05 марта 2016г.
Исследование выполнено при финансовой̆ поддержке РФФИ No 14–29–05040-офи-м, No 14–29–05048-офи-м
Введение.
Вопросы управления научной деятельностью сравнительно мало изучены. В основном методы оценки научно-технических работ применяются при распределении краткосрочных грантов и других средств финансирования как, например, National Science Foundation (NSF, USA) [1], и в работе Max Planck Institute (Germany) [2].
В тоже время, в России имеется значительное количество исследовательских институтов (РАН и другие) и требуется постоянный мониторинг их функционирования, как в целом так и по конкретной тематике. Для решения этой важной, в теоретическом аспекте и практическом применении, задачи, предлагается метод основанный на построении сетевой модели управления научной деятельностью (подробно в [3]).
В модели рассмотрены две основные группы факторов: когнитивные характеристики и числовые параметры. Сам по себе этот подход описан в классической теории экспертных системах, но применение его в совершенно другой среде, в другой сфере исследований, несомненно является новым.
Предложенный подход и создаваемая модель имеют аналог в международных системах рейтингов вузов – Academic Ranking of World Universities, Times Higher Education World University Rankings, QS World University Rankings и другие, но там исключен фактор финансирования организации (а не исследования), что делает предложенную модель более соответствующей поставленной задаче.
Для успешного моделирования и последующего применения результатов этой работы потребовалось создание специализированного программного обеспечения, применимого сразу для нескольких разноплановых задач: поддержки экспертных систем и систем принятия решений, сбора и хранения различного типа информации.
Последующая задача это создание специфического аналитического программного комплекса, необходимого для сбора данных, мониторинга и выработке эффективных решений на основе разработанной модели.
Основные результаты работы.
В работе проведен анализ постановки задачи построения сетевой модели управления научно-техническими исследованиями; определены основные понятия модели исследования и описаны их характеристики.
Разработана модель функционирования научно-технических исследований для регулирующей организации, включая полномасштабный набор параметров для оценки существующих и будущих потребностей регуляторной организации.
Определены основные когнитивные и численные показатели научно-технических работ для дальнейшего исследования и оценки.
Предложенные показатели классифицированы по двум категориям, т.к. наличие и анализ одной категории не может адекватно отражать интегральные характеристики исследований и, что не менее важно, сравнивать между собой и проводить анализ исследований из разных областей знания, работающих на границе традиционных дисциплин, и тем более, межотраслевых исследований.
Проведен анализ международного опыта и определены организации для налаживания контактов, включая мировых лидеров в области обеспечения и контроля научно-технических работ. В первую очередь, уже упоминавшиеся, Max Planck Institute (Germany) и NSF.
Определены конкретные организации для последующего взаимодействия включая неправительственные организации и инвестиционными фондами в России и за рубежом, как организациями с похожими проблематикой и кругом задач. В первую очередь это Российская Венчурная Компания (РВК), Фонд Развития Интернет Инициатив (ФРИИ) при Президенте России ФРИИ, Центральный экономико-математический институт, Институт системного анализа РАН, Московский физико-технический институт и другие.
Начата отработка практических решений с последующей выработкой рекомендаций для пилотных направлений работы РФФИ. В частности, определены технические требования к программному комплексу, призванному обеспечить полноценную и аффективную работу всего исследования.
Сопоставление полученных результатов с мировым уровнем.
Как мы уже отмечали, сама постановка задачи является, по существу, новой. В работе NSF, Max PlanckPlanck Institute и других организаций очень сильна составляющая по определению и оценке числовых параметров. Коэффициенты научной активности Хирша, общее количество законченных работ, предыдущее финансирование, полученные инвестиции, характеристики организационной структуры и другие количественные данные. Причем, все это на базе многолетних показателей и, следовательно, более статистически достоверно.
В нашем исследовании мы адаптируем имеющиеся методики в приложении к российским условиям, например, изменив базу научных журналов и с учетом результатов исследований, уже представленных в рамках различных российских конкурсов.
Когнитивные факторы являются одним из основных показателей в международной системе рейтингов университетов. Например, Международная репутация, качество «общества выпускников (Alumni)», участие в международной деятельности и другие. Похожие характеристики имеются и в нашей модели.
Однако, основным отличием нашей модели является совместное использование обоих групп этих характеристик и поиск сбалансированного /взвешенного/ функционала, определяющего интегральный рейтинг исследовательского института.
Особенности сетевой модели.
Уже отмечался междисциплинарный характер данного исследования, большое количество участников и отсутствие строго определенных критериев оценки успешности результатов. Также, необходимо отметить неизбежную и постоянную смену стратегий управления исследованиями, участников и собственно, самих исследований. В такой ситуации необходимо построение многосвязной сетевой модели, реализованной в соответствии с методологией Semantic Web. Одной из основ Semantic Web является использование различных онтологий, без которых невозможно обеспечить работы в области междисциплинарных исследований.
При построении модели используются как известные онтологии, такие как: MetaVocab (RDF), OPenGUID (RDF), Programmers Ontology (OWL2), так и специально построенные новые специализированные онтологий. В результате, после завершения разработки системы, построенные онтологии для описания научно-технических работ, сами по себе могут быть использоваться в других системах и тем самым являться важными прикладными результатами.
Другим важным принципом модели является ее расширяемость обусловленная как раз тем что в сетевой модели нет четкого различия между участвующими элементами, каждый из которых может быть одновременно и источником и получателем информации. Получаемая модель близка к модели Интернет графа и при неограниченных возможностях расширения мы приходим к необходимости использования методов Больших данных (Big data). При компьютерной реализации построенной модели будут задействованы инновационные технологии сбора, хранения данных такие как Hadoop, Map Reduce, NoSQL базы данных и др.
В свою очередь наличие онтологий и оптимизированных средств работы с данными позволяет построить гибкую аналитическую систему использования накопленных данных - Knowledge Management Systems. Предназначенная для широкого круга пользователей, от индивидуальных исследователей до руководителей высокого уровня, аналитическая система использует методы искусственного интеллекта (Business Intelligence) для получения необходимой информации не прибегая к услугам программистов.
Основные когнитивные и численные показатели модели. Когнитивные:
· Международная репутация организации;
· Участие в образовательной деятельности (работа в вузах);
· Участие в стратегических инициативах и проектах правительства России;
· Научно-техническая оснащённость организации - научная инфраструктура, включая оборудование; Численные характеристики:
· Объём бюджетного финансирования;
· Объём финансирования по грантам в разбивке по источникам финансирования;
· Количество сотрудников – полное, научно-технического персонала, на контрактной основе, по возрастным категориям, иностранных специалистов, и другие;
· Количество членов РАН по специальностям;
· Количество внедрений, патентов;
· Количество и объём грантов, в том числе РФФИ, международные и их объём финансирования;
· Сумма работ выполненных по контрактам по годам;
· Количество публикаций, в том числе в системе WOS, по годам;
· Список старших и ведущих сотрудников и их коэффициент Хирша;
· Количество выступлении на международных конференция по годам;
· Количество выступлении на российских конференция по годам. Требования к программному обеспечению.
Основные требования к программному обеспечению, предназначенному обеспечить работу сетевой модели оценки эффективности управления научно техническим прогрессом.
Создаваемый программный комплекс должен обеспечить выполнение следующих задач:
§ Создание современного интернет портала с наличием встроенной системы управления контентом;
§ Наличие необходимых средств безопасности, включая наличие развитой системы доступа для работы различных групп пользователей сетевой модели;
§ Обеспечение удобного ввода первичной информации, включая режим доступа on-line и потоковый режим, включая элементы OCR;
§ Возможности обмена данными с другими интернет порталами в формате XML, обеспечение автоматической индексации и ведение протоколов поступления информации;
§ Создание специального монитора, отслеживающего регулярность и полноту представляемой информации;
§ Наличие встроенных и внешних программ проверки корректности и полноты вводимой информации, включая использование специализированных словарей, и т.д.;
§ Возможность подключения экспертных систем, как разработанных в рамках проекта так и стандартных пакетов математической статистики типа SPSS и других;
§ Создание гибкой системы отчетов, включая постоянных, одноразовых, стандартных и создаваемых непосредственной пользователями в интерактивном режиме, не требующие программирования;
§ Создание статистической базы по методу Data Warehousing, отделенной от основной оперативной базы данных для быстрой и эффективной работы многочисленных аналитических приложений и пользователей системы;
§ Обеспечение широкого выбора представления данных, включая офисные форматы, Интернет и систем файлового обмена.
Список литературы
1. Национальный̆ научный̆ фонд (National Science Foundation, NSF), www.nsf.gov.
2. Общество научных исследований имени Макса Планка (Max-Planck-Gesellschaft zur Förderung der Wissen- schaften, MPG). www.mpg
3. В.Л. Арлазаров и другие, Некоторые факторы построения сетевых моделей управления научными исследованиями, Труды ИСА РАН., Том 65.2/, 2015, стр. 27 – 3.
4. В.Л. Арлазаров и другие, Параметры модели управления наукой, Сборник научных трудов по итогам международной̆ научно-практической̆ конференции, Казань, No 2, 2015, стр. 78-80.
5. V. Arlazarov, A. Brudno, V. Krivtsov, А new approach for evaluating efficiency of the research centers, International conference on research in education and science (ICRES), Antalya, 2015.
