A felsőoktatási mobilitás strukturális változásainak vizsgálata : Gráftávolság-metrikák Magyarországon, 2006–2024 = Examining structural changes in higher education mobility : Graph distance metrics in Hungary, 2006–2024

Kosztyán, Zsolt Tibor and Hosznyák, András and Király, Tünde and Katona, Attila Imre and Dénes, Kornél Máté and Hornák, Gergő (2026) A felsőoktatási mobilitás strukturális változásainak vizsgálata : Gráftávolság-metrikák Magyarországon, 2006–2024 = Examining structural changes in higher education mobility : Graph distance metrics in Hungary, 2006–2024. STATISZTIKAI SZEMLE, 104 (5). pp. 401-475. ISSN 0039-0690

Preview

Text 2026_05_401.pdf - Published Version Download (5MB) | Preview

Abstract

A felsőoktatási mobilitás a regionális fejlődés és a humántőke-képződés meghatározó tényezője. A hagyományos megközelítések – gravitációs modellek, regressziós elemzések – a hallgatói áramlások aggregált meghatározóit ragadják meg, de korlátosan képesek a mobilitási hálózatok strukturális architektúrájának és annak időbeli változásának feltárására. Jelen tanulmány egy átfogó keretrendszert mutat be a hazai felsőoktatási jelentkezési hálózatok strukturális változásainak nyomon követésére gráfelméleti és grafonalapú távolságmetrikák segítségével. A magyar felsőoktatási jelentkezési adatokat (2006–2024) 175 kistérségre aggregált, irányított, súlyozott gráfokként modellezzük, és három dimenzió mentén elemezzük: összes jelentkezés, jelentkezésipreferencia-sorrend (1., 2., 3. hely), valamint szakterületi bontás. A hálózatokra kiterjedt hálózati és csomóponti mutatókészletet számítunk, majd grafonreprezentációk becslésével hat strukturális távolságmetrikát (spektrális, vágási, Frobenius, Wasserstein, Jensen–Shannon, teljes variáció) alkalmazunk. Eredményeink azt mutatják, hogy a grafonalapú távolságok olyan globális strukturális változásokat is megragadnak – ezeket a Bologna-átállás, a STEM-preferáló finanszírozási reform, a Covid19-járvány és a modellváltó egyetemi átalakulás idézte elő –, amelyeket a hagyományos hálózati statisztikák csak részlegesen vagy késéssel detektálnak. Emellett a grafonalapú közösségdetektálás a mobilitási hálózat hierarchikus rétegződését tárja fel – Budapest, a nagyobb egyetemi városok és a kisebb intézmények strukturálisan elkülönülő szintjeit azonosítva –, amelyet a hagyományos, modularitásalapú eljárások nem képesek megragadni. A tanulmány hozzájárul a mobilitási hálózatok időbeli elemzésének fejlődő irodalmához, és módszertani továbbfejlesztési lehetőségeket kínál az alkalmazott hálózattudomány kutatói számára. | Higher education mobility is a key driver of regional development and human capital formation. While traditional approaches – gravity models and regression-based analyses – capture aggregate determinants of student flows, they are limited in revealing the structural architecture of mobility networks and their evolution over time. This study introduces a comprehensive framework for tracking structural changes in domestic higher education application networks using graph-theoretic and graphon-based distance metrics. We model yearly application data from Hungary (2006–2024) as weighted, directed graphs aggregated over 175 micro-regions and analyze them along three dimensions: total applications, preference-ranked applications (1st, 2nd, 3rd choice), and field-of-study disaggregation. We compute an extensive suite of network- and node-level indicators and extend the analysis by estimating graphon representations for each yearly network to quantify structural distances using spectral, cut, Frobenius, Wasserstein, Jensen–Shannon, and total variation metrics. Our results show that graphon-based distances capture global structural shifts – such as those induced by the Bologna transition, STEM-favoring funding reforms, COVID-19, and the foundation-model university transformation – that traditional network statistics detect only partially or with delay. We identify which metric families are most sensitive to different types of policy-induced structural change and demonstrate that graphon distances provide a unifying lens for comparing mobility network evolution. Furthermore, graphon-based community detection reveals a hierarchical layering of the mobility network – distinguishing Budapest, major university cities, and smaller institutions as structurally distinct tiers – that conventional modularity-based methods fail to capture. This work contributes to the emerging literature on temporal network analysis in education systems and offers a replicable methodological blueprint for applied network scientists.

Actions (login required)

Edit Item