CC BY
28Н.Г. Куракова, Л.А. Цветкова, П.Г. Арефьев
НОВЫЕ ИНСТРУМЕНТЫ АНАЛИЗА
И ПРОГНОЗИРОВАНИЯ ИССЛЕДОВАТЕЛЬСКИХ СТРАТЕГИЙ В ГЛОБАЛЬНОЙ НАУКЕ
Ключевые слова: научные центры, уровень исследований, оценка, инструменты, аналитические сервисы, научно-технологическое развитие, национальные стратегии.
Keywords: research centers, the level of research, assessment tools, analytical services, research and technological development, national strategy.
Аннотация: Анализируется новый международный тренд визуализации и алгоритмизации научной продуктивности исследовательских центров и оценки мирового уровня исследований университетов, институтов и отдельных ученых. Используемые интеллектуальные сервисы, созданные в 2008-2011 гг., становятся все более употребимыми инструментами при принятии решений о финансировании и регулировании научно-исследовательской деятельности, а также при формировании стратегий научно-технического и технологического развития стран.
Abstract: We analyze a new international trend of visualization, and algorithmization of scientific productivity of research centers and evaluation world-level research of universities, institutes and scientists. The smart services created in 2008-2011, becoming increasingly used tools in making decisions on funding and managing of research activities, as well as in the formation of strategies for scientific research and technological development of countries.
С конца 1990-х годов государство и общество проявляют особый интерес к науке и оценке результатов научной деятельности
исследовательских организаций и университетов. Эта тенденция напрямую связана с доминированием в хозяйственном укладе экономики, основанной на знаниях, и ростом интеллектуальной капитализации общественной жизни, в частности увеличением человеческого и интеллектуального капитала.
Что же происходит в настоящее время с наукой во всем мире? Во-первых, возрастают объемы финансирования фундаментальной и прикладной науки, что связано с увеличением стоимости научных исследований. Во-вторых, усиливается конкуренция наукоемких разработок и технологий на мировом и национальных рынках. В-третьих, происходит очевидная глобализация науки, обеспечивающая доступ к научному знанию в любой географической точке его генерации, привлечение исследовательских групп к проведению заказных исследований в режиме научного аутсорсинга или оффшорных научных исследований. Даже крупные промышленные корпорации сокращают свои научные подразделения и от формата R&D (research and development) переходят к формату C&D (connect and development), т.е. предпочитают искать результаты уже проведенных исследований, которые могут быть использованы при выполнении корпоративных инновационных проектов.
И все же главным новым трендом является нарастание в общественном сознании неудовлетворенности отдачей от инвестиций в науку и слабой корреляцией между объемом государственных вложений и ростом благосостояния страны. Так, известный специалист по экономической истории науки, профессор, почетный ректор Букингемского университета Теренс Кили считает, что не существует прямой связи между уровнем государственного финансирования науки и экономическим ростом государства [4]. Он отметил, что страны - технологические лидеры последних двухсот лет - Великобритания и США - становились обладателями самых больших ВВП в отсутствие заметных вложений в науку. Франция и Германия, напротив, делали гигантские инвестиции в фундаментальные и прикладные исследования, однако нет оснований утверждать, что они преуспели в научном или экономическом плане значительно больше конкурентов. СССР и Индия также до последнего времени инвестировали в науку огромные деньги. Тем не менее ни Советский Союз, ни Индия не стали благодаря этому лидерами в науке и экономике. Экономический рост в Индии наметился только после того, как в 1989 г. индийское правительство либерализовало экономику, торговлю, сняло производственные барьеры. В Китае в 1976 г. коммунистическая партия освободила
рынок, что незамедлительно привело к экономическому росту, и только благодаря этому резко выросло финансирование науки в этой стране [4].
В основе заблуждения о наличии связи между уровнем финансирования национальной науки и экономическим благополучием нации, по мнению Т. Кили, лежит так называемая линейная модель экономического роста, предложенная Фрэнсисом Бэконом: науку должно финансировать государство, потому что, во-первых, именно из фундаментальной науки вырастают новые технологии, а во-вторых, именно новые технологии обеспечивают экономический рост. То есть эту линейную модель можно представить следующим образом: государственное финансирование ^ фундаментальная наука ^ прикладная наука ^ экономический рост. Однако, как отмечает ученый, еще Адам Смит опроверг эту модель в 1776 г. в своей книге «Исследование о природе и причинах богатства народов». Он считал, что академическая наука «вытекает» из прикладной или «промышленной» науки, а не наоборот: «Улучшения, внесенные в современную эпоху в ряд областей философии [науки], большей частью родились не в университетах» [цит. по: 1]. Также поводом усомниться в эффективности использования денег, выделяемых государством университетам, для Адама Смита была коррупция в тогдашних Кембридже и Оксфорде.
Иллюстрацией неэффективного использования национальных государственных бюджетов на научные исследования являются результаты проверки Росфиннадзора, проведенной в 2010 г., которая оценила ущерб от неэффективного использования госрасходов на НИОКР в 2009 г. в 480 млн. руб. Экспертиза научных отчетов показала, что никакой научной ценности они не представляют: их содержание не актуально и не соответствует поставленным целям НИОКР. При проверке отчетов через систему «Антиплагиат» выяснилось, что либо авторы использовали чужой текст без оформления ссылок, либо от 5 до 58% текста составляют цитаты и выдержки из российского законодательства. Общая сумма неэффективного использования бюджетных денег из-за перепечатки чужих авторских текстов в научных отчетах, по данным Росфин-надзора, составляет 157,3 млн. руб.
Еще одна проблема, на которую указывает Росфиннадзор, -отсутствие запатентованных результатов НИОКР. В 2009 г. было заключено 1586 госконтрактов на 6,2 млрд. руб., их результатом стали всего лишь две разработки программного обеспечения стои-
мостью 30 млн. руб., подлежащие правовой защите, да и они оказались не зарегистрированы в Роспатенте.
Отсутствие диффузии национального научного знания, а значит и неэффективное его использование, слабая интегрированность в глобальное профессиональное знание иллюстрирует следующий обнаруженный нами факт. Более половины из 395 медицинских российских журналов в Российском индексе научного цитирования по состоянию на май 2011 г. имели нулевой импакт-фактор. Иными словами, их никто не читает и не цитирует! Вот типичная статистика по цитируемости публикаций одного из самых публикующихся российских медицинских исследовательских центров - НИИ онкологии им. Н.Н. Петрова. Из 600 статей института, опубликованных за 2006-2011 гг., 445 статей никто ни разу не процитировал и лишь одна статья за пять лет процитирована 30 раз [2]. Для сравнения статья нобелевского лауреата К. С. Новоселова получила более 4700 ссылок за пять лет с момента своего опубликования.
Общественное мнение все чаще недоумевает и по поводу прогностических возможностей науки. Разразившийся финансовый кризис, который не был предсказан ведущими экономическими школами, полное бессилие мирового метеорологического сообщества в прогнозировании природных катаклизмов, неспособность медицины в разы сократить случаи сердечно-сосудистых, неврологических, онкологических и прочих заболеваний - все это делает небезосновательными упреки в адрес науки и ставит под сомнение необходимость увеличения расходов на ее финансирование.
Все вышеизложенное дает объяснение тому факту, что все государства, ведущие масштабные научные исследования, пытаются повысить эффективность финансовых вложений в научно-исследовательские направления и проекты, дифференцировать свои затраты, найти ответы на вопросы о том, какие области фундаментальной науки и прикладной науки следует поддерживать в большем, а какие в меньшем объеме, какие организационные, кадровые и технологические ресурсы и средства потребуются для развития инновационной экономики.
Однако предложить объективные ответы на все эти вопросы не может ни одно профессиональное экспертное сообщество (как бы тщательно оно ни было сформировано), в силу того что научное знание прирастает в такой геометрической прогрессии, что охватить его, проанализировать и длительное время отслеживать физиологически невозможно.
Именно поэтому международным трендом, сформировавшимся буквально в последние три года, стала детальная алгоритмизация и визуализация развития различных научных направлений или дисциплин, что позволяет увидеть соответствие национального и мирового уровня исследований по целой совокупности наукометрических показателей.
В 2008-2011 гг. в качестве интеллектуальных сервисов к информационным ресурсам компаний «Thomson Reuters», «Elsevier» и «Questel» были разработаны уникальные аналитические системы, позволяющие алгоритмизировать процесс мониторинга развития отдельных областей науки и оценки соответствия национальных исследований лучшему мировому уровню. Одновременно появилось несколько семантических поисковых систем, реализующих принцип «легче и дешевле найти нужное научное решение в том, что уже изучено, чем заказывать новое».
Целью настоящей статьи является ознакомление с возможностями новых аналитических сервисов и систем семантического поиска, коренным образом меняющих практику разработки исследовательских стратегий и поиска инвестиционно привлекательных разработок.
Аналитическая база данных «Essential science indicators»
Данные из базы «Essential science indicators» (ESI) используются для определения актуального уровня и перспектив развития международной и национальной науки во многих странах. В ESI в агрегированном виде представлены результаты библиометриче-ских измерений и анализа данных из «Web of science». По сути ESI представляет статистическую компиляцию, аналитическую выборку по основным 22 научным областям. Пользователь базы может получать информацию о ключевых научных исследованиях в мире, выявлять основные тенденции развития научных областей, исследовательских фронтов, получать списки ученых, организаций, стран, журналов, ранжированные по основным библиометри-ческим показателям в разных научных областях. В базе можно проанализировать исследовательскую деятельность компаний, научных организаций, стран, журналов.
В интерфейсе ESI результаты мировых научных исследований анализируются по спискам самых цитируемых статей (Citation rankings), которые составляются по ученым, журналам, организациям и странам. В каждом из этих разделов можно посмотреть по-
зицию, занимаемую объектом в определенной научной области, и проранжировать списки по основным показателям. В разделе «Most cited papers» реализована возможность получить списки самых цитируемых статей за последние 10 лет (Highly cited papers) и последние два года (Hot papers) в разных научных областях по ученым, организациям, странам и журналам. При этом списки «Hot papers» отражают статьи с необычно высоким цитированием и являются предметом пристального изучения Нобелевского комитета. В раздел «Highly cited papers» по состоянию на 20.12.10 вошли 1021 отечественных высокоцитируемых статей. Российская академия медицинских наук, например, за период с 01.01.00 по 31.10.10 представлена всего 20-ю высокоцитируемыми статьями и занимает 1109-й ранг из 4339 высокоцитируемых организаций мира [3].
В разделе «Citation analysis» представлена информация по анализу цитирования статей в 22 научных областях (Baselines) и перспективным научным исследованиям или исследовательским фронтам (Research fronts). Для каждой научной области определен ежегодный средний мировой уровень цитируемости. В разделе «Research fronts» предоставляются возможности для анализа отдельных исследовательских тем (фронтов). Исследовательский фронт - это группа высокоцитируемых публикаций, которые обозначаются как «ядерные статьи» (Core papers), объединенные единой тематической направленностью. Распределение статей по тематическим группам происходит на основе кластерного анализа с использованием метода ко-цитирования: в тематический кластер, т. е. исследовательский фронт, попадают те статьи, которые сами получали высокое цитирование и для которых одновременно был отмечен высокий уровень взаимного цитирования. Исследовательский фронт объединяет, таким образом, публикации переднего края науки, соотносимые с критерием актуальности научной деятельности. На основании анализа данных из «Research fronts» можно составить прогноз об актуальности и перспективе развития того или иного исследовательского кластера или научной темы.
Аналитическое веб-приложение «InCites»1
«InCites» - аналитический продукт компании «Thomson Reuters» - настраиваемый под заказчика инструмент для оценки результатов научной деятельности организации на основе цитат-
1 Режим доступа: http://researchanalytics.thomsonreuters.com/incites/
ного анализа. Продукт работает как веб-приложение и создает готовые отчеты, основываясь на данных из аналитико-библио-графической базы данных «Web of science» и других библиографических баз с информационно-библиографической и аналитической платформы «Web of knowledge». «InCites» позволяет проанализировать научную продуктивность организации и оценить производительность работы научного коллектива в его отрасли деятельности / знания по сравнению со средними мировыми показателями по отрасли. В сущности «InCites» - это аналитическая база «Essential science indicators», ориентированная и сфокусированная на нужды отдельной организации.
«InCites» дает возможность проанализировать публикационную активность организации (количество опубликованных работ, показатели цитирования, в том числе средние и взвешенные), определить наиболее значимые и авторитетные работы в каждой предметной области; выявить перспективных авторов, так называемые «восходящие звезды» (rising stars). Кроме того, можно сделать анализ научной продуктивности организации за счет бенчмаркинга своей структуры с себе подобными, а также с лидерами, выявляя таким образом свое местоположение среди других организаций в отрасли. Государственные заказчики могут выявить наиболее сильные и слабые исследовательские области в работе научной организации; определить связи и уровень сотрудничества с другими организациями в отрасли.
Таким образом, «InCites» можно использовать для определения того, какие исследовательские направления следует развивать, а какие нет. Основываясь на отчетах «InCites», возможно распределять заявки на гранты в научные фонды.
Аналитическая система «Research in view»
В конце февраля 2011 г. «Thomson Reuters» выпустила новый аналитический продукт - систему «Research in view», так же как и «InCites» ориентированную на организацию. Технологически «Research in view» отличается от системы «InCites»: «InCites» - это веб-приложение, «Research in view» - это корпоративная система, которая устанавливается на сервере организации, но через клиент-сервер связана с серверами «Web of knowledge».
«Research in view» дает возможность не только анализировать научную производительность самой организации или отдельных ее сотрудников (авторов публикаций), но и вводить в анализ
организационную структуру учреждения. Тем самым в ней можно анализировать публикационную активность лаборатории, кафедры, факультета, отдела и других структурных подразделений организации. «Research in view» реализует практически те же возможности, что и «InCites», но при этом организация и ее отдельные подразделения могут вводить новые (внешние) данные по публикациям помимо тех, которые система заимствует из библиографических источников, расположенных на платформе «Web of knowledge». Таким образом, организация может анализировать результативность своей научной деятельности, деятельности своих научных подразделений и своих сотрудников, опираясь на совокупный массив данных, часть которых берется с «Web of knowledge», а другая часть вводится в систему самой организацией и отражает иные виды публикаций - монографии, научные отчеты, патенты, диссертации, учебники и др.
«Questel» - база данных, аналитическая система и система семантического поиска по интеллектуальной собственности1
Исследования Европейского патентного ведомства показывают, что до 80% научно-технической информации, содержащейся в патентных документах, больше нигде не публикуется, до 30% исследований дублируются.
Коллекция патентного фонда «Questel» содержит более 60 млн. патентных документов 95 стран и Международных патентных ведомств, а также лучшую в мире коллекцию промышленных образцов и полезных моделей. Возможность автоматического перевода найденных документов на любой из 30 языков мира, включая русский, английский, французский, немецкий, испанский, итальянский, арабский, японский, китайский и т.д., снимает языковые барьеры научной коммуникации.
Компания является разработчиком поисковых систем научно-технической информации, которые используются в различных отраслях промышленности многих стран, а также в европейском и национальных патентных ведомствах (Франции, США, Японии, Китая, Великобритании), в крупных корпорациях.
Семантический анализ текстов, предлагаемый «Questel», представляет в кратком виде суть и формулу изобретения, преиму-
1 Режим доступа: http://www.questel.com
щества данного технического решения и недостатки предыдущих решений, а система трехмерной визуализации результатов поиска обеспечивает быстрый и эффективный просмотр неограниченного количества документов, включая визуализацию связей совместной научно-технической кооперации разработчиков новой продукции. Например, патенты-аналоги могут быть представлены в графическом виде с учетом временной шкалы, а также могут быть визуализированы темы исследований, включая совместные разработки фирм. Отчет о цитировании представляется в удобном для работы виде с пиктограммами и активными ссылками на юридический статус каждого патента, который попадает в отчет. Также реализованы все возможности патентного ландшафта. На рис. 1 приведено тематическое распределение патентной активности ведущих мировых разработчиков в области создания прямоточных реактивных двигателей для авиастроения. Таким образом визуализируются технологические направления, на развитие которых направлены Я&О-бюджеты ведущих авиастроительных компаний мира.
Рис. 1. Тематическое распределение патентной активности ведущих мировых разработчиков в области создания прямоточных реактивных двигателей для авиастроения На рис. 2 представлено распределение патентов по годам с 1969 г., отражающих усилия разработчиков по созданию нового
поколения электронных пластиковых дисплеев с использованием нанотехнологий. Результаты такого мониторинга позволяют судить о периодах нарастания и снижения интереса к данному технологическому направлению в мире, о странах и транснациональных компаниях, захвативших лидерство в данном направлении.
Рис. 2. Распределение патентов, защищающих решения по созданию нового поколения электронных пластиковых дисплеев с использованием нанотехнологий (1969-2011 гг.)
Как видно из приведенных примеров, предлагаемый сервис позволяет решать широкий класс задач конкурентного и маркетингового анализа: раннее прогнозирование появления конкурирующих продуктов и услуг, выявление инновационных лидеров по странам, регионам, отраслям промышленности, оценка перспективности различных направлений в разработках, идентификация «скрытых партнеров», информирование о новейших разработках конкурентов, анализ целесообразности проведения НИОКР, выбор направления НИОКР, анализ целесообразности покупки лицензий, оценка и прогнозирование реальной конкурентоспособности технологии или продукта и риска отставания от конкурентов, выявление наиболее привлекательного направления для инвестирования.
Аналитическое веб-приложение «SciVal spotlight»1
Проблему создания аналитического инструмента для научно-исследовательских организаций и университетов поставили перед собой и разработчики компании «Elsevier». Решение было найдено в 2009 г., когда было создано аналитическое веб-приложение «SciVal spotlight». Основная задача этого инструмента заключается в оценке результатов исследовательской деятельности в организации по всем отраслям науки. На основании анализа данных, которые берутся из системы «Scopus», организация может оптимизировать стратегическое вложение средств в развитие исследований, определять исследовательские приоритеты и стратегии, принимать рациональные решения при выборе персонала и партнеров по реализации научных проектов.
Отказавшись от традиционного метода оценки результатов исследования, реализованного в аналитической базе данных «Es-sential science indicators» и построенного на подсчете публикаций в журналах и их цитировании, разработчики «SciVal spotlight» взяли за основу более детализированную модель текущей структуры науки. Наиболее цитируемые публикации объединяют на основе ко-цитирования в 84 тыс. научных кластеров (сompetencies), отражающих активные исследовательские фронты в различных областях знания, каждый из которых развивается группой ученых, образующих виртуальный научный коллектив. Для удобства представления выделенные кластеры сводятся в 554 дисциплины.
В «SciVal spotlight» применяется инновационная техника визуализации для создания настраиваемой графической карты, так называемого «Колеса науки», которое дает графическое представление об эффективности деятельности организации за определенный период времени в рамках конкретной научной отрасли и более узких тематических областей.
Для создания карты науки страны или организации отсекаются незначительные кластеры. Сильные кластеры группируются, и выделяются отличительные компетенции (DC - distinctive competencies), в которых страна или организация является лидером, и потенциальные компетенции (ЕС - emerging competencies).
Критериями результативности научного центра считаются следующие: количество кластеров, по которым ведутся исследования мирового уровня; уровень соответствия этих исследований ми-
1 Режим доступа: http://www.scival.com/
ровым трендам; количество отличительных (мировое лидерство в научном направлении) и потенциальных (инновационных) кластеров.
Выявляя сильные стороны научной организации в конкретной сфере, а также определяя ведущих научных исследователей и организации в каждой области, «SciVal spotlight» помогает руководителям университетов и научно-исследовательских учреждений оптимизировать распределение фондовых средств, а также усовершенствовать процесс подбора персонала и выбора партнеров.
Инструмент также дает возможность лучше понять, какие организации действительно являются конкурентами, и объективно оценить их потенциал, предоставляя информацию об учреждениях с идентичными исследовательскими компетенциями.
Определяя степень развитости каждой тематической области, организация может оценить актуальность статей, публикуемых ее учеными, определить их долю и позиции по сравнению с конкурентами в этих областях. Помимо этого инструмент позволяет соотнести процессы роста или падения количества статей отдельных авторов или научных коллективов, входящих в определенную компетенцию, с тенденциями публикационной активности в данной области в мире за пятилетний период. Инструмент также определяет актуальность проводимых исследований, вычисляя «коэффициент соответствия новейшим стандартам» путем анализа давности цитирования в опубликованных изданиях. Таким образом создается более точная и адекватная картина результатов исследовательской работы в университетах и НИИ. Руководство научно-исследовательских и образовательных организаций, в свою очередь, получает возможность оценить достижения своих учреждений по степени их инновационности, а не по классификации журналов, в которых публикуют статьи их сотрудники.
Авторы статьи одними из первых в России воспользовались этим уникальным инструментом для анализа соответствия российских медицинских исследований уровню «переднего края» мировой науки. На рис. 3 представлена визуализированная «SciVal spotlight» карта российской науки (колесо науки), по окружности которой отложены 14 предметных областей (на мониторе конкретные предметные области выделены цветом). Кластеры (компетенции) представлены на колесе науки в виде небольших кругов. Местоположение зависит от предметной области кластера статей в данной компетенции. Круги, смещенные к центру, показывают мульти-дисциплинарность исследований.
Рис 3. Карта российской науки в 2010 г., визуализированная «SciVal spotlight»
Диаметр круга зависит от доли российских публикаций по данной научной дисциплине в глобальном публикационном потоке.
Как видно, высокая концентрация исследований приходится на математику, физику и химию, а медицина представлена всего пятью кластерами, и только у экономических и социологических наук еще более удручающие показатели.
В качестве объекта наукометрического исследования, призванного ответить на вопрос о том, по каким направлениям научная организация ведет исследования широким фронтом и на высоком мировом уровне, была взята Российская академия медицинских наук. Обзор публикаций РАМН в «SciVal spotlight» показал следующее: исследователи из РАМН опубликовали 2381 статью (учитываются только статьи, доступные глобальному профессиональному сообществу) за период 2006-2010 гг., из которых лишь 345 участвуют в образовании 28 компетенций РАМН.
На рис. 4 представлена карта науки Российской академии медицинских наук (РАМН) в виде матрицы, позволяющей оценить инвестиционную привлекательность ее научных программ.
Рис. 4. Карта науки Российской академии медицинских наук (РАМН)
Каждый круг представляет компетенции РАМН. Чем больше диаметр круга, тем больше статей находится в этой компетенции. Кластеры, находящиеся над горизонтальной осью, идентифицируют области исследований, по которым нарастает публикационная активность во всем мире. Кластеры, находящиеся справа от вертикальной оси, идентифицируют области исследований, по которым данная организация увеличивает долю статей (в рамках данной компетенции) от мирового публикационного потока. Таким образом, перспективными для научного роста и инвестиционно привлекательными для финансирующих структур и инновационных менеджеров считаются, в первую очередь, кластеры, находящиеся в верхнем правом сегменте. По карте организации также можно определить, в каких областях идет рост или отставание в глобальном исследовательском процессе.
Российская академия медицинских наук занимает 658 место в рейтинге «SСImago» среди научных организаций мира. Столь невысокая позиция является следствием того, что РАМН представлена всего 28 кластерами. Доля статей из РАМН в процентах от общего числа опубликованных в мире статей - 0,084%. Как следует из рис. 3, лишь в двух динамично развивающихся во всем мире кластерах отечественные ученые представлены заметной долей публикаций. Именно эти направления исследований следует финансировать в максимальном объеме. Еще в четырех кластерах РАМН входит в число мировых лидеров по публикациям, однако интерес к этим направлениям в глобальном профессиональном сообществе угасает.
Для сравнения на рис. 5 визуализированы фронты медицинских исследований Гарвардского университета, занимающего первое место по рейтингу «SСImago» [5] в мире по качеству и интенсивности медицинских исследований.
Рис. 5. Карта науки Гарвардского университета
Университет ведет 563 кластера, 72 из которых имеют статус отличительных компетенций, 491 кластер - статус потенциальных компетенций, и, как видим, огромное число кластеров попадает именно в инвестиционно привлекательный сегмент. Доля статей Гарвардского университета в процентах от общего числа опубликованных в мире статей по медицине составляет 1,07% с ежегодным ростом за пятилетний период 0,46%.
На рис. 6 представлена карта Центра исследований рака Германии, находящегося на 283 месте в мире по рейтингу «SСImago». Как следует из карты, общее число кластеров Центра - 76, из них отличительных - 17, потенциальных - 59. И хотя доля статей Центра исследований рака Германии от общего числа опубликованных в мире по медицине составляет 0,058%, по ежегодному росту числа статей Центр опережает Гарвардский университет с показателем +2,67%.
Рис. 6. Карта науки Центра исследований рака Германии
В табл. 1 приведены сравнительные показатели международных и российских медицинских центров по количеству исследовательских фронтов.
Таблица 1
Показатели международных и российских медицинских центров по количеству кластеров
Научный центр Количество кластеров Количество отличительных Количество потенциальных
компетенций компетенций
Гарвардский университет 563 72 491
Германский центр рака 76 17 59
НИИ экспериментальной 11 0 11
медицины РАМН
РОНЦ им. Н.Н. Блохина РАМН 11 0 11
НИИ биохимической химии 9 2 7
им. В.Н. Ореховича РАМН
Научные центры Сибирского 7 0 7
отделения РАМН
Научные центры Минздравсоцразвития России 2 0 2
ММА им. И.С. Сеченова 5 0 5
МГУ им. М.В. Ломоносова 24 2 22
В табл. 2 перечислены российские исследователи, сформировавшие кластеры с отличительными и потенциальными компетенциями. Один из таких кластеров связан с созданием лекарственных средств для регенеративной медицины на основе аналогов эндогенных регуляторов функций стволовых клеток и разрабатывается сотрудником НИИ фармакологии СО РАМН Г.Н. Зюзьковым.
Им и его соавторами предложена новая стратегия клеточной терапии патологических состояний дегенеративного характера, основанная на фармакологической стимуляции эндогенных проге-ниторных элементов путем подражания деятельности естественных регуляторных систем, и разработан ряд перспективных способов терапии с помощью оригинальных биотехнологических препаратов - аналогов эндогенных гуморальных регуляторов функций стволовых клеток. В 2006 г. (в возрасте 28 лет) им была защищена докторская диссертация.
Таблица 2
Кластеры с отличительными (ВС) и потенциальными (ЕС) компетенциями, созданные российскими учеными-медиками
Компетенция Авторы Ключевые слова Дисциплины Опубликованных статей
в мире в институте
EC 2 Boldyrev A.A.; Rzhaninova A.A.; Lavrov A.V. endothelial cells; protein kinase; sodium pump clinical cancer research; biomaterials 1,255 14
DC 5 Zyuz'Kov G.N.; Khrichkova T.Y.; Stavrova L.A. bone marrow; colony-stimulating factor; granulocytic CSF neuroscience; molecular & cellular; clinical cancer research; biomaterials 958 41
EC 17 Vorobyev I.A.; Zvonkov E.E.; Kremenetskaya A.M. B-cell lymphoma; median follow-up; stromal cells leukemia; clinical cancer research 460 5
EC 18 Khvat N.S.; Savchenko A.A.; Dmitrieva N.V. NADPH oxidase; oxidase activation; actin cytoskeleton immunology; oncology 389 5
EC 19 Shchekotikhin A.E.; Preobrazhenskaya M.N.; Globa A.G. SH-SY5 Y cells; Mendeleev communications; acidic catalysis Russian chemistry research; clinical cancer research 303 5
EC 24 Veiko N.N.; Konorova I.L.; Ershova E.S. caspase recruitment; apoptosis repressor; ARC protein clinical cancer research; immunology 242 5
В табл. 3 представлены кластеры, в которых отечественные исследователи являются лидерами по публикационной активности.
Из представленных данных следует, что потенциал российских исследователей в области медицины очень высок и по ряду направлений соответствует высокому мировому уровню. Однако перед российским профессиональным сообществом стоит как никогда остро проблема визуализации своих достижений в международном и российском профессиональном пространстве.
Таблица 3
Кластеры, в которых отечественные исследователи являются лидерами по публикационной активности
Компетенция Авторы Ключевые слова Дисциплины Опубликованных статей
в мире в институте
DC 4 Vorsanova S.G.; Iourov I.Y.; Yurov Y.B. molecular cytogenetic; molecular cytogenetics; human brain cytogenetics & genome mapping; neuroscience; molecular & cellular; birth defects 616 40
DC 5 Zyuz'Kov G.N.; Khrichkova T.Y.; Stavrova L.A. bone marrow; colony-stimulating factor; granulocytic CSF neuroscience; molecular & cellular; clinical cancer research; biomaterials 958 41
DC 6 Andronova V.L.; Galegov G.A.; Storozheva Z.I. Alzheimers disease; simplex virus; herpes simplex neuroscience; molecular & cellular; virology; pharmaceutical design 771 14
EC 12 Boldyrev A.A.; Trunova O.A.; Fedorova T.N. oxidative stress; red blood; life span neuroscience; molecular & cellular; molecular medicine; ethnopharmacology 545 20
EC 14 El'chinova G.I.; Zinchenko R.A.; Balanovska E.V. reproductive success; complex MHC; histocompatibility complex molecular ecology; human molecular genetics 479 14
EC 26 Nikitin V.P.; Solntseva S.V.; Ostrovskaya R.U. Alzheimers disease; conditioned food; long-term memory neuroscience; molecular & cellular 330 18
EC 28 Shakova F.M.; Romanova G.A.; Kvashennikova Y.N. passive avoidance; conditioned passive; avoidance reflex neuroscience; molecular & cellular 242 12
Веб-решение семантической обработки больших массивов научной информации - «Шипш18»'
В связи с высокой стоимостью содержания обособленных научно-исследовательских лабораторий компании все чаще концентрируются на совместных разработках, создании открытых ин-
1 Режим доступа: http://www.illumin8.com
новационных центров. Организации, замыкающиеся на внутренней среде, оказываются менее конкурентоспособными, поскольку растрачивают свои ресурсы, дублируя инновационные разработки. Скрывая результаты проведенных исследований, организации недополучают значительную долю прибыли. Принцип, по которому неиспользованные разработки чаще всего перемещались в архив, устарел, существует риск потери как инновационных идей, которые были разработаны для компании, так и самих творцов этих идей.
Откликаясь на эти тенденции, в начале 2009 г. компания «Elsevier» сообщила о создании «illumin8», уникального веб-решения семантической обработки больших массивов научной информации, позволяющего автоматизировать методы технологической разведки и осуществлять поиск прорывных технологий для ускорения процессов исследования и разработок. К системе проявили большой интерес в промышленных корпорациях Азиатско-Тихоокеанского региона.
Данная система создает контентные экстракты из миллионов патентов и восьми миллиардов веб-страниц. Впервые эффективность такой бизнес-разведки «illumin8» продемонстрировала в США в феврале 2009 г., установив новый стандарт для извлечения данных из высококачественных источников контента. Традиционные инструменты исследования и системы поиска в базах данных не в состоянии обнаружить скрытые идеи, потому что пользователь должен точно знать, на какие сочетания слов нужно обращать особое внимание. Система управляется мощным семантическим поисковым индексом, что позволяет видеть мельчайшие технологические подробности, устранять информационный шум и избыточную информацию.
Система выполняет поиск по широкому кругу технических исследований и обслуживает потребности R&D специалистов в ряде различных областей, таких как автомобилестроение, нефтегазовая промышленность, электроника, химическая промышленность, технологии покрытий и упаковок. По оценке специалистов «Outsell», ведущей фирмы в области научно-технологического консалтинга, система способна находить ответы, а не документы для нуждающихся в знаниях R&D сотрудников.
Благодаря своим уникальным алгоритмам «illumin8» выходит за рамки простого поиска по ключевым словам и является эффективным инструментом, с помощью которого можно извлекать из огромных объемов информации инновационное знание, позволяющее ускорить процесс создания инновационного продукта и
новых технологий, а также найти потенциальных партнеров и ведущих специалистов и инноваторов в новых областях.
Система семантического поиска «NetBase's intelligence»
В конце 2010 г. появилось сообщение о том, что система «NetBase» начала использоваться в интересах Исследовательской лаборатории США (The army research lab) для отбора передовых технологий военного назначения. Для этого также была разработана система семантического поиска «NetBase's intelligence».
Интеллектуальная платформа поиска предназначена для селекции дополнительного, коммерчески ценного знания, которое можно извлечь из любого контента, в том числе из Интернета. Платформа может искать более чем на 8 млрд. веб-ресурсов, в структурированных и неструктурированных текстах. Комментируя возможности платформы, директор компании по маркетингу М. Тел-лефсен отметил, что сегодня компании тратят до 122 500 млн. долл. в год на исследования и поиск нужной информации, и 99% работников умственного труда ежедневно используют Интернет для извлечения бизнес-информации, но результаты этой деятельности отличаются крайне низкой эффективностью. Поэтому особенную ценность платформа представляет для промышленных корпораций, ищущих конкретные технологические решения [6].
Заключение
Описанные выше аналитические сервисы и семантические системы обработки больших массивов научной информации производят, как нам представляется, настоящую революцию в системе генерации научного знания, прогнозирования, мониторинга новых направлений научных исследований, а также глобальной научной коммуникации.
Очевидно, что в ближайшей перспективе можно ожидать, что международные и национальные системы научного цитирования и аналитические инструменты по обработке библиометрических данных станут играть все более значительную роль при принятии решений о финансировании и регулировании научно-исследовательской деятельности, а также при оценке эффективности и результативности исследований. При этом аналитические системы станут одними из главных инструментов моделирования и прогнозирования научно-технического и технологического развития стран.
Литература
1. Аль-Убайди О., Кили Т. Следует ли государству финансировать науку? - Режим доступа: http://polit.ru/article/2010/08/17/nauka/
2. Российский индекс научного цитирования // Научная электронная библиотека, 2011. - Режим доступа: http://elibrary.ru/orgs.asp
3. Стародубов В.И., Куракова Н.Г., Цветкова Л.А., Маркусова В.А. О новых критериях оценки российской академической и вузовской медицинской науки // Медицинское образование и профессиональное развитие. - М., 2011. - № 1. -С. 16-23.
4. Чекмарева Е. Госденьги во зло науке. - Режим доступа: http://www.newsland.ru/ news/detail/id/523819/
5. Ranking of research institutions SIR world report 2010: Health sciences. - Mode of access: http://csr.spbu.ru/wp-content/uploads/2010/11/ranking_world10_health.pdf
6. U.S. army selects NetBase's content intelligence solutions. - Mode of access: http://www. netbase.com/press-release/u-s-army-selects-netbases-content-intelligence-solutions/
