Анализ и прогнозное моделирование продвижения десяти российских университетов в рейтинге QS
Аннотация
Пояснительная записка состоит из 103 страниц, 38 рисунков, 13 таблиц и 25 источников.
Ключевые слова: алгоритм оценки университета, индикатор оценки вузов, мировой рейтинг университета, научная активность университета, ранжирование, рейтинговые системы, Academic of World Universities, Times Higher Education Rankings, QS World University Rankings.
Цель работы: анализ и прогнозное моделирования десяти российский университетов в рейтинге QS World University Rankings.
Научная новизна: статистический анализ впервые позволил выделить метрики рейтинга, оказывающими наиболее сильное влияние на конечную позицию университета в рейтинге QS. На основе анализа показано, что характер распределения рейтинга является нелинейным, что говорит о сложности изучаемого объекта. Построены регрессионные модели метрик рейтинга QS World University Rankings. В заключении, основываясь на базовые модели динамического моделирования, было разработано клиент-серверное приложение, позволяющее генерировать 70 базовых моделей для продвижения десяти российских университетов в рейтинге QS, а также несколько тысяч дополнительных моделей с возможностью калибровки параметров модели и процесса прогнозного продвижения.
Стек технологий: при разработке были использованы Python, Java – Spring Framework, Angular Framework, PostgreSQL, а также ряд других вспомогательных библиотек и средств.
Ключевые слова: алгоритм оценки университета, индикатор оценки вузов, мировой рейтинг университета, научная активность университета, ранжирование, рейтинговые системы, Academic of World Universities, Times Higher Education Rankings, QS World University Rankings.
Цель работы: анализ и прогнозное моделирования десяти российский университетов в рейтинге QS World University Rankings.
Научная новизна: статистический анализ впервые позволил выделить метрики рейтинга, оказывающими наиболее сильное влияние на конечную позицию университета в рейтинге QS. На основе анализа показано, что характер распределения рейтинга является нелинейным, что говорит о сложности изучаемого объекта. Построены регрессионные модели метрик рейтинга QS World University Rankings. В заключении, основываясь на базовые модели динамического моделирования, было разработано клиент-серверное приложение, позволяющее генерировать 70 базовых моделей для продвижения десяти российских университетов в рейтинге QS, а также несколько тысяч дополнительных моделей с возможностью калибровки параметров модели и процесса прогнозного продвижения.
Стек технологий: при разработке были использованы Python, Java – Spring Framework, Angular Framework, PostgreSQL, а также ряд других вспомогательных библиотек и средств.