우리나라 대학은 저출산으로 인한 학령인구 격감으로 경쟁력이 약한 대학은 존립 자체가 위협받는 상황이다. 이에 정부는 대학 경쟁력을 높이기 위해 대학을 평가하여 부실대학을 선별하고 정원감축 등의 구조조정을 시행하고 있다. 이런 대학 구조개혁 방안은 대학 정원 감축에만 초점을 맞추고 있어서 대학 본연의 학문적인 역할과 특성을 배제할 가능성이 있다. 그리고 재학생충원율, 취업률과 같은 누적적인 지표를 교육적인 성과로 보기 때문에 대학의 서열화를 촉진할 수 있는 문제가 있다. 본 논문은 대학 성과평가에 대한 개선 전략을 마련해보고자 하였다. 분석표본은 2017년부터 2019년까지 3년간 대학 규모 재학생 2,000명 이상 1만 명 미만 지역중심국공립대학과 지역사립대학으로 모두 48개 대학을 선정하였다. 분석방법으로는 먼저 ...
우리나라 대학은 저출산으로 인한 학령인구 격감으로 경쟁력이 약한 대학은 존립 자체가 위협받는 상황이다. 이에 정부는 대학 경쟁력을 높이기 위해 대학을 평가하여 부실대학을 선별하고 정원감축 등의 구조조정을 시행하고 있다. 이런 대학 구조개혁 방안은 대학 정원 감축에만 초점을 맞추고 있어서 대학 본연의 학문적인 역할과 특성을 배제할 가능성이 있다. 그리고 재학생충원율, 취업률과 같은 누적적인 지표를 교육적인 성과로 보기 때문에 대학의 서열화를 촉진할 수 있는 문제가 있다. 본 논문은 대학 성과평가에 대한 개선 전략을 마련해보고자 하였다. 분석표본은 2017년부터 2019년까지 3년간 대학 규모 재학생 2,000명 이상 1만 명 미만 지역중심국공립대학과 지역사립대학으로 모두 48개 대학을 선정하였다. 분석방법으로는 먼저 DEA 모형과 AHP 모형의 개념에 대해 살펴본 후 투입 및 산출 요소를 선정하여 DEA 모형으로 효율성 분석을 하였다. 다음으로 DEA 모형의 한계점을 보완하기 위하여 AHP 모형에 의한 효율성 분석도 함께 진행하였다. 마지막으로 DEA 모형과 AHP 모형을 통합하여 효율성을 분석하였으며 시사점은 다음과 같다. 첫째, 선행연구 분석을 통하여 1차로 선정한 다수의 투입 및 산출 요소를 정량적인 방법인 Profiling 분석과 서열상관관계 분석을 통해 2차 요소를 선정하였다. 정성적인 방법인 AHP 모형을 통하여 2차 선정된 요소를 대상으로 질적 중요도를 반영하였다. 그 결과, 기존 투입 요소 7개와 산출 요소 5개 중에서 최종적으로 전임교원수, 학생수, 교육비, 교내외연구비 등 4개 투입 요소와 취업률, 국내외학술지게재논문수, 기술이전수입료 등 3개 산출 요소를 선정하였다. 둘째, DEA 모형을 적용한 국내 48개 대학 중 효율적으로 나타난 대학은 전체의 18.75%인 9개 대학으로 나타났으며, 그 외 대학들은 주로 규모의 영향보다는 투입 요소로 인한 기술적 요인이 비효율의 원인으로 나타났다. 이는 대학이 최적의 생산 규모를 확보하는 것보다는 투입ㆍ산출구조에 대한 조정이 필요할 것으로 판단된다. 또한, 효율성 분석의 경우에는 비효율적인 지역중심국공립대학과 지역사립대학이 성과를 높이기 위해서는 투입 구조의 감축 방안이 최선이라고 할 수 있다. 만약 그렇게 하지 못한다면 산출물을 극대화할 수 있도록 대학의 내실화를 유지하는 방안이 필요하다. 셋째, 2017년부터 2019년까지 3년간 지역중심국공립대학과 지역사립대학으로 구분하여 효율성을 분석한 결과, 2017년과 2018년에는 효율성의 변화가 없었고 2019년에는 CCR 모형과 BCC 모형 모두 차이가 있었다. 그리고 지역중심국공립대학보다 지역사립대학의 효율성은 낮게 나타났다. 특히 지역사립대학은 기간이 지날수록 비효율적인 대학이 증가했다. 반대로 지역중심국공립대학은 기간이 지남에 따라 지역사립대학보다는 상대적으로 효율성이 높게 나타났다. 기간별로 대학의 효율성 평균을 살펴보면 2019년도에 비해 2017년도가 더 높은 것으로 나타나 기간이 지날수록 규모가 작은 대학교가 효율성이 더 높게 나타나는 것으로 판단된다. 넷째, 대학의 효율성 개선율을 투입 요소와 산출 요소를 통해 분석하고 참조집단과 가중치를 통해 도출하여 부록 Ⅰ, Ⅱ에 첨부하였다. 이 중에서 효율성이 가장 낮은 지역중심국공립대학 2개 대학과 지역사립대학 3개 대학을 대상으로 분석한 결과, 산출 요소 중 개선이 가장 많이 이루어져야 하는 요소는 취업률로 나타났다. 다섯째, 대학의 효율성을 DEA 모형만을 이용하여 산출된 결과와 AHP 모형만을 이용하여 산출된 결과 그리고 DEA⋅AHP 통합모형을 이용하여 산출된 결과를 비교하여 보았다. DEA⋅AHP 통합모형은 DEA 모형과 AHP 모형을 이용하여 산출된 효율성 분포와 흡사 유사한 형태를 보였으나 AHP 모형의 상대적 가중치를 반영할 경우 대학순위에 약간의 영향을 미치는 것으로 나타났다. 여섯째, 대학의 성과를 높이기 위해서 대학이 갖추고 있는 활동들을 누적하여 측정하고, 단순히 대학의 인력 구조조정 또는 예산에 치중하는 것보다 주어진 조건에서 다수의 산출물을 제공하는 것에 대해 효율성을 측정하는 것 또한 고려할 필요가 있다. 따라서 DEA 모형만이 아니라 전문가의 의견을 반영한 DEAㆍAHP 통합모형은 대학의 평가에 활용할 수 있는 방법론으로 고려해 볼 수 있을 것이다. 그리고 향후 취업률, 충원율 등의 계량적 수치 및 누적 수치로 대학을 서열화하여 평가하는 것보다는 대학의 기본적 기능인 교육과 연구 환경 요소들을 고려하여 대학 운영의 효율성을 극대화하는 방안을 모색해야 할 것이다. 본 논문의 향후 과제는 다음과 같다. 첫째, 투입 요소와 산출 요소에 대한 최초 선정이 선행연구를 통해 도출되었으며, 이는 대학 효율성에 영향을 미치는 중요한 요소를 배제할 가능성이 있다. 따라서 선행연구뿐만 아니라 전문가의 의견을 통해 다양한 투입 및 산출 요소를 파악한 후 단계적 추가 요소에 따른 효율성 분석을 시도하여야 할 것이다. 둘째,AHP 모형에 따른 전문가 패널이 한정되어 다양한 전문가 패널을 설정하지 못한 한계가 있다. 전문가 대상이 대학에서 근무하는 교직원들을 대상으로 하였으나 실제 대학평가를 실시하고 있는 교육 정책기관이나 언론사 평가자 등으로 다양하게 구성된다면 각 요소의 중요도가 달라질 가능성이 있다. 따라서 향후 AHP 모형에 따른 전문가를 다양하게 구성하여 분석하는 것이 중요할 것이다. 셋째, 본 연구는 2017년도 이전 자료수집의 어려움으로 인해 과거 자료를 파악하지 못하여, 2017년부터 2019년까지 3개년 자료를 통해 효율성 분석을 실시하였기 때문에 2017년도 이전 대학의 효율성을 분석하지 못했다. 각 대학의 효율성 분석을 위해서는 최소한 5개년 공시자료를 이용하여 대학 효율성의 차이를 분석하거나 연도별 전후 효율성에 대한 차이를 분석하는 연구가 실시되어야 할 것이다. 넷째, 본 연구는 지역대학에 한정하여 효율성을 분석하였기 때문에 전체 대학의 효율성을 대표할 수 없다는 한계점을 지니고 있다. 따라서 향후 전체 대학을 대상으로 효율성을 분석하여 지역별, 설립유형별, 기간별로 비교한다면 보다 좋은 연구가 될 것으로 판단한다.
우리나라 대학은 저출산으로 인한 학령인구 격감으로 경쟁력이 약한 대학은 존립 자체가 위협받는 상황이다. 이에 정부는 대학 경쟁력을 높이기 위해 대학을 평가하여 부실대학을 선별하고 정원감축 등의 구조조정을 시행하고 있다. 이런 대학 구조개혁 방안은 대학 정원 감축에만 초점을 맞추고 있어서 대학 본연의 학문적인 역할과 특성을 배제할 가능성이 있다. 그리고 재학생충원율, 취업률과 같은 누적적인 지표를 교육적인 성과로 보기 때문에 대학의 서열화를 촉진할 수 있는 문제가 있다. 본 논문은 대학 성과평가에 대한 개선 전략을 마련해보고자 하였다. 분석표본은 2017년부터 2019년까지 3년간 대학 규모 재학생 2,000명 이상 1만 명 미만 지역중심국공립대학과 지역사립대학으로 모두 48개 대학을 선정하였다. 분석방법으로는 먼저 DEA 모형과 AHP 모형의 개념에 대해 살펴본 후 투입 및 산출 요소를 선정하여 DEA 모형으로 효율성 분석을 하였다. 다음으로 DEA 모형의 한계점을 보완하기 위하여 AHP 모형에 의한 효율성 분석도 함께 진행하였다. 마지막으로 DEA 모형과 AHP 모형을 통합하여 효율성을 분석하였으며 시사점은 다음과 같다. 첫째, 선행연구 분석을 통하여 1차로 선정한 다수의 투입 및 산출 요소를 정량적인 방법인 Profiling 분석과 서열상관관계 분석을 통해 2차 요소를 선정하였다. 정성적인 방법인 AHP 모형을 통하여 2차 선정된 요소를 대상으로 질적 중요도를 반영하였다. 그 결과, 기존 투입 요소 7개와 산출 요소 5개 중에서 최종적으로 전임교원수, 학생수, 교육비, 교내외연구비 등 4개 투입 요소와 취업률, 국내외학술지게재논문수, 기술이전수입료 등 3개 산출 요소를 선정하였다. 둘째, DEA 모형을 적용한 국내 48개 대학 중 효율적으로 나타난 대학은 전체의 18.75%인 9개 대학으로 나타났으며, 그 외 대학들은 주로 규모의 영향보다는 투입 요소로 인한 기술적 요인이 비효율의 원인으로 나타났다. 이는 대학이 최적의 생산 규모를 확보하는 것보다는 투입ㆍ산출구조에 대한 조정이 필요할 것으로 판단된다. 또한, 효율성 분석의 경우에는 비효율적인 지역중심국공립대학과 지역사립대학이 성과를 높이기 위해서는 투입 구조의 감축 방안이 최선이라고 할 수 있다. 만약 그렇게 하지 못한다면 산출물을 극대화할 수 있도록 대학의 내실화를 유지하는 방안이 필요하다. 셋째, 2017년부터 2019년까지 3년간 지역중심국공립대학과 지역사립대학으로 구분하여 효율성을 분석한 결과, 2017년과 2018년에는 효율성의 변화가 없었고 2019년에는 CCR 모형과 BCC 모형 모두 차이가 있었다. 그리고 지역중심국공립대학보다 지역사립대학의 효율성은 낮게 나타났다. 특히 지역사립대학은 기간이 지날수록 비효율적인 대학이 증가했다. 반대로 지역중심국공립대학은 기간이 지남에 따라 지역사립대학보다는 상대적으로 효율성이 높게 나타났다. 기간별로 대학의 효율성 평균을 살펴보면 2019년도에 비해 2017년도가 더 높은 것으로 나타나 기간이 지날수록 규모가 작은 대학교가 효율성이 더 높게 나타나는 것으로 판단된다. 넷째, 대학의 효율성 개선율을 투입 요소와 산출 요소를 통해 분석하고 참조집단과 가중치를 통해 도출하여 부록 Ⅰ, Ⅱ에 첨부하였다. 이 중에서 효율성이 가장 낮은 지역중심국공립대학 2개 대학과 지역사립대학 3개 대학을 대상으로 분석한 결과, 산출 요소 중 개선이 가장 많이 이루어져야 하는 요소는 취업률로 나타났다. 다섯째, 대학의 효율성을 DEA 모형만을 이용하여 산출된 결과와 AHP 모형만을 이용하여 산출된 결과 그리고 DEA⋅AHP 통합모형을 이용하여 산출된 결과를 비교하여 보았다. DEA⋅AHP 통합모형은 DEA 모형과 AHP 모형을 이용하여 산출된 효율성 분포와 흡사 유사한 형태를 보였으나 AHP 모형의 상대적 가중치를 반영할 경우 대학순위에 약간의 영향을 미치는 것으로 나타났다. 여섯째, 대학의 성과를 높이기 위해서 대학이 갖추고 있는 활동들을 누적하여 측정하고, 단순히 대학의 인력 구조조정 또는 예산에 치중하는 것보다 주어진 조건에서 다수의 산출물을 제공하는 것에 대해 효율성을 측정하는 것 또한 고려할 필요가 있다. 따라서 DEA 모형만이 아니라 전문가의 의견을 반영한 DEAㆍAHP 통합모형은 대학의 평가에 활용할 수 있는 방법론으로 고려해 볼 수 있을 것이다. 그리고 향후 취업률, 충원율 등의 계량적 수치 및 누적 수치로 대학을 서열화하여 평가하는 것보다는 대학의 기본적 기능인 교육과 연구 환경 요소들을 고려하여 대학 운영의 효율성을 극대화하는 방안을 모색해야 할 것이다. 본 논문의 향후 과제는 다음과 같다. 첫째, 투입 요소와 산출 요소에 대한 최초 선정이 선행연구를 통해 도출되었으며, 이는 대학 효율성에 영향을 미치는 중요한 요소를 배제할 가능성이 있다. 따라서 선행연구뿐만 아니라 전문가의 의견을 통해 다양한 투입 및 산출 요소를 파악한 후 단계적 추가 요소에 따른 효율성 분석을 시도하여야 할 것이다. 둘째,AHP 모형에 따른 전문가 패널이 한정되어 다양한 전문가 패널을 설정하지 못한 한계가 있다. 전문가 대상이 대학에서 근무하는 교직원들을 대상으로 하였으나 실제 대학평가를 실시하고 있는 교육 정책기관이나 언론사 평가자 등으로 다양하게 구성된다면 각 요소의 중요도가 달라질 가능성이 있다. 따라서 향후 AHP 모형에 따른 전문가를 다양하게 구성하여 분석하는 것이 중요할 것이다. 셋째, 본 연구는 2017년도 이전 자료수집의 어려움으로 인해 과거 자료를 파악하지 못하여, 2017년부터 2019년까지 3개년 자료를 통해 효율성 분석을 실시하였기 때문에 2017년도 이전 대학의 효율성을 분석하지 못했다. 각 대학의 효율성 분석을 위해서는 최소한 5개년 공시자료를 이용하여 대학 효율성의 차이를 분석하거나 연도별 전후 효율성에 대한 차이를 분석하는 연구가 실시되어야 할 것이다. 넷째, 본 연구는 지역대학에 한정하여 효율성을 분석하였기 때문에 전체 대학의 효율성을 대표할 수 없다는 한계점을 지니고 있다. 따라서 향후 전체 대학을 대상으로 효율성을 분석하여 지역별, 설립유형별, 기간별로 비교한다면 보다 좋은 연구가 될 것으로 판단한다.
In Korea, the existence itself of universities with weak competitiveness is threatened due to a sharp decrease in the school age population caused by low birth rate. In order to improve university competitiveness, the government evaluates universities, selects poor universities, and implements restr...
In Korea, the existence itself of universities with weak competitiveness is threatened due to a sharp decrease in the school age population caused by low birth rate. In order to improve university competitiveness, the government evaluates universities, selects poor universities, and implements restructuring such as reduction in number of students. Focusing on reducing the number of students in universities, this method of university restructuring is likely to exclude the various academic roles and characteristics that make up universities. In addition, there is a problem that may promote the ranking of universities because cumulative indicators such as enrollment rate and employment rate are regarded as educational results. This paper is to develop an improvement strategy for university performance evaluation. For the analysis sample, 48 community-based national public universities and local private universities with 2,000 students - 10,000 students for 3 years from 2017 to 2019 were selected. As an analysis method, the concepts of the DEA and AHP models were first examined, and then input and output factors were selected to analyze the efficiency with the DEA model. Next, in order to supplement the limitations of the DEA model, an efficiency analysis by the AHP model was also conducted. Finally, the efficiency was analyzed by integrating the DEA and AHP models, and the implications are as follows: First, the profiling analysis and rank correlation analysis, which are the quantitative methods, were used to select secondary factors among a number of input and output factors selected as primary through prior research analysis. Qualitative importance was reflected to the secondly selected factors through the qualitative method AHP model. As a result, four input factors including number of full-time professors, number of students, education expenses, and research expenses in and out of school and three output factors, including employment rate, number of articles published in domestic and foreign academic journals, and technology transfer fees, were finally selected from existing seven input factors and five output factors. Second, 9 (18.75%) out of 48 domestic universities applying the DEA model were found to be efficient, and technical factors due to input factors rather than the effect of scale were found to be the cause of inefficiency in other universities. It seems that universities need to adjust the input and output structure rather than to secure the optimal production scale. In addition, in the case of efficiency analysis, it can be said that the reduction of the input structure is the best way to improve the performance of inefficient community-based national public universities and local private universities. If it is not possible, it is necessary to maintain the internalization of universities in order to maximize the output. Third, according to the result of analyzing the efficiency of community-based national public universities and local private universities for three years from 2017 to 2019, there was no change in efficiency in 2017 and 2018, and there were differences in both CCR and BCC models in 2019. In addition, the efficiency of local private universities was found to be lower than that of community-based national public universities. In particular, the number of inefficient local private universities has increased over time. On the contrary, community-based national public universities were found to be relatively more efficient than local private universities over time. According to the efficiency average of universities by period, the efficiency in 2017 was found to be higher than in 2019, indicating that smaller universities are more efficient over time. Fourth, the efficiency improvement rate of universities was analyzed through input and output factors, derived through reference groups and weights and attached to Appendix I and II. Among these, two community-based national public universities and three local private universities with the least efficiency were analyzed. As a result, the employment rate was found to be the factor that needs to be improved most among the output factors. Fifth, the efficiency of the universities was compared with the result calculated using only the DEA model, the result calculated using only the AHP model, and the result calculated using the DEA·AHP integrated model. Although showing a form almost similar to the efficiency distribution calculated using the DEA and AHP models, the DEA·AHP integrated model showed a slight influence on the university ranking when reflecting the relative weight of the AHP model. Sixth, in order to improve the performance of universities, it also needs to consider measuring the efficiency of providing multiple outputs under the conditions given by the university rather than accumulating and measuring the activities of the university and just focusing on manpower restructuring and budgeting the university. Therefore, the DEA⦁AHP integrated model reflecting the opinions of experts, not just the DEA model, can be considered as a methodology that can be used for university evaluation. In the future, rather than ranking and evaluating universities with quantitative and cumulative numbers such as employment rate and recruitment rate, it is necessary to seek ways to maximize the efficiency of universities by considering the education and research environment factors, which are the basic functions of universities. The future tasks of this paper are as follows: First, the initial selection of input and output factors was derived through previous studies, and it is likely to exclude important factors affecting university efficiency. Therefore, it is necessary to identify various input and output factors through expert opinions as well as previous studies, and then try to analyze the efficiency according to step-by-step additional factors. Second, there is a limitation that various expert panels were not established because the panel of experts according to the AHP model is limited. The faculty members working at the university were set as experts, but the importance of each factor may be different if the subjects are composed of educational policy institutions or media reviewers who are actually conducting university evaluations. Therefore, it will be important to analyze various experts according to the AHP model in the future. Third, since this study was unable to identify past data due to difficulties in data collection prior to 2017, it conducted the efficiency analysis through three-year data from 2017 to 2019, resulting in failing to analyze the efficiency of universities prior to 2017. In order to analyze the efficiency of each university, studies that analyze differences in university efficiency using at least five-year public disclosure data or analyze the difference in efficiency before and after each year should be conducted. Fourth, this study has a limitation that it cannot represent the efficiency of all universities because the efficiency analysis was limited to local universities. Therefore, it is judged that this would be a better study if efficiency is analyzed for all universities in the future and compared by region, establishment type, and period.
In Korea, the existence itself of universities with weak competitiveness is threatened due to a sharp decrease in the school age population caused by low birth rate. In order to improve university competitiveness, the government evaluates universities, selects poor universities, and implements restructuring such as reduction in number of students. Focusing on reducing the number of students in universities, this method of university restructuring is likely to exclude the various academic roles and characteristics that make up universities. In addition, there is a problem that may promote the ranking of universities because cumulative indicators such as enrollment rate and employment rate are regarded as educational results. This paper is to develop an improvement strategy for university performance evaluation. For the analysis sample, 48 community-based national public universities and local private universities with 2,000 students - 10,000 students for 3 years from 2017 to 2019 were selected. As an analysis method, the concepts of the DEA and AHP models were first examined, and then input and output factors were selected to analyze the efficiency with the DEA model. Next, in order to supplement the limitations of the DEA model, an efficiency analysis by the AHP model was also conducted. Finally, the efficiency was analyzed by integrating the DEA and AHP models, and the implications are as follows: First, the profiling analysis and rank correlation analysis, which are the quantitative methods, were used to select secondary factors among a number of input and output factors selected as primary through prior research analysis. Qualitative importance was reflected to the secondly selected factors through the qualitative method AHP model. As a result, four input factors including number of full-time professors, number of students, education expenses, and research expenses in and out of school and three output factors, including employment rate, number of articles published in domestic and foreign academic journals, and technology transfer fees, were finally selected from existing seven input factors and five output factors. Second, 9 (18.75%) out of 48 domestic universities applying the DEA model were found to be efficient, and technical factors due to input factors rather than the effect of scale were found to be the cause of inefficiency in other universities. It seems that universities need to adjust the input and output structure rather than to secure the optimal production scale. In addition, in the case of efficiency analysis, it can be said that the reduction of the input structure is the best way to improve the performance of inefficient community-based national public universities and local private universities. If it is not possible, it is necessary to maintain the internalization of universities in order to maximize the output. Third, according to the result of analyzing the efficiency of community-based national public universities and local private universities for three years from 2017 to 2019, there was no change in efficiency in 2017 and 2018, and there were differences in both CCR and BCC models in 2019. In addition, the efficiency of local private universities was found to be lower than that of community-based national public universities. In particular, the number of inefficient local private universities has increased over time. On the contrary, community-based national public universities were found to be relatively more efficient than local private universities over time. According to the efficiency average of universities by period, the efficiency in 2017 was found to be higher than in 2019, indicating that smaller universities are more efficient over time. Fourth, the efficiency improvement rate of universities was analyzed through input and output factors, derived through reference groups and weights and attached to Appendix I and II. Among these, two community-based national public universities and three local private universities with the least efficiency were analyzed. As a result, the employment rate was found to be the factor that needs to be improved most among the output factors. Fifth, the efficiency of the universities was compared with the result calculated using only the DEA model, the result calculated using only the AHP model, and the result calculated using the DEA·AHP integrated model. Although showing a form almost similar to the efficiency distribution calculated using the DEA and AHP models, the DEA·AHP integrated model showed a slight influence on the university ranking when reflecting the relative weight of the AHP model. Sixth, in order to improve the performance of universities, it also needs to consider measuring the efficiency of providing multiple outputs under the conditions given by the university rather than accumulating and measuring the activities of the university and just focusing on manpower restructuring and budgeting the university. Therefore, the DEA⦁AHP integrated model reflecting the opinions of experts, not just the DEA model, can be considered as a methodology that can be used for university evaluation. In the future, rather than ranking and evaluating universities with quantitative and cumulative numbers such as employment rate and recruitment rate, it is necessary to seek ways to maximize the efficiency of universities by considering the education and research environment factors, which are the basic functions of universities. The future tasks of this paper are as follows: First, the initial selection of input and output factors was derived through previous studies, and it is likely to exclude important factors affecting university efficiency. Therefore, it is necessary to identify various input and output factors through expert opinions as well as previous studies, and then try to analyze the efficiency according to step-by-step additional factors. Second, there is a limitation that various expert panels were not established because the panel of experts according to the AHP model is limited. The faculty members working at the university were set as experts, but the importance of each factor may be different if the subjects are composed of educational policy institutions or media reviewers who are actually conducting university evaluations. Therefore, it will be important to analyze various experts according to the AHP model in the future. Third, since this study was unable to identify past data due to difficulties in data collection prior to 2017, it conducted the efficiency analysis through three-year data from 2017 to 2019, resulting in failing to analyze the efficiency of universities prior to 2017. In order to analyze the efficiency of each university, studies that analyze differences in university efficiency using at least five-year public disclosure data or analyze the difference in efficiency before and after each year should be conducted. Fourth, this study has a limitation that it cannot represent the efficiency of all universities because the efficiency analysis was limited to local universities. Therefore, it is judged that this would be a better study if efficiency is analyzed for all universities in the future and compared by region, establishment type, and period.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.