Indicadores en la Universidad informacion y decisiones - 157 SISTEMA DE INDICADORES PARA ANALIZAR EL PERFIL DE LOS PARTAMENTOS DE UNA UNIVERSIDAD GENERALISTA Carlos Guerra Rodriguez, Eva Maria Rueda Dominguez, Pilar Véizquez Sangrador y Mercedes Lecue Gochicoa Universidad de Valladolid Introduecién La elaboracién de indicadores de ta actividad docente e investigadora de las iniversidades tiene una gran complejidad interna en si misma. El grado de complejidad aumenia sustancialmente en el caso de aquellas universidades de caricter “generalista”, listo es, con una actividad docente e investigadora muy diversificada en éreas de eonocimiento radicalmente distintas y con trayectorias también muy diferentes. Este es el 4asa de la Universidad de Valladolid (UVA), una universidad cinco veces centenaria, con {ampus en cuatro provincias, con 73 titulaciones y 79 departamentos (en el curso 1997-98) inplantados en areas de conocimiento de hwxvanidades, ciencias sociales y juridicas, ‘iencias experimentales, ingenieria, tecnologia, ciencias biomédicas y de la salu Definir indicadores que sean ademés utiles para impulsar una gestién universit asentada en los parimetros de la calidad presenta, Kigicamente, miiltiples dificultades relacionadas con la gran heferogeneidad interna de este tipo de universidades. De manera que no parece aconsejable para estas universidades, al menos en un inicio, recurrir a un aiimero muy reducido de indicadores (dos o tres) para orientar una gestién diferenciada por tipo de unidades. Tampoco parece apropiado que sean estos indicadores “estrella” los éncargados de sentar las bases que han de dirigir las politicas de cardcter especifico Ieferidas a las unidades estructurales. Por eso, proponemos tomar como referencia el ‘comportamiento de estas unidades en relacién a diferentes conjuntos de indicadores, de tal forma que se pueda disponer de distintos perfiles de las unidades en funcién de tales Conjuntos de indicadores. Este permite abordar una realidad, que se antoja compleja, sin zaer en el riesgo de simplificaciones excesivas, al tiempo que logramos agrupar dentro de ‘mnimero manejable de categorias, més o menos amplias, la pluralidad de la realidad de los unidades.Indicadores en la Universidad: informacién y decisiones - 158 Determinar qué indicadores son los mas adecuados, va a estar condicionado en la fase inicial, en la que nos encontramos, por la informacién disponible, En fases sucesivas seré muy conveniente poder contar con una informacién que permita elaborar més indicadores que puedan resultar de interés. En el caso de nuestra universidad se ha detectado, como una de las principales carencias, la falta de indicadores referidos a la satisfaccion de “clientes” y usuarios. Partiendo, por tanto, de la configuracién actual de las bases de datos existentes, hemos procedido a definir distintos tipos de perfiles para una de nuestras unidades estructurales basicas: los departamentos. El primer objetivo va a consistir en elaborar unos perfiles que nos permitan orientar la politica de recursos humanos de nuestra Institucién, en lo que se refiere al PDI de los departamentos, considerando sus dotaciones actuales y sus potenciales carencias y necesidades de promocién. El segundo objetivo se centra en la definicién de unos perfiles que ayuden a la Institucién a focalizar sus escasos recursos, en funcién de las diferentes necesidades docentes e investigadoras que presentan los departamentos. La estrategia que hemos seguido sha consistido en agrupar los indicadores cuantitativos disponibles bajo tres grandes parémetros. Estos parémetros hacen referencia a variables estructurales, a tasas relacionadas con el rendimiento académico, y a indicadores referidos @ la actividad investigadora desarrollada por los departamentos. Una vez que hemos definido estas variables, se ha procedido a realizar un Andlisis de Componentes Principales y un Anélisis de Clusters con ellas. Después de estudiar los resultados de estos analisis se ha optado por fijar cuatro o cinco perfiles (segiin los casos), para cada uno de los conjuntos de indicadores considerados, lo que nos ha permitido realizar una tipologia de los departamentos de la UVA, y clasificarlos en grupos mas 0 menos homogéneos en relacién a los parimetros fijados. A continuacién se describen con detalle estos parimetros y perfiles, asi como la metodologia empleada. La metodologia empleada: Se han utilizado dos métodos estadisticos, Componentes Principales y Anilisis de Clusters, para determinar los perfiles de los departamentos en funcién de los parémetros considerados. La utilizacién de uno de estos métodos, o de ambos, ha dependido del niimero de variables que se han tomado en cuenta en cada caso y de la naturaleza de los datos tratados. Si para definir el perfil de un departamento en funcién de un determinado parimetro, se han considerado s6lo dos variables, se ha aplicado directamente el Andlisis de Clusters. Si por el contrario, se han manejado mas de dos variables para determinar los pertiles, se ha realizado previamente un Analisis de Componentes Principales para reducir la dimensién de las variables. De los factores resultantes, se han considerado los dos que han recogido una mayor Variabilidad para, a continuacién, realizar con ellos un Anilisis de Clusters. En los Analisis de Clusters efectuados se han empleado varios algoritmos con el fin de contrastar los resultados. Los algoritmos que se han aplicado, después de realizar numerosas pruebas, han sido el algoritmo de Ward's Minimum Variance y el K medias. Ambos algoritmos dan como clasificacién aquélla en que la dispersién dentro de cada grupo formado sea la menor posible. Una de las diferencias fundamentales entre ambos es Ja forma de agrupar: Ward's configura los clusters con una estructura jerarquica mientras que K medias los forma sin que uno dependa de otro. La seleccién de uno u otro se basé en Ja interpretacién mas verosimil de los grupos formados en cada situacién. De igual manera, la seleccién del nimero de agrupamientos resultantes (cuatro o cinco) se ha basado enIndlcadoresen la Universidad: informacién y decisiones-159 criterios tanto matematicos como de interpretabilidad practica de los grupos. En todos los casos se ha realizado un andlisis descriptivo de cada una de las variables, procediéndose posteriormente a su estandarizacién para garantizar su comparacién. Por tiltimo, seffalar que en todos los andlisis que se han efectuado se ha utilizado el software SAS. La estructura de los departamentos La estructura de los 79 departamentos de la UVA se ha analizado bajo dos parametros: la estructura de su plantilla de Personal Docente Investigador (PDI) en relacién al porcentaje de doctores con el que cuentan, y a la edad. La plantilla de PDi Con este pardmetro se pretende agrupar a los departamentos de Ja UVA en funcién del grado de cualificacién de su plantilla, y de las potenciales necesidades de promocién interna del PDI con un contrato por debajo de su cualificacién, Para lograr este objetivo, se ha calculado el nimero de PDI a tiempo completo en cada departamento, y en las distintas categorias académicas, tomando como referencia a su vez el nimero de plazas dotadas que tienen los departamentos (a fecha de 24 de febrero de 1998), independientemente de si estas plazas estén vacantes 0 no" ‘Al mismo tiempo se ha procedido a calcular el numero de doctores a tiempo completo con los que cuenta cada departamento, para lo cual se ha tomado como referencia ta relacién de doctores que figura en tas memorias de investigacién elaboradas por los departamentos en el curso 1996-97. Una vez que se ha dispuesto de estos datos, hemos construido dos tasas por departamento (ver Tabla I A): ‘Una tasa de PDI a tiempo completo que indica el porcentaje de este PDI a tiempo completo que es doctor. * Una tasa de PDI a tiempo completo que recoge el porcentaje del PDI a tiempo completo que por el tipo de contrato que tiene se le exige ser doctor, en Ja que se han sumade el PDI que es Catedritico de Universidad (CU), Titular de Universidad (TU), Catedrético de Escuela Universitaria (CEU) y los Profesores Eméritos (PE). Tomando estas des tasas como variables, se ha procedido a su estandarizacion y a efectuar un Anidlisis de Clusters de\ conjunto de los departamentos de la UVA por el método de tas “K medias” (ver Salida 1). Como se puede observar, ambas variables estén muy corretadas y globalmente explican el 90% de la dispersién total. Los grupos que se forman son bastante compacios, !0 cual nos ha facilitado determinar cuatro agrupaciones (perfiles) para caracterizar a estos departamentos (ver el Grafico ly la Tabla II): ' Se han contabilizado para este célculo las plazas de Profesores Asociados que provienen del Convenio con Ensefianzas Medias y de Doctorados de Calidad, y las plazas de Comisiones de Servicios en la UVA. Sin embargo, no se han contabilizado las plazas de Profesores Asociados, Profesores Visitantes y Ayudantes que se encuentran vinculadas a plazas vacantes 0 a plazas donde sus titulares estan en situacién de servicios especiales, comisién de servicios, excedencias o incompatibilidad.Indicadloresen la Universidad: informacién ydecisiones - 160 A. Departamentos con una plantilla mayoritariamente formada por CU, TU 0 CEU, donde bastantes de ellos cuentan con un significative numero de Titulares de Escuela Universitaria (TEU), Ayudantes (AYU) o Profesores Asociados (PRAS) que son doctores. B. Departamentos con una plantilla formada por un menor néimero de CU, TU 0 CEU que los anteriores, pero también conformada (en varios de ellos) por un significativo nimero de TEU, AYU 0 PRAS que son doctores. CC. Departamentos con una plantilla formada en buena parte por TEU 0 por pocos CU, TU 0 CEU, donde la presencia de TEU, AYU 0 PRAS doctores es relativamente escasa salvo en un par de casos. D. Departamentos con una plantilla fundamentalmente constituida por TEU 0 por muy pocos CU, TU 0 CEU, donde ademas son escasos los TEU, los AYU 0 los PRAS doctores. La edad del PDI El objetivo de este pardmetro es agrupar a los departamentos de la UVA en funcién de Ja estructura generacional de sus miembros, ello nos va a permitir contar con una orientacién muy valiosa para la politica de recursos humanos de la Universidad, especialmente en lo relativo a la renovacién de plantillas. El andlisis de la estructura de la edad del PDI de los departamentos se ha realizado a partir de la definicién de cuatro tasas referidas a la edad del PDI que estaba contratado en la UVA a fecha de 30 de enero de 1998, sin diferenciar el tipo de contrato o si la plaza que ‘ocupan se encontraba dotada 0 no. Las tasas recogen el porcentaje del PDI de los departamentos con edades comprendidas entre los siguientes intervalos (ver Tabla I A): ~ Tasa de PDI menor de 35 aftos. - Tasa de PDI igual o mayor a 35 aflos y menor de 45 afios. - Tasa de PDI igual o mayor a 45 afios y menor de 55 affos. - Tasa de PDI igual 0 mayor a 55 afios. Estas tasas las hemos utilizado como variables. E! alto grado de correlacién existente entre ellas ha facilitado reducir la dimensién de ta matriz inicial de datos a través de un Anélisis de Componentes Principales (ver Salida Il). Los dos primeros factores componentes resultantes de este Andlisis explican el 86.7% de la variabilidad de la distribucién por edad de los departamentos. El factor 1 se caracteriza por altas cargas factoriales positivas en los tramos de edad “45-54” y “>=55"; y negativas en el tramo “<35". Por tanto este factor, que absorbe el 54.8% de la variabilidad, opone a los departamentos con una estructura de edad mas joven frente a los que tienen una estructura mis “envejecida”. El factor 2 recoge por su parte el 31.9% de la variabilidad, y tiene una alta carga factorial positiva en el tramo de edades medias (“35-44”). Este factor, al no estar correlado con el factor 1, opone a los departamentos que cuentan con un mayor porcentaje de PDI con estas edades medias, a los que tienen un menor porcentaje de PDI en este tramo de edad. Con los dos primeros factores resultantes del Anélisis de Componentes Principales se ha procedido, a su vez, a realizar un Analisis de Clusters. Para ello se aplicé sobre los dos factores seftalados el algoritmo de las “K medias”. En este nuevo Analisis ambos factores explican globalmente (OVER-ALL R-Squared) el 76.8% de la dispersién total (es decir, la proporcién de dispersién debida al “factor” cluster), el primero explica el 85.6% de la dispersion total y el segundo el 61.8% (ver Salida II). Del resultado del Andlisis seIndicadores er la Universidad: mformacin y decisiones - 161 desprendié la presencia de algurios departamentos que se alejan del resto, para que este hecho no desvirtuase el andlisis se realizé de nuevo sin ellos, para posteriormente asignarlos a los clusters formados (ver Grafico Il y Tabla II): ‘A. Departamentos “equilibrados” con tasas similares (sin valores extremos) en todos {os intervalos de edad considerados. B, Departamentos que destacan por tener una proporcién mas alta de PDI en el intervalo de edad “35-45”, y contar con tasas més 0 menos homogéneas en el resto de los intervalos. C._Departamentos con un PDI que tiene wna edad més clevada, esto es, donde las tasas de edad entre “45-55” y “mayores” de 55 son més altas. D. Departamentos con un PDI donde son mayoritarias, sirnultaneamente, las tasas de edad entre “35-45 aflos” y “menores de 35 artos”. E. Departamentos con el PDI mds joven, aquellos donde predominan los que tienen menos de 35 aftos. El Rendimiento Académico El rendimiento scadémico de los departamentos de la UVA lo analizamos por medio de dos pardmetros 0 conjuntos de variables. Un parimetro que recoge variables relacionadas con Ia actividad docente dei PDI de los departamentos, y un segundo pardmetro centrado en los resultados académicos de los estudiantes. La actividad docente El andlisis de la actividad docente pretende dar cuenta del volumen de trabajo que tiende ef PDI de Jos departamentos en telacién a la labor docente que desarrollan. Este andlisis nos permite agrupar a los departamentos de la UVA en funcién de lo que significa para cllos, en términos cuantitativos, et desempefio de esta actividad. Para realizar una ‘estimacién de esta naturaleza se ha tenido en cuenta tanto el trabajo y el esfuerzo que supone al PDI preparar asignaturas diferentes, como el tener que tutorizar y evaluar a un namero mayor © menor de estudiantes. Con este fin se han construido dos tasas (ver Tabla | B): * Tasa de Diversidad: indica el nimero de créditos con un cortenido diferente, que por promedio imparte un PDI a tiempo completo, teniendo en cuenta ta plantilla total dotada en cada departamento”. * Tasa de Estudiantes por PDI: tomando como punto de partida e} nimero total de créditos matriculados en. el conjunta de las asignaturas que ha impartido cada departamento, en el curso académico 1997-98, se ha calculado el nimero de eréditos matriculados que corresponderfa te6ricamente a cada PDI a tiempo completo de ese departamento’. A partir de estos datos, se ha querido establecer 2 A la hora de realizar este célculo no se han consitierado fos crétitos de las asignaturas pertenecientes “planes de estidios antiguos” que cuentan con menos de diez estudiantes matriculados, tampoco se han considerado los eréditos de las asignaturas optativas que tienen también menes de diez alumnos, ‘si cama las eréditos pertenccientes a los practicum y a los proyectos fin de carrera, Cuando se ha producido la presencia de una o mas asignaturas con in mismo descriptor 3 imparten en el mismo ‘campus, 9¢ han considerado para esta tasa sblo los eréditos de las asignaturas con el mayor ntmero de ellos. Si una asignatura es impartida por varios departamentos, se han repastido los eréditas de la risa en parts igueles entre los departamentos implicados. Para elaborar esta tasa se ha tomado ‘como referencia el curso académico 1997-98. *'Si_una asignatura es impartida por varios departamentos, s¢ han repartido los eréditos de laIndicadores en la Universidad: informacisn y decisiones ~ 162 una equivalencia entre los eréditos y el nimero de estudiantes de una asignatura tipo (de caracter anual equivalente a doce créditos) que tendria que tutorizar un PDI tiempo completo. Para lo cual hemos dividido los créditos matriculados por PDI entre doce. ‘Tomando estas dos tasas como variables, se ha procedido a su estandarizacién, y se ha realizado un Anélisis de Clusters del conjunto de los departamentos de la UVA por el método de las “K medias” (ver Salida III). Se ha controlado la presencia de departamentos extremos para que no nos distorsionen la configuracién de los clusters, para ello se ha realizado un Anélisis Univariante de la Tasa de Estudiantes por PDI y se decidié definir una clase que recogiera a los departamentos con mas de 175 estudiantes por PDI a tiempo completo. Ademés, algunos departamentos con una Tasa de Diversidad muy alta se suprimieron temporalmente del andlisis para evitar su influencia en la clasificacién, incorporindose posteriormente a los cluster con una media mas préxima. El resultado son cinco agrupaciones (perfiles) que diferencian y caracterizan a los departamentos de la UVA (ver Gréfico Ill y Tabla 11): A. Departamentos que imparten docencia a pocos alumnos y en pocas asignaturas con contenidos diferentes. B. Departamentos que imparten docencia, por lo general, a un grado mayor de alumnos que “A”, y también en un grado mayor de asignaturas diferentes. C. Departamentos que imparten docencia a mas alumnos que “B” (en algunos casos muchos més), y cuentan con un grado de diversidad entre sus asignaturas igual 0 mayor a “B”. D. Departamentos que imparten docencia en muchas asignaturas con contenidos distintos, y tienen una tasa de estudiantes por PDI entre media y baja. E. Departamentos que imparten docencia a muchos alumnos, pero en un nimero reducido de asignaturas distintas Los resultados académicos El analisis de los resultados académicos de los departamentos de la UVA pretende arrojar alguna luz sobre el grado de cumplimiento que alcanzan en relacién al objetivo docente de lograr un adecuado aprendizaje por parte de los estudiantes. El indicador que vamos a utilizar para determinar si ese aprendizaje se ha realizado, y en qué grado se ha conseguido, van a ser las calificaciones obtenidas por los estudiantes. Para ello, considerando inicialmente el total de créditos matriculados, en el curso académico1997-98, en las asignaturas impartidas por los departamentos (sin efectuar ninguna distincién'), y su ‘comportamiento en relacién a las tasas que se describen a continuacién (ver Tabla I B) = Tasa de Presentados: el porcentaje de créditos correspondientes a las asignaturas de un departamento, de las que se han examinado los estudiantes (ya sea en la convocatoria de junio o septiembre), sobre el total de eréditos matriculados en esas asignaturas. + Tasa de Rendimiento: el porcentaje de créditos correspondientes a las asignaturas de un departamento que,los estudiantes han superado, ya sea en la convocatoria de Junio o septiembre, sobre el total de créditos matriculados en las mismas. misma cn partes iguales entre los departamentos implicados. Asi mismo para elaborar esta tasa, se han considerado solo una cuarta parte de los créditos matriculados en los practicum. “Si una asignatura es impartida por varios departamentos, se han repartido los créditos de la misma en partes iguales entre los departamentos implicados.Indicostores en la Universidad: informacion ydecisiones - 163 = Tasa de Exito: el porcentaie de créditos correspondientes a las asignaturas de un departamento que los estudiantes han superada, ya sea en la convocatoria de junio © septiembre, sobre el total de créditos a los que se han presenitado pertenecientes a ese departamento. = Tasa de Aprobados: el porcentaje de eréditos correspondientes a las asignaturas de un departamento que los estudiantes han superado con a valificacién de aprobado, ya sea en ta canvocatoria de junio o septiembre, sobre el total de créditos a los que. se han presentado de ese departamento. + Tasa de Notables: el porcentaje de créditos correspondientes a las asignaturas de un departamento que los estudiantes han superado con la calificacién de notable, ya sea en la convocatoria de junio o septiembre, sobre el total de créditos a los que se han presentado de ese departamento. + Tasa de Sobresalientes/M.H: el porcentaje de ctéditos correspondientes a las asignaturas de wn departamento que los estudiantes han superado con ta calificacién de sobresaliente o matricula de honor, ya sea ent la convocatoria de junio o septiembre, sobre el total de eréditos a los que se han presentado de ese departamento. Todas estas Tasas estan significativamente correladas, como se refleja en ef Andlisis de ‘Componentes Principales que hemos realizado con ellas, de manera que los dos primeros factores explican ei 93% de la variabilidad de los resultados académicos. El factor 1 se caracteriza por cargas factoriales positivas con las Tasas de Presentados, Notables, Sobresalientes, Exito y Rendimiento; y negativas con la Tasa de Aprobados. Este factor absorbe el 83.7% de la variabilidad. La abscisa de un departamento sobre este primer factor se podria interpretar como una medida de cual es su posicién en relacién a los resultados académicos que presenta, El factor 2, por su parte, sélo recoge un 9.3% de variabilidad, con un carga factorial positiva para la Tasa de Aprobados. Con estos dos factores se ha procedide, a su vez, a realizar un Analisis de Clusters por el método de las “K medias”. Estas nuevas variables explican globalmente (OQVER-ALL R- Squared) e1 89.7% de la dispersién total debida al factor cluster. Observando cada uno de Jos componentes, el primero expliva el 93,1% de su dispersién total, y el segundo el 59.4%. El factor que ha influido més en la separacién de los grapos, como era de esperar, ha sido el primero debido al cardcter de indice discriminatorio que ya se observ en el Analisis de Componentes Principales. Con el factor 2 conseguimos una matizacién dentro de los grupos con tasas bajas. Este procedimiento nos he. permitido agrupar a los departamentos entorno a cinco perfiles ordenados en una escala de graduaci6n decreciente (ver Griico IV y Tabla II): ‘A. Departamentos con los mejores resultados académicos. B, Departamentos con “buenos” resultados académicos, pero algo peores que los de on C. Departamentos con resultados académicos “bajos” y con una Tasa de Aprobados alta. D. Departamentos con resultados académicos “bajos” y con unas Tasas de Exito y Aprobados inferiores a “C E. Departamentos con los resultados académicos més “bajos”.Indicadores en a Universidad: informacin y decisiones - 164 EI Rendimiento de la Acti dad Investigadora El rendimiento de la actividad investigadora de los departamentos de la UVA lo analizamos por medio de cinco parametros 0 conjuntos de variables, que entendemos pueden proporcionar una imagen global del volumen de la actividad investigadora que han realizado los departamentos durante un periodo de tres affos’, teniendo en cuenta varias de las distintas dimensiones que caracterizan esta actividad. A continuacién describimos en detalle los pardmetros a los que estamos haciendo referencia: La relacién Becas ~ Tesis Con este parimetro se desea identificar la presencia de investigadores noveles y de personal investigador en formacién dentro de los departamentos, y analizar su actividad investigadora desde esta perspectiva. Las Becas de Investigacién y las Tesis Doctorales, leidas en los departamentos, son las dos variables que hemos considerado de manera conjunta para realizar el andlisis. Partiendo de estas variables hemos definido dos tasas: (ver Tabla IC): = Tasa de Becas: indica la proporcién, por PDI doctor a tiempo completo, de Becas de Formacién del Personal Investigador (FPI), con las que han contado los departamentos durante los cursos 1994-95 al 1996-97, en sus diferentes modalidades. = Tasa de Tesis: indica la proporcién de Tesis Doctorales leidas en un departamento durante los afios 1995 al 1997, por PDI doctor a tiempo completo. ‘Tomando estas dos tasas como variables, se ha procedido a su estandarizacién, y se ha realizado un Andlisis de Clusters aplicando el algoritmo de las “Ward's Minimum Variance” (ver Salida V). Tras realizar un andlisis descriptivo univariante se observé la presencia de departamentos extremos en la Tasa de Tesis, para evitar distorsiones en la clasificacién y mejorar asi la interpretacién de los clusters formados, se procedié a crear tuna categoria que contuviera a éstos (Tasa de Tesis >=1). Ello nos ha permitido determinar cinco agrupaciones (perfiles) para caracterizar a los departamentos (ver Grafico V y Tabla ID: ‘A. Departamentos que cuentan con Tasas media-altas de Becas y Tesis al mismo tiempo. B. Departamentos que cuentan con unas Tasas de Becas muy elevadas, pero tienen (salvo excepciones) unas Tasas de Tesis bastante inferiores a las de Becas. C. Departamentos que cuentan con las mayores Tasas de Tesis, pero tienen unas Tasas de Becas relativamente bajas o muy bajas. D. Departamentos que cuentan con unas Tasas de Tesis medias, y unas Tasas de Becas relativamente bajas o muy bajas E. Departamentos que cuentan con unas Tasas de Tesis bajas, y unas Tasas de Becas entre medias y muy bajas. El mimero de proyectos tra dimensién que hemos .utilizado para analizar la actividad investigadora de los epartamentos tiene que ver con el volumen de proyectos y contratos que se les ha concedido o han suscrito con empresas, organizaciones 0 instituciones de su entorno. Para 5 La actividad investigadora que han realizado durante este tiempo los Institutos Universitarios de la UVA la hemos hecho repercutir en los departamentos, en funcién de la adscripci6n que tienen los investigadores principales en cada caso.Indicadores en la Universidad! informacion y decisiones - 165 ello hemos elaborado dos tasas que tienen que ver con el nimero de proyectos de investigacién que se les ha financiado a los departamentos y el ntimero de contratos que por la via del articulo 11 han suscrito, durante los cursos académicos 1994-95 al 1996-97. Para ello se han elaborado dos tasas (ver Tabla I C): = Tasa de Proyectos (n°): indica la proporeién de proyectos de investigacién® de un departamento que han contado con financiacién durante el periodo sefialado, en relacién al PDI doctor a tiempo completo con el que cuenta ese departamento. * asa de Contratos (n°): indica la proporcién de contratos firmados por un departamento a través de la via del articulo 11 y los servicios técnicos repetitivos realizados durante el periodo seffalado, en relacién al PDI a tiempo completo con el que cuenta ese departamento. ‘Tomando estas dos tasas como variables, se ha procedido a su estandarizacién, y se ha realizado un Anélisis de Clusters del conjunto de los departamentos de la UVA por el método de las “K medias” (ver Salida VI). Tras realizar un primer andlisis descriptivo univariante se observ6, como en el caso anterior, la presencia de departamentos extremos en la Tasa de Contratos, Para evitar distorsiones en la clasificacién y mejorar asi la interpretacién de los clusters formados, se procedié a crear una categoria que contuviera a estos departamentos (Tasa de Contratos (n°) >=1 y Tasa de Proyectos (n°) >=0.8). Hay que sefialar que ambas tasas explican globalmente (OVER-ALL R-Squared) el 78.5% de la dispersion total. Finalmente, el anélisis nos ha permitido determinar cuatro agrupaciones (perfiles) para caracterizar a los departamentos en relacién a este parametro de la actividad westigadora (ver Gréfico VI y Tabla II): ‘A. Departamentos con Tasas altas de Proyectos y Contratos. B. Departamentos con Tasas medias y altas en Proyectos, y con Tasas medias y bajas en Contratos CC. Departamentos con Tasas altas en Contratos, y con Tasas medias o muy bajas en Proyectos. D. Departamentos con Tasas bajas 0 muy bajas en Proyectos, y Tasas medias 0 bajas en Contratos, Los recursos de los proyectos Este pardmetro es paralelo al anterior. Busca analizar la actividad investigadora de los departamentos bajo la perspectiva de los recursos econémicas (en pts.) de los proyectos de WestigaciGn y los contratos articulo 11, obtenidos y suscritos por ellos durante los cursos académicos 1994-95 al 1996-97. Con este fin se han elaborado dos tasas similares a las del parimetro de antes (ver Tabla IC), y se ha realizado un Analisis de Clusters con el algoritmo de “Ward's Minimum Variance” (ver Salida VII). En este caso también se observé la presencia de departamentos atipicos, e igualmente se han construido categorias © Se han tenido en cuenta los proyectos de investigacién financiados por los siguientes Organismos o Programas: la DGICYT, la CICYT, Redes OTRUOTT, la Junta de Castilla y Leon, las acciones PETRI, el Fondo de Investigaciones Sanitarias de la S.S (FIS), el C.LD.E, Fondos Europeos (ESPRIT, Capital Humano y.Movilidad, BRITE-EURAM, TMR. STM, INCO, JOULE, AVICENA, COPERNICUS, FORCE, STEP, BCR, Medio Ambiente, FEDER y STRIDE), las ayudas a j6venes investigadores concedidas por el Vicerrectorado de Investigacién de la Universidad de Valladolid, las subvenciones de la Junta de Castilla y Leén a trabajos Etmograficos, Arqueolégicos, Socioeconémicos, sobre patrimonio y energias renovables, y para a ampliacién de Fondos Bibliograticos, asi como los proyectos financiados por el Sector Privado (PACE-PASO, Iberdrola y Caja Salamanca y Soria),Indleadloresen ka Universidad informacion y decisiones- 166 que recagen a los departamentos extremos (Tasa de Contratos (8) >=5.500.000, y la Tasa de Proyectos ($) >=4,500.000). A pesar de estas diferencias, hemes abtenido igualmente cuatro perfiles de caracteristicas bastante similares, que en vez de hacer referencia al niimero de proyectos y contratos de los departamentos, la hacen a los recursos econémicos vinculados a ellos (ver el Grafico Vil y fa Tabla 11). ‘A. Departamentos con tasas altas de recursos en proyectos y contratos. B. Departamentos con tasas medias y altas en recursos para proyectos, y con tasas de recursos medias-altas y bajas en contratos. C. Departamentos con tasas de recursos altas para contratos, y com tasas medias © muy bajas en recursos para proyectos. 1D. Departamentos con tasas de recursos para proyectos y contratos relativamente bajas o muy bajas. Las publicaciones El anadlisis de la actividad investigadora de los departamentos estaria incompleto si no considerase la produccién cientifica de los mismos en sus distintas dimensiones. Bajo el parimetro de “publicaciones” se recogen cinco tasas pensadas para estimar la produecién cuantitativa de tos departamentas en publicaciones y ponencias en congresos, durante el periodo comprendido entre el cursos académicos 1994-95 y 1996-97. Estas tasas son (ver Tabla 1 C): + Tasa de Articulos: indica la ratio de articulos publicados por el PDI a tiempo completo de los departamentos en el periodo seftalado. * Tasa de Vollimenes Colectivos (VC): indica la ratio de trabajos publicados en obras colectivas por el PDI a tiempo completo de fos departamentos en el per indicado. = Tasa de Libros: indica la ratio de libros publicados por el PDI a tiempo completo de los departamentos en el periodo mencionado. = Tasa de Ponencias Nacionales (N): indica la ratio de ponencias presentadas en reuniones cientificas (congresos, seminarios, ete.) de caricter regional © nacional por el PDI a tiempo completo de los departamentos en el periodo aludido. = Tasa de Ponencias Internacionales (I): indica la ratio de ponencias presentadas en reuniones cientificas (congresos, seminarios, etc.) de cardcter internacional por el PDI a tiempo completo de los departamentos en el periodo de referencia. Sin duda que con estas tasas no quedan agotados todos los campos donde se manifiesta la produccién cientifica de los departamentos (por ejemplo en lo relativo a la concesin de patentes), siendo conscientes de ello hemos optado por considerar para el presente andlisis s6lo aquellas tasas que cuentan con valores significativos para el conjunio de los departamentos Aclarado este punto, se realiz6 un andlisis descriptive univariante de las tasas consideradas y se observé la presencia de departamentos extremos en cada una de estas tasas, Como én los anilisis anteriores se procedié a crear categorias que recogieran a estos epartamentos (Acticulos > 5; VC 2; Ponencias N > 4; Ponencias I > 3) y a continuacion se transformaron las variables (tasas) usando la raiz cuadrada. Seguidamente se procedié a realizar un Andlisis de Componentes Principales con ellas (ver Salida VIII). Los dos primeros factores resultantes explican el 77.9% de la variabilidad, y los porcentajes de varianza asociados a los factores son de 49.3% para el factor I y de 28.6% para el factor 2.Indicadores en la Universidad: informacion y decisiones - 167, El primer factor esta correlacionado positivamente con la totalidad de jas variables y es el que mas dispersion reeoge sobre el conjunto de los departamentos, esto le otorga el caricter de indice discriminatorio entre departamentos. Por lo tanto, nos separa aquellos deparamentos con un “indice alto” en publicacién de los que presentan un “indice bajo”. El segundo factor se caracteriza por tener una carga factorial positiva con la Tasa de Ponencias Internacionales, y esti comrelado negativamente con la Tasa de Libros, por tanto es un factor que matiza la interpretacion del factor 1. Seguidamente se aplicé sobre estos dos Factores el método jerérquico de clusters (Ward's Minimum-variance) para agrupar a los departamentos de la UVA en torno a cinco petfiles (ver Grafico Vill y Tabla ID): A. Departamentos con una Tasa alta de Publicaciones, con una especial significacién comparativa de las Ponencias Internacionales. B. Departamentos con una Tasa alta de Publicaciones, y con una Tasa media de Libros superior a “A”, C. Departamentos con una Tasa me Ponencias Internacionales. D, Departamentos con una Tasa media de Publicaciones, y con una Tasa media de Libros superior a“C”. E. Departamentos con la Tasa més baja de Publicaciones. Tramos de Pul jones, y una Tasa muy elevada de Por iitimo, se ha analizado la actividad investigadora de los depastamentos de la UVA desde la perspectiva del reconocimiento de la labor investigadora que recibe el PDI de 1s distintos departamentos por parte de sus pares. Este pardmetro se basa en consecuencia, en Jos “tramos de investigacién” que concede la Comisiin Nacional Evaluadora de la Actividad Investigadora del Consejo de Universidades al PDI de los departamentos. Para analizar este parametro hemos consteuido dos tasas (ver Tabla | C): * Tasa de Tramos Histéricos (H): indica la proporcién, por PDI funcionario a tiempo completo, de los tramos de investigacién concedidos al PD! de un departamento antes de 1993. * Tasa de Tramos del Ultimo Sexenio (US): indica la proporcién, por PDI funcionario a tiempo completo, de los tramos de investigacién concedidos al PDI de un departamento en el sexenio 1992-1998. Tomando estas dos tasas como variables, se bra procedido a su estandarizacién, y se ha realizado un Analisis de Clusters del conjunto de los departamentos de la UVA’ por el método de las “K medias” (ver Salida IX). Del andlisis univariante se concluyé la conveniencia de considerar una clase que nos recogiera a los departamentos con més de un tramo de investigacion en la Tasa de Tramos Histéricos. En conjunto, ambas tasas explican globalmente (OVER-ALL R-Squared) el 85.9% de la dispersién total. El andlisis nos ba permitido determinar cinco agrupaciones (perfiles) para caracterizar a estos departamentos (ver el Grifico IX yla Tabla I): A. Depastamentos con las ratios de los Tramos del Ultimo Sexenio mas altas, y con Tasas altas en los Tramos Histéricos, B. Departamentos con Tasas altas de Tramos Historicos, y Tasas medias-altas en relacién los Tramos del Ultimo Sexenio.Indicadoresen la Universidad: informacién y decisiones - 168 C. Departamentos con Tasas medias-altas de Tramos en el Ultimo Sexenio, y Tasas medias y bajas en los Tramos Histéricos. D. Departamentos con Tasas medias en los Tramos Histéricos, y Tasas medias-bajas 0 muy bajas en el Ultimo Sexenio, E. Departamentos con Tasas bajas o muy bajas, tanto en lo relativo a los Tramos Hist6ricos como a los Tramos del Ultimo Sexenio. Conclusi E| resultado final de todos estos andlisis se traduce en una matriz (Tabla II) donde quedan recogidos de forma sintética los distintos perfiles de los departamentos de la UVA, en funcién de los parimetros y perspectivas que se han considerado. De este modo se perfilan algunas bases para plantear un diseffo de politicas y acciones diferenciadas para distintos conjuntos de departamentos, teniendo en cuenta sus caracteristicas particulares en relacién a un ndimero manejable de parémetros. Entendemos que este planteamiento puede ser un avance interesante en la planificacién de las universidades de carécter generalista, ya que permite distinguir de una forma relativamente sencilla distintos nicleos de departamentos con caracteristicas comunes, lo cual facilita el que se pueda realizar un tratamiento de los mismos mas ajustado a su realidad y a sus necesidades, pudiéndose abandonar en consecuencia algunas de las politicas que con cardcter general se han estado aplicando hasta estos momentos a los departamentos en la mayoria de las universidades espafiolas. Este enfoque abunda en la via de una planificacién mas eficaz en aquellas Areas © aspectos donde los departamentos tienen competencias, lo cual implica un tratamiento més riguroso y justo de sus condicionantes y de su realidad en general, Facilita, 0 en todo caso este tipo de diagnésticos hacen factible técnicamente, el desarrollo de politicas de recursos humanos y de apoyo a la actividad docente e investigadora de los departamentos més personalizadas y ajustadas a sus necesidades especificas. Esto es especialmente relevante para las universidades que presentan una gran heterogeneidad intema y desean implantar politicas mas eficaces y eficientes focalizando mejor sus recursos, tras cons su propia complejidad.Indicadoresen la Universidad: informacién y decisiones - 169 TABLALA, PRIA DEO OTe por Polat coctones | TASKPOIS Te —TASAPOTS Te | YASAPOT—TREA POL TRGA POT —TASA. Berarrawento| atc rINconawo ae | oOcToR’ cureuceUre| cS ASA) AR aH), 7 oF or = oe Beas as a 2 eo 7a 43 353 ie mas 3 0 ta ar mp Bo mt ess a ua a ws sas 2 aa ast 5 va Bs 8 ‘ee 5 sap er 6 10 ‘80 ‘too as 0p ep sa 7 zm Re ‘aa a Br aa ee a Ho ue or on $8 ig ee 3 40 a ‘es wee So eso rn 80 0 me tar moe ee tee a" ws va 2 st a0 waa 2 0 a m2 mae 313 sae 3 us wa ea oo wo ote “4 ms 3 Bs 2s mr ian eo % 20 Ma BS he as mse ae * ‘90 Es ‘oe mo e790 7 uD fi 3 92 Mees ® Zp 120 3. seo air ae 2 30 Mo Se ay go eae a n 13 Se ws tes ae tele a 2 2 ae ie 388 a3 we ays B ‘3 so a7 aT m2 sos a # m3 30 2a 23 ne oT) = Be 0 ay m2 ioe aa Fa 28 18 so te ta soe z 18 20 1a % a? a3 2 eo 30 1000) me 22 maa = Bo 20 om ae tga 2 Be ae oy Se ease a» wa aa as a3 2a a 2 ia oa Bs ar user net 3 2. we Be ae es u 8 na na ss Sa 83 era 2% 2D a 5 Ss Bo m2 as = Mo 28 3 ae @2 ms mame 7 Mo 0 Bs os as pas 2 130 va me ne wa meta 3 08 wa 33 a8 we asaya o to ba 3 ne joo mtn at wo 0 oe as eae he 2 2 28 73 m3 Bo 0s as S ‘3 Be a9 ne #2 Ze sna a 3 aa 30 Zo M1 mo Noe s 80 ‘se m2 nae an « te ‘8 a Ma “7 2 ma o 20 “0 a us fa hoa tea 2 80 ie i Se Bs m3 mate s 9 he m2 2 oes te = me mm “i 3 oe ms ra oo iss as a 0 ‘84 oa ‘oe eae ae s up 80 sr me Bs M2 MS a 10 We 3 ar 32 ea s 190 ue ry Po mos a = 2e 8 1000 5 00 oo o wp MD cn us Mo 2a oo = m0 130 as Ses m3 waa = 183 313 2 ars ea ® 2e 57 sr moet ss ea 280 30 a a 2 0 m2? ea S321 ey ae o 198 ‘oe 3 0 ae m2 ee ws 2 se 20 S2 aa 30 & ao ne Sr ssr esa apa o 0 ma ay M3 Bee aka o Ms ab me = eo mo B36? na 30 0 = ‘oo mo ea ap e be ne 30 0 a ar 2 0 0 oe ay 318 aaa * se 2a ee mB us ats 2 6s we os 2 mss yao a uo 20 wz zs wae tee aka mu se ‘oe aa Sa ne a ey) % 2s 8 ae 20 ae Bona & ‘0 bs 20 20 a7 Se ” nr) ‘oe aa 8 7 re eT er} m ae ge 0 3 me 42 ba ee a s: 30 Pa 3a Ce syIndicadores en la Universidad: informacisn ydecisiones «170 TABLA |B ReToRD RoeENTE OT z TESULTABOE RERDENEE DepantnwanTe |], TASK. TASK ESTOOANES] TRS RRR TSR Ta JoveRsions ““"“ponol "| PRESENTADOS RENDWIENTO EnITO _APROSADOS NOTABLES SUN z ea eo mate se ‘38 o 3 assJIndicadores en la Universidad: nformacién y decisiones - 171 manic Farmer] SR TERI aR mae te ak eR — ae ise seve] moni coxmarcs| monsts Gamma wakatce ie Uae ANScISh Pome] waDH al Ta Poe ta te ts see aan ae as aaa 3 ana tar 9 a tn — ne 0 {SB MG es Sse awe ae ae te aaa tae te te ts tes ean ds as sae a oz am tates tome ts ae ase te a6 an ones sass a ai ue asa 2 a8 ama tw a te nea tema # to ta ante tt tet Sa oy an tt oa ecm am te te tata 2 an as om ae ek tenga ee 2 tet tes ae sea aes an at — oO 2a te om ast teas tg tg tetra 3 ax am nana mom Ge taeda 2 tn am on tu tan amm ote ats ee zap om am ty ese ou tar tm twa 30 om a ts "9 9 ae at a ae St om ae te two sams eet tw tw et es Ste an ana tees — “a Ste tte ee sae ay ipa tne ase te te ts wee San an as teas tei aw tae atm Geom mo Me oe ie inte aaa se es ‘ait fos ae we ts na at Son 06 ti sae eae iw ae ae ae eS ‘ae aw go am sae tp tas aaa @ a 2 tea ate a ta ea @ ae tea aan tt tte a 2M ae ne oe “Na aw Gear tots tea 205 Se ts tm ee oe te sim ase a Ae te te tee — fo oo ae tm team ere te te iw team ar & te te eam totes em aa Ste te te ae oes oa Ste te te om wee co eT @ aN mam two saw om ts te teat = © So em as nen o2 a te ts am tw Ste te te we tte ein ae a. Pe te is Sa om os to tk tte 2 ts 3 cs Ae ame vanon an an ame ase B ty a7 am as me sow cy a a Bote ts oe te ee ot) ie Rte tS te eras am on ap ay ap amIndicadoresen la Universidad: informacién y decisiones - 172 SALIDA I Plantilla) Medidas descriptivas: Mea Dev. Si Medina asa PDI (Doctores) 5895 2588 613 asa PDICU,TU,CEU,PE) 482 B91 32.7 Salidas del algoritmo K medias: * Caracteristicas de los grupos formados: Cluster Frecuencia RMS Sid desviacién Distancia maxima desde Cluster mis Distancta entre la media cercamo medias de Cusers A n o34e2 0861s B 13139 B B 0.2880 06st c 12360 ic 16 03539 1.1694 D Liz D 3 o2m2 oie c Liars * Caracteristicas de las variables. Variable Total STD Residual Dewy. Tipica ——_RSQII-RSQ) Squared Tasa PDI (Doctors) T T3050 007781 FHSS ‘Tas PDI (CU,TU,CEU,PE) 1 0332348 © 0893793, 8.413586 OVER-ALL L 0321219 0.900787 9.070335 * Medias y desviaciones tipicas de las variables en los departamentos que contienen: Cluster Tasa PDI (Doctor) “Tusa PDI (CU.TU,CEULPE) A 1.08 029) 1.04039) B 012032) 0.14026) c 0.78 034) 0.69 (036) D 149,028) 1.57026) SALIDA II (Edad) Medidas descriptivas del total de departamentos: Variable) Media Std, Dev Medina Edt Dai TER 3667 Edad 35-44 3277 1103 3333 Edad 45-54 26.1 1309 26.67 Edad 55 U3 18 1034 Matriz de correlacién (Coeficiente de correlacién de Pearson) Edad 34 Edad 35-44 Edad 45 $4 Edad $5 Ed s4 T “aT =801® “Ss Edad 35-44 - 1 1190 3009 Edad 45 54 1 04268" Edad $5 1 *p<0.01Indicadores en la Universidad: informacién y decisiones ~ 173, Matriz de factores y cargas factoriales resultantes del Andlisis de Componentes principales: Variable Factores 1 2 Edad 34 095 =36 Edad 35-44 002 0.98" Edad 45-54 089" -05 Budad 55 on 43" % varianza total sag 319 °% varianza acumulada 48 867 p<0.001 Salidas del algoritmo K medias: * Caracteristicas de los grupos formados: luster Frecuencia RMS Std desviacion Distancia miiima dewe — Chiser mis DWianeia sre B a 1 7 15 agaa> la media 0.5496 1.0382 0.7395 2.4639 0.4807 Loss 0.5490 1.3083 0.72 17359 ercano medias de Clusters c 1.8801 D 1.7960 A 1.8801 E Last D Liner * Caracteristicas de los factores: Variable Total STD Residual Desy.Tipicea —_RSQII-RSQ) R-Squared Factor Ta8031 0577235 ORSSTIR 3851a35 Factor2 1.130851 0.717161 0.61843 1.620839 OVER-ALL, 1317176 0.650968 0.768277 3.315499 * Medias y desviaciones tipicas de los fuctores en los departamentos que contienen: Cluster Factor! Factor? x 065051) “112 058) B 0.79(057) 0.89 (0.87) c 251 (0.48) “1.14 (0.48) D -0.97 (0.48) 0.58 (0.6) E 2.06 (0.75) 0.7 (0.69) SALIDA III (Actividad Docente) Medidas descriptivas: Variables Mean Std, Dev. Median "Tosa estodiantes 9601 QB 9073 T.diversidad 885 4l7 94“Indicadores en la Universal: informacién y decisiones - 174 Salidas del algoritmo K medias: * Caracteristicas de los grupos formados Cluster Frecuencia RMS Stddesviacion Distancia maxima desde Cluster més Distancia ent la media cercano medias de Clusters A 10 2m 0.7126 B 14505 B 2» 04297 1.1993 c L732 c 18 0.5837 2.1760 B Linz D 2B 03043 Lovaas B 13717 E 18 0.4532 11730 c 1.6933 * Caracteristicas de las variables: Variable Toll STD Residual Desv.Tipica —_RSQI(L-RSQ) R-Squared Tasa etadianies T TaD OTOH TST ‘Tasa diversidad Il 0.426116 0827736 4.805054 OVER-ALL 1 0.454975 0.803613, 4.091994 * Medidas resumen de las variables (estandarizadas) en los departamentos que contienen: Cluster Tasa estudiantes Tasa diversidad x “1A (026) “1.08 O28 B 0156 (043) 0.09 (0.43) c 054059) 0.490057) D -0.48 (0.44) 1470034) E 121 (053) 1.06 (0:36) SALIDA IV (Resultados Académicos) Medidas descriptivas: Variable Media Sid Dev Mediana T.Preseniados aI om m9 T. Aprobados 4799 899 4954 T. Notables 21.88 359 1940 T. Sobresaientes 1049 868 638 Tasa éxito 8037 975 8052 asa rendimiento 6492 1439 6351 Matriz de correlacién (Coeficiente de correlacién de Pearson) TPresent TAprob, T.Notables _T,Sobres._TExito Rendimiento "TPresenaos aa Os on oe 05% “.Aprobados 100,080" 0s 055" 065" Notables 1.00 ose os = 09a T Sobresiienes 1.00 ose ate Texto 100 ae T.rendimiento 1.00 =p <0.01Indicadores en la Universidad: informacién y decisiones - 175 Matriz de factores y cargas factoriales resultantes del Analisis de Componentes principales: Variable Factores 1 2 TT Presentados oF O22 T Aprobados 081s oss" TNotables 095" -0.05 T Sobresaientes, 093" 0.18 Tasa éxito oo" 029 asa rendimiento 097" 023 % varianza total 837 93 ‘9% varianza seumulada 37 Bo *p<001 Salidas del algoritmo K medias: * Caracteristicas de los grupos formados: Cluster Frecuencia RMS Std desviacion Distancia mixima desde Cluster mis Dtancia entre lamedia cereano medias de Clusters A 2 0.4687 10732 B 2.2238 B 19 oot 13077 A 2.2238 c 21 05433 1.7109 D Las D B 0422 0.9802 c 12854 E 4 0.6194 15529 D 1.6027 * Caracteristicas de los factores: Variable Total STD Residual Desv.Tipica —_RSQ\(I-RSQ) R-Squared Factor 2240609 0.605510 OasoTIS T3as0T Factor? 0.746232 0.487977 0593316 1.464973, OVER-ALL, 1.669922 0.549893 0897127, 8.720735 * Medias y desviaciones tipicas de los factores en los departamentos que contienen: Cluster Factor | Factor 2 a 375055) “aT O37) B 1.59(0.70) 0.2050) ° 0.96 (0.67) 0.84037) D -121(047) -042(041) E 279049) 0.68 (0.72) SALIDA V (Becas — Tesis) ‘ Medidas descriptivas del total de departamentos: Variable Media Std Dev. Mediana Minimo Maximo TaaTess 039 037 029 0 1a TasaBecas 0116 022 0.09 0 1.08Indicadores en la Universidad: informacién y decisiones - 176 Medias y desviaciones tipicas de los grupos formados a través de Ward's Minimum Variance: Cluster Frecuencia Tasa tesis Tasa becas a é TO3O3) 058 043) B 8 -0.2(0.53) 231:(1.08) c 8 2.09(0.22) 0.33 (0.46) 21 039031) -036 (0.41) E 36 -0.82 (0:32) 0.39 (0.48) SALIDA VI (N° Proyectos) Medidas descriptivas del total de departamentos: Variable (N°) Media Sid Dew, Mediana Minimo Miximo Tasa contraiog 027 038 01S 0 136 Tasaproyectos 021 023 ous o 1 Salidas det algoritmo K medias: * Caracteristicas de los grupas formados: Cluster Frecuencia RMS Sid desviaciin Distancia minima desde Clusters Distancia care lamedia cereano medias de Clusers A 8 0.6568 1.0817 c 19738 B 2 0.5786 2.0010 D 13946 c 7 mo 11344 A 19735 D 2 02911 0.8568 B 13946 * Caracteristicas de las variables: Variable ‘Total STD Residual Desv. Tipica ——_RSQUI-RSQ) R-Squared Taxa conan 7 OaTsS ORO SOTO “asa proyectos 1 0.524430 0738551 2781432 OVER-ALL 1 0473218 0.784678 3.64199 * Medidas resumen de las variables (estandarizadas) en los departamentos que contienen: Cluster “asa contratos “Tasa proyectos x T39 (OAR THO B 034 (0.49) 0.7 (0.65) c 1.85 (065) 015 (0.79) D -047(03) 069 (029) SALIDA VII (S Proyectos) Medidas descriptivas del total de departamentos: Variable ($) Media Std Dev. Mediana Minimo Maximo | asa contatos 981.384 1617637 170.667 0 3249400 TTasaproyectos 976.47 1616748 206.470 0 9.847.206Indicadlores en ta Universidad: informacién y decisiones ~ 177 Medias y desviaciones Variance: icas de los grupos formados a través de Ward's Minimum Cluster Frecuencia asa contatosS) Tasa proyectos (5) K a 73908) 2410.2) B 19 0.15 (0.46) 1.08 (0.82) c u 1.53097) 035 (0.4) D 45 052(019) 059 (0.14) SALIDA VIII (Publicaciones) Medidas descriptivas Variable (8) Media StdDev. Medina —_Minimo___-Miximo ase areulos 1 TAS Ta v 78 Tasa volimenes 07 079 04s 0 381 Tasa libros 034 035, 02 ° LB “asa P nacionales 148 127 108 0 5.66 asa. intemacionales 0.89 0.93 os4 o sas Matriz de correlacién (Coeficiente de correlacién de Pearson) Tatticulos __T.Vollimenes__TLibros TPnacion, T-Pain Tariculos 1.00 oa 008 Os os Tvolimenes 1.00 oor oar oor Tibeos 1.00 021 021 TPnacionales 1.00 018, T.Pintemacion 1.00 ¥p<001 Matriz de factores y cargas factorialesL principales: resultantes del Anal is de Componentes Variable Factores It 2 “Tasa articulos oar 038 ‘Tasa volimenes ¢ 082+ 031 Tasa libros 03" 0.73" ‘Tasa ponencias nacionales, oat oot “Tasa ponencias intemacionales 039 ost % varianza total . 49.3 28.6 % varianza acumulada 28.6 119 *p<001Indicadores en la Universidad! informacién y decistones - 178. Medias y desviaciones tipicas (estandarizadas) de los grupos formados a través de Ward's Minimum Variance: Cluster Frequency Factor 1 Factor? x B T6403) 079033) B 9 151085) 1.08 (07) c 9 0.01 (0:72) 2.00043) D 18 -0.65 (0.36) -0.68 (0.49) E 9 2.02 (049) 0.02 (079) SALIDA IX (Tramos) Medidas descriptivas del total de departamentos: Variable) Media StWDev. __Mediana__Minimo Maximo Tosa TramoTicrico 028 035 Om o oF Tasa‘Tramo Sexenio Oi 037 036 ° 137 Salidas del algoritmo K medias: * Caracteristicas de los grupos formados: ‘Cluster Frecuencia RMS Std desvincion Distancia minima desde ‘Clustermas Distancia ere lamedia ccereano medias de Clusters A 0.5387 0.8048 B 12158 B 1s 04028 0.8312 A 1.2158 c is 0.4798 Lass D 1.2589 D 9 04313, 11159 ic 1.2589 E 30 02612 0.7931 D 1.2768 * Caracteristicas de las variables: Variable Total STD Residual Desv.Tipica —_RSQI(1-RSQ) R-Squared Tasa tramo historico T 0425064 0827860 T8092 asa tramo sexenio Il 0338404 0.891355 8.204312 OVER-ALL 1 0384683 0.859608 6.122892 * Medidas resumen de las variables (estandarizadas) en los departamentos que contienen: Cluster Tasatramo histérico Tasa tramo sexenio x 1.06 (0.66) 198 (039) B 1350.42) 0.79(039) ic 0.19(0.59) 089(033) D 0.16 (047) -031(039) E 097(0.26) -0.90 (026)‘reno! ociom) Indicadores en la Universidad: informacién y decisiones - 179 Grifico I: PLANTILIA 0 2 o Cy @ ‘00 “aI (CU, T0,CEU, PE) Gripes 1: EDAD EDADES MEDIAS 05.45) S3ROAVNIndicadores en la Universidad: informacién y decisiones- 180 asec pot POX 10 o Gnifico Uil: ACTIVIDAD DOCENTE Ten Grice It: ACTIVIDAD DOCENTE eta 7 PoeInicadores en la Universidad: informacién y decisiones- 181 GrifeoV; BECAS / TESTS Grifico VI CONTRATOS / PROVECTOS 0 p68}Indicadoresen la Universidoa: tnformacién y decisiones - 182 Grifien VIE: CONTRATOS / PROYECTOS (3) 0 1 p00000| ‘000000 3.000000 “0.080 ‘000.00 Texter sey soeIndicadores en la Universidad: informacién y decisiones ~ 183 Grifco IX: TRAMOS ‘axe Smo.Indicadores en la Universidad: informacion y decisiones~ 134 raat CR am ao) ean TS Rene RRS RTOS | Jno vweneneaGaeverSPRcRRANASRAARAARBABARSTYGTVESIEASASSRRDSSSTUGSESESLE RES KERER|Inicaioresen la Universidad: informacion y decisions - 185 Bibliografia , b., Cluster Analysis (third edition), E« Lebart, |, Multivariate Descriptive Statistical Analysis, Ed.: John Wiley & Sons, 1993. Ever : Edward Amold, 1993, Osoro, J.M., Los indicarores de rendimiento en la evaluacion institucional universitaria, ICE, Universidad de Zaragoza, 1995, Ponencias del iv encuentro internacional de responsables de estadistica en educacién superior, Universidad Nacional Autonoma de México, México, 1998, SAS, SAS user's guide, version 6 edition. Cary, NC: SAS Institute, 1994.