بخش خط، SS، را درج می نماید که به صورت مجانب با هردوی محورهای X وY در یک ربع اول خواهد بود، این بخش خط معرف ترکیبات مختلف دو عامل می باشد که یک شرکت کاملا کارا ممکن است از آن جهت تولید خروجی واحد استفاده نماید. خط OP اقدام به قطع SS در ناحیه Q می نماید و از این رو نقطه Q به عنوان یک شاخص شرکت کارا با استفاده از دو عامل در نسبت مشابه به عنوان P خوانده می شود. این موضوع را می توان مشاهده نمود که Q تنها با استفاده از کسر OQ/OP برای هر عامل خروجی مشابهی همانند P را تولید نموده است. Farrell اقدام به تعریف نسبت OQ/OP به عنوان کارایی فنی شرکت P نمود. این موضوع نیز کاملا آشکار در نمودار مربوطه نشان داده شده است. این امر آشکار است که در صورتی که بخش خط SS معرف خط تولید یک شرکت کاملا کارا باشد، بنابراین نتیجه حاصله آن است که نقطه Q بر روی SS معرف یک واحد کارا است و در صورتی که Q همچنان بر روی خط OP باشد، این مورد معرف تولید کارای شرکت P خواهد بود.

سپس نسبت بخش های خط OQ/OP به عنوان یک مقایسه کمال در برابر مورد حقیقی که به عنوان کارا تعریف شده است مدنظر خواهد بود.

…

کارایی کالج های محلی کانکتیکت: تحلیل پوششی داده ها (DEA) – فصل ۲

یک انتقاد اساسی در زمینه فرایند DEA از سوی Goldstein (1990) نیز مطرح شده است. وی این گونه می نویسد که، «یکی از مشکلات مرتبط با استفاده از تحلیل پوشش داده ها (DEA) ابهام نسبی تکنیک های ریاضی می باشد که این مورد بر مبنای آنها عمل می نماید». این مقاله متعاقبا موارد اساسی مرتبط با فرایند DEA را مشخص نموده و با استفاده از یک مثال ساده (۱ ورودی و ۱ خروجی) سعی در تشریح نارسایی ها و کاستی های DEA به عنوان ابزاری جهت تعیین کارایی مدارس می نماید. این مقاله با یک جمله کاملا گویا این نتیجه را حاصل می نماید که رویه توجیه استفاده از DEA در مطالعات کارایی آموزشی بسیار مشکل می باشد.

Goldstein (1990) را می توان به عنوان طرفدار اکید این ایده دانست که تنها مبنای تحقیقات در خصوص تعیین عملکرد مدارس را می بایست در مدل های چند سطحی جستجو نمود. وی در نقد خود در خصوص فرایند DEA این گونه اذعان می دارد که نیازی برای به کارگیری یک مورد کاربردی در ارتباط با متغیرهای ورودی و خروجی، قبل از آنکه کارایی یک سیستم را بتوان تعریف نمود، وجود دارد. چنین موردی مخالف اصول کلی DEA، مخصوصا در خصوص ارزیابی عملکرد موسسات آموزشی، می باشد که در آن ارتباط کاربردی بین منابع و محصولات شناخته شده نیستند.

Goldstein سعی در نشان دادن مکانیزم DEA از طریق استفاده از یک ورودی واحد و یک خروجی واحد نموده که می توان آن را به عنوان یک حمله غیر منصفانه با در نظر گیری سادگی بیش از حد برای DEA دانست که قابلیت شناسایی کاربرد صحیح این رویه را نخواهد داشت. لازم است تا این نکته را در نظر گرفت که فرایند DEA جهت استفاده ورودی ها و خروجی های متعدد یک سیستم قبل از اکتساب اطلاعات یا دانش قبلی در خصوص هر نوع ارتباط کاربردی بین این متغیرهای ورودی/خروجی مدنظر قرا گرفته و بر این اساس طراحی شده است. بعلاوه، این فرایند ریشه در برنامه نویسی خطی ریاضی دارد، مخصوصا می توان آن را در ارتباط با روش سیمپلکس / سادک دانست که دارای اصول و فرایندهایی است که به طور گسترده به وسیله محققین تحقیقات عملیاتی مورد پذیرش قرار گرفته و بنابراین کاملا شناخته شده می باشد (بدان معنی که بسختی می توان آن را بعنوان یک مورد وابسته به فناوری های «دارای ابهام نسبی» در نظر گرفت) بلکه می توان آن را در زمره مواردی که تقریبا بحث برانگیز نمی باشند مد نظر قرار داد. با توجه به سخنان سطحی دکتر Goldstein من صریحا اعتقاد دارم که وی صحبت های خود را برمبنای مثالی مستدل بیان نداشته است.

با وجود آنکه مدل های اصلی DEA (CCR و BCC، که در فصل متعاقب مورد بحث قرار می گیرند) سبب ایجاد یکسری از رویه های ارتقا یافته در خلال سالیان اخیر شده اند [به Lovell (1993) و Seiford (1996) رجوع شود]، یکی از انتقادات اصلی که به وسیله محققین استفاده از روش های غیر پارامتریک مطرح شده است مشکل حصول استنتاج ها و  استنباط های درست آماری است.

با این وجود، همان گونه که به وسیله Grosskoft (1996) نشان داده شده است محققین اخیر اقدام به انتشار مستنداتی نمودند که برمبنای آن قابلیت حصول موفقیت نسبی جهت فائق آمدن بر این مشکل وجود دارد. یکی از اولین روش های توصیه شده جهت حل این مشکل تحلیل رگرسیون بوده است. روش اصلی، تحت عنوان فناوری «دو مرحله ای» شناخته شده است و در آن می بایست اقدام به مشخص نمودن نمرات کارایی به عنوان داده ها یا شاخص ها شده و از رگرسیون خطی جهت تشریح گوناگونی این نمرات استفاده شود. با این وجود، در صورتی که متغیرهای استفاده شده در خصوص مشخص ساختن کارایی اصلی دارای همبستگی با متغیرهای تشریحی استفاده شده در مرحله ثانویه باشند، بنابراین تعیین مرحله ثانویه به صورت ناسازگار و سودار خواهد بود [Deprins و Simar (1989): Simar، Lovell و Vanden Eeckaut (1994)]. Bhattacharyya و همکاران (۱۹۹۷) این فرض را مطرح نمودند که به هنگام بکارگیری تحلیل رگرسیون در مرحله دوم جهت تشریح گوناگونی نمرات کارایی، این مورد امکان خواهد داشت که با شامل نمودن متغیرهای تشریحی قابلیت تشریح کل تغییر در کارایی محاسبه شده حاصل نشده و ترکیبات مختلف تشریح نشده با باقیمانده های رگرسیون، به طور معکوس بر روی استنتاج های آماری تاثیر گذار خواهند بود.

…

کارایی کالج های محلی کانکتیکت: تحلیل پوششی داده ها (DEA) – فصل ۲