УДК 316.334.52
И. З. Гарафиев
ИНВЕСТИЦИОННАЯ ПРИРОДА ИННОВАЦИОННОГО ЧЕЛОВЕЧЕСКОГО КАПИТАЛА
НЕФТЕХИМИЧЕСКОЙ ПРОМЫШЛЕННОСТИ (НА ПРИМЕРЕ КОНТЕНТ-АНАЛИЗА ПРОГРАММЫ РАЗВИТИЯ НЕФТЕГАЗОХИМИЧЕСКОГО КОМПЛЕКСА РЕСПУБЛИКИ
ТАТАРСТАН НА 2010 - 2014 ГОДЫ)
Ключевые слова: инновационный человеческий капитал, нефтегазохимический комплекс Республики Татарстан.
Рассмотрена инвестиционная природа инновационного человеческого капитала в нефтехимической промышленности. На основе контент-анализа текста «Программы развития нефтегазохимического комплекса республики Татарстан на 2010 - 2014 годы выявлена специфика определения инвестиционной природы органами государственной власти РТ инновационного капитала для развития экономики региона.
Keywords: иinnovative human capital, petrochemical complex of the Republic of Tatarstan.
Considered investment entity of innovative human capital in the petrochemical industry. Based on the content analysis of the text "Development Programme petrochemical complex of Tatarstan for 2010 - 2014 years revealed the specifics of determining the significance state authorities RT investment entity of innovative capital for the economic development of the region.
Современное состояние региональной экономики предполагает четкое определение приоритетов ее развития, для республики Татарстан в качестве такого приоритета выступает поступательное развитие нефтехимической промышленности. Органы государственной власти Республики Татарстан, как на уровне исполнительной власти - правительства республики Татарстан, так и на уровне законодательной власти - Госсовета республики Татарстан, уделяют повышенное внимание данному процессу. В 2010 году была принята Программа развития нефтегазохимического комплекса республики Татарстан на 2010 - 2014 годы, в который отражено видение государственной власти региона, основных принципов развития данной отрасли [1]. Большое внимание в данной программе уделяется уровню подготовки и стимулирования персонала промышленных предприятий РТ. В качестве интегрирующего понятия, объясняющего процесс преобразования работниками знания в экономический, производственный ресурс, предлагается категория «инновационный человеческий капитал». Инновационный человеческий капитал - профессиональные знания и навыки, способствующие получению дохода от работы только в данной отрасли и необходимые для появления на рынке нового продукта (товара или услуги) отрасли, для использования в деятельности предприятия отрасли новых производственных процессов, нового метода маркетинга, нового организационного метода. [2]. Авторская трактовка обусловлена, качественной характеристикой знания, направленного на производство товаров и услуг с целью получения прибыли. Наиболее «знаниеем-кой», является способ производства, основанный на внедрении инноваций. Мы не понимаем инновационный человеческий капитал узко, как специальный человеческий капитал фирмы, так как инновационные знания, применимые только в одной отдельно взятой фирме, в большинстве случаев оказываются не инновационными для других фирм. В то же время мы не понимаем его слишком широко как общий
человеческии капитал, так как внедрение инновации всегда имеет определенную отраслевую специфику [3]. Наиболее существенной характеристикой инновационного человеческого капитала является его инвестиционная природа Изучение инвестиционной природы инновационного человеческого капитала происходит через рассмотрение взаимосвязи образования, позволяющего получить знания; саморазвития, направленного на углубление полученных знаний; профессионального опыта, позволяющего закрепить полученные знания в рамках производственной деятельности.
Методология исследования. Взяв за основу методологию, предложенную А.Н. Олейником [4], мы сделали акцент на анализе связей внутри кодиро-вочного словаря. Анализ осуществлялся с использованием программы QDA Miner v. 4.0, разработанной компанией Provalis Research (г. Монреаль).
Характеристики выборки исследуемых текстов. В качестве объекта анализа выступает текст Программы развития нефтегазохимического комплекса республики Татарстан на 2010 - 2014 годы.
Инструменты контент-анализа. Ключевым моментом контент-анализа является кодирование: соотнесение частей текста с категориями, с помощью которых осуществляется анализ. Список категорий образует своеобразный «словарь» для чтения и интерпретации текстов статей. Мы выделили словарь, основанный на замещении, который строится на основе того, что каждое из слов, относящихся к той или иной категории словаря, является взаимозаменяемым. Такой словарь представляет собой «эвристическим образом образованный список слов, каждое из которых можно заменить другим благодаря их отнесению к одному и тому же коду» [5, р.2].
Эвристический характер данного словаря заключается в том, что список кодов (категорий) и слов отражает не только специфику самого текста, но и интересы «читателя», в том числе и ютеорети-
ческие конструкции, которые у него возникли еще до чтения текста.
Словарь, используемый в контент-анализе текстов статей. Словарь А - список кодов -производен от основных исследовательских задач, обусловлен интересами исследователя и имеет инструментальный характер.
Словарь А включает 3 кода, организованных в одно «ядро»: «Инновационный человеческий капитал», (табл. 1).
Таблица 1 - Коды для качественного контент-анализа. Словарь (А)
Ядро, Код Слова, фразы
Инвестиционная природа инновационного человеческого Образование капитала Education образование профессиональное образование высшее вуз студент выпускник диплом кадровое обеспечение подготовка кадров подгтовка
Инвестиционная природа инновационного человеческого Саморазвитие Development переподготовка непрерывная подготовка непрерывное _образование курсы наставник тренинг профессиональный рост повышен* квалификации лидерские качества
Инвестиционная природа инновационного человеческого Профессиональный опыт Professional experience молод* _ работник* молод* люди специалист* опыт работы стаж квалификац* специалист компетенц* кадры недостаток _кадров переток кадров
Примечание: * означает любую букву или набор букв; AND присутствие двух ключевых слов в одной и той же фразе; _ два ключевых слова следуют строго одно за другим.
Статистические показатели Словаря А применительно к анализу текста программы развития нефтегазохимического комплекса республики Татарстан на 2010 - 2014 годы представлены на рис. 1.
30°% 20% 10% 0%
Название диаграммы
I .
education development
professional experience
% Words % Codes
Рис. 1 - Статистика кодов и слов для качественного контент-анализа текста программы развития нефтегазохимического комплекса республики Татарстан на 2010 - 2014 годы
Как мы видим исходя из данных представленных на рис. 1, что соотношение кодов и слов в кодах носит одинаковый характер по степени убывания на первом месте находится код образования, далее идет код профессиональный опыт, далее код саморазвитие. Более наглядно данное соотношение показано на рис. 2.
Рис. 2 - Соотношение кодов качественного контент-анализа текста программы развития нефтегазохимического комплекса республики Татарстан на 2010 - 2014 годы
Мы можем наблюдать на рисунке 2, что два кода: образование и профессиональный опыт находятся недалеко друг от друга, что констатирует наличие устойчивой связи между ними, количественное распределение всех трех кодов внутри текста программы развития нефтегазохимического комплекса республики Татарстан на 2010 - 2014 годы, не равномерное, так код образование немного превалирует. Более детальный анализ частоты встречаемости слов в кодах качественного контент-анализа текста представлен на рис. 3.
Рис. 3 - Частота встречаемости слов в кодах контент-анализа текста программы развития нефте-газохимического комплекса республики Татарстан на 2010 - 2014 годы
На рис. 3 отображены наиболее часто встречаемые слова внутри кодов, аббревиатура НГХК, является ключевой в анализируем тексте и ее приоритет не вызывает удивления. Следующие пять наиболее часто встречаемых слов («работников», «специалистов», «предприятия», «кадров», «подготовки») могут относиться как коду образование, так и к коду профессиональный опыт, данная выявленная тенденция подтверждает близость этих двух кодов.
Для оценки внешней валидности кодов проиллюстрируем примерами каждый код.
«Модернизация существующих и строительство новых производств, внедрение современных систем автоматизации и механизации требует от работников более высокого уровня квалификации. Между тем только около 30% рабочих на предприятиях НГХК имеют среднее профессиональное или высшее образование, то есть имеет место несоответствие образовательного уровня и квалификации работников требуемому набору компетенций. В результате усиливается конкуренция за квалифицированные рабочие и управленческие кадры: как в отраслевом разрезе (между предприятиями одной отрасли, между отраслями экономики), так и в территориальном разрезе (внутри региона, особенно в районах, осуществляющих активную инвестиционную политику: г. Казань, Нижнекамский, Елабуж-ский, Менделеевский районы; в рамках федеральных округов; с европейскими и азиатскими рынками)». (код профессиональный опыт).
«Расширение использования различных гибких форм непрерывного обучения: модульное, дистанционное обучение, курсы, тренинги, короткие программы; участие в семинарах, "круглых столах", конференциях, выставках; организация зарубежных образовательных поездок (обучение, стажировки) и др.; разработка индикаторов оценки эффективности этих мероприятий» (код саморазвитие).
«В решении задачи по подготовке профессиональных кадров для предприятий НГХК ведущая роль отводится республиканским отраслевым высшим (Казанский государственный технологический университет, Альметьевский государственный нефтяной институт) и средним профессиональным учебным заведениям» (код образование).
Совместно встречающиеся коды. Вначале мы выясним, насколько часто коды пересекаются, т.е. в тексте программы они могут быть разделены не более чем одним кодом.
Таблица 2 - Пересечение кодов качественного контент - анализа коэффициент Жаккарда
того что количество формализованных текстов было менее 6, а точнее один, коэффициент Жаккарда мог быть вычислен по тесноте связей кодов не в текстах, а в параграфах текстов. Такой подход, безусловно, предполагает выявление более тесной связи между кодами, так как количество параграфов во много раз превышает количество текстов.
Полученные результаты показывают низкий уровень схожести между кодами, в то же время, учитывая, что коды - результат качественного анализа, и выявлялась степень тесноты в параграфах, а не текстах можно предположить, что значение коэффициентов связи на уровне 0,096, 0,102 не позволяет говорить о наличии устойчивой связи между кодом саморазвитие и кодами образование и профессиональный опыт. Значение коэффициента на уровне 0,456 позволяет говорить о наличии устойчивой связи между кодами образование и профессиональный опыт.
Для оценки внешней валидности близости кодов проиллюстрируем примером пересечение кодов образование и профессиональный опыт:
«разработка и внедрение совместных образовательных программ подготовки и повышения квалификации персонала, отвечающего современным квалификационным требованиям предприятий НГХК Республики Татарстан и перспективным планам строительства и модернизации производственных мощностей; в частности, подготовка и внедрение совместных инновационных образовательных программ подготовки рабочих кадров и специалистов для высокотехнологичных производств в государственных образовательных учреждениях начального профессионального и среднего профессионального образования; участие этих программ в конкурсах государственной поддержки» (пересечение кодов образование и профессиональный опыт).
Выявленная тенденция предполагает следующую кластеризацию кодов по тесноте связей между ними в параграфах на основе коэффициента Жаккарда.
development education professional experience
development 1,000
education 0,096 1,000
professional experience 0,102 0,456 1,000
Знакомство с группировкой кодов для качественного контент-анализа, осуществленной по критерию частоты их совместного появления в статьях -коэффициенту Жаккарда (Jaccard's coefficient), который вычисляется как отношение числа элементов пересечения двух множеств к числу элементов объединения этих множеств. Коэффициент равен нулю, когда множества не имеют общих элементов, и единице, когда множества равны, в остальных случаях значение где-то посередине. В нашем случае, ввиду
development education professional experience
Рис. 4 - Кластеризация кодов на основе коэффициента Жаккарда
Изначальной предпосылкой для выделения кодов качественного контент-анализа было наличие ядра инновационный человеческий капитал. При анализе степени близости кодов на основе коэффициента Жаккарда было выявлено, что близость кодов образование и профессиональный опыт находится на высоком уровне. В результате эти два кода образуют один общий кластер.
Полученные результаты позволяют говорить о том, что для органов государственной власти
РТ в развитии нефтехимической промышленности роль инвестиционной природы инновационного человеческого капитала сводится к улучшению профессионального опыта работников через существующую систему образования. Отсутствие близости кодов образование и профессиональный опыт с кодом саморазвитие показывает, что инвестиции в человеческий капитал скорее рассматривается на уровне конкретного предприятия нефтегазохимиче-ского комплекса или экономики региона, чем на уровне конкретного индивида.
Литература
1. Гарафиева Г..И. Показатели наукоемкости нефтегазо-химических предприятий Приволжского федерального округа / Г.И. Гарафиева // Вестник Казанского технологического университета. - 2012. - Т.15. № 4. - С.141-144.
2. Гарафиев, И.З. Инновационный человеческий капитал региона как фактор оценки уровня развития его химической промышленности / И.З. Гарафиев Вестник Казанского технологического университета. - 2011. - № 24. - С.111-116.
3. Гарафиев, И.З. Инновационный человеческий капитал и нанотехнологии (контент-анализ программ инновационного развития регионов РФ) ) / И.З. Гарафиев // Вестник Казанского технологического университета. -2012. - №14. С. 239-243.
4. Олейник, А.Н. Триангуляция в контент-анализе. вопросы методологии и эмпирическая проверка / А.Н. Олейник // Социологические исследования. - 2009. -№2. - С.65-99.
5. Hogenraad R. Force and influence in contentanalysis: the production of new social knowledge / R. Hogenraad, D. Mckenzie, N. Peladeau // Quality & Quantity. - 2003. - N 37. - P. 2-14.
© И. З. Гарафиев - к.и.н., доцент каф. государственного муниципального управления и социологии КНИТУ, giz05@mail.ru. © 1 Z. Garafiev - PhD in Historical Science, associate professor of public administration and sociology KNRTU, giz05@mail.ru.