Университеттерде тәуекелдерді деректер негізінде басқару: талдау және болжамды модельдерді қолдану
Авторлар
- Назгуль Давлетбаева Академик Е.А. Бөкетов атындағы Қарағанды ұлттық зерттеу университеті, Қарағанды, Қазақстан
-
Торғын Нұрсейт
Академик Е.А. Бөкетов атындағы Қарағанды ұлттық зерттеу университеті, Қарағанды, Қазақстан
-
Куат Жетписбаев
Академик Е.А. Бөкетов атындағы Қарағанды ұлттық зерттеу университеті, Қарағанды, Қазақстан
-
Актам Бурханов
Ташкент мемлекеттік экономика университеті, Ташкент, Өзбекстан
-
Айгерим Рахметоллаева
Академик Е.А. Бөкетов атындағы Қарағанды ұлттық зерттеу университеті, Қарағанды, Қазақстан
DOI:
https://doi.org/10.31489/2026FEB1/1393Кілт сөздер:
мәліметтер негізіндегі тәуекелдерді басқару, университеттер, болжау модельдері, оқу аналитикасы, кәсіпорын тәуекелін басқаруАңдатпа
Қазіргі университеттер цифрлық трансформация, қаржылық тұрақсыздық, демографиялық өзгерістер, студенттер мен академиялық кадрлар үшін бәсекелестік және киберқауіптер, сондай-ақ реттеуші органдар мен қоғам тарапынан артып келе жатқан талаптар тудырған белгісіздік жағдайында жұмыс істейді. Жоғары білім беру саласындағы дәстүрлі тәуекелдерді басқару көбінесе бытыраңқы, жағдайға қарай әрекет ететін және стратегиялық шешімдер қабылдаумен жеткілікті деңгейде байланыспаған сипатта болады. Зерттеу мақсаты - университеттерде деректерге негізделген тәуекелдерді басқарудың тұжырымдамалық-қолданбалы моделін әзірлеу, яғни enterprise risk management, key risk
indicators, dashboards, learning analytics және болжамдық модельдерді біріктіру. Зерттеу тұжырымдамалық-қолданбалы сипатқа ие және жоғары білімдегі тәуекелдерді басқару, оқыту аналитикасы, ерте
ескерту жүйелері, болжамдық аналитика және цифрлық басқару бойынша халықаралық ғылыми
әдебиеттерді талдауға негізделген. Әдістемелік негіз ретінде жүйелік талдау, салыстырмалы талдау,
тәуекел картасын құру, жетілу деңгейін бағалау және тұжырымдамалық модельдеу қолданылды.
Зерттеу нәтижесінде бес компоненттен тұратын деректерге негізделген ERM моделі ұсынылды: тәуекел деректерінің архитектурасы, тәуекелдер таксономиясы, негізгі тәуекел индикаторлары, болжамдық модельдер және басқарушылық жауап беру механизмдері. Сонымен қатар академиялық, қаржылық, цифрлық, кадрлық, операциялық және беделдік тәуекелдер бойынша тәуекел индикаторлары, шекті мәндер және тәуекелдерді бағалау матрицасы ұсынылды. Зерттеу нәтижелері аналитика мен болжамдық модельдер университеттердегі тәуекелдерді басқаруды формальды бақылау функциясынан проактивті, өлшенетін және дәлелдерге негізделген басқару жүйесіне айналдыра алатынын көрсетеді. Ұсынылған модель Қазақстан университеттерінде тәуекелдерді ерте анықтау, стратегиялық жоспарлау және институционалдық тұрақтылықты арттыру үшін қолданылуы мүмкін.
Дәйексөздер
Bañeres, D., Rodríguez, M. E., Guerrero-Roldán, A. E., & Karadeniz, A. (2020). An early warning system to detect at-risk students in online higher education. Applied Sciences, 10(13), 4427.
https://doi.org/10.3390/app10134427
Bañeres, D., Rodríguez, M. E., Guerrero-Roldán, A. E., & Cortadas, P. (2023). An early warning system to identify and intervene online dropout learners. International Journal of Educational Technology in
Higher Education, 20, 3. https://doi.org/10.1186/s41239-022-00371-5
Committee of Sponsoring Organizations of the Treadway Commission. (2017). Enterprise Risk Management — Integrating with Strategy and Performance. COSO. Retrieved from
https://www.coso.org/enterprise-risk-management
Cui, Y., Chen, F., Shiri, A., & Fan, Y. (2019). Predictive analytic models of student success in higher
education: A review of methodology. Information and Learning Sciences, 120(3/4), 208–227.
https://doi.org/10.1108/ILS-10-2018-0104
International Organization for Standardization. (2018). ISO 31000:2018 Risk management — Guidelines. ISO. Retrieved from https://www.iso.org/standard/65694.html
Khaw, T. Y., & Teoh, A. P. (2023). Risk management in higher education research: A systematic literature review. Quality Assurance in Education, 31(2), 296–312. https://doi.org/10.1108/QAE-04-2022-0097
de Oliveira, C. F., Sobral, S. R., Ferreira, M. J., & Moreira, F. (2021). How does learning analytics contribute to prevent students’ dropout in higher education: A systematic literature review. Big Data and Cognitive Computing, 5(4), 64. https://doi.org/10.3390/bdcc5040064
Siemens, G. (2013). Learning analytics: The emergence of a discipline. American Behavioral Scientist,
57(10), 1380–1400. https://doi.org/10.1177/0002764213498851
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research
on artificial intelligence applications in higher education — Where are the educators? International Journal
of Educational Technology in Higher Education, 16, 39. https://doi.org/10.1186/s41239-019-0171-0
