4.1. Techniki wspierające obserwację i przewidywanie rozwoju nauki i techniki
Obserwacja i przewidywanie rozwoju nauki i techniki są możliwe przy wykorzystaniu wielu alternatywnych technik. Porter i in. (2004: 290-291) oferują charakterystykę i porównanie aż 51 szczegółowych metod, wykorzystywanych do omawianych celów. Zestawienie możliwych sposobów pomiaru i obserwacji rozwoju nauki, techniki i innowacji zaprezentował Kozłowski (2010). Reger (2001: 535) zwraca uwagę na najważniejsze zadania: analizę technologii, monitorowanie istniejących rozwiązań, prognozowanie tendencji rozwojowych i skanowanie otoczenia rynkowego. Przegląd literatury dotyczącej prognozowania rozwoju technologii oferują Mishra, Deshmukh i Vrat (2002: 3). Klasycznym podręcznikiem metodologicznym w omawianym obszarze jest książka Portera i in. (1991). Decydenci, opracowujący strategie technologiczne, potrzebują informacji wspierających procesy decyzyjne i sugerujących, które obszary badawcze i technologiczne rozwijać, czy dążyć w tych obszarach do przywództwa technologicznego czy pozycji naśladowcy oraz w jakim zakresie korzystać z licencjonowania technologii (Wyk 1997: 22).
Wśród najbardziej popularnych metod, szczególnie często wymieniany jest foresight czyli
"systematyczny proces budowania wspólnego postrzegania długookresowych trendów"
(Héraud, Cuhls 1999: 56). Chodzi o systemowe działania, mające wspomagać "patrzenie w przyszłość" i podejmowanie bardziej efektywnych decyzji i działań (Grupp, Linstone 1999:
86). Praktyczne zastosowanie tej metody oznacza wykorzystanie konsultacji z ekspertami dziedzinowymi, prowadzenie wywiadów indywidualnych, zogniskowanych wywiadów grupowych oraz sesji analitycznych opartych o metodę delfijską (strukturalizująca dyskusję i wspierającą poszukiwanie konsensusu między zróżnicowanymi opiniami ekspertów).
Foresight dotyczy zwykle długiej perspektywy czasowej i przewidywania rozwoju zjawisk, który obarczony jest istotnym poziomem niepewności. Tak pojmowane projekty typu foresight były podejmowane w Stanach Zjednoczonych już w latach 60-tych XX wieku przez RAND Corporation, a w Japonii w latach 70-tych (Grupp, Linstone 1999: 88; Kuwahara 1999: 6-7) i do dziś stanowią popularny motyw przewodni inicjatyw rządów wielu krajów.
Niektórzy rozumieją foresight inaczej – jako systematyczną identyfikację i obserwację
"słabych sygnałów" (ang. weak signals) dotyczących nowych technologii lub istniejących rozwiązań (Reger 2001: 535). Takie pojmowanie tej metody jest zbliżone do celów, które
dążeniu do konsensusu. Analiza scenariuszowa pozwala na tworzenie alternatywnych wizji przyszłego rozwoju otoczenia (Postma, Liebl 2005: 162). Modelowanie zgodne z podejściem dynamiki systemów opiera się na dogłębnych analizach relacji przyczynowo-skutkowych pomiędzy zjawiskami w otoczeniu. Metoda analogii nawiązuje do innych zdarzeń, zjawisk lub procesów historycznych, fizycznych lub biologicznych (Slocum, Lundberg 2001: 141).
Analiza morfologiczna stymuluje kreatywność poprzez dekompozycję problemów i identyfikację nowych wariantów. Na drugim krańcu kontinuum, rozciągającego się pomiędzy intuicją a „twardymi” danymi, znajdą się metody ilościowe, w tym ekstrapolacja trendów, modelowanie regresji czy wielozmiennowa analiza danych. W tych przypadkach wyzwanie stanowi jednak zdobycie danych, które mogą być podstawą do budowy prognoz. Mogą być to dane ekonomiczne lub bibliometryczne, które muszą być wcześniej zdobyte przy wykorzystaniu odpowiednich technik obserwacyjnych. Niniejsza książka koncentruje się na sposobach zdobywania tych danych, natomiast w ramach projektów analitycznych wykorzystujących zebrane dane bibliometryczne, możliwa będzie również budowa prognoz i wykorzystanie zaawansowanych technik statystycznych.
Jak sugerują Coates i in. (2001: 9), "prognozowanie technologii opartej na badaniach naukowych może przypominać prognozowanie dzisiejszej pogody - długookresowe trendy klimatyczne, alternatywne scenariusze albo panele ekspertów są mniej efektywne niż uzyskanie bogatego, kontekstowego obrazy pogody (np. z telewizyjnej prognozy pogody) i przyjrzenie się najbardziej aktualnym trendom, w tym kierunkom i prędkości przesuwania się frontów pogodowych". Prognozowanie rozwoju nauki i techniki przysparza wielu problemów praktycznych, zwłaszcza gdy oczekuje się przewidywania rozwoju nowych technologii (ang.
emerging technologies) (Watts, Porter 1997: 27). Analizy dopuszczają pewien poziom niepewności, ale nie może on być nadmiernie wysoki (Postma, Liebl 2005: 165). To oznacza, że nie da się przykładowo przewidzieć przełomowych innowacji lub istotnych zaburzeń technologicznych, bo samo ich przewidzenie oznaczałoby przecież… stworzenie zarysu przewidywanej innowacji.
Oprócz prognozowania, ważnym elementem obserwacji i przewidywania zmian w otoczeniu technologicznym jest technology roadmapping – przewidywanie rozwoju głównych komponentów i technik wytwarzania, składających się na konkretną technologię tak, by zagwarantować poprawną realizację harmonogramu projektu jej rozwoju (Coates i in. 2001:
9). W praktyce naukowej i gospodarczej przydatna okazuje się też competitive technology intelligence - identyfikacja szans i zagrożeń dla technologii, pochodzących z otoczenia organizacji (Coates i in. 2001: 10). W tych działaniach również może pomóc odwołanie się do bibliometrii – ilościowych analiz publikacji naukowych i patentów.
4.2. Bibliometria na tle innych technik
Techniki bibliometryczne są często stosowane przez naukowców, instytucje publiczne i przedsiębiorstwa, jednak relatywnie mało znane w Polsce. Można je podzielić na techniki ewaluacyjne i opisowe (deskryptywne). Techniki ewaluacyjne służą ocenie badaczy i ośrodków naukowych, identyfikacji najważniejszych osiągnięć i porównaniu dorobku naukowego. Ta odmiana bibliometrii nie stanowi przedmiotu zainteresowania niniejszej książki. Ważniejsze z perspektywy zarządzania technologiami są deskryptywne
zastosowania bibliometrii, pozwalające na obserwację tendencji w rozwoju nauki i technologii, identyfikację istotnych aktorów na scenie innowacji oraz lepsze zrozumienie specyfiki poszczególnych obszarów badań.
Bibliometria okazuje się szczególnie przydatna wtedy, gdy niezbędna jest analiza obszarów słabo rozpoznanych lub nieznanych analitykom oraz gdy nie ma możliwości zdobycia szczegółowych informacji od organizacji, prowadzącymi badania w danym obszarze.
Techniki bibliometryczne oferują dogodne sposoby analizy ze względu na odwołanie do wiedzy skodyfikowanej, wykorzystanie mierzalnych danych oraz dostępność danych (Tijssen 2004: 701). Tabela 2 prezentuje porównanie różnych mechanizmów transferu wiedzy technicznej, potwierdzając przydatność analiz publikacji naukowych i patentów.
Mechanizm Typ wiedzy Możliwość pomiaru Dostępność danych
Tabela 2: Porównanie mechanizmów transferu wiedzy technicznej. Źródło: Tijssen (2004: 701).
Legenda:
+++ - dogodne możliwości pomiaru, wystandaryzowane wskaźniki międzynarodowe,
++ - satysfakcjonujące możliwości pomiaru, nieliczne wystandaryzowane wskaźniki,
+ - ograniczone możliwości pomiaru,
- - dostępne jedynie dane o charakterze jakościowym.
4.3. Wykorzystanie bibliometrii do analiz systemu B+R
Przydatność bibliometrii przy analizie systemu B+R pozwala lepiej zrozumieć schemat analityczny sieci techno-ekonomicznej (Rysunek 4), zaproponowany dla potrzeb OECD przez Bella i Callona (1994), a później wykorzystywany jako podstawa analiz systemów innowacji przez wielu badaczy (por. dyskusja w: Klincewicz 2008). Wyniki różnych „biegunów” sieci mogą być zmierzone przy wykorzystaniu odpowiednich wskaźników i technik badawczych.
Bibliometria okazuje się szczególnie przydatna do analiz biegunów nauki, technologii i transferu, odzwierciedla więc główne obszary zainteresowania sektora nauki, a jednocześnie może uzupełniać analizy ekonomiczne i marketingowe. W nawiązaniu do modelu sieci
techno-ekonomicznej, OECD opublikowało poradnik metodologiczny dla osób, prowadzących analizy bibliometryczne (Okubo 1997).
Rysunek 4: Sieć techno-ekonomiczna jako podstawa analiz bibliometrycznych. Źródło: Bell i Callon (1994: 75).
Analizy bibliometryczne, prowadzące do obserwacji badań naukowych i rozwoju technologii, funkcjonują w szerszym systemie zależności. Lewison (2004: 459) wskazuje, że efekty prac B+R, odzwierciedlone przez bibliometrię, są tylko elementem bardziej złożonej sieci przyczynowo-skutkowej. Rysunek 5 prezentuje przykładowe zależności w obszarze medycyny, w której badania naukowe i rozwój technologii wykazują liczne pośrednie i bezpośrednie związki z poprawą zdrowia publicznego.
Wnioski o dofinansowanie
Decyzje o dofinansowaniu
Cytowania artykułów
Artykuły naukowe
Patenty
Kształcenie praktyków
Badania kliniczne Wytyczne dla badań
klinicznych
Nowe leki
Lepsza diagnostyka
Nowe szczepionki
Lepsza opieka medyczna
4.4. Zalety i ograniczenia bibliometrii
Specyficzny charakter technik bibliometrycznych jest źródłem ich licznych zalet metodologicznych, gdyż prowadzone analizy są (Hicks i in. 2002: 45):
ilościowe - zobiektywizowane, trudne do manipulacji, precyzyjne i spójne;
dające się znormalizować - pozwala porównać obszary badawczych lub ośrodki o zróżnicowanej produktywności;
bezpośrednie - proste w interpretacji;
oparte na publikacjach i cytowaniach - czyli wymiernych rezultatach badań a nie trudnych do weryfikacji opiniach eksperckich na temat osiągnięć;
charakteryzujące się niewielkim odstępem czasowym – pomiędzy momentem prowadzenia analiz a uzyskania ich wyników;
skalowalne - pozwalają na analizy zarówno niewielkich, jak i bardzo dużych zbiorów danych;
pozwalające na prowadzenie analiz przez osoby niezaangażowane - w większości przypadków analizy mogą prowadzić analitycy, nie prowadzący własnych badań naukowych w poddanym analizom obszarze i dlatego nie reprezentujący interesów żadnego z ocenianych podmiotów;
nieinwazyjne - nie wymagają gromadzenia danych w drodze badań ankietowych lub wywiadów, mogą być prowadzone wielokrotnie w oparciu o dostępne bazy.
Techniki bibliometryczne, które zostaną omówione w dalszych częściach książki, zawierają również wiele ograniczeń, które dyskutowane będą w odniesieniu do poszczególnych technik.
Podstawowe ograniczenie bibliometrii dotyczy przedmiotu prowadzonych analiz:
najważniejszymi produktami działalności naukowej są idee a nie obiekty, podczas gdy to właśnie obiekty (m.in. publikacje i patenty) można mierzyć przy wykorzystaniu technik bibliometrycznych (Okubo 1997: 6). Przy prowadzeniu analiz bibliometrycznych możliwe jest dodatkowo popełnienie:
błędu pierwszego rodzaju (ang. false positive) – prowadzący do pominięcia zjawisk i tendencji, które nie znajdują dostatecznego odzwierciedlenia w analizowanym podzbiorze danych bibliometrycznych,
błędu drugiego rodzaju (ang. false negative) – w tym identyfikacji zjawisk i tendencji, które nie występują w rzeczywistości.
Przykładowo, istotny problem związany z analizami bibliometrycznymi stanowią decyzje niektórych firm, które unikają publikowania swoich osiągnięć badawczych. Analiza bibliometryczna dotycząca wykorzystania ceramiki w konstrukcji silników nie wykazała żadnej aktywności ani zainteresowań tym obszarem ze strony firm General Motors i Chrysler, choć obie firmy w rzeczywistości podejmowały takie działania (Watts, Porter 1997: 44), czyli wyniki analizy nie odzwierciedlały dostatecznie dobrze realiów technologicznych i popełniony został błąd pierwszego rodzaju. Analogicznie, wykorzystanie zaawansowanych metod statystycznych do przetwarzania zbioru danych może doprowadzić do powstania artefaktów - niepożądanych rezultatów, odzwierciedlających nieistniejące w rzeczywistości
zjawiska. Szczególnie łatwo popełnić błąd drugiego rodzaju przy poszukiwaniu „ukrytych zmiennych” (ang. latent variables), zależności pomiędzy obiektami w zbiorze danych przy pomocy technik analizy czynnikowej, gdyż odnalezione zmienne (czynniki, składowe) mogą nie posiadać logicznej interpretacji.
Warto być świadomym opisanych ograniczeń, jednocześnie pamiętając o istotnych korzyściach, wynikających z praktycznych zastosowań bibliometrii w odniesieniu do obserwacji badań naukowych i rozwoju technologii.