South Africa’s Vice Chancellors’ Historical and Future Salary Predictors from 2016 to 2026
Notice bibliographique
Résumé
This article aims to create insights concerning the remuneration of executives (also known as vice chancellors (VCs)) in higher education in South Africa. Their remuneration is a trending and contentious topic in the media and literature within the South African context. The motivation for conducting this study is that there are no clear indicators, norms, or standards to measure salaries. Therefore, this study is grounded in agency and institutional theories. Moreover, prior to this study, there were no longitudinal studies in the South African context that have analysed VCs’ salaries, using predictors like student enrolment, return on assets, debt ratio, and revenue. The research design was longitudinal, while the research approach was quantitative. The universities that did not meet the requirements for 2016 to 2023 were excluded from the analysis, which was conducted using Python, version 3.11.7, Python Software Foundation: Wilmington, DE, USA, 2025. Since the data points were small (n = 8), bootstrapping was used to resample 1000 samples. The correlation results showed a significant relationship with the fixed salary, whereas the regression results were not significant. It was found that the VCs’ salary is a larger portion of the fixed salary, and the historical data (2013 to 2016) showed an upward trend; the forecast from 2024 to 2026 showed a flat trend. The forecasts are salient and create insights that will assist remuneration practitioners to budget for VCs’ salaries in order to attract, motivate, and retain them.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».