تحقیق کاربردی : هدف تحقیقات کاربردی توسعه دانش کاربردی در یک زمینه خاص است. به عبارت دیگر تحقیقات کاربردی به سمت کاربرد عملی دانش هدایت می شود.

تحقیق توصیفی : شامل مجموعه روش هایی است که هدف آن ها توصیف کردن شرایط یا پدیده‌های مورد بررسی است. اجرای تحقیق توصیفی می‌تواند صرفاً برای شناخت بیشتر شرایط موجود یا یاری دادن به فرایند تصمیم گیری باشد.

تحقیق کمّی : در این نوع تحقیقات از داده های کمّی استفاده می شود.

تحقیق گذشته نگر : اگر داده های گردآوری شده در رابطه با رویداد هایی باشد که در گذشته رخ داده است طرح تحقیق را می توان گذشته نگر تلقی کرد.

تحقیق تصمیم گرا : در تحقیق تصمیم گرا هدف پژوهشگر یافتن پاسخ مسئله ای است که نتیجه آن بلافاصله می‌تواند در تصمیم گیری مورد استفاده قرار گیرد. (سرمد و همکاران، ۱۳۹۱، ۸۲-۷۸)

۳-۳ جامعه آماری

با توجه به تعریف، یک جامعه آماری عبارت است از مجموعه ای از افراد یا واحد ها که دارای حداقل یک صفت مشترک باشند. (سرمد و همکاران، ۱۳۹۱، ۱۷۷) در این تحقیق ‌گروه‌های آموزشی دانشگاه آزاد اسلامی واحد رشت در مقطع کارشناسی به عنوان جامعه آماری در نظر گرفته می شود.

واحد هایی که با به کارگیری میزان میزان مشخصی از ورودی ها، خروجی هایی را ارائه می‌کنند، واحد های تصمیم گیرنده نامیده می‌شوند، زیرا این واحدها در خصوص نحوه استفاده از ورودی ها و نحوه پردازش آن ها تصمیم گیری می‌کنند. (مهرگان، ۱۳۹۱، ۵۸) ‌بنابرین‏ در این تحقیق ‌گروه‌های آموزشی یا اعضای جامعه آماری همان واحدهای تصمیم گیری (DMUs) می‌باشند که تعداد آن ها ۱۴ واحد می‌باشد. در ضمن در این مبحث جا دارد اضافه شود که : چارنز ، کوپر و رودز در ساخت مدل تحلیل پوششی داده ها به یک رابطه تجربی در ارتباط با تعداد واحد های مورد ارزیابی و تعداد ورودی ها و خروجی ها به صورت زیر رسیدند: (مهرگان، ۱۳۹۱، ۷۰)

( تعداد خروجی ها + تعداد ورودی ها ) ۳ تعداد واحد های مورد ارزیابی

به کار نگرفتن رابطه فوق در عمل موجب می شود که تعداد زیادی از واحد ها بر روی مرز کارا قرار گیرند و به عبارت دیگر، دارای امتیاز کارایی یک شوند، در نتیجه قدرت تفکیک مدل کاهش می‌یابد. در ادامه خواهد آمد که تعداد ورودی ها ۲ و تعداد خروجی ها نیز ۲ است، با توجّه به آن، رابطه بالا برقرار خواهد بود:

( ۲ + ۲ ) ۳ ۱۴

۳-۴ ابزار گردآوری داده ها

در این تحقیق برای گردآوری داده ها از پایگاه داده ها و بانک اطلاعاتی و نظر کارشناسان استفاده می شود.

۳-۵ روش تجزیه و تحلیل اطلاعات

در این تحقیق برای ارزیابی کارایی نسبی ‌گروه‌های آموزشی از تکنیک DEA ، مدل CCR ورودی محور و خروجی محور مضربی استفاده می شود که در ادامه به توضیحاتی در این خصوص می پردازیم. همچنین برای رتبه بندی واحدهای کارا، روش اندرسون – پترسون را به کار بردیم. برای حل مدل های DEA می توان از نرم افزار های مختلفی همچون GAMS، LINGO و DEA Solver استفاده نمود، که در تحقیق حاضر از نرم افزار DEA Solver استفاده کردیم.

۳-۵-۱ روش تحلیل پوششی داده ها (DEA)

روش تحلیل پوششی داده ها ( DEA) روشی مبتنی بر برنامه ریزی خطی ناپارامتریک است که برای ارزیابی کارایی نسبی واحد های تصمیم گیری (DMU’s)، که وظایف یکسانی انجام می‌دهند و دارای ورودی ها و خروجی های چندگانه اند به کار می رود ، مانند سنجش و مقایسه کارایی نسبی واحد های سازمانی نظیر ادارات دولتی یک وزارت خانه ، مدارس ، بیمارستان ها ، فروشگاه های زنجیره ای ، شعب بانک ها و موارد مشابهی که در آن ها واحد های تصمیم گیری همگنی وجود دارند. (مومنی، ۱۳۸۹، ۱۴۷)

۳-۵-۱-۱ چگونگی عملکرد DEA

در هر برنامه خطی DEA ، روش حل در پی حداکثر کردن کارایی واحد هدف است. ‌به این صورت که ، یک مرز یا الگو (مبنای مقایسه) از واحد های تصمیم گیری که دارای بهترین عملکرد هستند ساخته می شود. سپس کارایی واحد های مورد نظر نسبت به آن مرز سنجیده می شود. این رویه ‌به این شکل است که هنگامی که کارایی واحد هدف یا دستکم یکی دیگر از واحد ها، معادل یک شد، متوقف می شود. واحد هایی که امتیاز کارایی آن ها معادل یک شد کارا و بقیه ناکارآمدند. ‌بنابرین‏ برای هر واحد ناکارآمد، حداقل یک واحد دیگر وجود دارد که با همان وزن های واحد هدف به دست آمده از حل مدل، دارای کارایی یک است. ‌به این واحد های کارآمد، ” گروه همتا یا همپایه ” یا ” گروه مرجع^[۲۴] ” واحد ناکارآمد گفته می شود. (مومنی، ۱۳۸۹، ۱۵۹-۱۵۷)

حال به دو مفهوم اساسی زیر در تعیین کارایی واحد ها توجّه کنید :

الف ) اگر واحد A بتواند خروجی بیشتری نسبت به واحد B ولی با همان میزان ورودی ارائه کند، واحد A از واحد B کاراتر است. ب ) در صورتی که واحد A بتواند با میزان مشخصی ورودی مقدار مشخصی خروجی ارائه کند، این توقع وجود دارد که سایر واحد های مشابه نیز بتوانند با همان میزان ورودی، خروجی مشابهی عرضه کنند و به همین قیاس، اگر واحد B با مقدار مشخصی ورودی توانایی تولید میزان معینی خروجی داشته باشند باز هم این انتظار وجود دارد که سایر واحد ها بر این امر توانا باشند. حال می توان واحد های A،B و سایر واحد ها را مخلوط و از آن یک ترکیب یا ترکیبی از ورودی ها و خروجی های واحد ها ساخت. امّا از آنجا که واحدی با ویژگی های این ترکیب وجود ندارد، یک واحد مجازی ساخته می شود. قلب تحلیل پوششی داده ها پیدا کردن بهترین واحد مجازی از ترکیب کردن تمامی واحد های واقعی است. (مهرگان، ۱۳۹۱، ۵۵-۵۴)

باید افزود در حقیقت فلسفه تحلیل پوششی داده ها ساختن واحد مجازی است تا واحد مورد بررسی با آن مقایسه و کارایی آن سنجیده شود. (مهرگان، ۱۳۹۱، ۷۲)

۳-۵-۱-۲ مدل CCR

اوّلین مدل تحلیل پوششی داده ها که توسط چارنز، کوپر و رودز در سال ۱۹۸۷ ارائه شد، بر اساس حروف اوّل نام واضعان آن CCR نام گرفت.

برای ساختن این مدل ، فرض کنید n واحد تصمیم گیری موجود است که هر واحد دارای m ورودی و s خروجی است و هدف ارزیابی کارایی واحد تحت بررسی ( واحد صفر یا واحد تصمیم گیرنده ) است که ورودی های x1,0, x2,0, …, xm,0 را برای تولید خروجی های y1,0, y2,0, …, ys,0 مصرف می‌کنند. در صورتی که وزن های تخصیص داده شده به خروجی ها با u1, u2, …, um و وزن های تخصیص داده شده به ورودی ها با v1, v2, …, vm نشان داده شود، کارایی نسبی واحد صفر با حل مدل برنامه ریزی کسری زیر ارزیابی می شود :

مدل نسبت CCR

برای اینکه بتوان روش های حل برنامه ریزی خطی را برای این مدل به کار برد باید آن را به مدل خطی تبدیل کرد. در مدل CCR ورودی محور مخرج کسر را ثابت در نظر گرفته و صورت را حداکثر کنیم. در نهایت مدل بالا به مدل زیر تبدیل می شود که به آن مدل مضربی و به ثانویه آن مدل پوششی می‌گویند. (مهرگان،۱۳۹۱، ۶۵-۵۷)

مدل مضربی CCR ورودی محور

امّا اگر صورت کسر را ثابت در نظر گرفته و مخرج را حداقل کنیم مدل خروجی محور یا ستاده گرا حاصل می شود، که به قرار زیر است:

مدل مضربی CCR خروجی محور