Развитие инновационного человеческого капитала работников: различие позиций ген. Директора и менеджера по управлению персоналом Текст научной статьи по специальности «Экономика и бизнес»

УДК 316.354

РАЗВИТИЕ ИННОВАЦИОННОГО ЧЕЛОВЕЧЕСКОГО КАПИТАЛА РАБОТНИКОВ: РАЗЛИЧИЕ ПОЗИЦИЙ ГЕН. ДИРЕКТОРА И МЕНЕДЖЕРА ПО УПРАВЛЕНИЮ ПЕРСОНАЛОМ

И.З. Гарафиев

Казанский национальный исследовательский технологический университет E-mail: [email protected]

На основе контент-анализа текстов статей журнала «Генеральный директор» рассмотрены отношения руководителей организации к развитию инновационного человеческого капитала работников. Выявлена специфика и различие в понимании генеральным директором и менеджером по управлению персоналом инвестиционного и сетевого характера труда работников.

Ключевые слова: инновационный человеческий капитал, генеральный директор, менеджер по управлению персоналом.

DEVELOPMENT OF INNOVATION HUMAN CAPITAL OF STAFF: DIFFERENCE BETWEEN POSITIONS OF DIRECTOR GENERAL AND HUMAN RESOURCES MANAGER

I.Z. Garafiev

Kazan National Research Technological University E-mail: [email protected]

Attitude of management to the development of innovation human capital of the staff on the basis of content analysis of the «Director General» magazine articles is considered. The specificity and difference in understanding of investment and network nature of work of the staff is revealed.

Key words: innovation human capital, director general, human resources manager.

Современная постоянно меняющаяся внешняя среда ставит перед компаниями новые цели и задачи. Меняется роль работника в компании - он становится инициатором инновационных идей и тем самым преобразует знание в основной фактор производства. В связи с этим меняется и специфика труда в компании, который приобретает инвестиционный и сетевой характер. Инвестиционный характер когнитивного труда - это постоянное инвестирование работником в собственный человеческий капитал. Сетевой характер - способ организации деятельности когнитивных работников, связанный с их взаимодействием в рамках сетевых структур и проектов.

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. Ав-

© Гарафиев И.З., 2012

торская трактовка обусловлена качественной характеристикой знания, направленного на производство товаров и услуг с целью получения прибыли. Наиболее «знаниеемкой» 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 неинновационными для других фирм. В то же время мы не понимаем его слишком широко как общий человеческий капитал, так как внедрение инноваций всегда имеет определенную отраслевую специфику [1].

Объектом нашего исследования выступает экспертное сообщество руководителей организаций (генеральные директора, руководители отделов управления персоналом и их заместители и другие должностные лица, непосредственно принимающие решения об управлении персоналом в организации). Предметом исследования является понимание и интерпретация экспертами особенностей состояния и развития инновационного человеческого капитала работников.

Цель данной статьи - выявление специфики и различий в понимании генеральным директором и менеджером по управлению персоналом особенностей развития инновационного человеческого капитала работников.

Методология исследования. Для определения специфики дискурса инновационного человеческого капитала в сообществе руководителей организации мы воспользовались подходом М.А. Клупта [2, с. 110] и Л.Г Хадиевой, которые применили количественный (М.А. Клупт) и качественный (Л.Г. Ха-диева) контент-анализ при анализе демографических проблем [3, с. 59]. В количественном случае на первом плане находятся такие понятия, как характер выборки (слов, текстов или их частей), частотность, статистические ассоциации. В качественном анализе - символы, их контекст и интерпретация. Мы в своем исследовании проводили качественный контент-анализ. Взяв за основу методологию, предложенную А.Н. Олейником [4], мы сделали акцент на анализе связей внутри кодировочного 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 статей в журнале «Генеральный директор» за период с января 2010 г. по январь 2011 г. (N = 76), критерием отбора статей было наличие в них высказываний руководителей организации. С целью персонификации экспертов обычно их группируют по какому-то общему признаку: принадлежность к отрасли, научному сообществу, школе и т.д. Мы в качестве критерия группировки экспертов взяли их положение в управленческой иерархии организации. Нами было выделено три группы экспертов: генеральные директора - собственники бизнеса (n = 46), генеральные директора - наемные менеджеры (n = 29), не генеральные директора - наемные менеджеры (n = 43). Основанием для отбора экспертов явилась возможность их идентификации как представителя одной из трех групп, также учитывался объем высказываний экспертов, который не должен быть менее 2 абзацев текста статьи. Непосредственной единицей анализа выступал формализованный текст - совокупность высказываний в исходном тексте журнальной статьи экспертов каждой из трех групп. В результате по количеству групп экспертов мы получили три формализованных текста для контент-анализа.

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 теоретические конструкции, которые у него возникли еще до чтения текста.

Используемый нами метод отбора статей, в которых приводятся прямые высказывания руководителей организаций, представляет собой выбор текстов, отражающих уникальное мнение эксперта в данной области. Следовательно, в нашей работе мы будем использовать словарь, основанный на замещениях.

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 8 кодов, организованных в 3 «ядра»: «Инновационный человеческий капитал», «Инвестиционный характер труда», «Сетевой характер труда» (табл. 1).

Таблица 1

Коды для качественного контент-анализа. Словарь (А)

Ядро Код Слова, фразы

1 2 3

Инновационный Стимулирование инновац* AND работн*

человеческий инновации поощр* AND инновац*

капитал внедрен* AND инновац* изобретен* AND инновац* нов* AND иде* стимулирова* AND работник* рационализатор* исследователь разработчик инициатор занятых исследованиями и разработками создан* _ новых _ рабочих мест в инновационной инноватор

Оплата труда оплата деньги зарплата заработн* плат* занятость занятых рабочее место повышение _ качества _ жизни уровень жизни уровень благосостояния производственные силы человеческий капитал

Окончание табл. 1

1 2 3

Инновационный Знания знание AND прибыль

человеческий интеллектуальн* AND собственност*

капитал экономика _ знаний

общество _ знаний

база _ знаний

управление _ знаниями

новые _ знания

генерация _ знаний

Инвестиционный Образование образование _ профессиональное

характер труда образование _ высшее

вуз

студент

выпускник

диплом

кадровое _ обеспечение

подготовка _ кадров

Саморазвитие переподготовка

непрерывная _ подготовка

непрерывное _ образование

курсы

наставник

тренинг

профессиональный _ рост

повышен*_ квалификации

лидерские _ качества

Профессиональный молод* _ работник*

опыт, навыки молод* _ люди

специалист*

опыт работы

стаж

квалификац*

специалист

компетенц*

кадры

недостаток _кадров

переток _ кадров

Сетевой Обмен идеями - информационный _ обмен

характер труда инновационная среда информационное _ обеспечение

обмен _ иде*

инфраструктур*

технопарк,

бизнес-инкубатор,

промышленн* парк,

бизнес-парк,

центр _ трансфера _ технологий, центр _

коммерциализации

стимулирование _ предприятий

образовательная _ среда, информационная _

среда коммуникационная _ среда

инновационная _ среда

инновационная _ система

Бизнес-проекты инновации AND бизнес-партнер

конкуренция

целевая _ подготовка

бизнес-сообщество

инновационн*_ бизнес

кластер

проект

партнер

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.

Совместно встречающиеся коды. Вначале мы выясним, насколько часто коды пересекаются, т.е. в рамках форматизированного текста они могут быть разделены не более чем одним кодом. 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. Особый интерес представляет выяснение позиций представителей различных групп экспертов с целью определения сходства и различий в их взглядах. В нашем случае, ввиду того что количество формализованных текстов было менее 6, а точнее три по количеству групп экспертов, 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.

Близость совместно встречающихся кодов для группы ген. директоров -собственников, представлена в табл. 2.

Таблица 2

Пересечение кодов качественного контент-анализа на основе коэффициента Жаккарда для ген. директоров - собственников

Business projects Development Education Exchange of ideas Incentives for innovation Knowledge Professional experience Wages

Business projects 1

Development 0,077 1

Education 0 0,03 1

Exchange of ideas 0,258 0,065 0,015 1

Incentives for innovation 0,094 0,09 0 0,161 1

Knowledge 0,045 0,088 0,033 0,089 0,014 1

Professional experience 0,066 0,182 0,12 0,103 0,082 0,097 1

Wages 0,012 0,031 0,029 0,087 0,134 0,05 0,148 1

Наибольшее значение коэффициента Жаккарда 0,258, что позволяет говорить о наличии устойчивой связи между кодами «обмен идеями» и «бизнес-проекты». Близость совместно встречающихся кодов для группы ген. директоров - наемных менеджеров представлена в табл. 3.

Наибольшее значение коэффициента Жаккарда 0,232, что позволяет говорить о наличии устойчивой связи между кодами «оплата труда» и «стимулирование инноваций». Как видим, здесь происходят изменения направления дискурса, если для ген. директоров - собственников важны больше сетевые взаимодействия (близость кодов «обмен идеями» и «бизнес-проекты»), то ген. директора - наемные менеджеры акцентируют внимание на составных частях

Таблица 3

Пересечение кодов качественного контент-анализа на основе коэффициента Жаккарда для ген. директоров - наемных менеджеров

Business projects Development Education Exchange of ideas Incentives for innovation Knowledge Professional experience Wages

Business projects 1

Development 0,078 1

Education 0,026 0,022 1

Exchange of ideas 0,159 0,116 0,038 1

Incentives for innovation 0,2 0,038 0,022 0,176 1

Knowledge 0,101 0,081 0,095 0,016 0,021 1

Professional experience 0,11 0,198 0,066 0,05 0,052 0,122 1

Wages 0,04 0,038 0,016 0,053 0,232 0,029 0,139 1

инновационного человеческого капитала (близость кодов оплата труда» и «стимулирование инноваций»). Немного другой вид принимает модель кластеризации кодов качественного контент-анализа на основе коэффициента Жаккарда для ген. директоров - наемных менеджеров.

На основе полученных данных коэффициента Жаккарда мы можем построить модель кластеризации кодов. Модель кластеризации кодов качественного контент-анализа на основе коэффициента Жаккарда для ген. директоров - собственников представлена на рис. 1.

Business projects-1_^

Exchange of ideas-1

Incentives for innovation-1......................

Wages-1

Development-1_

Professional experience-1 .........................................

Knowledge-

Education....................................................................................................................................................

AGGLOMERATION ORDER: JACCARD'S COEFFICIENT (OCCURRENCE)

Рис. 1. Модель кластеризации кодов качественного контент-анализа на основе коэффициента Жаккарда для ген. директоров - собственников

Изначальной предпосылкой для выделения кодов качественного контент-анализа было наличие трех ядер: инновационный человеческий капитал, инвестиционный характер когнитивного труда, сетевой характер когнитивного труда. При кластеризации кодов на основе коэффициента Жаккарда при заданном количестве кластеров - три видим совпадение получившихся кластеров с выделенными нами ядрами только в одном случае. Коды «бизнес-проекты» и «обмен идеями» в дискурсе руководителей организации стоят рядом и совпадают с выделенным нами ядром «сетевой характер когнитивного труда».

Полученные результаты позволяют говорить о том, что для ген. директоров-собственников участие их сотрудников в бизнес-проектах предполагает обмен идеями, оплату труда сотрудников и стимулирование их инновационной деятельности. Данная конфигурация первого кластера может быть интерпре-

тирована как понимание подконтрольной ген. директору деятельности, напрямую связанной с достижением бизнес-целей. Близость кодов «профессиональный опыт, навыки» и «саморазвитие» позволяет говорить о том, что в модели кластеризации частично проявилось ядро «инвестиционный характер когнитивного труда». Ядро «инновационный человеческий капитал» идентифицируется благодаря близости кодов «оплата труда» и «стимулирование инноваций».

Модель кластеризации кодов качественного контент-анализа на основе коэффициента Жаккарда для ген. директоров - наемных менеджеров представлена на рис. 2.

Business projects-1_

Exchange of ideas_I

Incentives for innovation........................

Wages_I ....................

Development-

Knowledge-1...........................................

Professional experience-1

Education.....................................................................................................................................................

AGGLOMERATION ORDER: JACCARD'S COEFFICIENT (OCCURRENCE)

Рис. 2. Модель кластеризации кодов качественного контент-анализа на основе коэффициента Жаккарда для ген. директоров - наемных менеджеров

Модель кластеризации в целом еще осталась прежней, изменения произошли лишь в степени близости кодов внутри второго кластера. Связь кода «профессиональный опыт, навыки» оказалась более тесной с кодом «знание», чем с кодом «саморазвитие». Причиной этого во многом стал принцип группировки кодов в кластеры, когда в основу берется близость кодов по относительному значению коэффициента Жаккарда. Так, коэффициент Жаккарда между кодами «профессиональный опыт, навыки» и «саморазвитие» равен 0,198, а между кодами «профессиональный опыт, навыки» и «знание» равен 0,122.

Существенные изменения произошли при распределении кодов в третьей группе экспертов, не являющихся генеральными директорами, а выполнявших функции менеджеров по управлению персоналом. Близость совместно встречающихся кодов для группы не ген. директоров, представлена в табл. 4.

Таблица 4

Пересечение кодов качественного контент-анализа на основе коэффициента Жаккарда для не ген.директоров

Business projects Development Education Exchange of ideas Incentives for innovation Knowledge Professional experience Wages

Business projects 1

Development 0,02 1

Education 0,014 0,182 1

Exchange of ideas 0,356 0,063 0,05 1

Incentives for innovation 0,107 0,039 0,013 0,215 1

Knowledge 0,05 0,037 0,038 0,011 0,062 1

Professional experience 0,038 0,229 0,053 0,056 0,127 0,083 1

Wages 0,01 0,111 0,109 0,032 0,184 0,13 0,168 1

Наибольшее значение коэффициента Жаккарда 0,356, что позволяет говорить о наличии устойчивой связи между кодами «обмен идеями» и «бизнес-проекты». Однако модель кластеризации принимает совершенно другой вид во многом из-за того, что наибольшее значение коэффициента Жаккарда превышает все другие его значения. Модель кластеризации кодов качественного контент-анализа на основе коэффициента Жаккарда для не ген. директоров представлена на рис. 3.

Business projects-,

Exchange of ideas-1...............................................................................................................................

Development-1_

Professional experience-1 ..........................................

Education-

Incentives for innovation-1__....................

Wages-1 .....................

Knowledge-

AGGLOMERATION ORDER: JACCARD'S COEFFICIENT (OCCURRENCE)

Рис. 3. Модель кластеризации кодов качественного контент-анализа на основе коэффициента Жаккарда для не ген. директоров

Полученная модель полностью совпадает с изначально сконструированной нами моделью для качественного контент-анализа. Изначальной предпосылкой для выделения кодов качественного контент-анализа было наличие трех ядер: инновационный человеческий капитал, инвестиционный характер когнитивного труда, сетевой характер когнитивного труда. В дискурсе экспертов не ген. директоров данная модель полностью подтвердилась.

Подводя итог анализу схожести кодов в дискурсе различных групп экспертов, мы можем говорить о близости позиции ген. директоров - собственников и ген. директоров - наемных менеджеров. Позиция не ген. директоров совпала с выделенной нами исследовательской моделью. Объяснением этого может служить стилистика текстов групп экспертов, если ген. директорам больше присуще описание ситуации, направленное на выявление реальных условий функционирования бизнеса, то для не ген. директоров - сравнение ситуации с некой идеальной моделью, выявление не только существующего, но и определение должного.

Литература

1. Гарафиев И.З. Роль инновационного человеческого капитала в процессах регионализации и глобализации // Регионология. 2011. № 4. С. 9-15.

2. Клупт М.А. Демографическая политика как предмет контент-анализа // Социологические исследования. 2003. № 12. С. 10-117.

3. Олейник А.Н. Триангуляция в контент-анализе: вопросы методологии и эмпирическая проверка // Социологические исследования. 2009. № 2. С. 65-99.

4. Хадиева Л.Г. Конструирование репродуктивных установок: феноменологический анализ. Дис. ... к.с.н. Казань, 2007 153 с.

5. Hogenraad R., Mckenzie D., Peladeau N. Force and influence in contentanalysis: the production of new social knowledge // Quality & Quantity. 2003. № 37 P 2-14.

Bibliography

1. Garafiev I.Z. Rol' innovacionnogo chelovecheskogo kapitala v processah regionalizacii i globalizacii // Regionologija. 2011. № 4. P 9-15.

2. Klupt M.A. Demograficheskaja politika kak predmet kontent-analiza // Sociologicheskie issledovanija. 2003. № 12. P 10-117.

3. Olejnik A.N. Trianguljacija v kontent-analize. voprosy metodologii i jempiricheskaja proverka // Sociologicheskie issledovanija. 2009. № 2. P 65-99.

4. Hadieva L.G. Konstruirovanie reproduktivnyh ustanovok: fenomenologicheskij analiz. Dis. ... k.s.n. Kazan', 2007. 153 p.

5. Hogenraad R., Mckenzie D., Peladeau N. Force and influence in contentanalysis: the production of new social knowledge // Quality & Quantity. 2003. № 37. P 2-14.