La universidad en tiempos de capitalismo académico y gerencialismo

La mayoría de los sistemas universitarios del mundo reciben al menos una parte de sus ingresos de fondos públicos (^{de Boer y Enders, 2017}). Por consiguiente, los gobiernos nacionales han desarrollado un creciente interés por medir la eficiencia de las políticas públicas relacionadas con la educación terciaria como una forma de asegurar el cumplimiento de fines a través de medios apropiados. Por una parte, los beneficios sociales relacionados con la disminución de la pobreza, el aumento de la productividad y un mayor desarrollo económico, entre otros, reflejan la importancia de promover el desarrollo de bienes públicos tales como la formación de capital humano y la generación de conocimiento. Por otra, la escasez de recursos y las diversas demandas sociales imponen a los gobiernos nacionales exigencias asociadas a un uso eficiente de los recursos estatales y una mayor rendición de cuentas públicas.

En este contexto, se visualiza una tendencia global de las políticas públicas del sector orientadas a aumentar el nivel de competencia entre las instituciones, la reducción de recursos públicos, un mayor énfasis en el desempeño institucional y la incorporación de mecanismos para la evaluación de resultados (^{Bleiklie, Enders, Lepori y Musselin., 2011}; ^{Dill, 2014}). En concreto, la asignación de recursos con base en resultados u orientada a resultados constituye una de las principales políticas de financiamiento utilizada por diversos gobiernos nacionales con el propósito de promover una mayor eficiencia en sus sistemas universitarios (^{Araneda-Guirriman y Pedraja-Rejas, 2016}; ^{Erickson et al., 2020}). En efecto, estos cambios, tanto en la organización como en el financiamiento de la educación superior, han sido estudiados bajo el lente del capitalismo académico (^{Slaughter y Rhoades, 2004}), en diversos contextos, principalmente en países anglosajones (Sigahi y Saltorato, 2019). No obstante, el enfoque del capitalismo académico se está ampliando a otras latitudes, tal es el caso de Latinoamérica (^{Brunner, Labraña, Rodríguez- Ponce y Ganga, 2021}; ^{Pedraja-Rejas, Brunner, Rodríguez-Ponce y Labraña, 2021}).

Este nuevo marco ha llevado a las universidades a adoptar instrumentos de gestión propios del sector privado. Este fenómeno, denominado gerencialismo o nuevo gerencialismo, ha sido examinado prolíficamente durante las últimas dos décadas (^{Deem y Brehony, 2005}; ^{Pitcher, 2013}; ^{Shepherd, 2017}). Al respecto, se reconoce que este proceso en curso está cambiando la cultura de las instituciones desde el esquema colegial tradicional hacia uno burocrático y jerárquico (^{Cano, Murray y Kourouklis, 2020}). Así, la gestión de las universidades ha incorporado análisis comparado de competitividad (benchmarking), planificación por objetivos, indicadores, metas, instancias de control y rendición de cuentas, entre otros instrumentos (^{Erickson, Hanna y Walker, 2020}).

De esta manera, se va instalando un esquema de gestión centrado en la eficiencia que ha conducido a una intensificación del trabajo académico por medio del incremento de la proporción entre estudiantes y profesores y además, a través de mediciones comparadas de la producción científica (^{Salmi, 2013}). De hecho, existen diversos estudios que recogen las experiencias de distintos sistemas universitarios respecto a los cambios que está experimentando la gestión del trabajo académico individual bajo modelos de tipo gerencial con énfasis en la productividad y eficiencia. A modo de ilustración, algunos casos tales como el estudio del cumplimiento de los imperativos de rendimiento académico en China (Huang y Xu, 2019), las implicancias del modelo de universidad emprendedora en el trabajo académico en el Reino Unido (^{Jones y Patton, 2020}), los efectos de la gestión empresarial en la vida laboral de los académicos en Australia (^{Kenny y Fluck, 2014}), y la implementación de contratos e incentivos para el cumplimiento de resultados académicos en Chile (^{Alarcón, 2020}).

Estudios previos

En la literatura no se aprecia un consenso generalizado respecto a cuál es el mejor método para la estimación de la eficiencia de las instituciones de educación superior (^{Nkohla, Munacinga, Marwa y Ncwadi, 2021}). En efecto, cada investigación adopta el modelo que mejor se adapta a sus objetivos, muestra y datos disponibles (^{Barra et al., 2015}). No obstante, se advierte el predominio de dos modelos matemáticos: el análisis de frontera estocástica (SFA) y el análisis envolvente de datos (DEA) (^{Gromov, 2017}).

Ambos modelos tienen sus propias ventajas y limitaciones. El modelo de SFA es un enfoque paramétrico que considera la existencia de un error basado en dos partes: un error aleatorio y una ineficiencia. Este método requiere supuestos respecto de la función de producción y las formas de distribución de la ineficiencia y el ruido. La principal ventaja del modelo es que reconoce la existencia de errores aleatorios que están fuera del control del productor. Su mayor limitante es la posibilidad que la función de producción esté mal especificada y puede conducir a errores de estimación o sesgos (^{Gromov, 2017}).

Por su parte, el DEA es un modelo no paramétrico que a diferencia del SFA resulta menos exigente en cuanto a los supuestos; en efecto, no requiere conocer la función de producción. No obstante, no proporciona estimaciones de las medidas estadísticas de los resultados. En contraste con el SFA, el DEA asume que los datos están libres de inexactitud. Una de las ventajas del DEA es que proporciona información útil como puntos de referencia de cada unidad evaluada que puede ser valiosa para realizar recomendaciones (^{Gromov, 2017}). Otra ventaja del DEA es que se pueden manejar varios números de insumos y productos de manera simultánea y estimar la eficiencia donde los precios de mercado no están disponibles dada las dificultades para determinar los reales costos de producción (^{Bornmann, Wohlrabe y Gralka, 2019}; ^{Johnes y Tone, 2017}).

Los estudios sobre la eficiencia de las universidades han estado centrados mayormente en evaluar la eficiencia relativa de las instituciones, por un lado, y, por otro, de los departamentos académicos en contextos nacionales específicos. En cambio, las investigaciones que comparan realidades entre diferentes países han sido menos desarrolladas (^{Cantele et al., 2016}).

En cuanto al análisis comparado de la eficiencia entre universidades nacionales, durante las últimas dos décadas destacan el estudio sobre los efectos de la política pública en la eficiencia de las universidades (^{Glass, McCallion, McKillop, Rasaratnam y Stringer, 2006}); la evaluación de la estructura de costos, eficiencia y productividad de un grupo de universidades de Inglaterra (^{Thanassoullis, Kortelainen, Johnes y Johnes, 2011}) y el análisis y comparación de resultados de eficiencia de universidades bajo diversos modelos no paramétricos (^{Johnes y Tone, 2017}) en el Reino Unido; el análisis de la eficiencia relativa de 58 universidades públicas y sus implicancias políticas en Italia (^{Agasisti y Dal Bianco, 2006}); la estimación de la eficiencia de 72 universidades públicas con foco en la producción científica y sus implicancias para establecer incentivos a la investigación en Alemania (^{Bornmann et al., 2019}); la medición de la eficiencia técnica de las universidades utilizando diversas combinaciones de insumos y productos mediante DEA en Australia (Abbott y Doucouliagos, 2003); la estimación de la eficiencia técnica y los costos de las universidades públicas en base a diferentes conjuntos de insumos y productos utilizando DEA en Turquía (^{Erkoç, 2016}); el análisis de eficiencia técnica y productividad de las instituciones de educación superior en Suecia (^{Andersson, Antelius, Månsson y Sund, 2017}); la examinación de la eficiencia relativa en la producción de investigación de 109 universidades regulares en China (^{Johnes y Yu, 2008}); la estimación de la ineficiencia atribuible a fallos en la gobernanza de las universidades en España (^{Duch-Brown y Vilalta, 2010}); y la evaluación de la eficiencia de 23 universidades públicas en Sudáfrica comparando su desempeño entre 2009 y 2016 (^{Nkohla et al., 2021}).

A nivel Latinoamericano resaltan investigaciones orientadas a estudiar la eficiencia de la educación de grado en 37 universidades públicas de Argentina (^{D´Elia y Ferro, 2021}); la medición de la eficiencia de las 25 universidades pertenecientes al Consejo de Rectores de las Universidades Chilenas (^{Ramírez y Alfaro, 2013}) y la estimación de la eficiencia relativa de 33 universidades chilenas y su comparación según su acreditación y posicionamiento en ranking (^{Cossani, Codoceo, Cáceres y Tabilo, 2022}); el análisis de eficiencia de 32 universidades públicas (^{Navarro, Gómez, Torres y Zacarías, 2016}) y la evaluación de eficiencia comparada de 33 instituciones de educación superior (^{Vázquez, Rodríguez y González, 2020}) en México; y la medición de eficiencia y cambios de productividad de 32 universidades públicas de Colombia (^{Maza, Vergara y Román, 2014}).

Respecto de los estudios a nivel de departamentos académicos destacan: el análisis de eficiencia de la docencia e investigación de los departamentos en una universidad politécnica (^{Trillo, 2002}); la estimación del rendimiento de la investigación de los departamentos en una universidad de Grecia (^{Kounetas, Anastasiou, Mitropoulos y Mitropoulos, 2011}); la evaluación de la eficiencia de los departamentos de enseñanza en una universidad de India (^{Sharma y Mehra, 2019}); la medición de eficiencia de producción de la formación de capital humano en una universidad de Italia (^{Ferrari y Laureti, 2005}); la estimación de la eficiencia de 42 departamentos académicos de una universidad pública de Estados Unidos (^{Moreno y Tadepalli, 2002}). Mientras que en Latinoamérica sobresalen la evaluación de eficiencia de 69 carreras de 11 universidades públicas del Estado Plurinacional de Bolivia (^{Jordan y Quispe, 2017}) y el estudio de eficiencia comparada de 15 unidades académicas de una universidad de Chile (^{Cáceres, Kristjanpoller y Tabilo, 2014}).

Entre las investigaciones que abordan comparación de la eficiencia de universidades de diversos países cabe mencionar el estudio de la eficiencia comparada entre universidades italianas y españolas y sus condicionantes locales (^{Agasisti y Pérez-Esparrells, 2010}); la medición de la eficiencia relativa en la utilización del gasto público en educación, investigación y desarrollo de los Estados miembros de la Unión Europea (^{Aristovnik, 2012}) y la medición de la eficiencia comparada con foco en investigación de 4,800 instituciones a nivel mundial (^{Bornmann, Gralka, de Moya Anegón y Wohlrabe, 2020}).

Organización

El sistema universitario chileno cuenta con una significativa tradición de provisión mixta conformada por instituciones estatales y privadas con vocación pública (^{Brunner, 2005}). Al año 2020 el sistema está integrado por 61 instituciones que agrupan el 60% de matrícula total de estudiantes del sector terciario: 18 universidades estatales, 12 universidades privadas pertenecientes al Consejo de Rectores (CRUCH) y 31 universidades privadas no pertenecientes al CRUCH (^{CGR, 2020}). El Consejo de Rectores está integrado por las 18 universidades estatales, 9 universidades privadas denominadas tradicionales (creadas antes de la reforma de 1980) y 3 universidades privadas incorporadas recientemente (creadas después de la reforma de 1980).

Las universidades estatales concentran el 27% del total de la matrícula universitaria mientras que las privadas pertenecientes al CRUCH el 29% y las privadas no CRUCH el 44%. En efecto, desde el punto de vista de la distribución de la matrícula del sistema universitario, en Chile predomina un esquema de provisión privada. De hecho, la matricula total privada alcanza el 73% el año 2020 (^{CGR, 2020}).

Financiamiento

El financiamiento público al sistema universitario se canaliza a través de 3 vías: recursos asignados para el financiamiento institucional para la gratuidad, recursos asignados a los estudiantes y recursos asignados a las instituciones. El año 2020, la primera vía correspondió al 39% del total de recursos estatales transferidos al sistema universitario, la segunda vía al 30% mientras que la tercera vía al 31%. En total las universidades concentraron el 79% del total de los recursos transferidos desde el Estado a las instituciones de educación superior el año 2020 (^{CGR, 2020}).

La línea de financiamiento para la gratuidad corresponde a una transferencia de recursos públicos hacia las universidades que cumplen un conjunto de requisitos establecidos en la ley. Los recursos se estiman a partir de la cantidad de estudiantes beneficiarios y el valor de los aranceles regulados definidos cada 5 años por el Ministerio de Educación. El año 2020, 33 universidades se hallaban adscritas a la gratuidad (29 pertenecientes al CRUCH y 4 no pertenecientes). Las universidades estatales recibieron un 46% del total de los recursos entregados a las universidades el año 2020. Las universidades privadas pertenecientes al CRUCH captaron un 40%, mientras que las universidades no CRUCH recibieron un 14%.

Por su parte, la línea de financiamiento a los estudiantes está asociada a aportes públicos orientados a financiar créditos y becas a estudiantes matriculados en las instituciones del sistema. Las universidades estatales recibieron un 17% del total de estos recursos otorgados a las universidades el año 2020. Por su parte, las universidades privadas del CRUCH obtuvieron un 22% y las universidades no CRUCH un 61% durante el mismo período.

A su vez, la línea de financiamiento a las instituciones agrupa un conjunto amplio de instrumentos o fondos de diversas características: directos (con predominio de criterios históricos) o indirectos (que incorporan criterios de competencia entre instituciones) ; abiertos (a todas las universidades del sistema) o cerrados (restringidos según criterios de propiedad o antigüedad de las universidades); por resultados (que favorece la asignación de recursos a las universidades con mejores resultados) o para mejorar resultados (que apuntan a elevar resultados de universidades con desempeño deficiente); y generales (de libre disposición) o específicos (asignación de recursos con foco en alguna de las misiones o temática particular). El año 2020, las universidades estatales recibieron 58% del total de los fondos de la línea de financiamiento a instituciones mientras que las universidades privadas del CRUCH un 38% y las privadas no CRUCH un 4%.

Teniendo en cuenta las 3 vías de financiamiento público, las universidades estatales captaron 41% de los recursos asignados al sistema universitario el año 2020; las universidades privadas pertenecientes al CRUCH obtuvieron 34% y aquellas privadas no CRUCH un 25% (^{CGR, 2020}).

Ahora bien, los diversos estudios comparados realizados durante las últimas décadas evidencian que Chile es uno de los países donde el gasto privado en instituciones de educación superior supera ampliamente el gasto público (^{MINEDUC (2019)}. No obstante, los recientes cambios introducidos en la ley de Educación Superior Nº20.091, promulgada en mayo de 2018, aumentan la preponderancia del Estado a través de mayores regulaciones públicas y un aumento del financiamiento estatal, principalmente por medio del subsidio a la gratuidad. Entre 2018 y 2020 la gratuidad pasó del 38% al 44% del total del financiamiento fiscal anual. De esta manera, la economía política del sistema de educación superior chileno está transitando desde un esquema con predominio de costos compartidos y mercado a un modelo híbrido entre estatal y tercer sector (^{Brunner, 2017}). Por consiguiente, tiene mayor sentido profundizar en estudios que permitan evaluar la eficiencia de las universidades y la efectividad del proceso de asignación de fondos públicos.

Diseño de la investigación

Considerando los objetivos de esta investigación se ha optado por utilizar el DEA para medir la eficiencia relativa de las universidades chilenas. Entre las principales razones que justifican esta elección pueden mencionarse al menos tres. Primero, su capacidad para incluir diversas entradas y salidas se ajusta a la realidad de las universidades chilenas que funcionan como entidades multipropósito. Durante los últimos años, tanto la normativa que regula la calidad como los criterios de asignación de fondos públicos hacia las universidades están promoviendo un mayor balance en el desarrollo la enseñanza y la investigación (^{Fernández, 2015}). En segundo lugar, el modelo DEA asigna ponderaciones a entradas y salidas de tal manera que evita la subjetividad del evaluador. Por último, el modelo ofrece la posibilidad de contar con información relevante para recomendar mejoras tanto a las universidades como a los tomadores de decisión responsables de la asignación de los fondos públicos hacia las universidades (^{Thanassoulis et al., 2009}).

Después de revisar las variantes de enfoques que ofrece el DEA, se ha optado por aplicar el modelo DEA-BCC (^{Banker, Charnes y Cooper, 1984}) que considera la existencia de rendimientos variables a escala. Esto supone que hay una relación significativa entre la escala de operación y la eficiencia de las universidades (^{Vázquez et al., 2020}). Dicho de otra manera, se asume que un aumento de insumos produciría un desproporcionado aumento en los productos. En efecto, para confirmar esta hipótesis se realizaron pruebas iniciales con los datos disponibles y los resultados evidencian que la ineficiencia de escala promedio del grupo de universidades analizadas explica un 50% de la ineficiencia global. De este modo, se entiende que la ineficiencia se explica, en promedio, tanto por las decisiones de asignación de recursos al interior de las universidades como por el tamaño o escala de operación.

Asimismo, se ha preferido mostrar los resultados de la eficiencia técnica de las universidades chilenas desde dos perspectivas: orientación a insumos (input) y orientación a productos (output). La primera busca que el DEA determine la menor cantidad de insumos que una universidad necesita sin disminuir la cantidad de productos considerando el desempeño de la muestra. Por su parte, la orientación a productos solicita al DEA simular el incremento máximo posible de los productos sin modificar la cantidad de insumos con base en el análisis comparado del comportamiento de la muestra. La presentación de ambos resultados tiene la ventaja de ofrecer a los responsables de tomar decisiones (tanto a nivel de política pública como en la dirección de las universidades) información relevante para evaluar tres alternativas orientadas a aumentar la eficiencia global de las universidades: disminuir la cantidad de insumos para alcanzar los mismos productos, aumentar la cantidad de productos manteniendo constante los insumos o una combinación de ambas opciones (^{Vázquez et al., 2020}).

Muestra, variables y datos

El principal criterio para definir el tamaño de la muestra fue el estado de acreditación de las universidades establecido por la Comisión Nacional de Acreditación (CNA). Dicho organismo tiene la labor de evaluar a las universidades y certificar su acreditación con base en tres niveles: básico, avanzado y de excelencia (^{MINEDUC, 2018}). Con el fin de configurar una muestra lo más homogénea posible, ésta incluye al conjunto de universidades clasificadas en los niveles avanzado y de excelencia. En total son 41 instituciones, 16 estatales, 12 privadas del CRUCH y 13 privadas no pertenecientes al CRUCH.

En cuanto a las variables, por el lado de los insumos se han seleccionado dos: 1) financiamiento público que incluye todos los recursos fiscales transferidos a cada universidad anualmente; y 2) financiamiento privado que agrupa al resto de los ingresos con que cuenta cada universidad. Respecto a los productos, también se consideran dos: 1) la matrícula total de estudiantes incluyendo estudiantes de pregrado y postgrado en un año; y 2) la cantidad de artículos Scopus² publicados anualmente por cada universidad. Dichas variables han sido escogidas considerando los objetivos de este estudio, la experiencia de investigaciones previas (^{Buitrago, Espitia y Molano, 2017}) y, en particular, la necesidad de mantener un número acotado de variables para evitar distorsiones en los resultados (^{Gromov, 2017}).

En el caso particular de los productos, se asume que las universidades han generado tradicionalmente dos bienes públicos esenciales: la enseñanza y la investigación. No obstante, se reconoce que las universidades están cambiando su función objetivo para incorporar también aportes en el ámbito de la tercera misión (^{Cantele et al., 2016}). En el caso del sistema universitario chileno, los cambios en su marco regulatorio han apuntado precisamente en la dirección de reconocer a la tercera misión o vinculación con el medio como una labor misional formal equivalente a las dos tradicionales. Sin embargo, la literatura reconoce las dificultades para medir las actividades de extensión debido a su amplitud y las restricciones de acceso a información. En este sentido, se advierte que hasta el momento sus efectos sobre la eficiencia de las universidades han sido escasamente abordados en la literatura empírica (^{D´Elia y Ferro, 2021}). Con todo, existe la posibilidad que una o más universidades con niveles de ineficiencia estén desarrollando de manera destacada productos reconocidos como bienes públicos relevantes en el área de vinculación con el medio. Si tal fuese el caso, estas universidades estarían siendo perjudicadas con el modelo empleado ya que implícitamente se asume que todas las instituciones estudiadas tienen niveles equivalentes de desarrollo en las áreas no incluidas en dicho modelo.

Además, es preciso señalar que el DEA-BCC se ha aplicado con un enfoque de multiactividad (^{Vázquez et al., 2020}). Es decir, se asume que las labores de enseñanza e investigación se producen de manera conjunta compartiendo los insumos. En efecto, se reconoce la dificultad para vincular de manera cierta insumos específicos con productos específicos, dada la interdependencia que existe entre ellos.

Asimismo, los hallazgos se han analizado desde dos perspectivas: primero, considerando los resultados generales con base en la muestra de las 41 universidades bajo estudio. En segundo lugar, se realiza un análisis estableciendo clusters de universidades según el nivel de actividad estimado con base en la magnitud de los productos matrícula total y publicaciones. De este modo, se establecen tres clusters: nivel de actividad bajo el promedio de la muestra, cercano al promedio y sobre el promedio. Para clasificar a las universidades se utiliza el método de agrupación K-medias basado en el centroide (^{MacQueen, 1967}) que utiliza la distancia euclídea para medir la distancia de cada caso respecto al punto de referencia (ver Apéndice 2).

Los datos asociados a las distintas variables han sido obtenidos desde fuentes públicas. Se ha consultado el informe de Financiamiento para la Educación Superior (^{CGR, 2018}) y los reportes de Información Financiera en la Educación Superior disponible en el sitio web³ del Servicio de Información de Educación Superior (SIES) del Ministerio de Educación de Chile, para acceder a los datos relacionados con recursos públicos y privados que registraron como ingresos las universidades el año 2018. En el caso de los ingresos privados, se estimaron a partir de la diferencia entre los ingresos operacionales y el financiamiento público. Adicionalmente, se ha revisado la información de matrícula total de estudiantes (pregrado, postgrado y postítulos) del mismo año también disponible en el informe de Financiamiento para la Educación Superior (^{CGR, 2018}). Por último, se ha consultado la plataforma Scival⁴ para acceder a la cantidad de publicaciones Scopus registrada por universidad el año 2018⁵.

Resultados generales

Los resultados de ambos modelos (BCC-I y BCC-O) evidencian que 17 universidades logran el máximo nivel de eficiencia técnica. De ellas 6 son estatales, 4 privadas pertenecientes al CRUCH y 7 privadas no CRUCH (ver Apéndice 1). Bajo el modelo orientado a insumos, el promedio de la eficiencia técnica (EI) de las 41 universidades estudiadas alcanza un 90% mientras que con el enfoque hacia productos dicha eficiencia (EO) aumenta levemente a 91%. En ambos modelos, la ineficiencia técnica explica la mitad de la ineficiencia global, mientras que la otra mitad se explica por la ineficiencia de escala.

Desde otra perspectiva, los resultados asociados al modelo orientado a insumos (BCC-I) indican que en un escenario contrafactual de máxima efectividad del proceso de transferencia de recursos desde el Estado hacia las universidades que forman parte de la muestra, la cantidad total financiamiento entregado el año 2018 pudo ser un 7% menor para alcanzar los mismos niveles de matrícula y producción científica. En concreto, el monto global del ahorro en condiciones ideales ascendería a más de $127,000 millones. Ahora, los resultados derivados del modelo orientado a productos (BBC-O) muestran que, en un escenario optimizado, las universidades de la muestra pudieron haber alcanzado una cobertura de matrícula total de estudiantes un 8% mayor junto con un 9% más de artículos Scopus, con la misma cantidad de fondos públicos recibidos el año 2018.

Por cierto, todo lo anterior constituye un ejercicio teórico más fácil de realizar con los datos empíricos que en un escenario prefactual o durante el proceso de asignación de los recursos públicos hacia las instituciones. En este sentido, se reconoce la existencia de un conjunto de restricciones que limitan la posibilidad de alcanzar un nivel de eficiencia óptimo. Sin ir más lejos, la gran cantidad de instrumentos de financiamiento público y variedad de organismos gubernamentales que participan en el proceso de distribución de fondos públicos crean un escenario complejo para estimaciones bajo un esquema de tipo centralizado con foco en la optimización.

En cualquier caso, pareciera que el proceso de fijación de aranceles regulados establecido en la nueva normativa (Ley 20.091) podría ofrecer una oportunidad para asegurar una mayor eficiencia en la asignación de los fondos públicos desde una orientación a insumos, a condición de que dicho proceso sea realizado con una sofisticada base técnica, con transparencia y con base en la mejor evidencia disponible. Lo mismo cabe esperar de una revisión sistemática sobre cómo se organiza y distribuye el financiamiento de los recursos públicos destinados a investigación y desarrollo.

Una siguiente alternativa a explorar para la búsqueda de una mayor eficiencia en el desempeño de sistema universitario está asociada a la promoción de una mayor coordinación entre las diversas agencias gubernamentales que intervienen en la transferencia de fondos públicos hacia las instituciones. El fortalecimiento de las agencias públicas como contraparte de las universidades podría ofrecer oportunidades de eficiencia tanto desde la orientación a insumos como hacia productos.

Una tercera opción sería buscar que las universidades puedan comprometer mayores niveles de producción en la generación de bienes públicos tales como la enseñanza, la producción de conocimiento y otros. En tal sentido, sería recomendable que la política pública en materia de financiamiento universitario pueda ampliar el alcance y la relevancia de instrumentos que vinculan recursos y resultados, tales como los Convenios de Desempeño desarrollados durante la última década (^{Brunner, 2015a}; ^{Fernández, 2015}).

Resultados por clusters según tamaño

El conjunto de la muestra ha sido dividido en 3 clusters según la envergadura de los productos (matrícula total y publicaciones) que genera cada una de las universidades (ver Apéndice 2). En efecto, el promedio de la cantidad de productos ha sido el punto de referencia para clasificar a cada universidad. El clúster 1 corresponde a las 26 universidades que presentan un nivel de actividad (por productos) por debajo del promedio. Está conformado por 13 universidades estatales, 6 universidades privadas pertenecientes al CRUCH y 7 universidades privadas no CRUCH. Por su parte, el clúster 2 incluye a las 10 instituciones que evidencian un nivel de actividad cercano al promedio. Está compuesto por 2 universidades estatales, 5 universidades privadas del CRUCH y 3 universidades privadas no CRUCH. El clúster 3 agrupa a las 5 universidades que presentan un nivel de actividad superior al promedio de la muestra. Está integrado por 1 universidad estatal, 1 universidad privada perteneciente al CRUCH y 3 universidades privadas no CRUCH.

Considerando el modelo orientado a insumos (BBC-I), el clúster 1 evidencia una eficiencia técnica promedio de 87%, mientras que el clúster 2 una de 96% y el clúster 3 una de 97%. La Tabla 1 presenta la distancia de cada clúster respecto al punto óptimo de eficiencia técnica calculado en base a los dos modelos de DEA. Según el enfoque orientado a insumos (BBC-I), el clúster 1 pudo haber recibido un 15% menos de fondos públicos el año 2018 sin disminuir su nivel de producción. Mientras que el clúster 2 un 5% y el clúster 3 un 2%. En lo referido al financiamiento privado, el clúster 1 pudo haber logrado el mismo nivel de producción con un 10% menos de los recursos fiscales disponibles el 2018. Por su parte, el clúster 2 pudo haber recibido un 7% menos mientras que el clúster 3 un 1% menos.

Ahora bien, en promedio por institución, las universidades no-eficientes del clúster 3 evidencian una mayor brecha en relación con el óptimo de fondos públicos aunque el clúster 3 en conjunto presenta una eficiencia técnica (BCC-I) del 97%. Esto ocurre por la elevada magnitud de los recursos asociados a la brecha de fondos públicos de la única institución con niveles de ineficiencia relativa del clúster. Se trata de la Universidad San Sebastián que explica el 100% de la brecha al óptimo. En segundo lugar, el clúster 1 muestra una brecha promedio por institución menor que el clúster 3 y mayor que el clúster 2. En este caso, 5 instituciones concentran 53% de la brecha al óptimo asociada a los fondos públicos. Dichas instituciones son la Universidad de Talca, Universidad de Antofagasta, Universidad Metropolitana de Ciencias de la Educación, Universidad Católica del Maule y Universidad de Tarapacá. Asimismo, las universidades estatales del clúster 1 constituyen el 50% de total de las instituciones, no obstante, agrupan el 70% de la brecha en términos de financiamiento público. A su vez, 3 instituciones -Universidad de Valparaíso, Universidad Mayor y Universidad de Concepción- dan cuenta del 92% de la brecha del clúster 2.

Referente al financiamiento privado, la universidad no-eficiente del clúster 3 evidencia el mayor nivel de brecha promedio, seguidas de las instituciones (no-eficientes) del clúster 2 y, en tercer lugar, las universidades (no-eficientes) del clúster 1. En el caso del clúster 3, la Universidad San Sebastián representa el 100% de la brecha al óptimo del clúster. En cuanto al clúster 2, las 3 instituciones que agrupan un 96% de la brecha de fondos privados de dicho clúster son la Universidad Mayor, Universidad de Valparaíso y Universidad de Concepción. En el clúster 1, son 4 las instituciones que explican 60% de los fondos privados asociados a la brecha del clúster: la Universidad de Antofagasta, Universidad Finis Terrae, Universidad Metropolitana de Ciencias de la Educación y Universidad de Talca.

Con base en el modelo orientado a productos (BCC-O), los resultados establecen que el clúster 1 logra una eficiencia técnica de un 88%, el clúster 2 un 97% y el clúster 3 un 98%. Las estimaciones señalan que el clúster 1 pudo haber alcanzado un 15% más de matrícula y 22% más de publicaciones Scopus con los mismos recursos públicos y privados recibidos el año 2018. Asimismo, el clúster 2 evidencia una sub-producción de un 4% de matrícula total y 4% en las publicaciones. Por su parte, el clúster 3 presenta una brecha de un 2% tanto en la matrícula total como en la cantidad de publicaciones.

Así, los resultados revelan que el clúster 3 tiene, en promedio por institución, la mayor sub-producción de matrícula total en comparación con los otros clusters. En concreto, la Universidad San Sebastián explica el 100% de la brecha asociada al clúster, en contraste con el desempeño del clúster que refleja un 98% de eficiencia técnica relativa. Luego, el clúster 1 evidencia un nivel de sub-producción promedio por institución menor que el clúster 3 y mayor que el clúster 2 en relación con la variable matrícula total. En realidad, hay 5 instituciones que suman un 48% de la brecha al óptimo del clúster. A saber: la Universidad de Antofagasta, Universidad de Talca, Universidad Metropolitana de Ciencias de la Educación, Universidad Católica del Maule y Universidad Finis Terrae. Además, las 9 universidades estatales con algún grado de ineficiencia explican el 66% de la brecha de matrícula del clúster 1. En el caso del clúster 2, la Universidad Mayor, Universidad de Valparaíso y Universidad de Concepción, concentran un 92% de la sub-producción de este clúster.

Por otro lado, el clúster 3 también presenta el mayor nivel de sub-producción en promedio por institución, respecto a la variable publicaciones. Así, la Universidad San Sebastián explica nuevamente la brecha del clúster en 100%. Igualmente, el clúster 1 muestra un nivel de sub-producción en promedio por institución menor que el clúster 3 y mayor que el clúster 2. En este conjunto 4 instituciones -Universidad de Talca, Universidad de Antofagasta, Universidad Tecnológica Metropolitana y Universidad de Viña del Mar- concentran un 43% de la brecha al óptimo en cuanto a publicaciones. Asimismo, las 9 universidades estatales con algún grado de ineficiencia agrupan el 60% de la brecha de publicaciones del clúster 1. A su vez, en el clúster 2 la Universidad de Concepción y la Universidad de Valparaíso explican un 81% de la sub-producción.

Los hallazgos sugieren que las universidades de mayor tamaño en términos de su matrícula total y publicaciones logran una mayor eficiencia. Asimismo, los resultados muestran que existe una relación directa relativamente fuerte entre la matrícula total y las publicaciones (factor de correlación de un 0.68). De esta manera, se puede simplificar el análisis del tamaño de la universidad a la matrícula total de estudiantes. Al examinar el clúster 1, que evidencia el menor nivel de eficiencia técnica, se advierte que un 50% de las instituciones con algún grado de ineficiencia son universidades estatales. Por tanto, aparecería como obvia la conveniencia de promover que las universidades de menor tamaño puedan crecer y mejorar su desempeño. No obstante, se trata de una cuestión compleja considerando las proyecciones demográficas de la sociedad chilena que revelan una contracción del tramo etario entre 18 y 24 años que constituye la base del sistema universitario del país. Adicionalmente, la actual normativa establece que las universidades adscritas a la ley de gratuidad tienen restricciones para el crecimiento de su matrícula de primer año. En tal sentido, los resultados sugieren que dicha política estaría limitando la posibilidad de que las universidades de menor tamaño puedan crecer y mejorar su eficiencia. En este escenario, la posibilidad de fusionar universidades estatales es una alternativa que al menos debiese ser estudiada en profundidad.

Los resultados de este estudio señalan que para alcanzar el óptimo de eficiencia (BBC-O) las 9 universidades estatales debiesen alcanzar una matrícula total de alrededor de 100 mil estudiantes. Por otro lado, el análisis del clúster 2 conformado por las universidades de tamaño promedio establece que las 5 instituciones con el máximo nivel de eficiencia tienen una matrícula total promedio en torno a los 20 mil estudiantes. Pues bien, las estimaciones preliminares sugieren que una alternativa para aumentar su eficiencia sería pasar de 9 universidades con una matrícula total promedio de 8 mil estudiantes aproximadamente a un esquema de 5 instituciones con 20 mil estudiantes cada una. En efecto, la fusión de universidades ha sido una política pública desarrollada por varios países europeos durante las últimas décadas (EUA, 2019). En este sentido, existe un conjunto de experiencia acumulada que podría servir como referencia para el estudio y evaluación de este tipo de política pública para el caso de Chile.