Скорость прироста знаний организацией Текст научной статьи по специальности «Экономика и бизнес»

18 (273) - 2012

Теория экономического анализа

УДК 330.83; 330.88; 332.1

СКОРОСТЬ ПРИРОСТА ЗНАНИИ ОРГАНИЗАЦИЕЙ*

Е. В. ПОПОВ,

член-корреспондент Российской академии наук, руководитель центра экономической теории E-mail: epopov@mail. ru

М. В. ВЛАСОВ,

кандидат экономических наук, доцент, старший научный сотрудник E-mail: mvlassov@mail. ru

А. Ю. ВЕРЕТЕННИКОВА,

аспирант, младший научный сотрудник E-mail: vay_uiec@mail. ru Институт экономики Уральского отделения РАН

В статье произведена попытка количественной оценки процессов генерации знаний. В связи с этим проанализировано, каким образом происходит прирост знаний в организации при изменении трансакционных издержек; рассчитана скорость прироста знаний, позволяющая определить виды знаний, наиболее чувствительные к изменению трансакционных издержек.

Полученные в исследовании результаты применимы для развития инновационной деятельности в организации.

Ключевые слова: генерация, знания, трансак-ционные издержки.

Способность организации создавать знания определяет ее положение на рынке. Роль знаний для развития экономических процессов достаточно полно была отражена В. Л. Макаровым и Г. Б. Клей-

* Статья подготовлена при финансовой поддержке программы РАН №№ 35 « Экономика и социология науки и образования», при финансовой поддержке Уральского отделения РАН, проект № 12П-7-1006 «Региональные институты развития науки».

нером при определении функций знаний. Знание представляет собой продукт деятельности, ресурс, предмет конечного потребления, средство тезаврации (от греч. Ш^ашуБ - сокровище), трансакции, организации и управления обществом [6]. Таким образом, знание пронизывает множество видов деятельности на различных уровнях хозяйствования.

Особую актуальность приобретают процессы генерации знаний на уровне организации, поскольку именно предприятия создают конечный продукт, конкурентоспособность которого зачастую определяется его знаниеемкостью. При этом современные быстроменяющиеся условия хозяйствования требуют постоянного отслеживания, оценки и повышения эффективности процессов генерации знаний на уровне организации.

Целью настоящего исследования является построение количественной оценки процессов генерации знаний в зависимости от изменения трансакционных издержек организации.

Анализ исследований по оценке экономики знаний целесообразно начать с методологии, разработан-

ной в 1999 г. Институтом Всемирного банка в рамках программы «Знание для развития» [7]. Ее авторы Д. Ченг и К. Дахлман [27] производят расчет и анализ таких показателей, как индекс экономики знаний (КЕ1) и индекс знаний (К1) для различных стран. При расчете значений данных показателей используют индекс экономического и институционального режимов, индекс образования, индекс инноваций, индекс информационных и коммуникационных технологий [30].

Два подхода к оценке экономики знаний выделяют В. Л. Макаров и А. Е. Варшавский: со стороны входа, когда учитываются затраты, которые идут на развитие экономики знаний, и со стороны выхода, когда определяется состояние экономики знаний по валовой добавленной стоимости организаций -потребителей знаний.

Предложенная А. В. Чугуновым система индикаторов позволяет оценить уровень развития экономики знаний на определенной территории, показывает место России среди других стран по степени развития экономики, а также описывает существующие в России проблемы, препятствующие измерению экономики знаний [23].

Вместе с тем представленные исследования не позволяют оценить процессы генерации знаний внутри организации. Оценивать процессы создания знаний доходными, сравнительными и затратными методами, а их учет осуществлять введением ставки дисконтирования предложено А. Н. Козыревым [4].

Попытка оценки управления знаниями на уровне организации с анализом самого процесса управления знаниями, поддержки данного типа деятельности топ-менеджментом, организационной структуры, технологической инфраструктуры, изме-ряемости управления знаниями сделана Ф. Рахими и М. Мароси [29].

Как отмечает О. А. Аксенова, оценка эффективности системы привлечения и генерации знаний является одной из сложных проблем. В данном вопросе она опирается на теорию экономической эффективности, работы чикагской школы управления, а также исследования, отражающие многокритериальный подход к оценке деятельности организации. При исследовании корпоративной системы генерации

Информация

знаний в 2008 г. О. А. Аксенова предложила комплекс диагностических моделей, позволяющих оценивать реализацию проекта генерации и передачи знаний посредством обучения, применение полученных знаний и навыков в рабочей среде, выявлять отклонения от поставленных целей, определять причины негативных симптомов и производить коррекцию.

Авторы неоднократно анализировали возможности экономической оценки процессов [2] и стратегий [1] производства новых знаний.

Указанные научные работы позволяют оценить условия, в которых происходит создание знаний и эффективность этого процесса, но при этом не учитывают зависимость процессов генерации знаний от изменения обеспечивающих их трансакционных издержек.

Для достижения цели данного исследования были поставлены следующие задачи:

- рассмотреть сущность и значение деятельности по генерации знаний в организации;

- эмпирически вывести закономерности прироста знаний при изменении трансакционных издержек генерации знаний;

- оценить скорость прироста знаний на ряде предприятий.

Прежде всего рассмотрим, в чем состоят суть и значение деятельности по генерации знаний.

В рамках настоящего исследования под знанием авторы понимают структурированную и систематизированную информацию, предназначенную для решения определенных задач или обеспечения жизнедеятельности человека.

Из определения знания следует, что оно возникает в результате преобразования информации (рис. 1). В процессе его создания задействованы как

Цель

Нормы и правила

Генерация знаний

L I

~Ж—*—Ж-ж~

К Т ¥ ЫЫ

Новое формализованное знание

Рис. 1. Процесс генерации знаний: Ь - трудовые ресурсы; I - информационные ресурсы; К - материальные ресурсы; Т - временные ресурсы; Р - финансовые ресурсы; МЫ - нематериальные активы

информационные, так и другие типы ресурсов: трудовые, материальные, временные и др. Деятельность по генерации знаний является целенаправленной и обеспечена определенными нормами и правилами.

Выделим место генерации знаний в инновационном процессе.

Особенность подхода Й. Шумпетера заключается в том, что он характеризует понятие «инновация» (нововведение) как стадию жизненного цикла результатов научно-технического прогресса, наряду с ней выделяя инвенцию (изобретение) и имитацию (тиражирование) [24].

Рассматривая жизненный цикл инноваций при исследовании в 2005 г. управления инновационными процессами на основе метода эволюционного моделирования, С. В. Кортов отметил три взаимосвязанные фазы: инвенциальную, имитационную и адаптационную. Деятельность по генерации знаний в большей степени связана с инвенциальной стадией, что имеет место как на этапе имитации, так и на этапе адаптации. Если Й. Шумпетер существование инвенциальной фазы понимал в узком смысле как фиксацию результатов фундаментальных научных исследований в естественно-научной и технической сферах в виде изобретений, то С. В. Кортов данную стадию связывал также со знанием потребностей рынка и практическим опытом.

Под инновацией А. И. Татаркин и А. Ф. Суховей понимают новый продукт (вид изделия, технологию, организационную форму и т. п.), являющийся результатом практического приложения научных и научно-технических знаний, использование которого приводит к экономическим и (или) социальным эффектам [21].

В то же время С. В. Кортов относит к инновации результат трансформации знаний в новый экономический продукт, реализуемый на рынке, в новый процесс осуществления жизненного цикла продукта, внедренный в практическую деятельность, использование или коммерческий оборот которых приносит экономический, социальный и другие виды эффектов [5].

Анализ нормативных правовых актов, регулирующих инновационную деятельность в отдельных регионах (Саратовской [16], Оренбургской [14] областях, Алтайском крае [11], Владимирской [13], Томской [15], Пензенской [17] областях и др.), показал, что инновация возникает как результат научных исследований и разработок, а также иных научно-технологических достижений.

Согласно Федеральному закону от 23.08.1996 № 127-ФЗ «О науке и государственной научно-технической политике» научная (научно-исследовательская) деятельность - это деятельность, направленная на получение и применение новых знаний для решения технологических, инженерных, экономических, социальных, гуманитарных и иных проблем, обеспечения функционирования науки, техники и производства как единой системы [12].

Таким образом, анализ указанных положений позволяет сделать вывод, что знание представляет собой основу инновационного процесса. Отметим, что инновационная деятельность организации помимо процессов генерации знаний включает также процессы внедрения созданных и приобретенных знаний, однако этот вопрос оставлен за границами данного исследования.

В середине XX в. происходит также формирование нового направления в экономических исследованиях - неоинституционализма. Одной из ключевых категорий институциональной экономики являются трансакционные издержки. Сам термин «трансак-ционные издержки» был предложен Р. Коузом. В работе 1937 г. «Природа фирмы» он определил их как издержки, возникающие при использовании ценового рыночного механизма. Р. Коуз рассматривал трансакционные издержки как категорию, способную объяснить существование противоположных рынку иерархических структур.

Дальнейшее развитие исследований в данной области привело к расширению понятия «трансак-ционные издержки». Например, К. Эрроу понимал их как издержки эксплуатации экономической системы [26], А. П. Милгром и Дж. Робертс - как любые потери, возникающие вследствие неэффективности совместных решений, планов, заключаемых договоров и созданных структур; неэффективных реакций на изменившиеся условия; неэффективной защиты соглашений [28]. Как отмечает Т. Эггертссон, трансакционные издержки возникают тогда, когда «индивиды обмениваются правами собственности на экономические активы и обеспечивают свои исключительные права» [25]. При этом Д. Норт, понимая трансакционные издержки как «издержки оценки полезных свойств объекта, издержки обеспечения прав и принуждения к их соблюдению» [10], отделил их от трансформационных издержек, а также отметил их роль как источника формирования социальных, политических и экономических институтов.

Исследователи под трансакционными издержками понимают издержки формирования и поддержания экономических институтов; издержки функционирования системы [20].

Необходимость учета трансакционных издержек при изучении деятельности по генерации знаний следует из работ Ф. Найта, Д. Норта и Дж. Уоллиса, О. Уильямсона и др.

С высокой степенью неопределенности, которой несомненно обладает каждый инновационный процесс,. связывал трансакционные издержки Ф. Найт [8].

Из исследования Д. Норта И Дж. Уоллиса, посвященного оценке трансакционных издержек на макроэкономическом уровне, следует, что экономический рост страны сопровождается увеличением доли трансакционного сектора [31]. Таким образом, знания, представляющие собой один из факторов экономического развития, сопровождаются изменением трансакционных издержек.

Развитие инновационной деятельности зачастую сопровождается трансакциями с высокой специфичностью активов. Проблема специфичности активов была обозначена О. Уильямсоном [22]. Наличие данной особенности трансакций также свидетельствует о необходимости выявления взаимодействия знаний и трансакционных издержек в деятельности организации.

Таким образом, гипотеза, которая легла в основу настоящего исследования, состоит в том, что объем знаний организации изменяется пропорционально трансакционным издержкам.

Авторами были рассмотрены формализованные знания [18]. Поскольку знания представляют собой основу инновационного процесса, они должны обладать определенной степенью новизны [19]. Для учета данного требования в качестве знаний были рассмотрены правоох-раняемые результаты интеллектуальной деятельности (РИД) и средства индивидуализации (СИ). Согласно Гражданскому кодексу РФ (ч. IV, ст. 1225) [3] РИД и приравненными к ним СИ, которым предоставляется правовая охрана, являются изобретения, полезные модели, промышленные

образцы, ноу-хау, программы для ЭВМ, базы данных и статьи (опубликованные результаты НИР) и др.

Для обоснования рабочей гипотезы было проведено эмпирическое исследование на предприятиях Уральского региона. Были опрошены руководители более 50 крупных производственных предприятий о динамике изменения трансакционных издержек генерации знаний и формализованных знаний в период с 2007 по 2010 г.

В качестве источника трансакционных издержек генерации знаний был выбран Налоговый кодекс РФ (гл. 25 «Налог на прибыль» [9]).

Анализ полученных данных предполагал оценку скорости прироста формализованных знаний при изменении трансакционных издержек генерации знаний. На рис. 2 представлена зависимость прироста изобретений при приросте трансакционных издержек на НИОКР.

При этом скорость прироста знаний рассчитана по следующей формуле:

ур =

с1ТС,

где

3

Ч Я2,5

© щ ' & ^

Я н „ & & 2 К »о о

Я1'5

V.. - скорость прироста /-го РИД (или СИ) при изменении 7-й трансакционной издержки; dk. - прирост /-го типа знания; dTC. - прирост 7-й трансакционной издержки. В представленном на рис. 2 примере v11=0,941. Значение V.. показывает скорость прироста знаний при приросте трансакционных издержек на 1 %.

Аналогично были построены зависимости для всех типов знаний и всех типов расходов (см. таблицу).

Оценка значения показателя V. позволяет определить степень влияния того или иного типа трансакционных издержек на развитие процессов генерации знаний. Если прирост знаний превышает

у= 0,941х + 0,074

0,5

0,5

1,5

2,5

3 5 Прирост

трансакционных издержек на НИОКР, %

Рис. 2. Эмпирические результаты прироста изобретений при изменении трансакционных издержек на НИОКР

2

3

Эмпирические значения скорости прироста формализованных знаний при изменении различных типов трансакционных издержек

Трансакционные издержки, ТС1 РИД и СИ, к

Изобретения Полезные модели Промышленные образцы Ноу-хау Средства индиви-дуализа-ции Программы для ЭВМ Базы данных Опубликованные результаты НИР

1 Расходы на НИОКР 0,94 0,73 0,54 0,9 0,39 0,35 0,62 0,82

2 Расходы некапитального характера, связанные с совершенствованием технологии, организации производства и управления 1,21 0,9 0,69 1,11 0,5 0,46 0,77 1,03

3 Расходы на сертификацию продукции и услуг 1,2 0,9 0,63 1,02 0,46 0,42 0,71 0,95

4 Начисления стимулирующего характера 1,33 1,0 0,76 1,27 0,55 0,55 0,87 1,14

5 Расходы на обучение 1,54 1,18 0,9 1,48 0,66 0,59 1,02 1,36

6 Периодические платежи за пользование правами на РИД и СИ 1,3 1,04 0,73 1,23 0,53 0,48 0,85 1,12

7 Расходы по набору работников, занятых в инновационной деятельности 1,63 1,26 0,93 1,53 0,68 0,61 1,06 1,41

8 Расходы на командировки работников 1,6 1,2 0,91 1,46 0,67 0,6 1,02 1,37

9 Расходы на консалтинговые и иные аналогичные услуги 1,68 1,29 0,95 1,57 0,69 0,62 1,08 1,43

10 Расходы на приобретение и использование баз данных 1,69 1,31 0,93 1,55 0,67 0,61 1,07 1,42

11 Расходы на рекламу 1,7 1,36 0,97 1,64 0,71 0,64 1,13 1,49

12 Расходы на приобретение программ для ЭВМ 2,0 1,57 1,17 1,96 0,83 0,73 1,33 1,73

13 Расходы на текущее изучение конъюнктуры рынка 2,25 1,66 1,32 2,12 0,98 0,89 1,48 1,99

14 Представительские расходы 2,62 2,18 1,59 2,76 1,14 1,0 1,87 2,42

прирост трансакционных издержек, то данный тип деятельности функционирует эффективно.

Для оценки значения показателя V рассмотрим возможные случаи.

Если значение V.. меньше 0, то при росте транс-акционных издержек происходит снижение знаний (ёТС. > 0, ёк. < 0). Наличие данного явления свидетельствует о том, что мы имеем дело с непродуктивными трансакционными издержками, необходимо применять меры по их перераспределению.

Значение V = 0 свидетельствует о том, что прирост знаний не происходит, хотя трансакционные издержки растут (ёТС. >0, ёк . = 0). В данном случае процесс генерации знаний неэффективен, необходимо пересмотреть целесообразность такого типа инвестирования денежных средств.

Если значение данного показателя находится в диапазоне от 0 до 1, то это, по-видимому, свидетельствует о том, что данный тип знаний в организации создается, однако прирост трансакционных

издержек в рассматриваемый период больше, чем прирост знаний (ёТС. > 0, ёк . > 0, ёк . < ёТС.).

При значении V.. больше 1 прирост знаний происходит быстрее, чем изменение трансакционных издержек (ёТС. > 0, ёк . > 0, ёк . > ёТС.). Данная ситуация свидетельствует об эффективности процессов генерации знаний и благоприятно влияет на развитие инновационной деятельности организации.

Расчет скорости прироста знаний V.. может быть использован для принятия решения, в какие виды деятельности инвестировать денежные средства. На графиках рис. 3-10 показана отдача, которую приносит увеличение тех или иных затрат согласно полученным эмпирическим данным. При этом на графиках по вертикальной оси представлены значения приведенной скорости V..' = V. -г. 2-1, где V. - модифицированная скорость приростау-го типа знания при изменении 7-й трансакционной издержки;

V.. - скорость прироста /-го типа знания при

изменении 7-й трансакционной издержки;

г.. - корреляция прироста /-го типа знания при

изменении 7-й трансакционной издержки.

Положительная величина означает, что прирост определенного типа знаний больше, чем изменение выбранного типа затрат. Так, на прирост изобретений (рис. 3) оказывают влияние все виды представленных здесь издержек. Можно заметить, что порядковый номер той или иной трансакционной издержки зависит от доли ее изменения во всем множестве рассматриваемых издержек.

По горизонтальной оси на графиках представлены:

ТИ1 - расходы на НИОКР;

ТИ2 - расходы некапитального характера, связанные с совершенствованием технологии, организации производства и управления;

ТИ3 - расходы на сертификацию продукции и услуг;

ТИ4 - начисления стимулирующего характера;

ТИ5 - расходы на обучение;

ТИ6 - периодические платежи за пользование правами на РИД и СИ;

ТИ7 - расходы по набору работников, занятых в инновационной деятельности;

ТИ8 - расходы на командировки работников;

ТИ9 - расходы на консалтинговые и иные аналогичные услуги;

ТИ10 - расходы на приобретение и использование баз данных;

ТИ11 - расходы на рекламу;

ТИ12 - расходы на приобретение программ для ЭВМ;

ТИ13 - расходы на текущее изучение конъюн-

ктуры рынка;

ТИ14 - представительские расходы.

При этом доля изменения ТИ1 - наибольшая, ТИ14 - наименьшая.

Из анализа графиков следует, что чем больше значение скорости прироста знаний V, тем меньше доля изменения издержек. Такое явление прослеживается на всех графиках, представленных на рис. 3-10.

Высокую скорость прироста знаний можно наблюдать для

1,6 1,4 1,2 1

0,8 0,6 0,4 0,2 0 -0,2 -0,4

изобретений, ноу-хау, соответствующих им опубликованных результатов НИР.

Из рис. 3 следует, что при создании знаний, формализованных в виде изобретений, следует уделять внимание всем видам представленных трансакционных издержек.

Полезные модели - это более простой тип формализации знаний, представляющий собой разновидность изобретений. По данным Федерального института промышленной собственности Роспатента, число зарегистрированных полезных моделей в период с 1994 по 2011 г. было в четыре раза меньше количества изобретений. В связи с этим трансакци-онные издержки оказывают на данный тип знаний меньшее влияние (рис. 4).

В качестве ноу-хау, как правило, формализованы основные связанные с технологией конкурентные преимущества. Создание и внедрение знаний, формализованных в виде ноу-хау и предназначенных для совершенствования технологических процессов, выпуска новых технологий, сопряжены с различными видами деятельности, что и объясняет высокое влияние трансакционных издержек генерации знаний на их прирост (рис. 5).

Опубликованные результаты НИР, представляющие собой объекты авторского права, возникают в результате создания функциональных знаний и их формализации и, таким образом, зависят от затрачиваемых трансакционных издержек, что представлено на рис. 6.

Высокая чувствительность таких видов результатов интеллектуальной деятельности, как изобретения, полезные модели, ноу-хау и опубликованные результаты НИР, к изменению трансакционных издержек обусловлена следующими факторами.

1,50

К н

2

К н

К н

4

К н

5

К н

6

К н

53 н

8

53 н

53 н

Рис. 3. Эффективность генерации изобретений в зависимости от различных трансакционных издержек

%

1,2 1

0,8 0,6 0,4 0,2 0 -0,2 -0,4

1,12

К к к к к к к к к

ннннннннн

К к к к к

н н н н н

Рис. 4. Эффективность генерации полезных моделей в зависимости от различных трансакционных издержек

V, % 2

1,76

1,5 1

0,5 0

-0,5

0,45 0,52 0,46 0,54 0,52

-0,12

К к к к к к к к к

ннннннннн

К к к к к

н н н н н

Рис. 5. Эффективность генерации ноу-хау в зависимости от различных трансакционных издержек

1,6 1,4 1,2

0,8 0,6 0,4 0,2 0 -0,2 -0,4

К н

2

к н

гл

К н

4

к н

"О

к н

6

к н

к н

8

к н

к н

к н

к н

к н

к н

к н

Рис. 6. Эффективность генерации НИР в зависимости от различных трансакци-

онных издержек

Данные виды результатов интеллектуальной деятельности и средств индивидуализации генерируются непосредственно самими хозяйствующими субъектами и направлены на решение конкретных задач отдельной организации и зачастую не могут быть приобретены на открытом рынке или быть переданы и адаптированы от одного предприятия другому, что и обуславливает высокое значение трансакционных издержек, особенно таких как расходы некапитального характера, связанные с совершенствованием технологии, организации производства и управления; сертификация продукции и услуг; начисления стимулирующего характера и ряда других.

Далее было рассмотрено влияние трансакционных издержек на результативность интеллектуальной деятельности организации в таких областях, как создание промышленных образцов, средств индивидуализации, программ для ЭВМ и баз данных. Результаты эмпирического исследования представлены на рис. 7-10.

Согласно данным проведенного исследования к такому типу формализации знаний, как промышленные образцы, предприятия, принявшие участие в исследовании, прибегают не часто (рис. 7). Это объясняет отсутствие положительной взаимосвязи в большей степени прироста промышленных образцов и изменения транс-акционных издержек генерации знаний.

1

0,8 0,6 0,4 0,2 0 -0,2 -0,4 -0,6

—0,09_0,12_0 13-0,12

-0,26 -0,29

Г^ СЛ

К К К н н н

4

к н

"О

к н

6

к н

8

к н

9

к н

к н

к н

к н

к н

к н

Рис. 7. Эффективность генерации промышленных образцов в зависимости от различных трансакционных издержек

0,2 0,1 0 -0,1 -0,2 -0,3 -0,4 -0,5 -0,6 -0,7

0,09

-0,35 -0,38 -0 39 -0,37 ~0,34

-0,52 -0,48 -0,49

-0,62

-0,55

2

6

9

2

Е—| Е—| Е—| Е—| Е—|

Рис. 8. Эффективность генерации средств индивидуализации в зависимости от различных трансакционных издержек

V,

гб

0 -0,1 -0,2 -0,3 -0,4 -0,5 -0,6 -0,7

-°,55_0,58

-0,53

-0,65 12 К К н н

3

к н

4

к н

5

к н

6

к н

7

к н

8

к н

к н

к н

к н

2

к н

к н

к н

Рис. 9. Эффективность генерации программ ЭВМ в зависимости от различных трансакционных издержек

Создание знаний в форме товарных знаков, знаков обслуживания и наименования мест происхождения товаров происходит обычно при создании новой организации, направления, линии и т. д., что требует длительного времени и наличия определенной новизны. Обращение к такой форме защиты результатов интеллектуальной деятельности организации происходит не часто, в связи с чем трансакционные издержки не чувствительны к такому типу знаний (рис. 8).

В настоящее время сектор информационных технологий достаточно развит, что объясняет практически полное отсутствие зависимости прироста созданных программ для ЭВМ от различных трансак-ционных издержек генерации знаний (рис. 9). Подобную ситуацию можно видеть при анализе влияния трансакци-онных издержек на прирост баз данных (рис. 10).

Анализ данных на рис. 7-10 показал, что наблюдается низкая чувствительность при создании программ для ЭВМ, средств индивидуализации. Данное явление связано со спецификой указанных типов знаний, и в первую очередь с тем, что данные виды результатов интеллектуальной деятельности требуют значительных трансформационных издержек и могут быть приобретены на открытом рынке без дополнительных трансакционных издержек.

Таким образом, при планировании деятельности по генерации знаний необходимо учитывать, какую отдачу могут принести инвестиции

0,8 0,6 0,4 0,2 0 -0,2 -0,4 -0,6

0,72

Рис. 10. Эффективность генерации баз данных в зависимости от различных трансакционных издержек

в тот или иной вид деятельности, сопряженный и влияющий на результаты генерации знаний.

Проведенное исследование с целью построения количественной оценки функционирования процессов генерации знаний организацией в зависимости от изменения трансакционных издержек позволило сделать следующие теоретические выводы и получить практические результаты.

Во-первых, показано значение процессов генерации знаний как основы инновационного процесса, подтверждающее необходимость развития данного типа деятельности в организации.

Во-вторых, получен эмпирический показатель, характеризующий скорость прироста знаний в организации, а также используемый для оценки эффективности процессов генерации знаний.

В-третьих, определено, что такие виды результатов интеллектуальной деятельности, как изобретения, полезные модели, ноу-хау и опубликованные результаты НИР, обладают высокой чувствительностью к изменению трансакционных издержек, т. е. любое изменение трансакционных издержек генерации знаний приводит к изменению данных видов результатов интеллектуальной деятельности, что позволяет планировать процессы генерации знаний организацией системно.

В-четвертых, согласно данным проведенного исследования к такому типу формализации знаний, как промышленные образцы, предприятия, принявшие участие в исследовании, прибегают не часто. Это объясняет отсутствие положительной взаимосвязи в большей степени прироста промышленных образцов и изменения трансакционных издержек генерации знаний.

В-пятых, в настоящее время сектор информационных технологий достаточно развит, что объясняет практически полное отсутствие зависимости прироста созданных программ для ЭВМ от различных трансакционных издержек генерации знаний. Подобную ситуацию можно видеть при анализе влияния трансакционных издержек на прирост баз данных.

В-шестых, показано, что выявленная авторами скорость прироста знаний обусловливает возможность повышать результативность генерации формализованных знаний посредством увеличения и перераспределения трансакционных издержек. Результаты исследования в дальнейшем могут способствовать построению моделей повышения уровня генерации знаний в реальном секторе

экономики.

Список литературы

1. Власов М. В. Стратегия производства новых знаний // Общественные науки и современность. 2007. № 3. С. 18-22.

2. Власов М. В., Попов Е. В. Оценка производства нового знания // Менеджмент в России и за рубежом. 2006. № 2. С. 29.

3. Гражданский кодекс РФ (часть четвертая): Федеральный закон от 18.12.2006 № 230-Ф3.

4. Козырев А. Н. Оценка интеллектуальной собственности. М.: Экспертное бюро, 1997.

5. Кортов С. В. Эволюционное моделирование жизненного цикла инноваций. Екатеринбург: Институт экономики УрО РАН, 2003.

6. Макаров В. Л., Клейнер Г. Б. Микроэкономика знаний. М.: Экономика, 2007.

7. Московин В. М., ТенгД., Бардер А. Развитие методологии оценки экономики знаний (на примере стран АСЕАН и МЕДА) // Международная экономика. 2011. № 4.

8. Найт Ф. Риск, неопределенность и прибыль / пер. с англ. М.: Дело, 2003.

9. Налоговый кодекс РФ (часть вторая): Федеральный закон от 05.08.2000 № 117-ФЗ. Гл. 25. «Налог на прибыль организаций».

10. Норт Д. Институты, институциональные изменения и функционирование экономики. М.: Фонд экономической книги «Начала», 1997. С. 45.

11. О государственной поддержке инновационной деятельности в агропромышленном комплексе Алтайского края: закон Алтайского края от 09.12.1998 № 64-ЗС.

12. О науке и государственной научно-технической политике: Федеральный закон от 23.08.1996 № 127-ФЗ.

13. О научно-технической политике и мерах государственной поддержки научной деятельности и инноваций во Владимирской области: закон Владимирской области от 05.04.1999 № 17-ОЗ.

14. О государственной поддержке инновационной деятельности в Оренбургской области: закон Оренбургской области от 16.11.2009 № 3222/739-1У-ОЗ.

15. Об инновационной деятельности в Томской области: закон Томской области от 04.09.2008 № 186-ОЗ.

16. Об инновациях и инновационной деятельности: закон Саратовской области от 28.07.1997 № 50-ЗСО.

17. Об областной целевой программе инновационного развития Пензенской области на 2005-2007 годы: закон Пензенской области от 20.12.2004 № 720-ЗПО.

18. Попов Е. В., Власов М. В. Моделирование генерации новых технологических знаний // Экономический анализ: теория и практика. 2009. № 4. 15-19.

19.ПоповЕ. В., ВласовМ. В., Веретенникова А.Ю. Ресурсный индикатор дифференциации знаний // Экономический анализ: теория и практика. 2011. № 17. С. 17-21.

20.ПоповЕ. В., ВласовМ. В., Веретенникова А.Ю. Функциональная классификация трансакционных издержек // Проблемы теории и практики управления. 2010.№ 1. С. 55-62.

21. Татаркин А. И., Суховей А. Ф. Ключи к мировому рынку: инновационное предпринимательство и его возможности. М.: Экономика, 2002.

22. Уильямсон О. Экономические институты капитализма. СПб.: Лениздат, 1996.

23. Чугунов А. В. Системы индикаторов и мониторинг развития информационного общества и экономики знаний // Вестник международных организаций: образование, наука, новая экономика. 2006. № 7. С. 13-30.

24. Шумпетер Й. Теория экономического развития. М.: Прогресс, 1982.

25. Эггертссон Т. Экономическое поведение и институты. М.: Дело, 2001. С. 29.

26. Эрроу К. Информация и экономическое поведение //Вопросы экономики. 1995. № 5. С. 30-42.

27. Chen D Н. С, Dahlman С. J. The Knowledge Economy, the KAM Methodology and World Bank Operations //The World Bank. Washington DC 20433. 2005. October 19 (http://siteresources. worldbank. org/KFDLP/Resources/KAM_Paper_WP. pdf).

28. Milgrom P., Roberts J. Bargaining costs, influence costs, аnd the organization of economic activity // Perspectives on positive political economy. Cambridge, 1990.

29. Rahimi F., Maroosi M. E. Knowledge management assessment of Khorasan razavi Gas Company (Viewpoint of employees) // Proceeding of the 12th European Conference of Knowledge Management. University of Passau, Germany. UK: Academic Publishing Ltd, 2011. P. 801-805.

30. URL: http://info. worldbank. org/etools/kam2/ KAM_page5.asp.

31. Wallis J., North D. Measuring the Transactional Sector in American Economy, 1870-1970 // Long-term factors in American Economic Growth. Chicago: University of Chicago Press, 1986. P. 95-162.