Jelen elemzés keretét a QS szakterületi rangsor adja, ezért érdemes röviden áttekinteni módszertanát. A QS hat pillér mentén szerveződik. Ezek közül a két legjelentősebb a vizsgált egyetem kutatói reputációja és idézettsége, a többi pedig

 

A szakterületi QS-rangsor esetén öt tudományterületen, ötvenegy tudománykategóriában hirdetnek listát. Négy összetevőt használnak az egyetemek szakterületi rangsorolására a QS esetén:

 

A vizsgálatba négy hazai intézményt vontunk be:

 

A QS szakterületi rangsorban elfoglalt helyüket az 1. táblázat foglalja össze.

 

 

A témák (T) és a témaklaszterek (TC) jellemezhetők:

 

A SciValban a tudományterület alapján súlyozott hivatkozási hatás (FWCI) azt jelzi, hogy a közleményekre vagy témára vagy témaklaszterre (röviden entitásokra), illetve a szerző közleményeire kapott hivatkozások száma hogyan viszonyul az adott tudományterület összes többi hasonló közleményéhez kapott hivatkozások átlagos számához, egyszerűbben kifejezve, hogyan viszonyul az entitás publikációira kapott hivatkozások száma a világ átlagához. Az 1,00-es FWCI azt jelzi, hogy az entitás közleményeire pontosan annyi hivatkozás érkezett, ahogyan az a hasonló publikációk globális átlaga alapján elvárható lenne – a „Világ”, vagyis a teljes Scopus-adatbázis FWCI értéke. Az 1,00-nél nagyobb FWCI esetén a közlemények hivatkozásai a globális átlag felett vannak, például a 2,11 FWCI-érték 111%-kal többet jelent, mint a világ átlaga. Az 1,00 alatti FWCI-érték a hasonló tudományterületi közlemények hivatkozási értéke globális átlaga alatt helyezkedik el, például a 0,87 FWCI-érték 13%-kal kevesebbet jelent, mint a világ átlaga.

ahol

 

A sTCmax 50%-nál magasabb értéknél magas kockázatúnak tekinthető.

További kockázati tényező lehet a mentor életkora. Abban az esetben:

 

jelenthet gondot. A tanulmányban a nemzetközi szakirodalmat követve karrierszakaszokra bontottuk a szerzőket (mentorokat), így három kategóriát állapítottunk meg:

 

Az egyes szakaszok meghatározásánál figyelembe vettük Super (1980), valamint Hall és Chandler (2007) munkáit, továbbá a hazai képzési struktúrát és tudományos előmenetelt is (Sasvári et al., 2021).

A négy intézmény QS szakterületi rangsorhoz kapcsolódó kitettségét a következő szempontok mentén vizsgáltuk:

 

Az egyes vizsgált intézmények QS szakterületi rangsorokban figyelembe vehető témaklasztereinek tudománymetriai adatait a 2. táblázat foglalja össze. Ebből kitűnik, hogy a Semmelweis Egyetem, a Szegedi Tudományegyetem a Debreceni Egyetem hasonló közleményszámokkal, míg a Pécsi Tudományegyetem csekélyebb közleményszámmal van jelen ezeken a rangsorokon. Mindegyik intézmény esetében a legtöbb figyelembe vehető közlemény az orvostudomány területén született. A szerzők száma szerint az SE emelkedik ki több mint ötezer szerzőjével. A hivatkozások száma tekintetében szintén az SE vezet, majd az SZTE, DE és a PTE következnek. Ennek megfelelően az SE tűnik ki az egy közleményre jutó hivatkozások száma szerint is. A táblázat legfőbb indikátora az FWCI-értékek alakulása, melynek kapcsán hasonlóan alakul az intézmények közötti rangsor. Ugyanakkor érdemes kiemelni, hogy az FWCI-értékek az átlagos körül alakulnak mindegyik esetben, csak bizonyos szakterületek emelkednek ki. Ezek közül kiemelhetjük az SZTE fizika és csillagászat szakterületét (4,88), míg ugyanezen szakterületen a DE 2,28-as értékkel rendelkezik. Viszonylag alacsonyabb FWCI-értéket találunk az SZTE számítástechnika és információs rendszerek, valamint matematika és a DE matematika szakterületén.

 

 

 

A 3. táblázat az egyes témák és témaklaszterek koncentrációját mutatja a vizsgált intézményekben. A két nagyobb tudományegyetem, az SZTE és a DE esetében mind a témaklaszterek, mind a témák száma magasabb, mint a másik két intézménynél. Erre vezethető vissza az is, hogy egyszerre több szakterületi rangsorban is megtalálhatjuk őket, hiszen több témát művelnek egyszerre, mint a tudományterületileg specifikus SE, vagy az orvostudományban kiemelkedő PTE. Ha viszont az összehasonlítási pontot adó orvostudományi klasztereket nézzük, láthatjuk, hogy azon belül az SE rendelkezik a legtöbb témaklaszterrel (458), míg az SZTE, a DE és a PTE kevesebb témaklaszterrel vannak jelen. Ugyanez a sorrend figyelhető meg, viszont lényegesen nagyobb eltéréssel az intézmények között a témák számát illetően. Az orvostudomány területén az SE 3138 témában aktív, míg az SZTE 1857-ben. A koncentrációt mérhetjük azáltal, hogy mennyi témaklaszter adja az egyetem által publikált közlemények 50%-át. Ennek alapján láthatjuk, hogy az SZTE (106) és a PTE (104) fragmentáltabb, míg a legerősebb koncentráció az SE-nél figyelhető meg. Ha az összes témaklaszterhez viszonyítjuk, láthatjuk, hogy általában a témaklaszterek 10%-a adja az egyetemi tudományos teljesítmény 50%-át. Ehhez képest a DE némileg koncentráltabb (9,53%), míg a PTE (12,7%) fragmentáltabb.

 

 

Az 1. ábrán a mentorok életkor szerinti eloszlását láthatjuk a négy intézményben. Összességében megállapíthatjuk, hogy életkor szerint nincsenek túl nagy különbségek az intézmények kutatói között. Az átlagéletkor az SZTE-n a legalacsonyabb 52,9 évvel, míg a PTE-n a legmagasabb 55,5 évvel. Az életkor-mediánt tekintve is az SZTE-n találjuk a legalacsonyabb értéket (51 év), a másik három egyetemen a medián 54 év.

 

 

A 4. táblázat a kockázatelemzés eredményét foglalja össze. Az első oszlop csekély (max. 50%), míg az utolsó oszlop nagy (50% feletti) kockázatot mutat. Az utóbbi kettős kockázat, tehát mind a mentor életkora, mind a témaklaszterhez való hozzájárulásának mértéke szerint kockázatosnak ítéljük. Összességében láthatjuk, hogy a legkevesebb kockázatos témaklaszterrel az SE rendelkezik (30%), ezt követi az SZTE (28%), a DE (28%) és a PTE (19%). Ezek olyan témaklaszterek, amelyek fenntartása hosszabb távon is lehetséges. A kettős kockázatot viselő témaklaszterek legnagyobb arányban a PTE-n fordulnak elő (13%), míg a legkevésbé az SE-n (1%). A mentor hozzájárulásának mértéke miatt a vizsgált intézmények hasonló arányban rendelkeznek kockázatos témaklaszterekkel, a PTE-n például ezek aránya 40% (= 13% + 14% + 13%; ide tartoznak a kettős kockázatú témaklaszterek is). Ettől eltérő mintát mutat az SE (14% = 6% + 7% + 1%). A szakterületek szerinti bontásban kritikus pontok a következők:

 

Az összképet tekintve az SE szerepel a legjobban. A DE és az SZTE a matematika területén kitettek, míg az SZTE a számítástechnika és információs rendszerek, a DE pedig a fizika és csillagászat területén visel nagyobb kockázatot.

Hazánk felsőoktatási politikájában, főleg az alapítványi fenntartású intézmények körében elsődleges kérdéssé vált a nemzetközi egyetemi rangsorokban való szereplés, a rangsorra való felkerülés és a rangsorban való előrejutás. Az egyetemek ezt nagyobb eséllyel tudják megvalósítani bizonyos szakterületeken, tehát érdemes figyelembe venniük a szakterületi rangsorokat. A hazai egyetemek általában kis létszámúak, és csak specifikus területekre tudnak fókuszálni. Az ezen szakterületeken működő kutatócsoportok az intézmények teljesítményének megőrzésében kulcsszereplők, ugyanis ezek a csoportok tudnak csak nemzetközi szinten is elegendő termelékenységet biztosítani. A tanulmány egyik üzenete tehát, hogy az intézményeknek támogatnia szükséges az ott működő kutatócsoportokat, és kulcsszerepük van a vezető kutató (mentor) kiválasztásában is. Továbbá, mivel láthattuk, hogy a mentorok életkor szerinti eloszlása hasonló mind az átlagéletkorokat, mind az életkor mediánjait tekintve, ez rávilágít arra, hogy valójában a kutatók témaklaszterek szerinti eloszlása befolyásolja az intézmény stabilitását vagy épp kitettségét. Ez összhangban áll azzal az elsődleges prioritással, miszerint az intézmény kutatói összetételét, az egyes karrierszakaszokhoz köthető motivációs faktorokat és feladatokat szükséges szem előtt tartania az intézményi vezetésnek. Ezeket mérlegelve az intézmények képesek a kutatóikra szabott stratégiát kialakítani, mellyel biztosíthatják versenyképességüket. Azokon az egyetemeken, ahol a mentorok hozzájárulása nagy a vezető témaklaszterekhez, érdemes őket a mentorálás és fiatal kutatók becsatornázása felé motiválni, míg ahol a fiatalabb kutatók hozzájárulása nagyobb, ott érdemes őket megfelelő munkakörülményekkel motiválni. A stratégia pontos elemeinek azonosítása azonban már túlfeszíti jelen elemzés kereteit, így azokkal egy következő tanulmányban fogunk foglalkozni.

 

Úgy gondoljuk, hogy a hazai intézmények kutatási stratégiáját a kitettséget is figyelembe véve kell az intézményi vezetésnek megalkotnia, hiszen nem elég a rangsorba bekerülni, bent is kell maradni.

 

A cikk az Innovációs és Technológiai Minisztérium ÚNKP-21-3-I-NKE-99 kódszámú Új Nemzeti Kiválóság Programjának a Nemzeti Kutatási, Fejlesztési és Innovációs Alapból finanszírozott szakmai támogatásával készült. A kutatás a Nemzeti Közszolgálati Egyetemen működő Hálózattudományi Kutatóműhely támogatásával valósult meg.