Prof. univ. dr. habil. Gheorghe Săvoiu
Universitatea din Piteşti
Rezumat
Articolul prezintă o manieră distinctă de analiză statistică, definită printr-o originală diagnoză asociativă şi proiectivă a unui set de 10 programe academice de studiu ale Universităţii din Piteşti, generând 244 de variabile extrase dintr-un studiu mai larg care face parte din contractul POSDRU 156/1.2/G/141632 în cadrul proiectului abreviat NOVA-CURRICULA cofinanţat din Fondul Social European prin Programul Operaţional Sectorial Dezvoltarea Resurselor Umane 2007-2013: “Investeşte în oameni!”. Diagnoza asociativă şi proiectivă propusă aici ca metodă inovativă este simultan şi regională şi judeţean-, cu referire strictă la regiunea Sud – Muntenia şi la judeţul Argeş, ca fiind bazinul extins şi respectiv bazinul reprezentativ conform principiului statistic 60/60 al Universităţii din Piteşti şi al celor 10 programe analizate (într-o gamă diversă, de la programe academice de inginerie, la programe de asistenţă medicală, etc.). Articolul încearcă şi reușește în opinia autorului acestuia să identifice în mulţimea de variabile agregate în baza de date a unei analize multidimensionale asocieri şi corelaţii care să răspundă la cerinţa de modelare concretă a ofertei educaţionale în bazinul de selecţie a unui set extins de zece programe academice, având ca premise şi priorităţi strategia Europa 2020, respectiv o educaţie academică aptă să asigure legătura cu piaţa muncii şi mai ales să conducă la creşterea economică inteligentă, durabilă şi favorabilă incluziunii sociale, prin valorificarea unui pachet de programe informatice (Eviews), la final apărând şi câteva remarci şi anticipări necesare delimitării de noi competenţe educaţionale ce se impun de altfel în întreg sistemul academic naţional şi nu numai în piaţa reală regională şi judeţeană.
Cuvinte cheie: diagnoză asociativă şi proiectivă, matrice şi raport de corelaţie, analiza multidimensională, asociere şi corelaţie statiscă, modelare educaţională.
An associative and projective diagnosis focused on the analysis of statistical databases characteristic of academic education
Abstract
The paper presents a distinct manner of statistical analysis, defined by an original associative and projective diagnosis of a set of 10 academic study programmes of the University of Pitesti, generating 244 variables drawn from a larger study that is part of the POSDRU (HRD) contract 156/1.2/G/141632, part of the project known, in its abbreviated form, as NOVA-CURRICULA, a project co-funded by the European Social Fund through the Operational Programme Human Resources Development 2007-2013: “Investing in people”. The associative and projective diagnosis hereby proposed as an innovative method is at the same time regional and county-oriented, referring strictly to the South-Muntenia region and the Argeş county, as the extended pool and the representative pool, in keeping with the statistic 60/60 principle, for the University of Pitesti, and the 10 programmes analysed (in a diverse range, from academic programs in engineering to nursing programmes, etc.). The article tries to find, and – in the author’s opinion – succeeds in identifying, among the multitude of variables aggregated in the database of a multidimensional analysis, associations and correlations that should meet the requirement of specifically modelling the educational supply, in the selection pool, an extensive set of ten academic programmes, using as assumptions and priorities the Europe 2020 strategy, that is an academic education able to link with the labour market, and especially lead to intelligent, sustainable and socially inclusive growth, by means of a software package (EViews); finally, there are a number of remarks and anticipations necessary for a general delimitation of new skills, which are in fact requisite throughout the national academic system, not only in the regional and county real market.
Keywords: associative and projective diagnosis, matrix and correlation ratio, multidimensional analysis, statistic association and correlation, educational modelling
