CC BY
43
УДК 332.1 JEL 23,120
й0110.25513/1812-3988.2019.17(1).137-154
РЕГИОНАЛЬНАЯ НАУЧНАЯ СРЕДА И РЕЗУЛЬТАТЫ НАУЧНЫХ ОРГАНИЗАЦИЙ:
ОЦЕНКА ФАКТОРОВ ВЛИЯНИЯ
И.А. Монахов, И.Н. Веселов, А.А. Мальцева
Тверской государственный университет (Тверь, Россия)
Информация о статье
Дата поступления
24 октября 2018 г.
Дата принятия в печать
25 декабря 2018 г.
Тип статьи
Аналитическая статья
Аннотация. Исследование вопросов роли развития условий для научной деятельности в регионах является актуальным в современных условиях перехода на научно-технологический и инновационный тип экономического развития. Целью исследования является определение степени влияния региональной среды на развитие научных организаций, расположенных на территории региона. Был проведен регрессионный анализ 541 исследовательского учреждения, расположенного на территории 65 субъектов Российской Федерации, - как по укрупненным группам факторов региональной научной среды, так и по отдельным показателям с применением пакета Р. В качестве информационных источников при разработке показателей региональной научной среды использовались статистические данные Федеральной системы мониторинга научных организаций (ФСМНО), Росстата, Минюста и других открытых источников за 2016 г. В качестве показателей результативности научных организаций использовались индикаторы, предложенные в методологии ФСМНО, с выделением трех типов: научные организации-лидеры; стабильные научные организации; научные организации, утратившие научный профиль и перспективы развития. Анализ данных показал большое влияние на результативность научных организаций таких факторов, как совокупность материально-технических и финансовых условий развития научной деятельности в регионах.
Ключевые слова
Региональная научная среда, научная организация, факторный анализ, результативность научной деятельности, наука, инновации
Статья выполнена в рамках проекта «Управление изменениями и развитием научных организаций в условиях государственной политики их реструктуризации» по государственному заданию Министерства образования и науки Российской Федерации Тверскому государственному университету.
REGIONAL SCIENTIFIC ENVIRONMENT AND RESULTS OF SCIENTIFIC ORGANIZATIONS:
EVALUATION OF IMPACT FACTORS
I.A. Monakhov, I.N. Veselov, A.A. Maltseva
Tver State University (Tver, Russia)
Article info
Received October 24, 2018
Abstract. The study of creating conditions for scientific activity in the regions in the context of current transition to the science and technology, as well as innovative type of economic development is rather relevant. The purpose of the study is to determine the degree of influence of the regional environment on the development of scientific organizations located on their territory. In the framework of the study regression analysis of 541 research institutions located on the territory of 65 Russian Federation subjects was carried out both by the larger factor groups in regard to the regional scientific environment and by individual indicators with R package being used. Statistical data of the Federal Monitoring System of Scientific Organizations (FSMSSO), Federal Service of State Statistics, Ministry of Justice and other open sources for 2016 were used as information sources in developing indicators for the regional scientific environment. The indicators proposed in the FMSSO's methodology wtih three types of scientific organizations distinguished were used as the indicators of the performance of scientific organizations. They included scientific organizations-leaders; stable scientific organizations; scientific organizations that have lost their scientific profile and development prospects. Analysis of the data showed that the performance of scientific organizations is greatly influenced by such factors as the combination of material and technical, as well as financial conditions for the development of scientific activity in the region.
Acknowledgements. The paper is the result of the research funded by the Ministry of Education and Science of the Russian Federation within the research project "Change and development management of scientific organizations in the context of the state policy of their restructuring" implemented by Tver State University.
Accepted
December 25, 2018
Type paper
Analytical paper
Keywords
Regional scientific environment, scientific organization, factor analysis, performance of scientific activity, science, innovations
© И.А. Монахов, разделы 2, 3, 5, 2019 © И.Н. Веселов, раздел 4, 2019 © А.А. Мальцева, разделы 1, 4, 2019
1. Введение. В числе ключевых задач, поставленных Правительству РФ в Указе Президента РФ «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года», определены приоритеты развития сферы науки, среди которых обеспечение присутствия Российской Федерации в числе пяти ведущих стран мира, осуществляющих научные исследования и разработки в областях, определяемых приоритетами научно-технологического развития; обеспечение привлекательности работы в Российской Федерации для российских и зарубежных ведущих ученых и молодых перспективных исследователей и ряд других.
В рамках повышающейся децентрализации управления и передачи отдельных функций федерального центра в регионы дополнительно высвечивается проблема активизации развития условий для эффективной научной деятельности на всей территории страны.
Развитие национального научно-технологического комплекса, систематическое создание и внедрение новых знаний и технологий в современных условиях являются необходимым фактором социально-экономического развития регионов. Кроме того, сложившаяся внешнеполитическая ситуация обострила необходимость обеспечения технологической независимости России. На этом фоне развитие сферы науки и технологий, повышение социально-экономической значимости научно-исследовательской, научно-технической и инновационной деятельности приобретают особую актуальность.
Только посредством организации эффективного государственного управления в научно-технической сфере, в том числе на уровне субъектов Российской Федерации, можно создать условия для осуществления фундаментальных научных исследований, научно-технической деятельности и воплощения их результатов в инновационный продукт.
Формы поддержки сферы науки на уровне регионов разнообразны - популяризация науки в молодежной среде, финансирование научных исследований, координация научной деятельности и т. д.
Так, одной из форм поддержки научно-технологического развития на региональном уровне является стимулирование разнообразных форм интеллектуальной интеграции. В регионах в настоящий момент существует большое количество образовательных и научных
коллабораций, различных по размерам, числу организаций, тематикам исследования.
В новых условиях некоторые регионы активно переходят на новую модель организации и поддержки науки и технологий, в том числе на базе гармонизации институтов и эффективной адаптации лучших международных практик к региональным условиям.
В связи с этим цель настоящей статьи -на основе анализа эмпирических данных выявить факторы региональной научной среды, которые оказывают влияние на развитие научных организаций. При этом под научными организациями понимаются учреждения, для которых исследовательская деятельность является основной.
2. Обзор литературы. Поднимаемые в настоящей статье вопросы связаны с проблемами оценки результативности научных учреждений и факторами, которые способствуют ее повышению.
В настоящее время исследователями разработана различная типология оценок результативности, в основе которой лежат цели и методы проведения аудита научных учреждений. В частности, выделяются оценивающие и диагностические модели, которые отличаются подходами к сбору информации о деятельности научной организации и принимаемыми на ее основе организационными решениями [1], а также в зависимости от наличия формализованных процедур - сильные и слабые системы оценки [2, р. 9].
Исходя из данной типологии Федеральная система мониторинга научных организаций (далее - ФСМНО) входит в число оценивающих моделей и является сильной системой, которая опирается на наукометрическую оценку основных результатов деятельности научных учреждений по таким показателям, как число публикаций и совокупная цитируемость публикаций организации, индексируемых в российских и международных информационно-аналитических системах научного цитирования, количество созданных результатов интеллектуальной деятельности и др. Итоги проведения оценки служат для принятия организационных решений, включая упразднение неэффективных научных учреждений.
В связи с этим анализ факторов, которые оказывают непосредственное влияние на способность научной организации генерировать знания и получать конкретные результаты по
итогам проведения научно-исследовательских проектов, является важной задачей, направленной на обеспечение ее конкурентных преимуществ.
В данной статье анализируется влияние различных экзогенных факторов на результативность научных организаций, включая подготовку кадрового резерва, инфраструктурную основу проведения исследований, организацию взаимодействия с внешними стейкхолде-рами, в том числе органами государственной власти, и т. д.
Авторы при решении исследовательских задач в рамках настоящей статьи руководствовались системным подходом, в рамках которого научная организация рассматривается не изолированно, а во взаимодействии с внешней средой, выступающей, с одной стороны, в качестве источника ресурсов, в том числе кадровых, а с другой стороны, - служащей в качестве сферы применения результатов деятельности в виде товаров и услуг.
В качестве концептуальной основы статьи, которая позволяет описать системный характер взаимовлияния различных факторов внешней среды, может выступать теория экологических систем Ури Бронфенбреннера [3]. Преломляя данную теорию на развитие научной организации, можно утверждать, что региональная научная среда является мезосистемой, в которой различные элементы, в том числе объекты региональной инновационной инфраструктуры, например технопарки, центры молодежного инновационного творчества (далее - ЦМИТ), инжиниринговые центры и др., оказывают влияние на развитие и результативность научной организации.
В настоящее время в научной литературе широко представлены работы, связанные с оценкой взаимосвязи факторов микросреды и результативности ученых, в частности физической инфраструктуры [4], исследовательского опыта и принадлежности научного сотрудника к конкретному научному учреждению [5], характера решаемой задачи, параметров научного коллектива, включая наличие конфликтов, временных затрат и др. [6].
При этом в рамках статьи не ставилась задача по выявлению и определению степени влияния факторов макросистемы, например национальной научно-технологической политики, федеральных центров поддержки науки и др., на результативность научных учреждений.
Определение характера, направление взаимовлияния различных факторов микро-, мезо- и макросистем является перспективной исследовательской задачей, которую еще предстоит решить.
3. Гипотезы и методы исследования.
Исходя из анализа литературы, можно выделить несколько гипотез о влиянии различных факторов региональной среды на результативность научных организаций.
Гипотеза 1. На результативность научных организаций оказывают влияние условия для вовлечения молодежи в науку и популяризация карьеры исследователя.
Одним из основных продуктов исследовательских организаций являются знания. Соответственно, миссия научных учреждений заключается в их распространении посредством публикаций, а также в отдельных случаях - в коммерциализации результатов прикладных исследований. В связи с этим способность их генерировать становится главным конкурентным преимуществом научных учреждений. Для исследовательских организаций особое значение приобретает поиск талантов, т. е. людей, которые, обладая определенным набор компетенций, способны к генерации новых знаний [7].
В многочисленных исследованиях обосновывается необходимость привлечения молодежи в науку и инновации. При этом увеличение количества молодых людей, сделавших выбор в пользу карьеры в STEM-областях (англ. Science, Technology, Engineering, Mathematics), рассматривается не только как фактор повышения конкурентоспособности страны, укрепления ее технологического лидерства [8], но и как важный ресурс модернизации региона [9].
Гипотеза 2. На результативность научных организаций оказывает влияние совокупность материально-технических и финансовых условий развития научной деятельности.
Помимо человеческого капитала важным ресурсом, необходимым для реализации научной организацией своей миссии, является наличие финансовых средств и материальных условий проведения исследований, включая оборудование [10].
Объем расходов на НИОКР как в абсолютных, так и относительных показателях (например, наукоемкость ВВП) является индикатором, характеризирующим уровень поддержки науки на национальном и региональном уровнях различными секторами экономики и отра-
жается в документах стратегического развития территорий, стран и наднациональных образований (например, наиболее известна цель Европейского Союза к 2020 г. увеличить общий объем инвестиций в НИОКР до 3 % ВВП1). В ходе исследований, проведенных на основе межстранового анализа, была обнаружена тесная связь между результативностью сектора прикладных исследований, объемом его целевого финансирования и ростом экономики в отдельных секторах [11].
При этом исследования показывают, что на результативность научных организаций (с точки зрения наукометрических показателей) оказывает влияние не только размер финансирования, но и его источник [12]. Более того, в западных странах широкое распространение получили мозговые центры, финансируемые бизнесом, которые в ряде случаев выступают в качестве лоббистов, проводя исследования и в их интересах [13].
Гипотеза 3. На результативность научных организаций оказывают влияние условия для коммуникаций и коллабораций между исследователями, коммерциализации исследований и разработок.
Процесс перетекания знаний, полученных научными организациями, в частный сектор экономики осуществляется, как и в случае с университетами [14], посредством создания малых инновационных предприятий, выполнения заказных НИОКР, проведения совместных с предприятиями научно-исследовательских работ, заключения лицензионных соглашений на передачу объектов интеллектуальной собственности и на уступку прав на их пользование и др. [15]. При этом исследователями доказано, что коллаборации между научными учреждениями и предприятиями оказывают положительное влияние на инновационную деятельность компаний, которые специализируются на продуктовых и процессных инновациях [16]. Важную роль в развитии сотрудничества также играет географическая близость организаций-партнеров. Установлено, что выбор компании в пользу близлежащей партнерской организации позволяет предприятию снизить риски, связанные с оценкой ресурсов партнера и обеспечением контроля за ходом выполнения работ при реализации совместных проектов [17]. Таким образом, наличие таких каналов трансфера знаний научных организаций в реальный сектор экономики, как кластеры,
технопарки, малые инновационные предприятия, оказывает влияние на результативность исследовательских учреждений.
Гипотеза 4. На результативность научных организаций оказывает влияние система управления и координации научной деятельности в регионе.
Роль государства в научно-технологическом развитии не ограничивается вопросами финансирования исследований, определения их приоритетных направлений, но включает в себя также политику, направленную на повышение престижности научных профессий, развитие механизмов трансфера знаний и технологий из государственного в частный сектор и др. На примере анализа эффективности биотехнологических проектов, выполненных в том числе на бюджетные средства, показано, что в Южной Корее государственные исследовательские учреждения опережали по наукометрическим показателям организации частного сектора, выполняющие исследования и разработки [18]. Кроме того, китайские исследователи выявили позитивное влияние государственной научно-технической политики на развитие кол-лабораций между государственными научными учреждениями, университетами и предприятиями [19]. При этом роль региональных органов власти, по мнению исследователей, заключается в создании условий для развития экономики на инновационной основе, в том числе с использованием потенциала исследовательских учреждений [20]. В связи с этим политика региональных властей по созданию механизмов поддержки исследователей рассматривается как фактор повышения результативности научных организаций.
Гипотеза 5. На результативность научных организаций оказывают влияние условия для интеграции российской науки в международное пространство.
В настоящее время широкое распространение в научной литературе получила концепция local buzz and global pipelines [21]. Согласно концепции, обмен знаниями между организациями, расположенными на определенной территории (local buzz), приводит к развитию технологий в том случае, когда данные региональные сети входят в состав global pipelines. За последние годы данная концепция была пересмотрена с учетом страновых особенностей. Так, основываясь на эмпирических данных, было показано, что на развитие регионального
сотрудничества оказывают влияние инвестиции в НИОКР, в то время как международное сотрудничество во многом зависит от наличия квалифицированной рабочей силы [22]. Таким образом, можно предположить наличие обратной связи между результативностью научных организаций и условиями для интеграции российской науки в международное пространство.
4. Результаты исследования. Для оценки влияния региональной научной среды на результативность научных организаций был проведен регрессионный анализ с использованием пакета Я.
Для региональной среды показатели, ее составляющие, были разбиты на группы:
• условия для вовлечения молодежи в науку и популяризация карьеры исследователя;
• совокупность материально-технических и финансовых условий развития научной деятельности;
• условия для коммуникаций и коллабора-ций между исследователями, коммерциализации исследований и разработок;
• эффективная система управления и координации научной деятельности в регионе;
• условия для интеграции российской науки в международное пространство.
В качестве информационных источников были использованы база данных нормативно-правовых актов Министерства юстиции РФ, сведения, представленные на официальных сайтах Минобрнауки России, Российского фонда фундаментальных исследований, Национального центра по мониторингу инновационной инфраструктуры научно-технической деятельности и региональных инновационных систем, органов исполнительной власти субъектов Российской Федерации, ФСМНО и др., за 2016 г.
Регрессионный анализ проводился отдельно по каждой группе с целью выявить факторы, оказывающие наибольшее влияние.
В качестве зависимой переменной выступала категория, к которой отнесена научная организации в соответствии с итогами мониторинга результативности деятельности научных организаций, выполняющих научно-исследовательские, опытно-конструкторские и технологические работы гражданского назначения в соответствии с данными ФСМНО2. Выборка включает 541 организацию, получившую оценку ФСМНО. Число регионов, в которых территориально расположены научные организации, получившие оценку результативности, - 65.
Для удобства интерпретации результатов категории организаций были инвертированы (3 - наивысшая категория, 1 - низшая). Расчет средней категории научных организаций по региону был выполнен по формуле:
^^ рег ( Х ^ ) X = ---
Лрег '
рег
где х7 - категория 7-й организации в регионе; , - число сотрудников 7-й организации; ,5рег -общее число сотрудников по всем научным организациям в регионе; суммирование выполнялось по всем научным организациям в регионе.
Средневзвешенный показатель обеспечивает сопоставимость данных относительно численности их персонала.
Переменные, которые используются в качестве базовых для построения моделей и представляют собой индикаторы, включенные в систему оценки региональной научной среды, представлены в табл. 1.
Показатель Обозначение
Условия для вовлечения молодежи в науку и популяризация карьеры исследователя
Число созданных детских технопарков «Кванториум» x1
Число созданных ЦМИТ x2
Количество видов премий в области науки регионального уровня x3
Количество видов персональных стипендий для исследователей регионального уровня x4
Количество видов грантов, конкурсов молодых ученых регионального уровня x5
Средний балл ЕГЭ на бюджетные места в вузах региона x6
Среднегодовое число победителей Всероссийской олимпиады школьников на 1000 выпускников x7
Количество получателей грантов и стипендий Президента РФ для поддержки молодых ученых на 100 исследователей с учеными степенями x8
Число аспирантов и докторантов на 10 000 чел. населения x9
Таблица 1. Показатели региональной научной среды Table 1. The indicators for regional scientific society
Продолжение табл. 1 Table 1 cont.
Показатель Обозначение
Совокупность материально-технических и финансовых условий развития научной деятельности
Количество созданных инжиниринговых центров на 1000 организаций, занятых исследованиями и разработками x10
Количество созданных центров коллективного пользования на 1000 организаций, занятых исследованиями и разработками x11
Количество уникальных научных установок на 10 000 исследователей x12
Наличие конкурса проектов фундаментальных научных исследований, проводимого РФФИ совместно с субъектами Российской Федерации x13
Наличие региональных фондов поддержки научной деятельности x14
Объем средств бюджета региона, предусмотренных на проведение фундаментальных и прикладных научных исследований, на 1 исследователя, тыс. руб. x15
Удельный вес средств бюджета региона, предусмотренных на поддержку программных мероприятий по развитию научной деятельности и проведение фундаментальных и прикладных научных исследований, % x16
Удельный вес средств бюджета субъекта Российской Федерации и местных бюджетов в финансировании внутренних затрат на исследования и разработки, % x17
Количество победителей конкурсов РНФ на 100 организаций, занятых исследованиями и разработками x18
Количество победителей ФЦП «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2014-2020 годы» на 100 организаций, занятых исследованиями и разработками x19
Внутренние затраты на научные исследования и разработки в среднем на 1000 организаций, тыс. руб. x20
Число созданных (разработанных) передовых производственных технологий по субъектам Российской Федерации на 100 организаций, занятых исследованиями и разработками x21
Условия для коммуникаций и коллабораций между исследователями, коммерциализации исследований и разработок
Количество созданных кластеров на 1000 организаций, занятых исследованиями и разработками x22
Количество созданных технопарков на 10 000 исследователей x23
Инновационная активность организаций x24
Число созданных малых инновационных предприятий на 100 организаций, занятых исследованиями и разработками x25
Количество победителей программы мегагрантов на 1000 организаций, занятых исследованиями и разработками x26
Количество победителей конкурса по развитию кооперации российских вузов, научных учреждений и производственных предприятий, на 1000 организаций, занятых исследованиями и разработками x27
Индикатор числа потенциально коммерциализируемых патентов на 1000 исследователей x28
Эффективная система управления и координации научной деятельности в регионе
Наличие в структуре органов исполнительной власти региона подразделения, курирующего научную деятельность x29
Наличие координирующей структуры (совета) по научной деятельности x30
Наличие действующего нормативно-правового акта по научной деятельности x31
Количество государственных программ региона, включающих основные мероприятия по поддержке научной деятельности x32
Наличие вектора научно-технологического развития в целях и задачах стратегии социально-экономического развития x33
Участие в разработке и апробации региональной модели национальной технологической инициативы x34
Численность персонала, занятого научными исследованиями и разработками, на 10 000 чел. населения x35
Средняя зарплата в секторе исследований и разработок, тыс. руб. x36
Количество высокопроизводительных рабочих мест, созданных в секторе исследований и разработок, в общем числе высокопроизводительных рабочих мест региона, % x37
Окончание табл. 1 The end of Table 1
Показатель Обозначение
Условия для интеграции российской науки в международное пространство
Численность иностранных ученых, работавших в научных организациях и вузах региона, на 100 организаций, занятых исследованиями x38
Количество региональных университетов - участников Проекта 5-100 x39
Численность исследователей, направленных на работу в ведущие российские и международные научные и научно-образовательные организации, на 100 исследователей x4G
Количество созданных результатов интеллектуальной деятельности, имеющих правовую охрану за пределами Российской Федерации, на 10 000 исследователей x4l
Совокупное число публикаций в базе данных Scopus на 100 чел. персонала, занятого научными исследованиями и разработками x42
Совокупное число публикаций в базе данных Web of Science на 100 чел. персонала, занятого научными исследованиями и разработками x43
Совокупная цитируемость публикаций в базе данных Web of Science на 1 организацию, занятую исследованиями и разработками x44
Совокупная цитируемость публикаций в базе данных Scopus на 1 организацию, занятую исследованиями и разработками x45
Число статей, подготовленных совместно с зарубежными организациями, на 1 организацию, занятую исследованиями и разработками x46
Количество соглашений по экспорту технологий и услуг технического характера на 100 организаций, занятых исследованиями и разработками x47
Зависимая переменная
Категория научных организаций в регионе y
В рамках исследования предлагается использовать регрессионный анализ, для чего используются аддитивные модели множественной регрессии:
(1) у = а1*х1 + а2*x2 + a3*x3 + a4*x4 + a5*x5 + a6*x6 + a7*x7 + a8*x8 + a9*x9 + С1;
(2) у = a10*x10 + a11*x11 + a12*x12 + +a13*x13 + a14*x14 + a15*x15 + a16*x16 + +a17*x17 + a18*x18 + a19*x19 + a20*x20 + + a21*x21 + C2;
(3) у = a22*x22 + a23*x23 + a24*x24 + + a25*x25 + a26*x26 + a27*x27 + a28*x28 + C3;
(4) y = a29*x29 + a30*x30 + a31*x31 + +a32*x32 + a33*x33 + a34*x34 + a35*x35 + + a36*x36 + a37*x37 + C4;
(5) y = a38*x38 + a39*x39 + a40*x40 + +a41*x41 + a42*x42 + a43*x43 + a44*x44 + + a45*x45 + a46*x46 + a47*x47 + C5.
Мультиколлинеарные переменные из исходной регрессионой модели были исключены на основе расчета факторов инфляции дисперсии (VIF) и удаления переменных с высокой степенью корреляции. Итоговые переменные их VIF приведены в табл. 2.
Показатель VIF Показатель VIF Показатель VIF Показатель VIF
xl 1,24 xl2 1,GS x23 1,2G x34 1,75
x2 2,24 xl3 1,14 x24 1,27 x36 1,3S
x3 1,G4 xl4 1,S9 x25 1,29 x37 1,9S
x4 1,14 xl5 3,62 x26 1,26 x3S 1,65
x5 1,41 xl6 1,92 x27 1,25 x39 1,3G
x6 1,99 xl7 3,98 x2S 1,G7 x4G 1,61
x7 2,47 xl8 3,32 x29 1,13 x4l 1,G3
xS 1,25 xl9 3,89 x3G 1,G9 x42 1,33
x9 2,16 x2G 1,74 x3l 1,31 x45 3,12
xlG 1,48 x2l 1,GS x32 1,33 x46 3,GG
xll 1,52 x22 1,22 x33 1,G5 x47 1,79
Таблица 2. Итоговые переменные для рассматриваемых моделей с учетом фактора инфляции дисперсии и корреляционного анализа
Table 2. Final variables for the given models with the factor of dispersion of inflation and correlation analysis taken into account
Таким образом, на основании анализа вздутия дисперсии (VIF > 5) и корреляционного анализа из списка регрессоров были исключены следующие переменные:
- численность персонала, занятого научными исследованиями и разработками, на 10 000 чел. населения;
- совокупное число публикаций в базе данных Web of Science на 100 чел. персонала, занятого научными исследованиями и разработками;
- совокупная цитируемость публикаций в базе данных Web of Science на 1 организацию, занятую исследованиями и разработками.
Соответственно, окончательный вариант для четвертой модели имеет вид:
(4) у = a29*x29 + a30*x30 + a31*x31 + +a32*x32 + a33*x33 + a34*x34 + a36*x36 + + a37*x37 + С4,
для пятой:
(5) у = a38*x38 + a39*x39 + a40*x40 + +a41*x41 + a42*x42 + a45*x45 + a46*x46 + + a47*x47 + С5.
Ниже представлены результаты регрессионного анализа каждой из приведенных моделей с использованием базовой функции 1т статистического пакета Я.
1. Модель зависимости результативности научных организаций в регионе от условий для вовлечения молодежи в науку и популяризации карьеры исследователя.
1m(formu1a = y ~ x1...x9, data = ModelDatal) Residuals:
Min 1Q Median 3Q Max
-0.97292 -0.34263 0.06938 0.34388 1.24271
Coeffi cients:
Estimate (Intercept) 0.339682 x1 -0.087490
x2 0.002562
x3 0.129381
x4 0.031596
x5 0.029198
x6 0.017524
x7 0.021016
x8 0.005122
x9 0.020230
Std. Error t 1.068425 0.096221 -0.018530 0.056203 0.031551 0.051174 0.018167 0.059634 0.010298 0.023052
value 0.318 0.909 0.138 2.302 1.001 0.571 0.965 0.352 0.497 0.878
Pr(>|t|) 0.7517 0.3672 0.8906 0.0251 0.3210 0.5706 0.3389 0.7259 0.6209 0.3840
Signif. codes: 0 '
0.001 '
0.01
0.05 '.' 0.1 '
Residual standard error: 0.5207 on 55 degrees of freedom Multiple R-squared: 0.261, Adjusted R-squared: 0.1401 F-statistic: 2.158 on 9 and 55 DF, p-value: 0.03945
*
1
Из представленного листинга видно, что модель объясняет только 26,1 % общего числа факторов, влияющих на результативность научных организаций. Сама модель, согласно критерию Фишера, хорошо описывает имеющиеся данные (^ = 2.158, р = 0,039), но при этом большинство переменных не являются значимыми (р > 0.05). Единственная значимая переменная - x3 (количество видов премий в области науки регионального уровня). Можно сделать вывод, что условия для вовлечения молодежи в науку и популяризация карьеры исследователя оказывают слабое влияние на результативность научных организаций. Следовательно, гипотеза 1 отклоняется:
(1) у = 0.087*x1 - 0.003*x2 - 0.129*x3 -
- 0.032*x4 - 0.029*x5 - 0.0^x6 - 0.02^x7 -
- 0.005*x8 - 0.020*x9 + 3.660.
Возможной причиной отсутствия статистически значимых связей между данной группой факторов и результирующей переменной является используемый в рамках ФСМНО подход к оценке результативности научных организаций, в которой научные организации оцениваются на основе прежде всего наукометрических показателей, в том числе количества публикаций в различных базах данных научного цитирования, поданных заявок и полученных охранных документов на объекты интеллектуальной собственности и др. В связи с
этим факторы, характеризующие научную активность молодежи и ее достижения в научно-техническом творчестве, не коррелируют с конкретными результатами отдельных научных организаций в конкретных регионах. Тем не менее деятельность, связанная с популяризацией научно-технического творчества в молодежной среде, является важной составляющей
политики, направленной на привлечение молодых кадров в науку и обновление кадрового состава исследовательских институтов.
2. Модель зависимости результативности научных организаций в регионе от совокупности материально-технических и финансовых условий развития научной деятельности.
1m(formu1a = y ~ x10...x21, data = ModelData2) Residuals:
Min 1Q Median 3Q Max
-0.82974 -0.22027 0.01336 0.26398 0.97994
Coeffi cients:
(Intercept)
x10
x11
x12
x13
x14
x15
x16
x17
x18
x19
x20
x21
Estimate 1.841e+00 -6.046e-03 4.376e-04 9.549e-03 -2.425e-01 -7.112e-02 -1.796e-03 4.707e+00 -7.775e-03 1.968e-03 2.800e-03 3.538e-07 -1.438e-04
Signif. codes: 0
1 icicic >
Std. Error 1.434e-01 2.872e-03 6. 352e-04 4.092e-03 1.183e-01 9.228e-02 2.176e-03 4.115e+01 1.231e-02 1. 383e-03 3.191e-03 5.911e-07 8.374e-04
0.001 '**'
t value 12.839 -2.105 0.689 2.334 -2.050 -0.771 -0.825 0.114 -0.631 1.423 0.877 0.599 -0.172
0.01
Pr(>|t|) <2e-16 0.0402 0.4939 0.0235 0.0454 0.4443 0.4130 0.9094 0.5305 0.1608 0.3844 0.5520 0.8643
' 0.05 '.
0.1
' 1
Residual standard error: 0.446 on 52 degrees of freedom Multiple R-squared: 0.4874, Adjusted R-squared: 0.3691 F-statistic: 4.12 on 12 and 52 DF, p-value: 0.000163
К
К
К
Зависимые переменные объясняют 48,7 % оценки результативности в общем числе факторов, модель хорошо описывает имеющиеся данные (^ = 4.12, р =1*10-4). Значимыми переменными являются только x10 (количество созданных инжиниринговых центров на 1000 организаций, занятых исследованиями и разработками), x12 (количество уникальных научных установок на 10 000 исследователей) и x13 (наличие конкурса проектов фундаментальных научных исследований, проводимого РФФИ совместно с субъектами Российской Федерации). Таким образом, совокупность материально-технических и финансовых условий развития научной деятельности значительно влияет на результативность научных организаций. Следовательно, гипотеза 2 принимается:
(2) у = 0.006*x10 - 0.0004*x11 - 0.009*x12 + + 0.243*x13 + 0.07^x14 + 0.002*x15 - 4.707*x16 -- 0.008*x17 - 0.002*x18 - 0.003*x19 - 3*10-7* *x20 + 0.0001*x21 + 2.159.
Таким образом, материально-технические условия, в том числе наличие инфраструктуры поддержки научных исследований в регионе, а также ресурсов, обеспечивающих повышение техновооруженности российских исследователей, обеспечивают высокую результативность научных организаций. При этом, например, в организациях государственных академий наук средства фондов поддержки научной, научно-технической и инновационной деятельности в 2016 г. составляли менее 1 % в общем объеме финансирования внутренних затрат на исследования и разработки, в то время как доля средств бюджетов всех уровней - около 55 %3.
3. Модель зависимости результативности научных организаций в регионе от условий для коммуникаций и коллабораций между исследователями, коммерциализации исследований и разработок.
1m(formu1a = y ~ x22...x28, data = ModelDataB)
Residuals:
Min 1Q Median BQ
-0.91B47 -0.26247 0.09008 0.B1516
Coeffi cients:
(Intercept)
x22
x23
x24
x25
x26
x27
x28
Estimate 1.8032019 0.0004469 -0.0108368 0.0069314 -0.0009898 0.0037379 0.0003517 -0.0009293
Signif. codes: 0
Std. Error t 0.1920636 0.0011926 0.0091063 -0.0186196 0.0014439 -0.0016080 0.0010418 0.0088073 -
0.001 '
Max 1.21090
value Pr(>|t|) 9.389 3.6e-13
0.375 -1.190 0.372 -0.685 2.324 0.338 -0.106
0.01 '*
0.7093 0.2390 0.7111 0.4958 0.0237 0.7369 0.9163
0.05 '.
0.1
Residual standard error: 0.5423 on 57 degrees of freedom Multiple R-squared: 0.1693, Adjusted R-squared: 0.06725 F-statistic: 1.659 on 7 and 57 DF, p-value: 0.1377
Влияние условий для коммуникаций и кол-лабораций между исследователями, коммерциализации исследований и разработок на результативность очень слабое (16,9 %). Модель не является статистически значимой (F = 1.659, p = 0.14). Единственная значимая переменная -х26 (количество победителей программы мега-грантов на 1000 организаций, занятых исследованиями и разработками). Можно сделать вывод, что данный фактор не оказывает существенного влияния на результативность научных организаций. Следовательно, гипотеза 3 отклоняется:
(3) y = -0.0004*х22 + 0.011*х23 -
- 0.007*х24 + 0.001*х25 - 0.004*х26 -
- 0.0004*х27 + 0.001*х28 + 2.197.
Таким образом, научная продуктивность исследовательских институтов связана с характером решаемых научными учреждениями задач, миссия которых состоит в генерации но-
1m(formu1a = y ~ x29...x37, data =
вых знаний и их распространении. Коммерциализация научных разработок преследует иные цели и направлена на внедрение результатов прикладных исследований на рынок. Соответственно, исходя из материалов зарубежных исследований, несмотря на наличие устойчивых связей между публикационной активностью научных учреждений и показателями коммерциализации разработок, в том числе количеством малых инновационных предприятий [23; 24], инновационная деятельность является второстепенной для российских научных организаций, которые сталкиваются с нехваткой средств на ее качественное обеспечение, включая развитие инфраструктуры поддержки инноваций и ее кадровой основы [25].
4. Модель зависимости результативности научных организаций в регионе от эффективной системы управления и координации научной деятельности в регионе.
Mode1Data4)
Residuals:
Min -0.97739 -
1Q
0.23516
Median 0.07575
3Q
0.31220
Max 1.23108
Coeffi cients:
Estimate Stc 1. Error t value Pr(> |t|)
(Intercept) 1 .6895695 0. 2820674 5 .990 1.58e-07
x29 -0 .1089097 0. 1563081 -0 .697 0. 4888
x30 -0 .0211853 0. 1799795 -0 .118 0. 9067
x31 -0 .0369386 0. 1555543 -0 .237 0. 8132
x32 0 .0742386 0. 0536846 1 .383 0. 1722
x33 0 .2793225 0. 1464072 1 .908 0. 0615
x34 -0 .0405645 0. 2214751 -0 .183 0. 8553
x36 -0 .0005732 0. 0049357 -0 .116 0. 9080
x37 5 .8856510 3. 5039213 1 .680 0. 0986
Signif. codes: 0 '***' 0. 001 '**' 0.01 <' 0. 05 '
0.1 '
Residual standard error: 0.5393 on 56 degrees of freedom Multiple R-squared: 0.1929, Adjusted R-squared: 0.07762 F-statistic: 1.673 on 8 and 56 DF, p-value: 0.1254
' 1
1
Несмотря на то, что переменные объясняют 19,3 % оценки результативности от общего числа факторов, влияющих на результативность, модель не является статистически значимой (^ = 1.673, р = 0.13), значимые переменные отсутствуют. Таким образом, данный фактор не оказывает существенного влияния на результативность научных организаций. Следовательно, гипотеза 4 отклоняется:
(4) у = 0.109*x29 + 0.02^x30 + 0.037*x31 -
- 0.074*x32 - 0.279*x33 + 0.04^x34 + 0.00^x36 -
- 5.886*x37 + 2.310.
Проведенное авторским коллективом комплексное исследование региональной научной среды выявило такие особенности системы управления и координации научной деятельности в регионах, как раздробленность механизмов управления, отсутствие в ряде субъек-
тов Российской Федерации нормативных актов, регламентирующих науку и региональную научно-техническую политику [26], что снижает уровень взаимодействия государства и научных организаций, а также заинтересованность органов власти в привлечении исследовательских институтов к решению социально-экономических задач региона.
В связи с этим качество и особенности системы управления и координации научной деятельности в российских регионах пока не позволяют сделать вывод о наличии положительной связи с количественным ростом показателей результативности научных организаций.
5. Модель зависимости результативности научных организаций в регионе от условий для интеграции российской науки в международное пространство.
1m(formu1a = y ~ x38...x47, data = ModelData5) Residuals:
Min 1q Median 3Q Max
-0.91808 -0.33271 0.07664 0.28793 1.20143
Coeffi cients:
Estimate 1.6463274 -0.0002269
(Intercept)
x38
x39
x40
x41
x42
x45
x46
x47
-0.0017122 -0.0005626 0.0001461 0.0008564 0.0002547 0.0056119 0.0019331
Std. Error 0.1290810 0.0006815 0.1882227 0.0084120 0.0003717 0.0014809 0.0002709 0.0074619 0.0017240
t value 12.754 -0.333 -0.009 -0.067 0.393 0.578 0.940 0.752 1.121
Pr(>|t|) <2e-16 0.740 0.993 0.947 0.696 0.565 0.351 0.455 0.267
Signif. codes: 0
0.001
0.01
0.05
0.1
Residual standard error: 0.5329 on 56 degrees of freedom Multiple R-squared: 0.2119, Adjusted R-squared: 0.09935 F-statistic: 1.882 on 8 and 56 DF, p-value: 0.08104
1
Условия для интеграции российской науки в международное пространство объясняют 21,2 % оценки результативности от общего числа факторов, значимые факторы отсутствуют. Модель не является статистически значимой (^ = 1.882, р = 0.08). Можно сделать вывод, что данный фактор не оказывает существенного влияния на результативность научных организаций. Следовательно, гипотеза 5 отклоняется: (5) у = 0.0002*x38 + 0.002*x39 + + 0.00^x40 - 0.000^x41 - 0.00^x42 -- 0.0003*x45 - 0.006*x46 - 0.002*x47 + 2.354.
Следует отметить, что привлечение зарубежных исследователей в российские научные и образовательные организации, которое осу-
ществляется в том числе посредством проведения конкурса мегагрантов в рамках Постановления Правительства РФ от 9 апреля 2010 г. № 220, Проекта 5-100 и других механизмов, является одним из приоритетов национальной научно-технической политики, который направлен на повышение конкурентоспособности российской науки. С позиции наукометрических показателей это должно было привести к количественному росту совместных публикаций и повышению цитируемости научных работ. Данное предположение основывается на так называемом эффекте Матфея, согласно которому для научных сообществ характерно накопление преимуществ и неравномерность распре-
деления статусов, дисбаланс в научной мери-тократии между оценкой достижений менее известных специалистов и ученых с мировым именем при условии сопоставимого вклада их работы в развитие конкретных научных областей [27]. Соответственно, эффект можно экстраполировать и на научные учреждения, репута-ционный капитал которых складывается за счет личного бренда их сотрудников. Результаты последних исследований в целом подтверждают тезис о зависимости научной продуктивности от официального или неофициального статуса исследователя во внутренних или внешних научных коммуникациях [28; 29].
Однако, с точки зрения результативности российских научных организаций, политика, направленная на интернационализацию отечественной науки, пока не привела к ожидаемому эффекту.
Так, по данным ВШЭ, в 2016 г. удельный вес публикаций российских исследователей в соавторстве с зарубежными учеными в общем числе публикаций страны в научных журналах, индексируемых в международных базах данных научного цитирования Scopus и Web of Science, составил 25 и 29 % соответственно, что существенно ниже показателей ведущих экономик -США, Германии, Франции и др. [30].
Таким образом, анализ укрупненных групп факторов показал, что на результативность научных организаций оказывает влияние совокупность материально-технических и финансовых условий развития научной деятельности.
Допуская наличие отдельных факторов среди выделенных показателей региональной научной среды, которые могут оказывать влияние на результативность научных организаций, был проведен обратный регрессионный анализ. Суть данного метода сводится к тому, что изначально в модель включаются все имеющиеся показатели, затем на каждом шаге происходит исключение или включение в модель одного из ранее исключенных показателей. Выбор показателя осуществляется на основе информационного критерия Акаике (AIC): AIC = 2K + n [ln(<r2)],
где K - число параметров модели; n - число
SSE
наблюдений; ст2 = -
дисперсия остатков;
n-2
SSE - сумма квадратов остатков.
Считается, что лучшая модель соответствует минимальному значению критерия Акаике. Шаги выполняются до тех пор, пока исключение или добавление показателя не перестанет уменьшать AIC. Полученный набор показателей считается оптимальным. Данный метод реализован в функции step статистического пакета R, которая была использована для расчета параметров модели.
Мультиколлинеарные переменные из исходной модели были исключены на основе расчета факторов инфляции дисперсии (VIF) по аналогии с предыдущими расчетами. Итоговые переменные и их VIF приведены в табл. 3.
Таблица 3. Переменные итоговой модели Table 3. Variables of final model
Показатель VIF Показатель VIF Показатель VIF
xl 1,95 x15 4,S5 x30 1,93
x3 1,50 x16 3,54 x31 2,62
x4 2,35 x17 4,71 x32 3,2S
x5 3,35 x20 3,90 x33 2,5S
x6 4,75 x21 2,46 x34 2,53
x7 4,96 x22 2,13 x36 2,71
xS 2,74 x23 1,72 x3S 3,06
x10 3,07 x24 3,51 x40 3,59
xll 2,96 x25 3,40 x41 2,29
x12 4,02 x27 3,09 x43 4,S2
x13 2,0S x2S 4,04 x46 4,59
x14 4,41 x29 1,96 x47 3,30
Выполнение обратной пошаговой регрес- рых оценивался эффект от исключения или сии состояло из 22 шагов, на каждом из кото- включения переменных.
После выполнения обратной пошаговой регрессии. Расчет коэффициентов и значимости регрессии было получено итоговое уравнение переменных показан в следующем листинге.
1m(formu1a = y ~ x3 + x4 + x6 + x10 + x13 + x15 + x21 + x23 + x27 + x28 + x32 + x36 + x43 + x46, data = ModelData)
Residuals:
Min 1q Median 3Q Max
-0.59658 -0.16816 -0.01141 0.19616 0.74936
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -G .3619723 0. 8081056 -G .448 0.65614
x3 G .1617020 0. 0394012 4 .104 0.00015 * **
x4 G .0450795 0. 0210854 2 .138 0.03743 *
x6 G .0404422 0. 0135979 2 .974 0.00451 * *
x1G -G .0101984 0. 0020693 -4 .928 9.51e-06 * **
x13 -G .4873941 0. 1021543 -4 .771 1.63e-05 * **
x15 -G .0024019 0. 0009062 -2 .650 0.01074 *
x21 -G .0011036 0. 0006362 -1 .735 0.08897 .
x23 -G .0099746 0. 0057623 -1 .731 0.08962 .
x27 G .0011418 0. 0006918 1 .650 0.10513
x28 -G .0246862 0. 0074043 -3 .334 0.00162 * *
x32 G .0851483 0. 0352422 2 .416 0.01938 *
x36 -G .0075662 0. 0034223 -2 .211 0.03165 *
x43 G .0092052 0. 0016191 5 .685 6.72e-07 * **
x46 -G .0103010 0. 0046909 -2 .196 0.03276 *
Signif. codes: G '***' 0. 001 '**' 0.01 0.05 '.' G
0.1
' 1
Residual standard error: 0.3447 on 50 degrees of freedom Multiple R-squared: 0.7056, Adjusted R-squared: 0.6232 F-statistic: 8.56 on 14 and 50 DF, p-value: 5.304e-09
Полученное уравнение регрессии учитывает 70,56 % всех факторов, оказывающих влияние на результативность научных организаций. Модель хорошо описывает имеющиеся данные (^ = 8.56, р =5.3*10-9).
Следует отметить, что х3 (количество видов премий в области науки регионального уровня), х10 (количество созданных инжиниринговых центров на 1000 организаций, занятых исследованиями и разработками) и х13 (наличие конкурса проектов фундаментальных научных исследований, проводимого РФФИ совместно с субъектами Российской Федерации) входят как в промежуточные, так и в итоговое уравнение регрессии. Кроме них, к значимым факторам относятся х4 (количество видов персональных стипендий для исследователей регионального уровня), х6 (средний балл ЕГЭ на бюджетные места в вузах региона), х15 (объем средств бюджета региона, предусмотренных на проведение фундаментальных и прикладных научных исследований, на 1 исследователя, тыс. руб.), х28 (индикатор числа потенциально коммерциализируемых патентов на 1000 исследователей), х32 (количество государственных
программ региона, включающих основные мероприятия по поддержке научной деятельности), х36 (средняя зарплата в секторе исследований и разработок, тыс. руб.), х43 (совокупное число публикаций в базе данных Web of Science на 100 чел. персонала, занятого научными исследованиями и разработками) и х46 (число статей, подготовленных совместно с зарубежными организациями, на 1 организацию, занятую исследованиями и разработками).
Итоговое уравнение регрессии:
y = 0.162*х3 + 0.045*х4 + 0.040*х6 -
- 0.010*х10 - 0.487*х13 - 0.002*х15 -
- 0.001*х21 - 0.010*х23 + 0.001*х27 -
- 0.025*х28 + 0.085*х32 - 0.008*х36 + + 0.009*х43 - 0.010*х46 - 0.36.
Выявленные в ходе проведения обратного регрессионного анализа факторы коррелируют с данными о результативности научных организаций, полученными в ходе анализа других источников. Так, согласно исследованиям НИИ РИНКЦЭ, основной статьей в экспорте технологий российских научных организаций в 2016 г. были инжиниринговые услуги4. В связи с этим наличие в регионе инжиниринговых
центров способствует внедрению научных разработок в промышленность и повышению патентной активности научных организаций, на базе которых созданы указанные центры.
Аналогично наличие в регионе научных организаций - грантополучателей РФФИ будет способствовать росту публикационной активности научных коллективов исследовательских институтов, что является одним из показателей
выполнения научно-исследовательских проектов, финансируемых Фондом.
В целом за последние 10 лет количество публикаций в научных журналах, проиндекси-рованых в Web of Science и опубликованных по итогам проведения научно-исследовательских проектов, поддержанных РФФИ, увеличилось почти в три раза (рис.).
2017
2016
2015
2014
2013
2012
2011
2010
2009
2008
10704
9313
9038
8697
8492
7624
8134
8170
7272
Количество статей в научных журналах, проиндексированных в Web of Science с 2008 по 2017 г., выполненных в рамках реализации проектов, поддержанных РФФИ (сост. на основе данных Clarivate Analytics)
The number ofpublications in scientific journals indexed in Web of Science (2008-2017) and prepared as a result offulfilled projects under the support of RFBR (based on Clarivate Analytics data)
Систему стимулирования и поддержки исследователей в форме отдельный премий и стипендий также можно рассматривать в качестве важного фактора, обеспечивающего повышение результативности научных организаций [31].
5. Заключение. Таким образом, анализ укрупненных групп факторов показал, что на результативность научных организаций оказывает влияние совокупность материально-технических и финансовых условий развития научной деятельности. При этом данные не позволяют установить наличие прямой корреляции между другими факторами научной среды на показатели деятельности научных учреждений. В связи с этим можно утверждать, что публикационная, патентная активность научных учреждений зависят от уровня финансовой поддержки исследований со стороны региона, а
также от наличия исследовательской инфраструктуры. Материально-технические условия создают возможность для выполнения научными учреждениями своей основной миссии - генерации новых знаний и их распространения.
В то же время анализ совокупности факторов региональной научной среды свидетельствует о том, что система поддержки и стимулирования исследователей, наличие инжиниринговых центров в регионе, уровень заработных плат научных сотрудников оказывают положительное влияние на результативность научных учреждений.
Примечания
1 EUROPE 2020. A strategy for smart, sustainable and inclusive growth. URL: https://eur-lex.europa.eu/le-gal-content/EN/TXT/PDF/?uri=CELEX:52010DC2020& from=EN.
2 Протокол заседания Межведомственной комиссии по оценке результативности деятельности научных организаций, выполняющих научно-исследовательские, опытно-конструкторские и технологические работы гражданского назначения от 22 марта 2018 г. URL: http://www.sciencemon.ru/legal/metho-dic/protokol-zasedaniya-mvk-22-03-2018/.
3 Основные показатели развития научных организаций государственных академий наук и Феде-
рального агентства научных организаций: инф.-стат. материалы. М.: НИИ РИНКЦЭ, 2018. С. 161. (Статистика науки и образования. Вып. 1).
4 Результативность научных исследований и разработок: инф.-стат. материалы. М.: НИИ РИНКЦЭ, 2017. С. 16. (Статистика науки и образования. Вып. 2).
Литература
1. Кулагин А. С. Оценка и самооценка научной организации. Теория и практика. - М. : ИП Ин-т психологии РАН, 2018. - 200 с.
2. Whitley R. Changing Governance of the Public Sciences // The Changing Governance of the Sciences: the Advent of Research Evaluation Systems / ed. by R. Whitley, J. Gläser. - Dordrecht : Springer, 2007. - P. 3-27.
3. Bronfenbrenner U. The ecology of human development: experiments by nature and design. -Cambridge, MA : Harvard University Press, 1979. - 330 p.
4. McCoy J. M., Evans G. W. The Potential Role of the Physical Environment in Fostering Creativity // Creativity Research Journal. - 2002. - Vol. 14, Iss. 3-4. - P. 409-426.
5. Hanssen T. E. S., Jorgensen F., Larsen B. The relation between the quality of research, researchers' experience, and their academic environment // Scientometrics. - 2018. - Vol. 114. - P. 933-950.
6. Girdauskiene L., Savaneviciene A. Exposition of Internal Factors Enhancing Creativity and Knowledge Creation // Knowledge Discovery, Knowledge Engineering and Knowledge Management : 5th International Joint Conference, IC3K 2013, Vilamoura, Portugal, September 19-22, 2013. Revised Selected Papers / Eds. A. Fred et al. - Berlin ; Heidelberg : Springer, 2015. - P. 400-410. - (Communications in Computer and Information Science. Vol. 454).
7. Akhilesh K. B. R&D management. - New York : Springer, 2014. - 259 p.
8. Promising practices for strengthening the regional STEM workforce development ecosystem / The National Academies of Sciences, Engineering, Medicine. - Washington, DC : The National Academies Press, 2016. - X, 112 p.
9. «Работники знаний» и модернизация региона / Г. В. Леонидова и др. // Экономические и социальные перемены: факты, тенденции, прогноз. - 2016. - № 3 (45). - С. 138-153. - DOI: 10.15838/esc.2016.3.45.8.
10. Best Practices in Assessment of Research and Development Organizations / National Research Counsil. - Washington, DC : The National Academies Press, 2012. - X, 80 p.
11. Dranev Y., Kotsemir M., Syomin B. Diversity of research publications: relation to agricultural productivity and possible implications for STI policy // Scientometrics. - 2018. - Vol. 116, Iss. 3. -P. 1565-1587. - DOI: 10.1007/s11192-018-2799-2.
12. Coccia M., Falavigna G., Manello A. The impact of hybrid public and market-oriented financing mechanisms on the scientific portfolio and performances of public research labs: a scientometric analysis // Scientometrics. - 2015. - Vol. 102, Iss. 1. - P. 151-168. - DOI: 10.1007/s11192-014-1427-z.
13. Kotler Ph. Democracy in Decline: Rebuilding its Future. - Thousand Oaks, CA : SAGE, 2017. -222 p.
14. Roesler C., Broekel T. The role of universities in a network of subsidized R&D collaboration: The case of the biotechnology-industry in Germany // Review of Regional Research. - 2017. - Vol. 37, Iss. 2. - P. 135-160. - DOI: 10.1007/s10037-017-0118-7.
15. De Fuentes C., Dutrenit G. Best channels of academia-industry interaction for long-term benefit // Research Policy. - 2012. - Vol. 41, Iss. 9. - P. 1666-1682. - DOI: 10.1016/j.respol.2012.03.026.
16. Pippel G., Seefeld V. R&D cooperation with scientific institutions: a difference-in-difference approach // Economics of Innovation and New Technology. - 2016. - Vol. 25, Iss. 5. - P. 455-469. -DOI: 10.1080/10438599.2015.1073480.
17. Martinez-Noya A., Narula R. What more can we learn from R&D alliances? A review and research agenda // BrQ Business Research Quarterly. - 2018. - Vol. 21, Iss. 3. - P. 195-212. - DOI: 10.1016/j.brq.2018.04.001.
18. Jung Ho Park, Kwangsoo Shin. Efficiency of Government-Sponsored R&D Projects: A Meta-frontier DEA Approach // Sustainability. - 2018. - Vol. 10, Iss. 7. - P. 2316. - DOI: 10.3390/su10072316.
19. Inter-organizational scientific collaborations and policy effects: an ego-network evolutionary perspective of the Chinese Academy of Sciences / Yi Zhang et al. // Scientometrics. - 2016. - Vol. 108, Iss. 3. - P. 1383-1415. - DOI: 10.1007/s11192-016-2022-2.
20. Lewandowska A., StopaM. SMEs innovativeness and institutional support system: the local experiences in qualitative perspective. Polish case study // Oeconomia Copernicana. - 2018. - Vol. 9, Iss. 2. - P. 333-351. - DOI: 10.24136/oc.2018.017.
21. Bathelt H., Malmberg A., Maskell P. Clusters and knowledge: Local buzz, global pipelines and the process of knowledge creation // Progress in Human Geography. - 2004. - Vol. 28, iss. 1. - P. 31-56.
22. Fitjar R. D., Rodriguez-Pose A. Networking, context and firm-level innovation: cooperation through the regional filter in Norway // Geoforum. - 2015. - Vol. 63. - P. 25-35. - DOI: 10.1016/j.geo-forum.2015.05.010.
23. Bourelos E., Magnusson M., Mckelvey M. Investigating the complexity facing academic entrepreneurs in science and engineering: The complementarities of research performance, networks and support structures in commercialisation // Cambridge Journal of Economics. - 2012. - Vol. 36, Iss. 3. -P. 751-780. - DOI: 10.1093/cje/bes014.
24. Hyejin Jung, Byung-Keun Kim. Determinant factors of university spin-off: the case of Korea // The Journal of Technology Transfer. - 2018. - Vol. 43, Iss. 6. - P. 1631-1646. - DOI: 10.1007/s10961-017-9571-2.
25. Новиков А. В., Кузнецов В. М. Предпосылки разработки концепции и формирования аут-сорсингового центра, как инструмента концентрации мер государственной поддержки инновационной деятельности // Успехи современной науки. - 2016. - № 11, Т. 3. - С. 174-179.
26. Комплексное исследование региональной среды, содействующей развитию научной деятельности : аналит. докл. / А. А. Мальцева и др. - Тверь : Твер. гос. ун-т, 2018. - 285 с.
27. Merton R. K. The Matthew Effect in Science // Science. - 1968. - Vol. 159 (3810). - P. 56-63.
28. Contandriopoulos D., Larouche C., Duhoux A. Evaluating Academic Research Networks // Canadian Journal of Program Evaluation. - 2018. - Vol. 33, № 1. - P. 69-89. - DOI: 10.3138/cjpe.42159.
29. Rerstad K., Aksnes D. W. Publication rate expressed by age, gender and academic position -A large-scale analysis of Norwegian academic staff // Journal of Informetrics. - 2015. - Vol. 9, Iss. 2. -P. 317-333. - DOI: 10.1016/j.joi.2015.02.003.
30. Индикаторы науки: 2018 : стат. сб. / Н. В. Городникова и др. - М. : НИУ ВШЭ, 2018. -320 с.
31. Rhaiem M. Measurement and determinants of academic research efficiency: a systematic review of the evidence // Scientometrics. - 2017. - Vol. 110, Iss. 2. - P. 581-615. - DOI: 10.1007/s11192-016-2173-1.
References
1. Kulagin A.S. Otsenka i samootsenka nauchnoi organizatsii. Teoriya i praktika [Evaluation and self-assessment of the scientific organization. Theory and practice], Moscow, Institute of Psychology of Russian Academy of Sciences publ., 2018, 200 p. (in Russian).
2. Whitley R. Changing Governance of the Public Sciences, in: Whitley R., Gläser J. (Eds.) The Changing Governance of the Sciences, The Advent of Research Evaluation Systems, Dordrecht, Springer publ., 2007, pp. 3-27.
3. Bronfenbrenner U. The ecology of human development: experiments by nature and design, Cambridge, MA, Harvard University Press, 1979, 330 p.
4. McCoy J.M., Evans G.W. The Potential Role of the Physical Environment in Fostering Creativity. Creativity Research Journal, 2002, Vol. 14, iss. 3-4, pp. 409-426.
5. Hanssen T.E.S., J0rgensen F., Larsen B. The relation between the quality of research, researchers' experience, and their academic environment. Scientometrics, 2018, Vol. 114, pp. 933-950.
6. Girdauskiene L., Savaneviciene A. Exposition of Internal Factors Enhancing Creativity and Knowledge Creation, in: Fred A., Dietz J., Liu K., Filipe J. (Eds.) Knowledge Discovery, Knowledge En-
gineering and Knowledge Management, 5th International Joint Conference, IC3K 2013, Vilamoura, Portugal, September 19-22, 2013. Revised Selected Papers, Communications in Computer and Information Science, Vol. 454, Berlin, Heidelberg, Springer publ., 2015, pp. 400-410.
7. Akhilesh K.B. R&D management, New York, Springer publ., 2014, 259 p.
8. The National Academies of Sciences, Engineering, Medicine. Promising practices for strengthening the regional STEM workforce development ecosystem, Washington, DC, The National Academies Press, 2016, x + 112 p.
9. Leonidova G.V., Golovchin M.A., Lastochkina M.A., Ustinova K.A. "Knowledge Workers" and Modernization in the Region. Economic and Social Changes: Facts, Trends, Forecast, 2016, no. 3 (45), pp. 138-153. DOI: 10.15838/esc.2016.3.45.8. (in Russian).
10. National Research Counsil. Best Practices in Assessment of Research and Development Organizations, Washington, DC, The National Academies Press, 2012, x + 80 p.
11. Dranev Y., Kotsemir M., Syomin B. Diversity of research publications: relation to agricultural productivity and possible implications for STI policy. Scientometrics, 2018, Vol. 116, iss. 3, pp. 15651587. DOI: 10.1007/s11192-018-2799-2.
12. Coccia M., Falavigna G., Manello A. The impact of hybrid public and market-oriented financing mechanisms on the scientific portfolio and performances of public research labs: a scientometric analysis. Scientometrics, 2015, Vol. 102, iss. 1, pp. 151-168. DOI: 10.1007/s11192-014-1427-z.
13. Kotler Ph. Democracy in Decline: Rebuilding its Future, Thousand Oaks, CA, SAGE publ., 2017, 222 p.
14. Roesler C., Broekel T. The role of universities in a network of subsidized R&D collaboration: The case of the biotechnology-industry in Germany. Review of Regional Research, 2017, Vol. 37, iss. 2, pp. 135-160. DOI: 10.1007/s10037-017-0118-7.
15. De Fuentes C., Dutrenit G. Best channels of academia-industry interaction for long-term benefit. Research Policy, 2012, Vol. 41, iss. 9, pp. 1666-1682. DOI: 10.1016/j.respol.2012.03.026.
16. Pippel G., Seefeld V. R&D cooperation with scientific institutions: a difference-in-difference approach. Economics of Innovation and New Technology, 2016, Vol. 25, iss. 5, pp. 455-469. DOI: 10.1080/10438599.2015.1073480.
17. Martinez-Noya A., Narula R. What more can we learn from R&D alliances? A review and research agenda. BRQ Business Research Quarterly, 2018, Vol. 21, iss. 3, pp. 195-212. DOI: 10.1016/j.brq.2018.04.001.
18. Jung Ho Park, Kwangsoo Shin. Efficiency of Government-Sponsored R&D Projects: A Meta-frontier DEA Approach. Sustainability, 2018, Vol. 10, iss. 7, p. 2316. DOI: 10.3390/su10072316.
19. Yi Zhang, Kaihua Chen, Guilong Zhu, Yam R.C.M., Jiancheng Guan. Inter-organizational scientific collaborations and policy effects: an ego-network evolutionary perspective of the Chinese Academy of Sciences. Scientometrics, 2016, Vol. 108, iss. 3, pp. 1383-1415. DOI: 10.1007/s11192-016-2022-2.
20. Lewandowska A., Stopa M. SMEs innovativeness and institutional support system: the local experiences in qualitative perspective. Polish case study. Oeconomia Copernicana, 2018, Vol. 9, iss. 2, pp. 333-351. DOI: 10.24136/oc.2018.017.
21. Bathelt H., Malmberg A., Maskell P. Clusters and knowledge: Local buzz, global pipelines and the process of knowledge creation. Progress in Human Geography, 2004, Vol. 28, iss. 1, pp. 31-56.
22. Fitjar R.D., Rodriguez-Pose A. Networking, context and firm-level innovation: cooperation through the regional filter in Norway. Geoforum, 2015, Vol. 63, pp. 25-35. DOI: 10.1016/j.geofo-rum.2015.05.010.
23. Bourelos E., Magnusson M., Mckelvey M. Investigating the complexity facing academic entrepreneurs in science and engineering: The complementarities of research performance, networks and support structures in commercialisation. Cambridge Journal of Economics, 2012, Vol. 36, iss. 3, pp. 751780. DOI: 10.1093/cje/bes014.
24. Hyejin Jung, Byung-Keun Kim. Determinant factors of university spin-off: the case of Korea. The Journal of Technology Transfer, 2018, Vol. 43, iss. 6, pp. 1631-1646. DOI: 10.1007/s10961-017-9571-2.
25. Novikov A.V., Kuznetsov V.M. Prerequisites for the concept development and the formation of the outsourcing centre an instrument of concentration of measures of innovation activities state support. Modern Science Success, 2016, Iss. 11, vol. 3, pp. 174-179. (in Russian).
26. Mal'tseva A.A., Klyushnikova E.V., Barsukova N.E. et al. Kompleksnoe issledovanie region-al'noi sredy, sodeistvuyushchei razvitiyu nauchnoi deyatel'nosti [Comprehensive study of the regional environment contributing to the development of scientific activities], analytical report, Tver, Tver State University, 2018, 285 p. (in Russian).
27. Merton R.K. The Matthew Effect in Science. Science, 1968, Vol. 159 (3810), pp. 56-63.
28. Contandriopoulos D., Larouche C., Duhoux A. Evaluating Academic Research Networks. Canadian Journal of Program Evaluation, 2018, Vol. 33, no. 1, pp. 69-89. DOI: 10.3138/cjpe.42159.
29. Rjarstad K., Aksnes D.W. Publication rate expressed by age, gender and academic position -A large-scale analysis of Norwegian academic staff. Journal of Informetrics, 2015, Vol. 9, iss. 2, pp. 317333. DOI: 10.1016/j.joi.2015.02.003.
30. Gorodnikova N., Gokhberg L., Ditkovskiy K. et al. Science and Technology Indicators: 2018, Data Book, Moscow, HSE publ., 2018, 320 p. (in Russian).
31. Rhaiem M. Measurement and determinants of academic research efficiency: a systematic review of the evidence. Scientometrics, 2017, Vol. 110, iss. 2, pp. 581-615. DOI: 10.1007/s11192-016-2173-1.
Сведения об авторах
Монахов Игорь Анатольевич - канд. ист. наук, зам. директора Научно-методического центра по инновационной деятельности высшей школы им. Е.А. Лурье Адрес для корреспонденции: 170100, Россия, Тверь, ул. Желябова, 33 E-mail: [email protected] РИНЦ ID: 719901
Веселов Игорь Николаевич - канд. хим. наук, ст.
науч. сотрудник управления научных исследований
Адрес для корреспонденции: 170100, Россия, Тверь,
ул. Желябова, 33
E-mail: [email protected]
РИНЦ ID: 9860
Мальцева Анна Андреевна - канд. экон. наук, доцент, директор Научно-методического центра по инновационной деятельности высшей школы им. Е.А. Лурье
Адрес для корреспонденции: 170100, Россия, Тверь, ул. Желябова, 33 E-mail: [email protected] РИНЦ ID: 593978
About the authors
Igor A. Monakhov - PhD in Historical sciences, Deputy
Director of Lurye Scientific and Methodological Center for
Higher School Innovative Activity
Postal address: 33, Zhelyabova ul., Tver, 170100, Russia
E-mail: [email protected]
RSCI ID: 719901
Igor N. Veselov - PhD in Chemical sciences, senior scientific researcher of the Department of Research Postal address: 33, Zhelyabova ul., Tver, 170100, Russia E-mail: [email protected] RSCI ID: 9860
Anna A. Maltseva - PhD in Economics, Associate Professor, Director of Lurye Scientific and Methodological Center for Higher School Innovative Activity Postal address: 33, Zhelyabova ul., Tver, 170100, Russia E-mail: [email protected] RSCI ID: 593978
Для цитирования
Монахов И. А., Веселов И. Н., Мальцева А. А. Региональная научная среда и результаты научных организаций: оценка факторов влияния // Вестн. Ом. ун-та. Сер. «Экономика». - 2019. - Т. 17, № 1. - С. 137-154. -РО!: 10.25513/1812-3988.2019.17(1).137-154.
For citations
Monakhov I.A., Veselov I.N., Maltseva A.A. Regional scientific environment and results of scientific organizations: evaluation of impact factors. Herald of Omsk University. Series 'Economics", 2019, Vol. 17, no. 1, pp. 137-154. DOI: 10.25513/1812-3988.2019.17(1).137-154. (in Russian).
