با ثبت نام روزافزون دانشجویان و بودجه محدود دانشگاه ها، قرار گرفتن در سطح بالایی از کارآیی[1] برای این مؤسسات تبدیل به یک ضرورت شده است. از اینرو به منظور بهبود کارآیی دانشگاه ها، یک ابزار اندازه گیری عملکرد برای ارزیابی عملکرد این مؤسسات لازم است. همچنین بررسی کارآیی دانشگاه ها برای تخصیص اثربخش منابع آموزشی و بهره برداری از آن ها حیاتی است.(Kuah & Wong,2011,499) در این میان زمانی که عملکرد دانشگاه ها مورد بررسی قرار می گیرد، رتبه بندی[2] آن ها نیز مورد توجّه خواهد بود. (Kong & Fu, 2012, 541) دانشگاه ها به عنوان بدنه اصلی آموزش عالی و منبع مهم تأمین نیروی انسانی ماهر و متفکّر، نقش بسیار مهم و تعیین کننده ای ای در رشد و توسعه اقتصادی، اجتماعی و فرهنگی کشور دارند و بعضاً به عنوان محور اصلی توسعه نیز معرفی می شوند از این رو حفظ و سلامت کارآیی دانشگاه ها به عنوان یک هدف مهم به شمار می آید چرا که عدم کارآیی دانشگاه ها می تواند توسعه علمی و سیستم های آموزشی و پژوهشی را محدود سازد. از این رو به همان نسبت که واحدهای کارآ و سالم می توانند به رشد علمی و اقتصادی جامعه کمک نمایند، ناسالم بودن و عملکرد بد آنها نیز می تواند بحران های عظیم فرهنگی، اجتماعی و اقتصادی را به همراه داشته باشد. در این میان بررسی عملکرد بخش هایی که ساختار آنها به شکل سازمانی بزرگ (مثلاً دانشگاه) با چندین شعبه (مثلاً گروه های آموزشی دانشگاه) است، مورد توجّه خاص قرار می گیرد. (هاشمی و همکاران، 1388، 85)
امروزه یکی از پذیرفته شده ترین روش ها برای ارزیابی عملکرد[3] و اندازه گیری کارایی نسبی[4]، روش “تحلیل پوششی داده ها[5] ” می باشد. (Meng et al, 2008, 950) این تکنیک از تمامی مشاهدات گردآوری شده برای اندازه گیری کارآیی استفاده کرده و هر کدام از مشاهدات را در مقایسه با مرز کارآ بهینه می کند. (فرید و همکاران، 1389، 311) تحلیل پوششی داده ها (DEA) روشی مناسب برای تعیین کارآیی نسبی مجموعه ای از واحدهای سازمانی است که دارای ورودی ها و خروجی های چندگانه اند، مانند مدارس یا شعب بانک. (Jahanshahloo et al, 2004, 284) تحلیل پوششی داده ها به تصمیم گیرندگان در تشخیص بین واحد های تصمیم گیری کارآمد[6] و ناکارآمد[7] در یک گروه همگن کمک می کند. در واقع این روش واحدها را به دو گروه کارآمد و ناکارآمد تقسیم میکند. (Jahanshahloo et al, 2010, 7483) دلایل متعددی برای مؤفقّیت DEA وجود دارد: این روش نا پارامتریک بوده و به تابع تولید و تعریف رابطه ورودی و خروجی آن نیاز ندارد، می تواند ورودی ها و خروجی های متعدد را به طور همزمان در نظر بگیرد، واحدهای کارآمد را از ناکارآمد متمایز کرده و الگوی مناسب برای واحدهای ناکارآمد فراهم میکند. (Lim et al, 2011,7665) از زمان ارائه روش تحلیل پوششی داده ها توسط چارنز، کوپر، و رودز (1978)، این روش به روشی کارآمد برای اندازه گیری کارآیی نسبی مجموعه واحدهای تصمیم گیری (DMU ها) که ورودی های متعدد برای تولید خروجی های چندگانه مصرف می کنند، تبدیل شد.( Azizi & Jahed,2011, 897) مدل تحلیل پوششی داده ها واحدهای تحت بررسی را به دو دسته کارآ و ناکارآ تقسیم می کند. واحدهای کارآ واحدهایی هستند که امتیاز کارآیی آنها برابر 1 می باشد. واحدهای ناکارآ با توجّه به امتیاز به دست آمده قابل رتبه بندی می باشند اما واحدهای کارآ با استفاده از مدل های کلاسیک قابل رتبه بندی نمی باشند. بنابراین از روش اندرسون – پترسون (AP) جهت رتبه بندی این واحدها استفاده می شود. (عالم تبریز،1389،17)
با توجّه به مباحث گفته شده، در این تحقیق سعی داریم به بررسی گروه های آموزشی دانشگاه آزاد رشت در مقطع کارشناسی و از نظر کارآیی بپردازیم تا بسنجیم آن ها از حیث کارآیی در چه وضعی اند. از روش تحلیل پوششی داده ها برای ارزیابی کارآیی نسبی گروه های آموزشی و از روش اندرسون – پترسون برای رتبه بندی آنها استفاده می شود. و تعداد اعضای هیأت علمی و تعداد دانشجویان موجود به عنوان ورودی و تعداد فارغ التحصیلان و تعداد کار های پژوهشی به عنوان خروجی در نظر گرفته می شوند.
سایت های دیگر :
