CC BY
11
держиваются обществом и крупными корпорациями. Это соответствует корпоративной структуре российского бизнеса, созданного в период первых президентских сроков В.В. Путина (2000-2008) и сохраняемого при поддержке представителей крупного бизнеса и крупных корпораций. Но такой путь вряд ли поможет модернизировать всю экономику и стать двигателем самоподдерживаемого экономического роста, если, в том числе и через членство в ВТО и ОЭСР, не будут созданы условия для конкурентного взаимодействия предприятий, ориентированных на инновационное развитие.
С.М. Пястолов
2013.03.019-021. РАЗВИТИЕ СИСТЕМ УПРАВЛЕНИЯ ЗНАНИЯМИ. (Сводный реферат).
2013.03.019. GIL R.J., MARTIN-BAUTISTA M.J. A novel integrated knowledge support system based on ontology learning: Model specification and a case study // Knowledge-based systems. - 2012. - Vol. 36. -Р. 340-352. - Mode of access: http://dx.doi.org/10.1016.j.knosys. 2012.07.007
2013.03.020. KIDWELL D.K. Principal investigators as knowledge brokers: A multiple case study of the creative actions of PIs in entrepreneurial science // Technological forecasting & social change. - 2012. -P. 1-9. - Article in press. - D0I:10.1016/j.techfore. 2012.05.004.
2013.03.021. A local social network approach for research management / Liu Xiaoyan, Guo Zhiling, Lin Zhenjiang, Ma Jian // Decision support systems. - 2012. - P. 1-12. - Mode of access: http:// dx.doi.org/10.1016/j. dss.2012.10.055
Ключевые слова: системы, основанные на знаниях; онтология обучения; системы поддержки знаний; методология; архитектура системы; кейс-стади; брокер знаний; предприниматель в сфере нанотехнологий; творческое предприятие; инновация; анализ социальной сети.
Р.Дж. Джил и М.Дж. Мартин-Батиста (019), сотрудники департамента компьютерных наук и искусственного интеллекта Университета Гранады (Испания), указывают, что в настоящее время в процессах управления знаниями (Knowledge Management - KM), необходимых членам исследовательской организации для принятия
решений и действий в условиях постоянно возникающих новых задач, активно используется семантический инжиниринг.
По результатам анализа научных публикаций выявлены три основополагающих аспекта КМ: 1) перспектива коллективистского знания: рассматривается социальный, а не индивидуалистический аспект обмена знаниями (группы, сообщества, сети и организационные единицы); 2) возможность многократного использования свойств знания: способность знания производить новую информацию как продукт деятельности пользователей, возможность преобразования форм знания от неявного к явному и наоборот; 3) знание как конкурентоспособный ресурс, получаемый из разнообразных источников знания (Knowledge Sources - KSO); различные KSO могут быть раскрыты при помощи различных «методологических ресурсов» (Methodological Resources - MR).
В рамках КМ «системы поддержки принятия решений» (Decision Support Systems - DSS) включают в себя «системы, основанные на знаниях» (Knowledge-Based Systems - KBS) и «системы поддержки знаний» (Knowledge Support Systems - KSS). KBS могут быть квалифицированы как программное обеспечение (ПО), разработанное для определенного пользователя, обычно предназначенное для экспертного принятия решения. ПО включает экспертные системы, интеллектуальные системы поддержки принятия решений или специализированные базы данных и т.п.
KSS обычно квалифицируются как «управляемые знанием» DSS, при этом они должны удовлетворять важным требованиям:
1) социальная структура обычно вовлекает профессиональное сообщество, ответственное за управление процессами приобретения и распространения знаний, и пользовательское сообщество (клиентов), зависящее от знания, необходимого для его деятельности;
2) KSS не содержит все знание, связанное с процессами, в которые эта система вовлечена, и не предоставляет все требуемые услуги;
3) процессы знаний обладают имплицитным свойством рефлективности относительно самих себя (019, с. 341).
Кроме того, KSS должны иметь такие дополнительные свойства, как возможность объяснить ее решения и рекомендации пользователям; портативность и гибкость; понятность знания; обеспечение автоматического освоения новой информации.
Согласно технологии, используемой для системного проектирования и реализации, KSS могут быть классифицированы как «традиционные» и «интеллектуальные» системы. «Традиционные» системы состоят из KSS, которые используют обычные технологии, такие как базы данных, форумы, крупноформатные таблицы и электронные письма. В последнее время были созданы разнообразные KSS: DSS для лечения рака; KSS для медицинских аварийных служб; DSS для оценки заказов на выполнение работ; KSS для стратегического планирования и т.д. «Интеллектуальные» системы состоят из KSS, которые в свою очередь используют методологии искусственного интеллекта, методы вебсемантики, оценивающие профили пользователей, онтологии текстовых данных, глубокий анализ текста и т.д. Выбрав KSS, использующие онтологии, в качестве предмета исследования, на основе рассмотренных примеров авторы определили соответствующие критерии классификации.
Общие особенности KSS, основанных на онтологии, включают следующие компоненты: а) соотнесение спецификаций пользователей с их требованиями; б) коммуникации и связи; в) процессы обнаружения и реструктурирования знаний; г) получение продукта знаний. В свете этих свойств KSS разрабатываются с целью предложить пользователям полезное знание согласно их задачам и обязанностям, стилям и предпочтениям (контексты и профили). KSS должна впоследствии гарантировать динамические связи между задачами пользователей и их действиями, требующими специализированных знаний для эффективного принятия решения.
Предложенная авторами модель соответствует требованиям KSS, т.е. она может обновляться непрерывными, рефлексивными способами, учитывая особенности КМ сообществ пользователей и обеспечивая понятные рекомендации.
Главные технологические задачи онтологического обучения (Ontology Learning - OL) состоят в поиске и идентификации таких объектов онтологии, как классы, примеры, (не-) таксономические отношения и правила, предлагаемые KSO. Предполагается, что эти задачи могут быть решены на основе полуавтоматических подходов, таких как NLP, распознавание образов, объединение в кластеры, интеллектуальный анализ данных и т. д. С целью формирования целостного представления авторы расширили частичную перспективу OL до более общей модели, которая может включать динами-
ческие и непрерывные процессы обучения как важную составляющую системы и учитывать разнообразные методологические ресурсы из гетерогенных и дополнительных источников знания, включая тексты, онтологии и базы данных.
Для того чтобы синтезировать все общие проблемы OL, авторы приводят результаты ситуативного технического анализа, который известен как SWOT-анализ (Силы - Strengths, Слабости -Weaknesses, Возможности - Opportunities, Угрозы - Threats) и который был проведен по двум широким направлениям: процессы и продукты OL.
Системная методология онтологического обучения (Systemic Methodology for OL - SMOL) была разработана с целью учета системных параметров OL с включением критериев гибкости и открытости. SMOL пытается примирить различные парадигмы системного развития: общее и ориентированное на пользователя. Данные разработки поддержаны вместо систематических системными методологиями (например, методология структурированного жизненного цикла), которые ориентированы на эффективность поведения, обладающего характеристиками непредопределенности. Схематически фазы SMOL описаны в формате этапов / областей: 1) выбор стратегии методологии; 2) поиск знаний; 3) формулировка задач в зависимости от источников знаний; 4) выбор знаний; 5) структуризация знаний; 6) поиск, верификация и обоснование структуры знаний; 7) реорганизация структуры знаний; 8) конфигурирование KSS. В качестве дополнительных методологий, которые могут использоваться в целях OL, авторы называют Dynamo, KACTUS, ONIONS, On-To-Knowledge, DINO, SENSUS, Simper's (019, с. 344).
Предлагая методологию разработки систем поддержки знаний, авторы особое внимание уделяют социальному контексту онтологии KSS, который требует рассмотрения процессов преобразования знания с точки зрения социально обусловленных отношений обмена между пользователями. Предложена «новая социальная модель», подчеркивающая потенциал OL (019, с. 344).
На конкретных примерах (с использованием различных программных пакетов) авторы показывают, что социально ориентированный подход KSS, обновленный в их исследовании, является более всесторонним (выполняет роль системного интегратора) по
сравнению с традиционным подходом в управлении знаниями. В будущей работе авторы намерены развивать дополнительные спецификации подсистемы (в формате wikis): онтологии, агенты и системные области.
Д.К. Кидуэлл (020), сотрудница Школы менеджмента Гренобля (Франция) и Университета штата Техас (США), стремится выяснить, каким образом эффективные научные руководители, руководители проектов (РП) формируют свои функциональные роли, чтобы стать брокерами для коммерциализации своих технологий. В работе представлена оценка деятельности четырех РП, работающих в проектах, связанных с нанотехнологиями.
Статистика подтверждает, что эффективные РП необходимы для успешной передачи технологий между университетами и промышленностью: 71% лицензий, проходящих через отделы передачи технологий (Technology Transfer Office - TTO), требует для коммерческого успеха участия изобретателя в дальнейшем продвижении. Исследование также показывает, что такие положительные результаты, как более тесные взаимосвязи с промышленностью и более эффективное обучение студентов, поддержка их дальнейшей карьеры, достигаются в основном учеными, которые продвигают исследования, реализуемые в промышленности. Эксперты по передаче технологий признают, что большая часть источников обращений к лицензиям приходит из собственной сети изобретателя (Стэнфорд оценил это в 75%) (020, с. 1).
К участию в исследовании были приглашены четыре руководителя проектов, работающих по грантам на проведение исследований для малого бизнеса (Small Business Research Grant - SBIR), что позволило исследовать широкую область действий РП, связанных с коммерциализацией. Пример РП, участвующего в программах SBIR, особенно интересен, поскольку они не полностью заняты академической деятельностью, а грант SBIR используют, чтобы выполнить научные исследования и прийти к инновационным технологическим решениям. Гранты распределяются крупными американскими агентствами с целью стимулировать инновации в мелких фирмах. В качестве РП по гранту SBIR исследователь берет на себя прямую ответственность за создание новой фирмы на основе технологической инновации. Таким образом РП участвуют в «динамическом капитализме», где в случае успеха будут созданы но-
вые рабочие места и появятся новые технологически продвинутые предприятия (020, с. 2).
Для исследования были выбраны четыре респондента: первый респондент - предприниматель; второй - первоначально был преподавателем университета и, занимаясь научной предпринимательской деятельностью, позднее создал свою фирму, действующую в области молекулярной терапии; третий участник - академический ученый, занимающийся исследованиями в области наноматериалов в престижном частном университете; четвертый -тоже академический ученый, работающий по гранту от Фонда Кар-неги в качестве директора Института молекулярной медицины.
С целью построить адекватную теорию автор исследовала абсорбционную способность, проблемы передачи технологий и природу посредничества. Для этого она использовала методы итеративных наблюдений, интервьюирования и анализа сопроводительной документации (в течение двух лет).
В прошлом абсорбционная способность была признана ключом к развитию инноваций и была подчеркнута важность инвестиций в приобретение нового опыта. Развитие абсорбционной способности идет по двум направлениям: научный (технологический) толчок, который стимулируют университеты, институты и т.д.; рост спроса, основанный на требованиях рынка.
Исследование в области абсорбционной способности в связи с университетским научным производством вновь подтверждает, что специализированные знания, генерируемые в университетах, привлекательны для фирм, которые ищут новые возможности. Действительно, технологические разработки, созданные в результате научного исследования, приносят много дополнительных доходов университету.
Абсорбционная способность проявлена в деятельности РП в форме преобразования знаний. Но перейти от лаборатории к рынку, т.е. перевести знание в коммерческий продукт, не так легко. Проблемы возникают на различных стадиях процесса: идентификация технологии; мониторинг рынка; лицензирование; создание бизнеса. РП выступают в качестве важных акторов в этом сложном и динамическом процессе перехода от науки к бизнесу. При этом некоторые из них весьма успешно демонстрируют навыки производства, идентификации и сбора ресурсов для коммерциализации
научных разработок. Кроме того, ряд РП участвует в неофициальной передаче технологий, которая имеет место за пределами отделов передачи технологии: они самостоятельно устанавливают связи с промышленностью, чтобы передать коммерческую технологию, или действуют как специализированные консультанты.
Автор называет некоторые препятствия на пути сотрудничества предприятий с академическими учеными, которые не зависят от размера предприятий: отношение многих преподавателей; существенное нежелание сотрудничать с промышленностью; разные системы ценностей ученых и бизнесменов; склонность к перфек-ционизму; нехватка практических навыков; недостаток чувства реализма и неприятие компромисса, вызванные поиском научной истины; пренебрежение сроками и рентабельностью; коммуникационные трудности; проблемы конфиденциальности.
Автор считает, что многие РП приобрели некоторые навыки, помогающие им преодолеть эти проблемы. Таким образом, они становятся брокерами знаний. Брокер - это человек, который может идентифицировать структурные разрывы в организационных коммуникационных сетях и создать отношения доверия. Брокер координирует отношения с людьми, которым опасно доверять, но это выгодно для дела1. Посредничество между закрытой сетью университетской лаборатории и закрытой сетью фирмы может создавать стоимость.
Гипотеза исследования 1: РП, которые эффективно коммерциализируют свои идеи, рассматривают структурные разрывы как научные проблемы. РП могут активизировать слабые связи, они могут действовать как неформальные лидеры, усиливая эти связи и используя свою лабораторию в качестве отправной точки инновационного процесса. Эти навыки тесно связаны с функциональными ролями РП - поиском и обеспечением грантами и управлением программами исследований.
Гипотеза исследования 2: участие РП в формировании доверия - это естественное расширение их ролей в управлении поисками грантов и программой исследования.
1 Burt R.S. Brokerage and closure: an Introduction to social capital. - Oxford, New York: Oxford univ. press, 2005.
РП совершают множество различных брокерских действий, которые могут быть классифицированы следующим образом: экстраполирование от известных данных и формулировка гипотезы о том, каким образом их исследование могло бы заполнить структурный разрыв; поиск нового знания, талантов или союзников, чтобы подтвердить гипотезу и высветить разрыв; гармонизация побуждений, целей и интересов разнообразных союзников; предупреждение возможных проблем.
Все РП подтвердили необходимость развития следующих навыков помимо включенных в академические учебные планы: убеждение и защита; способность формировать команды и управление; разработка продукта; защита интеллектуальной собственности и управление грантом.
Исследование, проведенное автором, способствует более четкому пониманию ролей РП и предлагает доказательства того, что РП часто действуют вне рамок заранее определяемых функциональных ролей. Они проявляют качества брокеров знаний, идентифицируя структурные разрывы и создавая отношения взаимного доверия между лабораторией и промышленностью с помощью посреднических действий. Результаты данного исследования должны представлять интерес для специалистов, занимающихся передачей технологий. Руководители инновационных проектов указали, что полезные брокерские навыки они получили в значительной степени в процессе своей предпринимательской деятельности. Менеджеры в области передачи технологий могут использовать этот опыт для обучения брокерским навыкам преподавателей университетов.
Авторы, сотрудники ведущих университетов Гонконга и Австралии (021), подчеркивают, что в борьбе за репутацию академические учреждения сталкиваются сегодня с огромным конкурентным давлением. В этих условиях возрастает роль стратегических решений на организационном уровне, а институциональное обеспечение научных исследований включено в повестку дня во многих странах. Например, в Великобритании в национальном масштабе, прежде всего в университетах, используется система Symplectic, отображающая рейтинг научных публикаций.
Европейская организация международной информации о научных исследованиях1 оказывает поддержку в информировании и принятии решений относительно процесса исследования. В Северной Америке, стремясь расширить свое присутствие в глобальных научных исследованиях, все больше университетов становятся партнерами компании «Thomson Reuters».
Традиционно функция управления исследованиями выполняется университетским исследовательским руководством, которое собирает результаты исследования (например, публикации, патенты и т.д.) в форме годовых отчетов. Собранная информация содержится в университетской информационной системе. Поскольку университеты организуют собственные базы данных по исследованиям, менеджеры сталкиваются с проблемами в сравнительной оценке научных результатов.
В ряду наиболее широко используемых сегодня измерителей результатов научных исследований авторы называют импакт-фактор журнала (Journal Impact Factor - JIF), оцениваемый Институтом научной информации (Institute for Scientific Information - ISI), который в настоящее время входит в состав группы «Thomson Reuters». Эта метрика первоначально была разработана как инструмент для издателей, служащий для измерения рейтинга отдельных журналов и публикаций. Из-за нехватки других надежных метрик научные учреждения склонны, порой чрезмерно, полагаться на JIF как на измеритель научных исследований. Авторы полагают, что одной такой метрики недостаточно. Следует учитывать, что большинство исследований проводятся в сотрудничестве. Существуют сильные взаимозависимости между научно-исследовательскими работами, вовлекающими целые группы исследователей. Авторы предлагают подход с учетом влияния социальных сетей. Методика предполагает обращение к контекстной информации, такой как ключевые слова и дисциплины исследования. Предлагается рассматривать локальную сеть сотрудничества как новый фактор принятия стратегических, организационных и организаторских решений.
1 European organization for international research information. - Mode of access: http://www.eurocris.org
С целью определить вклад отдельного исследователя в локальную сеть сотрудничества разработана новая метрика, получившая название «склонность к сотрудничеству» (collaboration supportiveness). По сравнению с традиционными исследованиями сети сотрудничества, такими как сеть цитат, которые по существу дают глобальное представление, авторы сосредоточиваются на более локальной социальной сети сотрудничества. Такой подход в большей мере соответствует институциональным задачам управления исследованиями.
Объединенный анализ авторов и тем публикаций предоставляет больше информации для лучшей идентификации исследовательской группы, чем рассмотрение отдельных авторов. Были поставлены следующие вопросы: каково социальное положение человека и определенные роли, которые он или она играет в сети сотрудничества; сколько и какие группы проявляют самое тесное сотрудничество в университете, колледже и т.д.; каковы ключевые области исследования в пределах отдела или дисциплины; кто принадлежит к основной группе исследователей и объединяет различные темы исследования; существуют ли центры превосходства с точки зрения продуктивности; каковы новые возможности сотрудничества? Решение этих вопросов позволит организовать информационно-насыщенное сотрудничество, эффективное принятие решений и успешное управление исследованиями.
В целом система, предложенная авторами, создает более прозрачную окружающую среду исследования, выявляя роли исследовательских центров и отделов. Кроме того, система поддержки принятия решений может помочь сформулировать рекомендации для учреждений и высших чиновников, такие как определение побудительных механизмов с целью стимулировать выдающихся исследователей, повысить качество человеческого капитала и исследовательских способностей.
Как признают авторы, ими выполнена аналитика социальной исследовательской сети онлайн на базе платформы Research Online (ROL), которая обеспечивает необходимые аналитические инструменты. Феномен сотрудничества классифицируется по четырем главным функциям управления. Первые три функции - отдельная оценка, идентификация исследовательской группы, анализ развития темы исследователя - могут использоваться, чтобы поддержать
тактическое планирование на ведомственном уровне. Четвертая функция важна для стратегического планирования на уровне колледжа или университета. Оценка различных аспектов исследований обычно предусматривает ранжирование и объединение в кластеры, основанные на различных метриках.
Информация для проведения исследования получена из таких общественных баз данных, как Сетевая база знаний ISI и Scopus (Elsevier): названия, авторы и их место работы, резюме, ключевые слова, информация о цитированиях и т.д. В ходе анализа данных на первом этапе выполнен социальный анализ сети. Прежде всего определены главные типы: сеть соавторства, сеть темы и сеть авторской тематики. Возможны также и другие типы сетей. На последнем этапе визуализируются аналитические результаты. Информация представлена в различных формах: итоговые статистические отчеты, таблицы, графы и карты сотрудничества в различных степенях детализации. Эти исследования проводились при помощи инструментов анализа социальных сетей Pajek и UNINET. Применен традиционный анализ центрированности к сети сотрудничества для идентификации отдельных влиятельных исследователей. Чтобы показать примеры сотрудничества, использовано несколько социальных аналитических методов, включая анализ основной периферии и др. Построено несколько локальных социальных сетей, которые обеспечивают дополнительную способность проникновения в суть процессов организационного принятия решений, например: о внутреннем распределении ресурсов, основных спонсорах, приоритетах научных исследований, о методах развития исследовательских способностей. В результате создана более прозрачная окружающая среда исследования как для отдельных ученых, так и для институциональных единиц (исследовательских центров и отделов).
С.М. Пястолов
2013.03.022. КОЧИА М. ПОЛИТИЧЕСКАЯ ЭКОНОМИЯ ИР: АРГУМЕНТЫ В ПОДДЕРЖКУ НАЦИОНАЛЬНОЙ КОНКУРЕНТОСПОСОБНОСТИ, ПАРАМЕТРЫ ЭКОНОМИЧЕСКОЙ ОПТИМИЗАЦИИ И ИНЕРЦИЯ.
COCCIA М. Political economy of R&D to support the modern competitiveness of nations and determinants of economic optimization
