Minimising Financial Risk under Enrolment Uncertainty: An Open-Source Entropy-Indexed POMDP Tool for University Governance

Universiteiten zijn een bijzonder soort bedrijven, waarbij het geld dat nodig is om volgend jaar personeel en gebouwen te betalen, jaren voordat de studenten die hen zullen financieren zelfs arriveren, al moet worden uitgegeven. Dit creëert een constante spanning tussen de noodzaak om vooruit te plannen en de onmogelijkheid om de toekomst met zekerheid te kennen. In het Verenigd Koninkrijk is deze onzekerheid acuut geworden. Jarenlang hebben universiteiten vertrouwd op prognoses om hun uitgaven te sturen, maar toezichthouders hebben vastgesteld dat deze voorspellingen consequent te optimistisch zijn, waardoor bijna de helft van de Engelse instellingen te maken heeft met tekorten. Het kernprobleem is niet een gebrek aan inspanning of intelligentie bij de universiteitsbestuurders; het is een structurele fout in de manier waarop zij beslissingen nemen. Wanneer de toekomst werkelijk onduidelijk is, is het vragen aan een raad van bestuur om akkoord te gaan met één enkel "best guess"-scenario, vragen om iets wat zij niet betrouwbaar kunnen doen. Er wordt van hen gevraagd om gewichten toe te kennen aan verschillende toekomsten, maar de aard van de huidige omgeving betekent dat die gewichten onbekend zijn.

Om dit op te lossen, hebben onderzoekers aan de University of Bedfordshire een nieuw soort planningsinstrument ontwikkeld dat de vraag verandert. In plaats van leiders te vragen te raden welke toekomst het meest waarschijnlijk is, meet het instrument hoe zeker de instelling kan zijn over welke toekomst dan ook. Het gebruikt een methode die de stroom van studentenaantallen volgt om een waarschijnlijkheidskaart van de financiële gezondheid van de universiteit bij te werken. Deze kaart komt niet tot een enkele uitkomst; in plaats daarvan verschuift deze voortdurend naarmate er nieuwe gegevens binnenkomen, en laat het zien of de universiteit zich in een periode van groei, stabiliteit of problemen bevindt. Cruciaal is dat het instrument een onzekerheidsscore berekent op basis van hoe verspreid deze waarschijnlijkheden zijn. Wanneer de gegevens verwarrend zijn en de waarschijnlijkheden gelijkmatig verdeeld zijn, signaleert het instrument dat de situatie te onduidelijk is om grote, permanente veranderingen door te voeren. Wanneer de gegevens duidelijk worden en één uitkomst domineert, signaleert het instrument dat het veilig is om actie te ondernemen. Deze aanpak stelt universiteiten in staat om door diepe onzekerheid te navigeren zonder hun leiders te dwingen tot onmogelijke gissingen.

De onderzoekers hebben dit systeem gebouwd als een open-source softwareapplicatie, wat betekent dat het gratis is voor iedereen om te gebruiken en te inspecteren. Het systeem werd gekalibreerd op basis van tien jaar aan open HESA-gegevens van vier Russell Group-instellingen, elk met een andere recente geschiedenis. Sommige van deze instellingen kampten met scherpe dalingen in het aantal internationale studenten door wijzigingen in visumbeleid, terwijl andere een gestage groei ervoeren. Het team heeft het instrument vervolgens getest tegen zes andere veelvoorkomende planningsstrategieën door een Monte Carlo-evaluatie uit te voeren over 500 gesimuleerde inschrijftoekomsten. De resultaten toonden aan dat het nieuwe instrument, dat zij een entropie-geïndexeerd systeem noemen, consequent betere financiële resultaten opleverde dan de traditionele methoden. In deze simulaties behaalde het de hoogste gemiddelde financiële beloning, terwijl het de kans op een financiële crisis lager hield dan bij alle andere strategieën. De sleutel tot dit succes was het vermogen om zich terug te houden op onomkeerbare verplichtingen, zoals het aannemen van permanent personeel of het bouwen van nieuwe campussen, telkens wanneer de onzekerheidsscore hoog was.

Het instrument werkt volgens een eenvoudige maar krachtige logica. Het behandelt de financiële situatie van de universiteit als een verborgen toestand die in een van de drie modi kan zijn: een modus van lage groei waarbij het geld krap is, een stabiele modus waarbij de zaken normaal zijn, of een modus van hoge groei waarbij er ruimte is om te investeren. De universiteit kan deze modi niet direct zien; zij ziet alleen het jaarlijkse aantal studenten dat zich inschrijft. De software gebruikt een wiskundig proces om elke keer dat er een nieuw inschrijfcijfer binnenkomt, de overtuiging bij te werken over in welke modus de universiteit zich bevindt. Als de cijfers verwarrend zijn, blijft de overtuiging van de software verspreid over alle drie de modi. Deze staat van verwarring wordt gemeten met een waarde genaamd entropie. Wanneer de entropie hoog is, blokkeert het instrument de universiteit automatisch voor het nemen van grote, moeilijk omkeerbare beslissingen. Het dwingt de instelling om te wachten en meer bewijs te verzamelen. Zodra de inschrijfcijfers consistent worden en de overtuiging zich concentreert op één enkele modus, daalt de entropiescore en geeft het instrument groen licht om te investeren of uit te breiden.

Deze aanpak biedt een duidelijk voordeel ten opzichte van de standaardwijzen waarop universiteiten momenteel plannen. Traditionele scenario-planning vraagt leiders om verschillende toekomsten voor te stellen, zoals een best-case en een worst-case scenario, en probeert vervolgens te kiezen tussen hen. Deze methode faalt echter wanneer de leiders het niet met elkaar eens kunnen worden over hoe waarschijnlijk elk scenario is. Het nieuwe instrument elimineert de noodzaak voor die overeenstemming. Het vraagt de raad niet om te beslissen welke toekomst het meest waarschijnlijk is; het rapporteert simpelweg wat de gegevens zeggen over het huidige niveau van vertrouwen. Als de gegevens ambigu zijn, adviseert het instrument een voorzichtige houding, zoals het handhaven van het huidige personeelsniveau of het focussen op het werven van studenten om meer over de markt te leren. Als de gegevens duidelijk zijn, adviseert het besluitvaardige actie. Dit stelt de universiteit in staat om conservatief te zijn wanneer dat echt noodzakelijk is en agressief wanneer het bewijs dit ondersteunt, zonder te vertrouwen op onderbuikgevoel of politieke druk.

De onderzoekers hebben het systeem getest op vier specifieke soorten trajecten van universiteiten om te zien hoe het omgaat met verschillende uitdagingen uit de echte wereld. In één scenario, dat de scherpe daling van het aantal internationale studenten nabootste die na 2022 werd gezien, adviseerde het instrument correct om de eerste twee jaar de uitgaven in te houden terwijl de situatie onduidelijk bleef. Andere strategieën die de onzekerheid negeerden, bleven tijdens deze periode investeringen aanbevelen, wat in de simulaties leidde tot financiële problemen. Zodra de gegevens verhelderden dat de universiteit aan het stabiliseren was, schakelde het instrument over naar een actievere houding, waardoor de universiteit sneller kon herstellen dan de instellingen die te voorzichtig waren gebleven. In een ander scenario, waar de groei gestaag en voorspelbaar was, adviseerde het instrument uiteindelijk agressieve investeringen, maar pas nadat er voldoende tijd was verstreken om te bevestigen dat de groei een blijvende trend was en geen tijdelijke piek. Dit voorkwam de fout om te vroeg nieuwe capaciteit op te bouwen, om er vervolgens achter te komen dat de groei was gestagneerd.

Een uniek kenmerk van dit instrument is de manier waarop het zijn bevindingen presenteert aan de leiders van de universiteit. Het genereert een document van twee pagina's, een zogenaamde Board Pack, die de gehele analyse samenvat in begrijpelijke taal. Dit document bevat een grafiek die laat zien hoe de aanbevolen strategie zich verhoudt tot zes andere veelvoorkomende benaderingen, samen met een duidelijke uitleg waarom een specifieke beslissing is genomen. Het kan bijvoorbeeld uitleggen dat het instrument adviseerde om te wachten met het aannemen van nieuw personeel omdat de onzekerheidsscore nog te hoog was om het risico te rechtvaardigen. Omdat het document wordt gegenereerd door een computerprogramma dat strikte regels volgt, is het volledig reproduceerbaar. Als een andere leider dezelfde cijfers door het instrument haalt, krijgt hij exact hetzelfde resultaat. Dit creëert een duidelijke audit trail, die aantoont dat de beslissing gebaseerd was op een transparante analyse van de gegevens in plaats van op een subjectieve mening.

De onderzoekers hebben het instrument er ook op gericht toegankelijk te zijn voor mensen zonder achtergrond in wiskunde of informatica. Een directeur financiën van een universiteit kan het instrument in enkele minuten gebruiken om een basisadvies te krijgen, of een uur besteden aan het kalibreren ervan met de specifieke gegevens van de eigen instelling. De software is online gratis beschikbaar en kan in een standaard webbrowser worden uitgevoerd zonder dat er complexe software geïnstalleerd hoeft te worden. Voor instellingen die hun gegevens privé willen houden, is er een versie die op een lokale computer kan worden uitgevoerd. Het instrument maakt gebruik van gegevens van de Higher Education Statistics Agency, de officiële bron voor inschrijfcijfers van universiteiten in het VK, maar de onderzoekers hebben de onderliggende code en de vooraf berekende instellingen beschikbaar gesteld zodat iedereen de resultaten kan verifiëren.

De studie benadrukt dat de waarde van deze aanpak het grootst is wanneer de toekomst het meest onzeker is. In tijden van stabiliteit werken traditionele planningsmethoden vaak wel goed genoeg. Maar wanneer een universiteit te maken krijgt met een plotselinge schok, zoals een wijziging in de visumwetgeving of een demografische verschuiving, wordt het vermogen om onzekerheid te meten cruciaal. Het instrument belooft de toekomst niet te voorspellen; in plaats daarvan biedt het een manier om het risico op het ongelijk hebben te beheersen. Door automatisch beslissingen te beperken wanneer het bewijs zwak is, beschermt het de universiteit tegen het maken van kostbare fouten. Door die beperkingen op te heffen wanneer het bewijs sterk wordt, stelt het de universiteit in staat om kansen te grijpen die andere, meer rigide planningsmethoden mogelijk zouden missen.

Dit werk vertegenwoordigt een verschuiving in de manier waarop operational research, een veld dat wiskundige methoden gebruikt om organisaties te helpen betere beslissingen te nemen, wordt toegepast in het hoger onderwijs. Lange tijd werden deze methoden gebruikt voor tactische problemen, zoals het plannen van lessen of het toewijzen van middelen binnen een afdeling. Dit instrument brengt die kracht naar het strategische niveau, door de hoogste niveaus van het universiteitsbestuur te helpen navigeren door financiële risico's. De onderzoekers benadrukken dat het instrument geen vervanging is voor menselijk oordeel, maar een ondersteunend systeem dat dat oordeel betrouwbaarder maakt. Het zet het abstracte concept van onzekerheid om in een concreet getal waar leiders naar kunnen kijken en naar kunnen handelen.

De implicaties van dit werk reiken verder dan het Verenigd Koninkrijk. Universiteiten in andere landen, zoals Australië, worden geconfronteerd met vergelijkbare uitdagingen met volatiele internationale studentenmarkten en beleidswijzigingen. De onderzoekers suggereren dat het instrument kan worden aangepast voor gebruik overal, mits de lokale gegevens worden gebruikt om het systeem te kalibreren. De kernlogica van het meten van onzekerheid en het dienovereenkomstig aanpassen van beslissingen is universeel. Door het instrument open-source te maken, hopen de onderzoekers dat andere instellingen het zullen testen, verfijnen en aanpassen aan hun eigen context. Deze collaboratieve aanpak zorgt ervoor dat het instrument evolueert op basis van praktijkervaring in plaats van een theoretische oefening te blijven.

Uiteindelijk presenteert het artikel een praktische oplossing voor een hardnekkig probleem. Het biedt een manier voor universiteiten om voor de toekomst te plannen zonder te pretenderen de toekomst te kennen. Door zich te richten op wat meetbaar is — het niveau van vertrouwen in de gegevens — biedt het een stabiel fundament voor besluitvorming in een onstabiele wereld. Het instrument elimineert het risico niet, maar geeft leiders een manier om het met grotere precisie te begrijpen en te beheren. Voor een sector die heeft gestreden met overoptimistische prognoses en financiële tekorten, is deze vorm van helderheid niet alleen een technische verbetering; het is een vitale stap naar langetermijn-duurzaamheid. De onderzoekers nodigen directeuren financiën en planningsteams uit om het instrument uit te proberen, te zien hoe het presteert met hun eigen gegevens, en bij te dragen aan de ontwikkeling ervan. Het doel is om een gedeelde standaard voor evidence-based planning te creëren die universiteiten kan helpen navigeren door de onzekerheden van de komende decennia.