Klasyfikacja dyscyplin – obosieczne narz臋dzie polityki naukowej

Klasyfikacja obszar贸w bada艅 naukowych jest kwesti膮 pewnej konwencji, kt贸ra z kolei stanowi wypadkow膮 m.in. struktury paradygmat贸w, instytucjonalnego izomorfizmu (kompatybilno艣膰 z otoczeniem), spo艂ecznej akulturacji, w tym w艂asnej tradycji, czy po prostu 艣rodowiskowych linii demarkacyjnych. Cz臋艣膰 dzisiejszych konwencji wywodzi si臋 ze staro偶ytno艣ci, inne okrzep艂y w XIX wieku, gdy nast臋powa艂a instytucjonalizacja edukacji na szczeblu wy偶szym. Od tej pory, zar贸wno w kontek艣cie globalnym, jak i krajowym, sporo energii 艣rodowisk akademickich po艣wi臋canej jest b膮d藕 to na obron臋 status quo, ugruntowanie w艂asnej pozycji i obron臋 granic przed 鈥瀒ntruzami鈥 z innych p贸l wiedzy (co cz臋sto wybrzmiewa dzi艣 tak偶e np. w recenzjach NCN), b膮d藕 na聽instytucjonalnej pracy聽po艣wi臋conej delimitacji i umacnianiu聽nowego obszaru wiedzy.

Stanowi ona jednocze艣nie istotne narz臋dzie prowadzenia polityki naukowej w Polsce, kt贸re mo偶e by膰 wykorzystywane z po偶ytkiem lub szkod膮 dla systemu instytucji i bada艅…

Zach臋cam do lektury ca艂ego tekstu na ten temat, opublikowanego w Forum Akademickim:

Sonda偶e przedwyborcze i efekt peletonu

Poni偶ej przygl膮dam si臋 pewnym tendencjom, kt贸re pojawi艂y si臋 w ostatnich latach w sonda偶ach przedwyborczych. Podstawowy wniosek, jaki mo偶na wysnu膰, m贸wi, 偶e wzros艂a zbie偶no艣膰 predykcji sonda偶owych, ale spad艂a ich 艂膮czna jako艣膰. Wydaje si臋, 偶e mo偶na to wyja艣ni膰 “efektem peletonu”.

Wyniki bada艅 przedwyborczych przynosz膮 nam pewn膮 wiedz臋 zar贸wno o wynikach nadchodz膮cych wybor贸w, jak i o przemianach w sektorze badania opinii. Ten wpis jest g艂贸wnie o tych drugich. Swoje obserwacje opar艂em na traktowanych por贸wnawczo sonda偶ach przedwyborczych z lat 2011, 2015, 2019 i 2023 (dane znormalizowane1).

TL;DR: Ludzie nie zmieniaj膮 pogl膮d贸w tak szybko, jak skacz膮 s艂upki 鈥 waga kampanii jest przeceniana; z wynik贸w sonda偶y da si臋 wyczyta膰 jak zmienia si臋 sama technologia tego fachu; sonda偶e “czytaj膮” inne sonda偶e.

Zacznijmy od tego, 偶e doszukiwanie si臋 trend贸w w traktowanych 艂膮cznie sonda偶ach w czterech ostatnich wyborach by艂o g艂贸wnie rze藕bieniem w szumie. Je艣li co艣 by艂o wida膰, to systematyczne niedoszacowanie jednych komitet贸w i przeszacowanie innych 鈥 w艂a艣nie to pokazuje wykres powy偶ej. S膮 na nim odchylenia od wyniku wybor贸w. Tu i dalej konsekwentnie pomijam CBOS z powod贸w, kt贸re streszczam w przypisie2.

Od 2011 roku stabilnie przeszacowane by艂y du偶e partie i “stare marki” (w 2011 SLD, w 2015 PO, a w 2019 PiS), a niedoszacowane 鈥 鈥瀗owe marki鈥 o mniejszym poparciu (w 2011 Ruch Palikota, w 2015 Kukiz i .Nowoczesna, w 2019 Koalicja Polska i Konfederacja, a w 2023 Trzecia Droga). S膮 to wzgl臋dnie regularne prze- i niedoszacowania. Realnie nie by艂o silnego klarownego 鈥瀟rendu鈥 (patrz wykres powy偶ej).

Szeroko komentowane mi臋dzysonda偶owe 鈥瀞koki鈥 poparcia (zwykle ze wskazaniem 鈥炁簉贸de艂 wzrostu/spadku” 鈥 co jest zawsze tak urocze) by艂y przede wszystkim artefaktami. Owe artefakty mia艂y najprawdopodobniej dwojakie 藕r贸d艂o: sam b艂膮d pomiaru, jak i strategi臋 badawcz膮 sonda偶owni. Poka偶臋 to na liczbach, ale najpierw musicie przecierpie膰 akademickie przynudzania na temat wyliczania b艂臋d贸w losowych.

Przy wynikach sonda偶y podawany jest cz臋sto 鈥瀖aksymalny b艂膮d oszacowania鈥. Prawie zawsze (zawsze?) jest zwyczajnie niepoprawny, poniewa偶 ustala si臋 go jedynie na podstawie liczebno艣ci pr贸by. Jest on zani偶ony, poniewa偶 nie uwzgl臋dnia paru rzeczy. Nie chodzi tu jedynie o b艂臋dy systematyczne, kt贸re maj膮 wiele 藕r贸de艂: brzmienie pyta艅, ich kolejno艣膰, korelacje odm贸w z pogl膮dami itd. (nie b臋d臋 brn膮艂 w ten w膮tek 鈥 te b艂臋dy s膮 i tyle, trzeba mie膰 ich 艣wiadomo艣膰 i stara膰 si臋 je minimalizowa膰). Ju偶 sam b艂膮d losowy jest wi臋kszy ni偶 podawany. Dzieje si臋 tak, poniewa偶 wszystkie (prove me wrong!) o艣rodki badawcze stosuj膮 kwotowanie lub wagi analityczne. W przypadku pierwszego w og贸le nie powinno si臋 liczy膰 b艂臋du jak przy SRS, w przypadku drugiego jest on wyra藕nie wi臋kszy (zmniejsza si臋 effective sample size).

Tzw. 鈥瀖aksymalny b艂膮d oszacowania鈥 艂atwo obali膰 patrz膮c na jego weryfikacj臋 wyborcz膮. Statystycznie tylko 5 oszacowa艅 punktowych na 100 powinno odchyla膰 si臋 o wi臋cej ni偶 dwa b艂臋dy standardowe od wyniku PKW. W ci膮gu 10 dni przed wyborami w 2019 odchyle艅 tych by艂o 44 na 85! (zaznaczone na czerwono w tabelce poni偶ej)

Tylko nie t艂umaczcie tego 鈥瀟rendem鈥, prosz臋…

Oczywi艣cie niekt贸rzy pomylili si臋 bardziej ni偶 inni. Jednak 偶adna pracownia nie by艂a stabilnym liderem predykcji na przestrzeni wielu lat 鈥 sukces nie jest wi臋c replikowalny. Nie da si臋 jednoznacznie wskaza膰 “najlepszej kuchni”. Tej “kuchni” przede wszystkim praktycznie nie znamy. Publikowane notki zawieraj膮 jedynie informacje szcz膮tkowe – nic tam nie ma o doborze respondent贸w, response rate, wa偶eniu, za ma艂o jest o filtrowaniu. Trudno wi臋c oceni膰 realne obci膮偶enie poszczeg贸lnych wynik贸w. Informacje metodologiczne traktowane s膮 w znacznej mierze jak sekret korporacyjny, a nie spos贸b na budowanie spo艂ecznej wiarygodno艣ci. (Tym elementem powinny pr贸bowa膰 si臋 wyr贸偶ni膰 wi臋ksze pracownie – zw艂aszcza w kontek艣cie tendencji o kt贸rych napisz臋 dalej.)

Czy bez wiedzy insiderskiej da si臋 co艣 powiedzie膰 o wsp贸艂czesnej “kuchni”? Wydaje mi si臋, 偶e tak.

Tu wr贸膰my do wa偶enia. Mo偶na je przeprowadzi膰 wg szeregu r贸偶nych kryteri贸w, np. cech spo艂eczno-demograficznych, retrospektywnych deklaracji ws. wcze艣niejszych g艂osowa艅 itp., a dok艂adny wyb贸r sposobu wa偶enia i filtrowania jest zawsze w pewnym stopniu arbitralny. To powoduje, 偶e nie mamy przewa偶nie do czynienia z “czystymi” sonda偶ami (w sensie surowego rozk艂adu odpowiedzi), a z sonda偶owymi prognozami (dane przetworzone ekspercko). Co wa偶ne – komponent arbitralny pozwala uwzgl臋dni膰 w nich dodatkowe informacje kontekstowe… w tym 艣redni膮 wynik贸w innych pracowni.

Update: Poni偶ej przedstawiam przeci臋tne odchylenie pojedynczego wyniku sonda偶u od ich 艂膮cznej 艣redniej w miesi膮cu poprzedzaj膮cym wybory parlamentarne (tylko komitety “ponadprogowe”). Jak wida膰, od 12 lat rozrzut wynik贸w systematycznie zmniejsza si臋.

Rosn膮ca zbie偶no艣膰 wynik贸w sugeruje, 偶e pracownie staraj膮 si臋 lekko nawigowa膰 wzgl臋dem siebie, co jest decyzj膮 wzgl臋dnie racjonaln膮 biznesowo, zw艂aszcza w przypadku o艣rodk贸w robi膮cych tanie badania, 艣wiadomych s艂abo艣ci w艂asnych danych. jest to po prostu optymalizacja jako艣ci do kosztu z wykorzystaniem darmowego “surowca”. Wi臋kszo艣膰 sonda偶y zamawiaj膮 media, im zale偶y na klikalno艣ci/ogl膮dalno艣ci, ale nie s膮 w stanie zap艂aci膰 kilkuset tysi臋cy z艂otych w ka偶dy weekend. Powstaje wi臋c wiele sonda偶y wzgl臋dnie tanich, o ni偶szych standardach, ni偶 akademickie. Reprezentatywno艣膰 tych sonda偶y jest wzgl臋dnie niska. Dost臋pne s膮 jednak 艣rednie z wielu sonda偶y, czyli ekwiwalent “powi臋kszenia pr贸bki”. Dlaczego nie skorzysta膰?

Jak wie ka偶dy zawodowy kolarz, nie ogl膮danie si臋 na reszt臋 peletonu jest ryzykowne. Jazda z 鈥瀙eletonem鈥 stanowi rodzaj ubezpieczenia. Wi臋ksza zbie偶no艣膰 powoduje, 偶e ca艂y sektor sonda偶owy pospo艂u wygra lub przegra. Kto jest w stawce, ten mo偶e przynajmniej nie wypadnie z rynku. Co wi臋cej, uwzgl臋dnianie wynik贸w innych sonda偶y jest jak jechanie za plecami konkurenta – troch臋 l偶ej si臋 peda艂uje.

O ile “efekt peletonu” (tzw. herding) jest racjonalny z punktu widzenia przynajmniej cz臋艣ci pracowni badawczych, to niekoniecznie jest on korzystny dla konsument贸w sonda偶y. Wi臋ksza sp贸jno艣膰 wynik贸w tworzy poz贸r pewno艣ci prognozy. Gdyby nie wspomaganie zbie偶no艣ci wynik贸w (zw艂aszcza wi臋kszych partii), bardziej wiarygodna by艂aby te偶 艣rednia z wielu sonda偶y. Wykorzystywanie informacji kontekstowej dok艂ada bowiem nowe 藕r贸d艂o b艂臋du systematycznego. Wracaj膮c do metafory kolarskiej – cz臋sto peleton wje偶d偶a na met臋 jako pierwszy, ale nie raz zdarza si臋, 偶e ogl膮danie si臋 na siebie nawzajem prowadzi do przesadnego obni偶enia wsp贸lnego tempa. W贸wczas peleton przegrywa.

殴r贸d艂o: wiktionary.org

Jako艣ciowej korekty prognoz – je艣li nast膮pi – mo偶na oczekiwa膰 dopiero w ostatnim tygodniu przed wyborami, tu偶 przed klarown膮 weryfikacj膮 jako艣ci oszacowa艅. Wszelkie wcze艣niejsze odchylenia mo偶na t艂umaczy膰 “trendami poparcia”, kt贸re s膮 w zasadzie nieweryfikowalne.

鈥濳orekta鈥 na ostatniej prostej nie zawsze jest skuteczna (cho膰 zak艂adam, 偶e wszyscy dok艂adaj膮 w贸wczas wi臋kszych stara艅), ale okaza艂a si臋 taka w 2015 roku. Tu jednak znajdujemy dodatkow膮 przes艂ank臋, aby s膮dzi膰, 偶e trafne wa偶enie odgrywa bardzo du偶膮 rol臋 w poprawnym szacowaniu wynik贸w. W maju 2015 odby艂y si臋 wybory prezydenckie. Retrospektywne pytanie o spos贸b g艂osowania w maju by艂y jesieni膮 znacznie lepsz膮 鈥瀔otwic膮鈥 kalibracji wag, ni偶 gdy czyni si臋 to w oparciu o deklaracj臋 g艂osowania cztery lata wcze艣niej. Po prostu fakt, 偶e kto艣 zadeklarowa艂 g艂osowanie na Dud臋/Komorowskiego by艂 znakomitym predyktorem g艂osowania w pa藕dzierniku. To dlatego uda艂o si臋 w贸wczas stworzy膰 lepsze oszacowania. W tygodniu przed tymi wyborami na 66 oszacowa艅 punktowych (11 sonda偶y * 6 komitet贸w z > 5pp) powy偶ej b艂臋du losowego znalaz艂o si臋 jedynie 15 (wci膮偶 wi臋cej ni偶 oczekuje statystyka indukcyjna, ale por贸wnajcie to z ponad po艂ow膮 przekrocze艅 w 2019!)

15 X poznamy nie tylko zwyci臋zc臋 wybor贸w, ale r贸wnie偶 zwyci臋zc臋 prognoz. Czy b臋dzie to zwyci臋stwo wypracowane na podstawie finezyjnej metodologii, 偶elaznej dyscypliny i pe艂nej po艣wi臋ce艅 pracy ankieter贸w? Mam nadziej臋. Ale trudno b臋dzie wykluczy膰 zwyk艂y fart. Socjologia w zakresie prognoz rywalizuje raczej z meteorologi膮 czy sejsmologi膮, a ni偶 z astronomi膮. Z dwutygodniowym wyprzedzeniem bardzo trudno przewidzie膰 czy potrzebny b臋dzie parasol.

Na koniec niezb臋dny jest DISCLAIMER: Nie oznacza to wcale, 偶e sonda偶e i prognozy s膮 bezwarto艣ciowe i 偶e nic nie wiadomo. Przeciwnie, dzi臋ki sonda偶om wiemy ca艂kiem sporo i mo偶emy by膰 艣wiadomymi wyborcami. Ale warto zna膰 specyfik臋 tego “barometru” i bra膰 na ni膮 poprawk臋.

PS. Wiadomo ju偶, kt贸re sonda偶e okaza艂y si臋 najbli偶sze wynikom wybor贸w (przy czym mo偶na to mierzy膰 na kilka r贸偶nych sposob贸w):
https://x.com/spoleczenstwopl/status/1732776755264405598?s=20

Przypisy:

  1. Wyniki podawane przez poszczeg贸lne pracownie nie s膮 bezpo艣rednio por贸wnywalne, cho膰by ze wzgl臋du na rozbie偶ne odsetki odpowiedzi “nie wiem”. 呕eby zestawia膰 je mi臋dzy sob膮 i z PKW, powinny sumowa膰 si臋 do 100. W艂a艣nie temu s艂u偶y normalizacja. Warto zauwa偶y膰, 偶e czym wy偶szy odsetek odpowiedzi “nie wiem”, tym 艂atwiej jest p贸藕niej pracowni broni膰 si臋, 偶e to w艂a艣nie w niej zaszyte by艂y brakuj膮ce punkty procentowe. Skoro i tak stosowane s膮 wagi, a niezdecydowani s膮 dopytywani o pogl膮dy, prognozy powinny to uwzgl臋dnia膰. 鈫╋笌
  2. CBOS od dawna mierzy si臋 z silnym house effect, kt贸rego jest 艣wiadom i kt贸rego mimo wszystko nie koryguje. Zachowuje natomiast wzgl臋dnie sp贸jn膮 metodologi臋, do艣膰 istotn膮 z punktu widzenia 艣ledzenia trend贸w – co jest pewn膮 warto艣ci膮 tych bada艅 (#reliablebiaspride). Powoduje to, 偶e CBOSu nie nale偶y traktowa膰 jak podmiotu z rynku sonda偶y przedwyborczych. Jego nadrz臋dnym celem nie jest prognoza wyniku PKW. Wa偶y tylko na demografikach. Nie ma medialnych zleceniodawc贸w, ale mecenasa, kt贸ry (jak s膮dz臋) za bardzo nie 偶yczy sobie jakichkolwiek nowinek. 鈫╋笌

Inflacja w nauce

W roku 2021 Minister Edukacji i Nauki trzykrotnie zmienia艂 zawarto艣膰 wykaz贸w czasopism naukowych. Wskutek tych zmian 艂膮czna liczba punkt贸w przyznawanych za artyku艂y wzros艂a w poszczeg贸lnych dyscyplinach tak, jak przedstawia to poni偶szy wykres. Wy偶sz膮 punktacj臋 zyska艂y w szczeg贸lno艣ci krajowe czasopisma naukowe. Wprowadzone zmiany dzia艂a艂y wstecz, zatem stanowi艂y nie tyle sygna艂 dla autor贸w, gdzie warto wysy艂a膰 teksty (zwi臋kszaj膮c konkurencj臋), co rodzaj redystrybucji – zamian臋 porz膮dku przyznawania kategorii naukowych (a wraz z nimi wysoko艣膰 finansowania i uprawnienia do nadawania stopni naukowych) w samej ko艅c贸wce okresu obj臋tego ocen膮 (2017-2021).

Kr臋ta 艣cie偶ka kobiet ku STEM

Jaki艣 czas temu pisali艣my o wynikach bada艅 nad p艂acowymi konsekwencjami wyboru 艣cie偶ki edukacyjnej (a w konsekwencji zawodowej). Najlepiej p艂atna praca dotyczy艂a absolwent贸w kierunk贸w in偶ynieryjnych i innych bezpo艣rednio zwi膮zanych z matematyk膮. Przyj臋艂o si臋 okre艣la膰 je mianem sektora STEM (science, technology, engineering, mathematics), b臋d膮cego filarem tzw. nowej gospodarki.

Pomimo zmian, jakie w ostatnich dekadach zachodz膮 w po艂o偶eniu spo艂ecznym kobiet, niekt贸re obszary edukacji i rynku pracy, w tym w艂a艣nie STEM, nadal s膮 wyra藕nie zdominowane przez m臋偶czyzn. W konsekwencji epoka spo艂ecze艅stwa informacyjnego zast臋puje jedne statusowe nier贸wno艣ci mi臋dzy p艂ciami innymi. Tym razem przyczyn膮 nie jest jednak formalne zamkni臋cie zawod贸w przed kobietami, ale w znacznej mierze ich w艂asny wyb贸r. Nasuwa to szereg pyta艅 o proces selekcji do STEM – czy kszta艂tuje j膮 w spos贸b 艣cis艂y r贸偶nica uzdolnie艅? Kiedy w艂a艣ciwie zapadaj膮 kluczowe, indywidualne decyzje o 艣cie偶ce kariery?

Przez d艂ugi czas s膮dzono, 偶e przyczyn膮 odmiennych 艣cie偶ek profesjonalnych by艂a po prostu r贸偶nica umiej臋tno艣ci matematycznych. Tego obrazu nie potwierdzaj膮 jednak szczeg贸艂owe badania nad osi膮gni臋ciami szkolnymi. Polskie dziewczynki nie wypadaj膮 gorzej ni偶 ch艂opcy w badaniach por贸wnawczych, takich jak PISA. Ale wzory te mo偶na przeanalizowa膰 nie tylko w oparciu o dane wywo艂ane (sztuczna sytuacja pomiarowa), ale r贸wnie偶 bezpo艣rednio w oparciu o dane egzaminacyjne – i to “test wysokiej stawki”, jakim jest matura. Na tych w艂a艣nie danych – wynikach egzamin贸w ponad 膰wier膰 miliona maturzyst贸w w ka偶dym z analizowanych lat – oparli艣my swoje badanie, kt贸re zosta艂y niedawno opublikowane w dw贸ch artyku艂ach: Filtered out, but not by the skill: the gender gap in pursuing mathematics at a high-stakes exam (2019, Sex Roles) oraz The net effect of ability tilt in gendered STEM-related choices (2020, Intelligence). Wyniki stre艣ci艂 i opublikowa艂 m.in. portal Yahoo Finance, wypada przedstawi膰 je w przyst臋pnej formie r贸wnie偶 polskim odbiorcom.

Matura jest kluczowym progiem w karierze szkolnej, poniewa偶 decyduje o przej艣ciu od edukacji o charakterze generalnym do edukacji o charakterze profesjonalnym. Si艂a wp艂ywu wykszta艂cenia wy偶szego objawia si臋 za艣 cho膰by w tym, jak rzadko spotkamy prawnika po studiach informatycznych i programist臋 po prawie. Generalnie rzecz bior膮c – kluczowe, najwy偶ej p艂atne profesje obsadzane s膮 na podstawie certyfikacji b臋d膮cej pochodn膮 wyboru i przebiegu studi贸w. W tej “linii produkcyjnej” nie mniej istotne jest to, 偶e przepustk膮 na okre艣lone studia jest w艂a艣nie matura.

Interesowa艂o nas czy dziewczyny i ch艂opcy maj膮 takie same szanse przyst膮pienia do rozszerzonej matury z matematyki. Maj膮c powa偶ne intencje studiowania na kierunkach zwi膮zanych z matematyk膮, trudno nie zdecydowa膰 si臋 na taki egzamin. Jego wynik jest po prostu wy偶ej punktowany w trakcie rekrutacji np. na wi臋kszo艣膰 kierunk贸w Politechniki Warszawskiej. Ze wzgl臋du na wysok膮 konkurencj臋 na kierunki prowadz膮ce do lukratywnej pracy w STEM, egzamin z tego przedmiotu mo偶na potraktowa膰 jako rodzaj “biletu wst臋pu”. A ju偶 na pewno jest on wska藕nikiem plan贸w i aspiracji dotycz膮cych dalszej kariery.

Co ciekawe, polska matura tworzy sytuacj臋 optymaln膮, niemal eksperymentaln膮 do badania wp艂ywu umiej臋tno艣ci na wyb贸r 艣cie偶ki STEM. Jej elementem jest bowiem obowi膮zkowa matura podstawowa z matematyki. R贸偶ni si臋 ona od rozszerzonej przede wszystkim zakresem programu i pozwala sprawdzi膰 na ile poszczeg贸lni uczniowie byli w stanie przyswoi膰 sobie “kanon” umiej臋tno艣ci matematycznych. Mo偶na zasadnie przyj膮膰, 偶e umiej臋tno艣ci w zakresie kanonu podstawowego s膮 w istocie predyktorem umiej臋tno艣ci matematycznych w og贸le. Czym lepiej ucze艅 zdaje matur臋 podstawow膮, tym lepiej – statystycznie rzecz bior膮c – zdaje r贸wnie偶 rozszerzon膮. Korelacja mi臋dzy tymi wynikami wynosi oko艂o 0,9, a wi臋c jest niezwykle silna. Co wi臋cej, pami臋tajmy, 偶e badanie nie dotyczy skraj贸w rozk艂adu talent贸w matematycznych, ale znacznie szerszej grupy. Bardzo znacz膮cy zakres pracy w zawodach STEM opiera si臋 na rozszerzeniu kilku umiej臋tno艣ci bazowych, a nie na przejawach “geniuszu matematycznego” przy rozwi膮zywaniu problem贸w rutynowo wpisanych w prac臋 (pocz膮wszy od organizacji produkcji, przez pisanie kodu, a sko艅czywszy na analizie marketingowej).

Miryam Mirzakhani (藕r贸d艂o: YouTube)

Co pokaza艂y nasze analizy? Zacznijmy od tego, 偶e wed艂ug danych z matur z ostatnich lat m艂odzi m臋偶czy藕ni ponad dwukrotnie cz臋艣ciej przyst臋puj膮 do rozszerzonej matury z matematyki. Ju偶 sama ta r贸偶nica pozwala zrozumie膰 dysproporcj臋 p艂ci na kierunkach in偶ynieryjnych. Kobiety masowo “wypadaj膮 z gry” ju偶 na etapie szko艂y 艣redniej. Mo偶na by przypuszcza膰, 偶e cz臋艣膰 tej r贸偶nicy obja艣ni odmienny poziom wynik贸w z matematyki. Nic bardziej mylnego! Kiedy podda si臋 statystycznej kontroli wynik z matury obowi膮zkowej – co oznacza, 偶e model statystyczny czyni por贸wnania pomi臋dzy osobami o tym samym poziomie umiej臋tno艣ci – luka mi臋dzy kobietami i m臋偶czyznami staje si臋 w istocie wi臋ksza. Okazuje si臋, 偶e wy偶sze umiej臋tno艣ci matematyczne nie zmniejszaj膮 dysproporcji w sk艂onno艣ci do wyboru 艣cie偶ki matematycznej. Brzmi nieco paradoksalnie, prawda?

Dlaczego jednak tak si臋 w艂a艣nie dzieje? Co stoi za tym, 偶e wzrost umiej臋tno艣ci nie zmniejsza luki w sk艂onno艣ci do pogoni za karier膮 w STEM? Dos艂ownej, bezpo艣redniej odpowiedzi nie znajdziemy w “suchych” wynikach z matury. Mo偶emy w nich jednak znale藕膰 pewne istotne poszlaki. Ot贸偶 drug膮 rzecz膮, kt贸rej si臋 przyjrzeli艣my, by艂y wyniki maturalne z j臋zyka polskiego. To, 偶e wysokie umiej臋tno艣ci humanistyczne (zw艂aszcza kompetencje j臋zykowe) kierowa艂y uczni贸w ku 艣cie偶kom na studia humanistyczne i spo艂eczne – nie jest specjalnym zaskoczeniem. Ale wa偶ne jest to, 偶e owe umiej臋tno艣ci “odci膮gaj膮” kobiety znacznie silniej ni偶 m臋偶czyzn, a jednocze艣nie jest znacznie wi臋cej kobiet, kt贸re 艂膮cz膮 ponadprzeci臋tne zdolno艣ci matematyczne z ponadprzeci臋tnymi zdolno艣ciami humanistycznymi. Tworzy to pewien paradoks. Jednym z powod贸w odp艂ywu ze 艣cie偶ku ku STEM kobiet s膮 wzgl臋dnie wysokie dodatkowe umiej臋tno艣ci i tym samym szerszy wachlarz opcji kariery. Ten wi臋kszy wyb贸r dzia艂a – to istota paradoksu – na niekorzy艣膰 kobiet.

Prawdopodobie艅stwo wyboru matematyki na maturze rozszerzonej (o艣 Y)
w zale偶no艣ci od wyniku z egzaminu obowi膮zkowego (o艣 X, warto艣ci standaryzowane)

Pami臋tajmy bowiem, 偶e ludzie wybieraj膮 艣cie偶ki edukacji i pracy nie tylko por贸wnuj膮c si臋 z innymi, ale tak偶e por贸wnuj膮c si臋 “wewn臋trznie” – definiuj膮c swoje “s艂abe” i “mocne” strony. Cudzys艂贸w st膮d, 偶e ta ocena nie zawsze jest rzetelna i obiektywna, cz臋sto nie przystaje te偶 do relacji ryzyka do wzgl臋dnych korzy艣ci (w tym p艂acowych) z danego poziomu zdolno艣ci. Zauwa偶my, 偶e kto艣 o zupe艂nie przeci臋tnych umiej臋tno艣ciach matematycznych, ale kompletnym braku innych uzdolnie艅 – je艣li zdecyduje, aby rozpocz膮膰 studia – z du偶ym prawdopodobie艅stwem wybierze kierunek techniczny, in偶ynieryjny lub inny zwi膮zany z matematyk膮. W艣r贸d tych os贸b wi臋cej jest z kolei m臋偶czyzn.

Z instytucjonalnego punktu widzenia znaczenie odgrywa tak偶e wzgl臋dnie sztywny system edukacji profilowanej w liceach. Pami臋tajmy, 偶e wyboru 艣cie偶ki przedmiotowej formalnie dokonuj膮 absolwenci podstaw贸wek. Jest to zatem wzgl臋dnie wczesna decyzja o du偶ej wadze. Wiedza o w艂asnych uzdolnieniach i ich warto艣ci na rynku pracy, a tak偶e plany kariery s膮 w wieku 15 lat wci膮偶 do艣膰 mgliste, za艣 nie wszyscy rodzice s膮 kompetentnymi doradcami edukacyjnymi. System szkolny powinien w procesie “sortowania” uczni贸w w wi臋kszym stopniu bra膰 to pod uwag臋. Warto mie膰 na wzgl臋dzie m.in. fakt, 偶e o nastawieniu do przedmiotu decyduje w du偶ej mierze nauczyciel w szkole podstawowej, a z punktu widzenia wi臋kszo艣ci uczni贸w to, na jakiego trafiaj膮, jest procesem losowym.

Oczywi艣cie sprawa wyboru kariery jest bardzo z艂o偶ona i wzi臋li艣my tu w nawias ca艂y zestaw czynnik贸w kulturowych, subtelnych “szturchni臋膰” w procesie edukacji, stereotyp贸w czy l臋k贸w zwi膮zanych z wej艣ciem do zmaskulinizowanego zawodu. Nie zmienia to faktu, 偶e statystycznie rzecz bior膮c, wiele kobiet, kt贸re spokojnie mog艂oby trafi膰 do pracy w sektorze STEM, “odp艂ywa” do innych 艣cie偶ek ze wzgl臋du na inn膮, bardziej wyr贸wnan膮 charakterystyk臋 profilu umiej臋tno艣ci. Ryzyko, 偶e stracimy talent formatu Sk艂odowskiej jest statystycznie wi臋ksze, ni偶 to, 偶e stracimy talent na miar臋 Polaka, m臋偶czyzny, kt贸ry zdoby艂 Nobla w naukach 艣cis艂ych…

…jak mu tam by艂o? 馃槈

殴r贸d艂o: historia.org.pl

Impakt rozdzia艂贸w, czyli zbior贸wki kontratakuj膮

Jednym z element贸w wdra偶anej w艂a艣nie reformy nauki i szkolnictwa wy偶szego jest modyfikacja formu艂y oceny jednostek naukowych. Zmian szczeg贸艂owych jest sporo, jednak uwag臋 zwraca przede wszystkim fakt, 偶e zmienia si臋 wyra藕nie spos贸b, w jaki brane b臋d膮 pod uwag臋: autorstwo monografii, redakcja monografii i autorstwo rozdzia艂u w monografii. Przedstawione w sierpniu i wrze艣niu projekty rozporz膮dze艅 z jednej strony selektywnie przesuwaj膮 limity na te elementy dorobku naukowego, z drugiej 鈥 zmieniaj膮 skal臋 ich punktacji. Przeskakuj膮c od razu do konkluzji 鈥 zw艂aszcza w naukach spo艂ecznych i humanistycznych mo偶e to si臋 okaza膰 wa偶ny 鈥瀏ame changer鈥. Tylko czy zmiana ta b臋dzie na lepsze czy na gorsze?

Kiedy rozdzia艂 wchodzi za mocno鈥

Zacznijmy od tego, 偶e projekty rozporz膮dze艅 proponuj膮, by w ramach ocenianego dorobku autorstwo monografii zwartych oraz redakcje monografii zbiorowych stanowi艂y nie wi臋cej ni偶 20% (w por贸wnaniu do dotychczasowych 40%; w naukach przyrodniczych i wi臋kszo艣ci pozosta艂ych limit ma wynie艣膰 5%, ale tam takie publikacje maj膮 zwykle niewielkie znaczenie). Co istotne 搂7 pkt.13 projektu Rozporz膮dzenia w sprawie ewaluacji鈥 nie wspomina o rozdzia艂ach, wi臋c ich liczba w ankiecie parametryzacyjnej b臋dzie limitowana jedynie zapisem w 搂7 pkt.7. W praktyce oznacza to, 偶e rozdzia艂y b臋d臋 mog艂y stanowi膰 do 2/3 ca艂ego dorobku w dyscyplinie.

Monografie maj膮 zosta膰 podzielone na trzy klasy wed艂ug nieznanej na razie klasyfikacji wydawc贸w. W omawianych tu dziedzinach za autorstwo b臋dzie przyznawane 20, 80 albo 300 punkt贸w, za redakcj臋 5, 20 albo 150, a za autorstwo rozdzia艂u 鈥 5, 20 albo 75. Jako, 偶e na pierwsze dwa elementy obowi膮zuje do艣膰 niski limit, to trzeci okaza膰 si臋 mo偶e kluczowy. Przypomnijmy jednocze艣nie, 偶e za autorstwo artyku艂贸w w czasopismach obj臋tych ministerialnym programem 鈥濿sparcie dla czasopism naukowych鈥 (ma on obj膮膰 nie wi臋cej ni偶 500 najlepszych) przyznawane b臋dzie 20 punkt贸w, natomiast za autorstwo artyku艂贸w w czasopi艣mie znajduj膮cym si臋 w drugim kwartylu cytowalno艣ci (wg Scopusa) 鈥 70 punkt贸w. Sprawia to, 偶e rozdzia艂y w ksi膮偶kach nale偶膮cych do ministerialnych wykaz贸w stan膮 si臋 鈥瀎unkcjonalnym odpowiednikiem鈥 dobrych krajowych i zagranicznych czasopism.

Dane

Co jednak wiemy o ich realnym naukowym wp艂ywie? Czy wydawnictwa da si臋 鈥瀒mpaktowa膰鈥 podobnie jak czasopisma? Zerknijmy w dost臋pne dane. Gotowy zbi贸r przygotowa艂 w ramach swojego projektu zesp贸艂 dra Daniela Torres-Salinasa (zob. Torres-Salinas et al. 2013; 2014; tak偶e: projekt EC3Metrics). S膮 to wska藕niki stworzone w oparciu o dane na temat cytowalno艣ci ksi膮偶ek z bazy Thomson Reuters. Dane dotycz膮 okresu 2009-2013 i zosta艂y przygotowane na podstawie prawie p贸艂 miliona rekord贸w (publikacji). Kompletno艣膰 i trafno艣膰 informacji nt. ksi膮偶ek w bazie Thomson Reuters by艂a przedmiotem do艣膰 wszechstronnej krytyki (m.in. dominacja angielskiego, nier贸wna reprezentacja dyscyplin), jednak sama wielko艣膰 bazy czyni j膮 w jakim艣 stopniu reprezentatywn膮. W oparciu o te dane hiszpa艅ski zesp贸艂 stworzy艂 list臋 254 wydawnictw naukowych i okre艣li艂 warto艣ci 艣redniej cytowalno艣ci. Jednak wiele z tych wydawnictw dotyczy艂a znikoma liczba publikacji, dlatego dokona艂em dalszego filtrowania danych, pozostawiaj膮c jedynie te wydawnictwa, w przypadku kt贸rych liczba pozycji w bazie by艂a wy偶sza ni偶 350, a dyspersja ich cytowalno艣ci pozwala艂a wnioskowa膰, 偶e 艣rednia cytowalno艣膰 jest istotnie wy偶sza od zera. W efekcie na placu boju zosta艂o 68 wydawnictw, od wielkich komercyjnych graczy jak Routledge, przez mniejsze jak Karger Publishing, po wydawnictwa uniwersyteckie. Z pewno艣ci膮 nie jest to lista aktualna i wyczerpuj膮ca, ale traktuj臋 j膮 jako pr贸bk臋 dostatecznie wiarygodn膮, aby powiedzie膰 co艣 na temat wzor贸w dotycz膮cych cytowalno艣ci ksi膮偶ek.

Dobry i z艂y pieni膮dz?

Punkty na przedstawionym ni偶ej wykresie to wydawnictwa naukowe. B艂臋kitne to wydawnictwa uniwersyteckie, a granatowe to pozosta艂e. Wielko艣膰 punkt贸w jest proporcjonalna do liczby pozycji (monografii zwartych i rozdzia艂贸w) w zbiorze Torres-Salinasa et consortes. Jak wida膰, nie obserwujemy wyra藕nego wzoru, kt贸ry sugerowa艂by, 偶e wydawnictwo, kt贸re wydaje wa偶ne i szeroko cytowane ksi膮偶ki naukowe, wydaje tak偶e bardzo dobre zbior贸wki. Korelacja cytowalno艣ci dw贸ch typ贸w publikacji wynosi zaledwie 0,08 (ilustruje to dodana na wykresie linia regresji). Co typowe dla tego typu danych, na lekkie nachylenie linii pracuj膮 g艂贸wnie obserwacje odstaj膮ce (“lewary”). Najwi臋ksza przeci臋tna cytowalno艣膰 ksi膮偶ek osi膮gn臋艂o Princton University Press, a jednak przeci臋tna cytowalno艣膰 5’608 rozdzia艂贸w w wydanych przez nich zbior贸wkach to zaledwie 0,03. U komercyjnych gigant贸w te偶 bywa bardzo r贸偶nie. Elsevier ma znacznie lepiej “widoczne” ni偶 Springer ksi膮偶ki, ale s艂abiej “widoczne” rozdzia艂y. Z dwoma wyj膮tkami,聽 wydawnictwa cechuj膮 si臋 te偶 wi臋ksz膮 dyspersj膮 cytowalno艣ci (SD), ni偶 jej 艣redni膮 warto艣ci膮.

Cytowalno艣膰 monografii i rozdzia艂贸w wg wydawnictw (opracowanie w艂asne; 藕r贸d艂o danych: Torres-Salinas et al. 2014)

Kluczowe jest by膰 mo偶e to, 偶e istnieje dramatyczna r贸偶nica mi臋dzy odd藕wi臋kiem naukowym jaki maj膮 ksi膮偶ki, a tym, jaki maj膮 rozdzia艂y. Bior膮c pod uwag臋 艂膮czn膮 liczb臋 kilkuset tysi臋cy pozycji uwzgl臋dnionych w bazie naukowc贸w z Hiszpanii, do monografii odwo艂ywano si臋 przeci臋tnie 4,25 razy, a do rozdzia艂u 0,22 razy (to dla wszystkich dyscyplin 艂膮cznie, w naukach spo艂ecznych i humanistycznych oba wska藕niki by艂y niew膮tpliwie ni偶sze). “Impakt” rozdzia艂u by艂 zatem przeci臋tnie prawie 20 razy mniejszy ni偶 zwartej monografii.

Czy polska nauka zachoruje na now膮 odmian臋 punktozy?

Je艣li naukowa waga rozdzia艂u jest 20 razy mniejsza ni偶 monografii, to czy rozdzia艂y b臋d膮 r贸wnie偶 20 razy mniej istotne w ocenie dorobku naukowego? Wed艂ug proponowanych przez MNiSW regulacji za rozdzia艂 mia艂aby by膰 przyznawana czterokrotnie ni偶sza liczba punkt贸w ni偶 za monografi臋. Jednak realne znaczenie obu element贸w wcale nie przedstawia si臋 jak 1 do 4, przede wszystkim ze wzgl臋du na wspomniane na wst臋pie limity. Skoro profil osi膮gni臋膰 publikacyjnych mo偶e w odpowiednich okoliczno艣ciach wygl膮da膰 nast臋puj膮co: 20% ksi膮偶ek zwartych (i redakcji), 47% rozdzia艂贸w, 33% artyku艂贸w, to dobrze punktowane rozdzia艂y mog膮 si臋 okaza膰 kluczem do dobrego wyniku oceny. Warto tak偶e pami臋ta膰, 偶e “pr贸g wej艣cia” do zagranicznych wydawnictw jest w przypadku rozdzia艂贸w znacznie ni偶szy ni偶 w przypadku zwartych ksi膮偶ek (w analizowanych danych rozdzia艂贸w by艂o 10 razy wi臋cej ni偶 ksi膮偶ek). 艁膮cznie ustawia to w pewnym stopniu “strategi膮 wygrywaj膮c膮” przysz艂膮 parametryzacj臋, cho膰 wiele zale偶y jeszcze od tego, jak wygl膮da膰 b臋d膮 wykazy KEN. W zale偶no艣ci od tego jak zostan膮 one sprofilowane, mog膮 bardziej lub mniej przypomina膰 struktur臋 impakt贸w zastosowan膮 w przypadku artyku艂贸w w czasopismach.

ps. Wpis powsta艂 w GESIS w Kolonii. Kiedy zapyta艂em niemieckich koleg贸w o rol臋, jak膮 w ocenie dorobku przypisuje si臋 w niemieckiej nauce rozdzia艂om w pracach zbiorowych, us艂ysza艂em: (a) “Chapters? Nobody聽 cares about chapters!”; (b) “It doesn’t count, unless it’s either Oxford, Cambridge or one of the best US universities”. Takiej aktywno艣ci publikacyjnej nie uwa偶a si臋 za w pe艂ni kompetytywn膮.

Jak dyplom wp艂ywa na doch贸d?

Istniej膮 r贸偶ne motywacje kontynuowania nauki na studiach wy偶szych, ale perspektywa podwy偶szenia dochodu jest z pewno艣ci膮 jedn膮 z wa偶niejszych. Od kilku lat, dzi臋ki programowi MNiSW Ekonomiczne Losy Absolwent贸w (ELA) mamy mo偶liwo艣膰 艣ledzenia tego, jak m艂odzi ludzie radz膮 sobie na rynku pracy po uzyskaniu dyplomu. Na tle innych bada艅 dochod贸w, wyniki zawarte w zbiorze danych ELA s膮 wyj膮tkowe, poniewa偶 pochodz膮 z rejestr贸w ZUS, a nie z bada艅 sonda偶owych. Charakteryzuj膮 si臋 wi臋c znacznie wi臋ksz膮 dok艂adno艣ci膮 i pokryciem ca艂ej populacji. ELA zawiera kilkana艣cie wska藕nik贸w charakteryzuj膮cych aktywno艣膰 zawodow膮 po uko艅czeniu poszczeg贸lnych kierunk贸w studi贸w, ale nas interesowa膰 tu b臋dzie mediana dochodu uzyskiwanego rok po uko艅czeniu studi贸w. Z jednej strony okres 12 miesi臋cy to stosunkowo ma艂o, aby absolwent ustabilizowa艂 swoj膮 sytuacj臋 zawodow膮, ale z drugiej uchwycenie dochodu w tym w艂a艣nie momencie pokazuje po艂o偶enie na rynku pracy, b臋d膮ce bezpo艣rednim nast臋pstwem studi贸w oraz 鈥 co wiemy z innych bada艅 鈥 jest wyra藕nie skorelowane z dochodem uzyskiwanym w p贸藕niejszych etapach kariery. Dane analizowane poni偶ej dotycz膮 absolwent贸w z 2015 roku.

Co pokazuj膮 wykresy?

Na poni偶szym wykresie prezentujemy fragment tego zr贸偶nicowania. Skupili艣my si臋 na najpowszechniej dost臋pnych kierunkach studi贸w oraz uczelniach z g艂贸wnych o艣rodk贸w akademickich (w istocie z miast wojew贸dzkich oraz dodatkowo z Gliwic i Cz臋stochowy). Ograniczyli艣my si臋 te偶 do absolwent贸w studi贸w dziennych drugiego stopnia lub jednolitych. Wszystko to mia艂o na celu wi臋ksze wystandaryzowanie (por贸wnywalno艣膰) rezultat贸w.

Warto艣ci przedstawione na wykresie pochodz膮 z prostego modelu regresji i pokazuj膮 o ile doch贸d jest wi臋kszy (warto艣ci z plusem) lub mniejszy (z minusem) od warto艣ci referencyjnej. T臋 ostatni膮 stanowi艂 poziom dochodu uzyskiwany rok po zako艅czeniu dowolnych innych studi贸w drugiego stopnia (czyli kierunk贸w innych ni偶, te wymienione na wykresie 鈥 w praktyce chodzi o kierunki rzadziej obecne na uczelniach). Warto艣膰 ta wynosi 2.442 z艂 brutto (mediana dochodu ze wszystkich 藕r贸de艂). Nie wchodz膮c w statystyczne szczeg贸艂y trzeba doda膰, 偶e to s膮 warto艣ci uzyskane przy kontroli o艣rodka akademickiego (wi臋c niejako niezale偶ne od premii za konkretn膮 uczelni臋 i lokalizacj臋 miejsca pierwszej pracy).

Wykres 1. Przeci臋tna premia dochodowa za uko艅czenie kierunku

Zarabia膰 jak filolog ugrofi艅ski

Pierwsz膮 obserwacj膮 p艂yn膮c膮 z danych ELA jest ogromne zr贸偶nicowanie dochod贸w absolwent贸w poszczeg贸lnych kierunk贸w. Nie jest zaskoczeniem to, 偶e w czo艂贸wce rankingu kierunk贸w uporz膮dkowanych pod wzgl臋dem medianowego dochodu znajduj膮 si臋 absolwenci nauk technicznych: informatycy, absolwenci kierunku automatyka i robotyka, czy mechanika i budowa maszyn. Zaskakuje raczej to, 偶e tu偶 za nimi plasuj膮 si臋 absolwenci (w zasadzie g艂贸wnie absolwentki) piel臋gniarstwa – znacznie wy偶ej ni偶 kierunku lekarskiego, cho膰 nie jest to por贸wnanie w pe艂ni rzetelne (wej艣cie w zaw贸d lekarski poprzedzone jest sta偶em i rezydentur膮). Wysokie medianowe zarobki uzyskiwane tu偶 po studiach w zawodach zwi膮zanych ze wspomnianymi kierunkami wi膮偶膮 si臋 z du偶ym bie偶膮cym popytem na takie kwalifikacje. Gdyby艣my przyjrzeli si臋 szczeg贸艂owo r贸wnie偶 pozosta艂ym, rzadziej pojawiaj膮cym si臋 w ofercie uczelni kierunkom, to znajdziemy w艣r贸d nich r贸wnie偶 inne, kt贸rych absolwenci ju偶 na staracie kariery zarabiaj膮 przeci臋tnie ponad 5.000 z艂 (np. telekomunikacja, metody ilo艣ciowe w ekonomii). Rynek hojnie wynagradza r贸wnie偶 rzadkie, w膮skie specjalizacje humanistyczne, takie jak niekt贸re filologie (ugrofi艅ska na UW daje rok po jej zako艅czeniu przeci臋tnie 5.371 z艂).

Dolna cz臋艣膰 wykresu zawiera g艂贸wnie kierunki, kt贸re mo偶na okre艣li膰 jako 鈥瀙ara-akademickie鈥 czy 鈥瀦awodowe鈥, np. kosmetologia, turystyka i rekreacja, fizjoterapia. Prowadz膮 one przewa偶nie do pracy w sektorze us艂ug osobistych, kt贸ra nie wi膮偶e si臋 z tak wysokimi zarobkami jak w zawodach specjalistycznych. Obok nich pojawiaj膮 si臋 kierunki spo艂eczne i humanistyczne, kt贸re z kolei oferuj膮 wiedz臋 mniej sprofilowan膮 zawodowo. Cho膰by z tej racji wej艣cie na rynek pracy jest dla ich absolwent贸w wzgl臋dnie trudniejsze (zw艂aszcza w wymiarze dochodu). Dodatkowo wiele z tych kierunk贸w ma charakter masowy, wi臋c wytwarzaj膮 du偶膮 poda偶 przy wzgl臋dnie niskim popycie. Dane ELA pokazuj膮 r贸wnie偶, 偶e odsetek absolwent贸w, kt贸rzy mieli za sob膮 do艣wiadczenie bezrobocia w rok po zyskaniu dyplomu w du偶ej mierze oddaje to, co wida膰 na wykresie 1. Ci, kt贸ry nie wpadli w bezrobocie, znale藕li zatrudnienie poni偶ej kwalifikacji. Czas sp臋dzony na rynku pracy b臋dzie zapewne dzia艂a艂 na ich korzy艣膰, jednak dodatkowe do艣wiadczenie nie zamknie obserwowanej luki p艂acowej.

Nie tylko kierunek, ale tak偶e miasto

Wyb贸r kierunku studi贸w silnie wp艂ywa na doch贸d, ale si艂a dyplomu r贸偶ni si臋 r贸wnie偶 pomi臋dzy o艣rodkami akademickimi. R贸wnie偶 te zr贸偶nicowania s膮 spore i potwierdzaj膮 to, co o nier贸wno艣ciach dochodowych w Polsce wiadomo od dawna (wykres 2. 鈥 ze statystyczn膮 kontrol膮 kierunk贸w). Si艂a 鈥瀗abywcza鈥 dyplom贸w jest najwi臋ksza w przypadku politechnik i uniwersytet贸w w du偶ych miastach 鈥 Warszawie, Gda艅sku, Krakowie czy Wroc艂awiu. Przeci臋tny doch贸d absolwenta spada wraz z peryferyjno艣ci膮 uczelni. Absolwenci uczelni kieleckich, bia艂ostockich, czy rzeszowskich zarabiaj膮 (po tych samych kierunkach) kilkaset z艂otych mniej, ni偶 studenci z dyplomem uzyskanym w du偶ych warszawskich uczelniach. Na przyk艂ad absolwent informatyki w Warszawie dostanie przeci臋tnie 5.800 z艂 brutto, a z Bia艂egostoku 4.500 z艂. Nie ma w膮tpliwo艣ci, 偶e za r贸偶nice te odpowiada nie tylko jako艣膰 edukacji, ale r贸wnie偶 specyfika lokalnych rynk贸w pracy. Relacja pomi臋dzy studiami a prac膮 nie sprowadza si臋 jedynie do faktu, 偶e absolwenci uczelni w mie艣cie A najcz臋艣ciej podejmuj膮 prac臋 w mie艣cie A. Znaczenie mog膮 mie膰 r贸wnie偶 takie czynniki jak rozeznanie w ofertach pracy, czy do艣wiadczenia zawodowe zdobyte jeszcze w czasie nauki (np. sta偶e). Gdyby艣my chcieli rzetelnie orzeka膰 o r贸偶nicy kompetencji stoj膮cej za dyplomami tego samego kierunku w r贸偶nych o艣rodkach, powinni艣my por贸wnywa膰 osoby, kt贸re znalaz艂y si臋 na jakim艣 鈥瀟rzecim鈥, zewn臋trznym rynku pracy (np. za granic膮).

Wykres 2. Miasta akademickie wg przeci臋tnej premii dochodowej absolwent贸w

Podsumowuj膮c

ELA dostarcza niezwykle cennych informacji na temat po艂o偶enia absolwent贸w i wiedz臋 t臋 mo偶na wykorzysta膰 do reformowania niekt贸rych polityk publicznych. Wydaje si臋, 偶e szczeg贸lna troska powinna by膰 skierowania do humanist贸w i absolwent贸w nauk spo艂ecznych. Zapotrzebowanie na nich niew膮tpliwie istnieje, ale (a) jest w niekt贸rych “tradycyjnych” specjalno艣ciach mniejsze ni偶 poda偶, (b) wymaga nieco innych kompetencji, ni偶 te obecnie oferowane. Nie chodzi聽 o zamienienie uniwersytet贸w w szko艂y zawodowe, ale o to, aby studia humanistyczne i spo艂eczne nie kszta艂towa艂y absolwenta zgodnie z kanonami akademickimi sprzed 20 czy 30 lat. Bieg艂o艣膰 w j臋zykach obcych, obeznanie z technologiami informatycznymi, podstawy programowania, kompetencje organizacyjne – to s膮 rzeczy niezb臋dne do dobrego odnalezienia si臋 na wsp贸艂czesnym rynku pracy.

Infografika “Spo艂ecze艅stwo obywatelskie czy koalicja politycznych plemion?”

Czy polskie spo艂ecze艅stwo jest koalicj膮 zwa艣nionych plemion czy raczej deliberuj膮c膮 wsp贸lnot膮 obywatelsk膮? Odpowiedzi na to pytanie szukali艣my, tworz膮c wsp贸lnie z Kub膮 Wysmu艂kiem infografik臋, kt贸ra podsumowuje wybrane wyniki ko艅cz膮cego si臋 w艂a艣nie projektu “Ludzie w sieciach” (realizowany w ISP PAN ze 艣rodk贸w NCN).

(kilknij, aby zobaczy膰 w pe艂nej rozdzielczo艣ci)

“Ludzie w sieciach”

Dwa demograficzne mity

The Economist opublikowa艂 niedawno daily chart, kt贸rego tytu艂 w kontek艣cie panuj膮cych nastroj贸w spo艂ecznych brzmi jak prowokacja: Why Europe needs more migrants. Ka偶dy kto zna “Ekonomist臋” wie jednak, 偶e to pismo reprezentuj膮ce trze藕wy, ekonomiczny racjonalizm w opozycji do wszelkich ideologicznych idiosynkrazji, wi臋c je艣li prowokuje, to przede wszystkim do my艣lenia.

Cho膰 o sytuacji demograficznej ju偶 pisali艣my, i to dosy膰 obszernie, na moment wracam wi臋c do tego tematu. Trudno oprze膰 si臋 bowiem wra偶eniu, 偶e ktokolwiek si臋 nim zajmuje w debacie publicznej – od rz膮dz膮cych po Make Life Harder – my艣lenie to jest obci膮偶one: (a) fiksacj膮 na dzietno艣ci, (b) marginalizacj膮 ekonomicznej roli imigracji. Zrekapituluj臋 kr贸tko te dwa b艂臋dne mniemania.

“Mit dzietno艣ci” zak艂ada, 偶e (1) wy偶sza dzietno艣膰 mo偶e samodzielnie rozwi膮za膰 problemy demograficzne wsp贸艂czesnej Polski, a tak偶e, 偶e (2) zapewnienie zast臋powalno艣ci pokoleniowej jest dzi艣 w Polsce realne. Aby najpro艣ciej wyja艣ni膰 na czym polega mylno艣膰 tych przekona艅 zacznijmy od mo偶liwie najprostszej ilustracji – sztafety pokole艅. Na wykresie poni偶ej przedstawione zosta艂y liczebno艣ci 10-letnich kohort wiekowych wsp贸艂czesnych Polek (dane GUS z VI 2017). Ograniczymy si臋 do kobiet, poniewa偶 to w艂a艣nie ich bezpo艣rednio dotycz膮 statystyki dzietno艣ci. Przeci臋tny wiek urodzenia dziecka to obecnie 29 lat. Przyjmuj膮c kilka interpretacyjnych uproszcze艅 mo偶emy wi臋c spojrze膰 na te kohorty jako na sekwencj臋 grup matek i c贸rek oddzielonych od siebie interwa艂em 30 lat. Takiej interpretacji mo偶na postawi膰 szereg s艂usznych zastrze偶e艅1, ale mimo wszystko b臋dzie to wystarczaj膮ce przybli偶enie realnych prawid艂owo艣ci.

Wielko艣膰 kohort demograficznych w populacji wsp贸艂czesnych Polek (stan na 30 VI 2017 wg GUS)

Do oznaczenia na wykresie poszczeg贸lnych “sztafet pokoleniowych” u偶y艂em osobnych palet kolorystycznych. Kobiety w wieku 60-69 lat to “kohorta matek” dla kobiet w wieku 30-39 lat, te z kolei to “statystyczne matki” dziewczynek w wieku 0-9 lat. Analogiczn膮 relacj臋 mo偶emy zdefiniowa膰 dla dzisiejszych pi臋膰dziesi臋cio- i dwudziestolatek, a tak偶e dla czterdziesto- i nastolatek.

Co widzimy na wykresie? Je艣li por贸wnamy kohort臋 60-69 z ich “c贸rkami”, to wida膰, 偶e kobiety urodzone tu偶 po II wojnie 艣wiatowej wyda艂y na 艣wiat przeci臋tnie wi臋cej ni偶 jedn膮 c贸rk臋. Nie zmienia tego nawet wzi臋cie pod uwag臋 rosn膮cej 艣miertelno艣ci kobiet po 50-tce – owe “ubytki” skompensowane s膮 szar膮 “czapk膮” na dw贸ch ostatnich s艂upkach (艣miertelno艣膰 m艂odszych kobiet jest niska, zosta艂a wi臋c pomini臋ta). Dla kolejnych grup wiekowych ta tendencja wyra藕nie si臋 zmienia. C贸rki kobiet w wieku 50-59 lat, czyli dzisiejsze 20-latki, s膮 mniej liczne ni偶 ich matki. Dramatyczny spadek zaczyna si臋 jednak dopiero w kolejnych grupach. Sukcesj臋 ponad 3 milionom dzisiejszych 30-latek zapewnia zaledwie 2 miliony dziewczynek poni偶ej 10 roku 偶ycia.

Co z tego wynika? Po pierwsze trzeba rozumie膰, 偶e 偶aden ze s艂upk贸w nie powi臋kszy si臋 ju偶 samym ruchem naturalnym. Dzisiejsza kohorta nastolatek nie zrobi si臋 wi臋ksza ni偶 2 miliony. Niezale偶nie wi臋c od wska藕nika liczby urodze艅, nie zwi臋kszy si臋 liczba przysz艂ych matek. Nawet gdyby trend niskiej dzietno艣ci zosta艂 kompletnie zatrzymany, nie ma powrotu do liczebno艣ci Polek z wy偶u lat 1980-ych.

Ale czy ten trend mo偶na zatrzyma膰? Wsp贸艂czynnik dzietno艣ci (przeci臋tna liczba dzieci przypadaj膮cych na kobiet臋 w wieku rozrodczym) wynosi w Polsce niewiele ponad 1,3 (czyli statystycznie ka偶da matka ma ok. 2/3 c贸rki). To bardzo ma艂o, ale w Europie jedynie dwa kraje balansuj膮 na poziomie odtwarzalno艣ci pokole艅, czyli maj膮 ten wsp贸艂czynnik na poziomie oko艂o 2, s膮 to Francja i Irlandia. Przypomnijmy jednak – jest to poziom odtwarzalno艣ci, a nie przyrostu, wi臋c dylemat dotyczy samego utrzymania liczebno艣ci tych najmniej licznych kohort (sic!). Co wi臋cej, takiej energii w p艂odzeniu dzieci nie obserwujemy nigdzie na wsch贸d od Renu, a my wypadamy pod tym wzgl臋dem blado nawet na tle samych s膮siad贸w (zob. interaktywny wykres na Google).

Aby osi膮gn膮膰 przeci臋tn膮 dzietno艣膰 na poziomie 2 – kt贸rej Polska w og贸le nie notowa艂a od 1991 roku – kobiety musia艂yby rodzi膰 w wyra藕nie m艂odszym wieku i w zwi膮zku z tym masowo rezygnowa膰 z innych 偶yciowych plan贸w. Nie chodzi nawet o realizacj臋 marze艅 o karierze na szczytach w艂adzy i bogactwa, czy o podr贸偶y dooko艂a 艣wiata, ale o rzeczy znacznie bardziej rudymentarne, takie jak studia. Przypomnijmy, 偶e wsp贸艂czynnik skolaryzacji brutto na poziomie szkolnictwa wy偶szego wynosi艂 na pocz膮tku lat 1990-ych niewiele ponad 10%, ale w 2010 roku przekroczy艂 50%. Ju偶 sama masowo艣膰 studi贸w wy偶szych przesuwa wi臋kszo艣膰 decyzji prokreacyjnych na okres po 25. roku 偶ycia. Do pewnych rzeczy po prostu nie ma powrotu, chyba, 偶e w scenariuszu Handmaid’s Tale.

Warto tak偶e pami臋ta膰, 偶e programy child benefit, analogiczne do 500+, posiada wi臋kszo艣膰 pa艅stw europejskich, wi臋c ze wzgl臋du na konwergencj臋 tak instytucji, jak styl贸w 偶ycia wzgl臋dnie bezpieczne wydaje si臋 za艂o偶enie, 偶e dzietno艣膰 w Polsce mo偶e w nadchodz膮cych latach wzrosn膮膰, ale co najwy偶ej do poziomu 1,5-2,0. W najbardziej optymistycznym z tych scenariuszy (i bior膮c na razie w nawias migracje) za 40 lat wykres “sztafety matek i c贸rek” wygl膮da艂by mniej wi臋cej tak jak na wykresie poni偶ej2. Czarne obrysy oddaj膮 wielko艣膰 kohort z pierwszego wykresu, czyli tych dzisiejszych. Globalnie oznacza to spadek populacji o oko艂o 28% (przypomnijmy – to wersja optymistyczna!). Ale 鈥 i to jest szczeg贸lnie uderzaj膮ce – w wersji 鈥瀙esymistycznej鈥 (czyli przy wsp贸艂czynniku dzietno艣ci na obecnym poziomie 1,3), sprawa przedstawia si臋 w zasadzie niewiele gorzej – spadek wyniesie 33%. Jak wida膰 optymizm i pesymizm w sprawie dzietno艣ci niewiele si臋 r贸偶ni膮 – konik i tak ju偶 uciek艂. Wy偶szy wsp贸艂czynnik urodze艅 w og贸lnym rozrachunku mo偶e nieco poprawi膰 sytuacj臋 demograficzn膮, ale fiksowanie si臋 na dzietno艣ci jako rozwi膮zaniu problemu starzenia si臋 spo艂ecze艅stwa jest nieracjonalne.

“Sztafeta demograficzna” z poprzedniego wykresu za 40 lat przy za艂o偶eniu o rosn膮cej dzietno艣ci.

Przejd藕my zatem do kwestii imigracji. W dobie kryzysu migracyjnego jest to sprawa dra偶liwa, poniewa偶 zosta艂a spleciona z gor膮cymi w膮tkami politycznymi, w tym z l臋kami o bezpiecze艅stwo i to偶samo艣膰. Jednak niezale偶nie od towarzysz膮cych jej emocji warto patrze膰 na ni膮 trze藕wo 鈥 system emerytalny potrzebuje czynnych zawodowo, a rozwijaj膮ca si臋 gospodarka 鈥 r膮k do pracy. Jest jasne, 偶e firmy b臋d膮 poszukiwa艂y pracownik贸w nawet je艣li rodzima poda偶 si臋 wyczerpie. Presja popytu na pracownika odczuwana jest na razie g艂贸wnie w postaci rekordowo niskiego poziomu bezrobocia, ale gospodarka ju偶 od dawna “zasysa” te偶 pracownik贸w z zagranicy.

Kwesti臋 emigracji i imigracji zarobkowej, jak wszystkie inne zjawiska ekonomiczne, wypada rozpatrywa膰 w kategoriach poda偶y i popytu. Patrz膮c na dane GUS dotycz膮ce ruch贸w ludno艣ciowych do i z Polski widzimy, 偶e wci膮偶 wi臋cej os贸b wyje偶d偶a, ni偶 przyje偶d偶a. Poni偶szy wykres pokazuje migracje na sta艂e, czyli (wg GUS) na co najmniej 12 miesi臋cy. Czarna ramka pokazuje ubytki ludno艣ciowe, za艣 czerwone wype艂nienie – stopie艅 ich bie偶膮cego uzupe艂niania przez przybyszy z zagranicy. S膮 to jedynie przybli偶enia i nie uwzgl臋dniaj膮 wszystkich rodzaj贸w przep艂yw贸w ludno艣ciowych (o tym za chwil臋), jednak ta wystandaryzowana miara daje pewne poj臋cie o atrakcyjno艣ci migracyjnej naszego kraju. W ostatnich latach wci膮偶 wi臋cej ludzi d艂ugotrwale opuszcza艂o Polsk臋, ni偶 do niej na sta艂e przybywa艂o, cho膰 wida膰 jednocze艣nie trend zmniejszania si臋 tej r贸偶nicy. W odr贸偶nieniu od kwestii przyrostu naturalnego, tu pa艅stwo ma realny i du偶o bardziej znacz膮cy wp艂yw na konsekwencje demograficzne – oznacza to, 偶e w odr贸偶nieniu od wykresu ilustruj膮cego odtwarzalno艣膰 pokoleniow膮, tu du偶o trudniej przewidzie膰 dalszy trend bez wiedzy o konkretnych decyzjach politycznych. Jednak ze wzgl臋du na wspomniane kwestie popytowo-poda偶owe, instytucjonalny wp艂yw na bilans migracyjny r贸wnie偶 nie jest nieograniczony.

Stosunek emigracji (czarna ramka) do imigracji (czerwone wype艂nienie), dane GUS.

Tu dochodzimy do mitu nr 2. Jest nim przekonanie, 偶e polityka imigracyjna mo偶e sprowadza膰 si臋 do zamkni臋cia drzwi na osoby spoza Unii Europejskiej (czy szerzej rozumianego Zachodu). Jest tak, poniewa偶 Polska wraz z Chorwacj膮, Rumuni膮 i Bu艂gari膮 zamyka stawk臋, je艣li idzie o poziom 偶ycia szeroko rozumianego Zachodu. Sami imigranci r贸wnie偶 dokonuj膮 wybor贸w, wi臋c obie strony potrafi膮 by膰 swoi艣cie 鈥瀢ybredne鈥. Jedynie kraje najbardziej zamo偶ne, takie jak Wielka Brytania, USA czy Niemcy mog膮 regulowa膰 nap艂yw imigrant贸w jedynie przez selekcj臋 negatywn膮.

Jedna z lansowanych obecnie koncepcji zak艂ada, 偶e imigracj臋 mo偶na skutecznie zast膮pi膰 reemigracj膮 i repatriacj膮, a liczba emigrant贸w z Polski i os贸b polskiego pochodzenia jest do tego wystarczaj膮ca. Jednak najwi臋ksze zagraniczne spo艂eczno艣ci polskie s膮 na Zachodzie (dwa najwi臋ksze o艣rodki to USA i Niemcy), wi臋c jest to r贸wnoznaczne z oczekiwaniem porzucenia przez ludzi lepiej p艂atnej pracy i lepszych perspektyw 偶yciowych, jakie oferuj膮 im te kraje. Na wsch贸d od Polski najwi臋kszym o艣rodkiem jest natomiast Bia艂oru艣, ale zamieszkuje tam ok. 300 tys. os贸b deklaruj膮cych polskie pochodzenie, wi臋c nawet przyci膮gni臋cie ca艂ej mniejszo艣ci polskiej z terenu by艂ego ZSRR – bior膮c w nawias realne mo偶liwo艣ci i koszty – mia艂aby marginalne skutki ekonomiczne (dodajmy, 偶e w okresie 1997-2016 Polska wyda艂a 5908 formalnych wiz repatriacyjnych). By膰 mo偶e niekt贸rzy dopatruj膮 si臋 tak偶e szansy w negatywnym rezultacie negocjacji dotycz膮cych Brexitu. Zostawmy jednak r贸偶nego rodzaju z艂udzenia i przyjrzyjmy si臋 faktom.

Realnie rzecz bior膮c, dora藕ne rozwi膮zanie braku dodatkowych r膮k do pracy trafi艂o si臋 Polsce wyj膮tkowym zbiegiem okoliczno艣ci. To czego nie widzimy na powy偶szym wykresie to liczna rzesza pracownik贸w przyje偶d偶aj膮cych na kr贸tki okres. Liczb臋 formalnie wydanych nowych zezwole艅 na prac臋 ilustruje kolejny wykres (poni偶ej), a trzeba mie膰 na wzgl臋dzie, 偶e jest ona du偶o ni偶sza ni偶 realna liczba pracuj膮cych w Polsce Ukrai艅c贸w3. Pocz膮wszy przynajmniej od 2014 roku nap艂yw si艂y roboczej do Polski jest zatem realnie wi臋kszy ni偶 odp艂yw, poniewa偶 poda偶 pracy skutecznie 鈥瀞uplementowana鈥 jest masowymi przyjazdami kr贸tkookresowymi z Ukrainy (ponad 80%). Warto w tym kontek艣cie postawi膰 pytanie: kto zast膮pi艂by tych pracownik贸w, gdyby na Ukrainie panowa艂 pok贸j i kwit艂a gospodarka?

Liczba cudzoziemc贸w (w tys.), kt贸rzy otrzymali pozwolenie na prac臋 w Polsce, dane GUS.

Dla kogo, poza mieszka艅cami pogr膮偶onej w kryzysie i wojnie domowej Ukrainy, Polska jest dzi艣 atrakcyjnym kierunkiem emigracji? Kraje, z kt贸rych nap艂yw ludzi w ostatnich pi臋ciu latach nasila艂 si臋 i wynosi艂 wi臋cej ni偶 1500 os贸b to: Bia艂oru艣, Mo艂dawia oraz Indie. Wyra藕nie os艂ab艂 natomiast nap艂yw z Chin (prawie sze艣ciokrotnie w ostatnich 6 latach). Wydaje si臋 jasne, 偶e r贸偶nica stopnia rozwoju mi臋dzy krajami musi by膰 wystarczaj膮ca, by 艂膮czny, relatywny koszt emigracji (w tym ten psychologiczny) by艂 mniejszy ni偶 wzgl臋dne korzy艣ci potencjalnego imigranta. Bia艂oru艣 ma ni偶sze ni偶 Polska PKB per capita (r贸wnie偶 to liczone w sile nabywczej), ale le偶y blisko, wi臋c bezpiecznie mo偶na za艂o偶y膰, 偶e wszystkie kraje lepiej od niej rozwini臋te nie stan膮 si臋 藕r贸d艂em nap艂ywu pracownik贸w do Polski. Na tej zasadzie mo偶emy bezspornie wykluczy膰 kraje takie jak Gabon, Meksyk czy Iran. Do tej grupy nale偶y te偶 zapewne Botswana, Tajlandia, Chiny, Brazylia czy Algieria. Jednocze艣nie mieszka艅cy kraj贸w bardziej oddalonych od Polski geograficznie i kulturowo ni偶 Ukraina i Bia艂oru艣, ponosz膮 niew膮tpliwie znacznie wi臋ksze koszty takiej migracji.

Je艣li w Polsce istniej膮 silne idiosynkrazje dotycz膮ce kierunk贸w migracji i mo偶liwo艣ci integracji cudzoziemc贸w (a debata publiczna jasno wskazuje, 偶e tak jest), warto postawi膰 klarowne pytanie o to, jak owe preferencje przek艂adaj膮 si臋 na konkretne polityki publiczne. A mo偶e liczymy jedynie na kryzysy w nieodleg艂ym otoczeniu mi臋dzynarodowym?


1. Mediana wieku urodze艅 stale zmienia si臋 (ro艣nie), a jej wariancja jest oczywi艣cie spora, wi臋c cz臋艣膰 dziewczynek z grupy 0-9 jest w istocie c贸rkami kobiet nale偶膮cych do kohorty 10-19, a inna cz臋艣膰 – kohorty 50-59. Jednak takie “przesuni臋cia” i nieregularno艣ci dotycz膮 wszystkich kohort, wi臋c ich efekty w wi臋kszo艣ci znosz膮 si臋. Zatem cho膰 nie mamy tu substancjalnie trafnego opisu rzeczywisto艣ci, to oddaje on faktycznie wpisane w ni膮 trendy.

2. Zak艂adam tu stopniowe, liniowe dochodzenie dzietno艣ci do poziomu 2.0.

3. Pozwolenia s膮 przed艂u偶ane na podstawie o艣wiadczenia pracodawcy, a tych wg UDSC by艂o w 2016 roku 1,26 mln – ta liczba mo偶e by膰 z kolei zawy偶ona w stosunku do realnie pracuj膮cych. ZUS podaje liczb臋 270 tys. zarejestrowanych Ukrai艅c贸w.