1
Politechnika Poznańska Wydział Inżynierii Zarządzania
mgr Joanna Jakuszewicz
ANALIZA I OCENA PRODUKTYWNOŚCI JEDNOSTEK NAUKOWYCH
rozprawa doktorska
Promotor:
prof. dr hab. inż. Joanicjusz Nazarko
Poznań 2015
2
Spis treści
WPROWADZENIE
...4
1. ASPEKTY ZARZĄDZANIA W SEKTORZE BADAŃ NAUKOWYCH
...12
1.1. Rola jednostek naukowych w gospodarce opartej na wiedzy
...12
1.2. Mechanizmy i narzędzia kreowania polityki naukowej
...20
1.3. Ewaluacja instytucjonalna badań naukowych
...31
2. PRODUKTYWNOŚĆ NAUKI
...38
2.1. Paradygmat produktywności
...40
2.2. Istota i determinanty produktywności jednostek naukowych
...49
2.3. Metody pomiaru produktywności nauki
...57
3. ANALIZA METOD OCENY JEDNOSTEK NAUKOWYCH
...72
3.1. Uwarunkowania systemów oceny jednostek naukowych w Europie
...72
3.2. Przegląd narodowych systemów oceny jednostek naukowych
...83
4. SYSTEM OCENY JEDNOSTEK NAUKOWYCH W POLSCE
...112
4.1. System badań naukowych w Polsce
...112
4.2. Metodyka oceny parametrycznej jednostek naukowych
...123
4.3. Krytyczna analiza oceny parametrycznej
...133
5. ZAŁOŻENIA METODYCZNE BADANIA PRODUKTYWNOŚCI METODĄ DATA ENVELOPMENT ANALYSIS
...145
5.1. Propedeutyka metodyki Data Envelopment Analysis
...145
5.2. Przegląd modeli Data Envelopment Analysis
...156
5.3. Przykłady zastosowań metody Data Envelopment Analysis w ocenie wyników działalności naukowej
...167
6. BADANIA PRODUKTYWNOŚCI JEDNOSTEK NAUKOWYCH
...182
6.1. Analiza danych źródłowych
...182
6.2. Wybór zmiennych do oceny produktywności jednostek naukowych
...201
6.3. Klasyfikacja jednostek i wybór modelu Data Envelopment Analysis
...209
6.4. Obliczenia produktywności
...222
6.5. Testy odporności i stabilności modelu Data Envelopment Analysis
...227
7. REKOMENDACJE DO METODYKI DATA ENVELOPMENT ANALYSIS W OCENIE JEDNOSTEK NAUKOWYCH
...233
7.1. Porównanie produktywności jednostek naukowych
...233
7.2. Aplikacja metody Data Envelopment Analysis w ocenie parametrycznej
...246
3
ZAKOŃCZENIE
...252
ANEKS
...256
Załącznik 1. Kryteria oceny parametrycznej w 1999 roku
...257
Załącznik 2. Kryteria oceny parametrycznej w 2003 roku
...259
Załącznik 3. Kryteria oceny parametrycznej w 2006 roku
...262
Załącznik 4. Kryteria oceny parametrycznej w 2010 roku
...264
Załącznik 5. Kryteria oceny parametrycznej i grupy wzajemnej oceny w 2013 roku
..267
Załącznik 6. Liczebność jednostek oraz rozpiętość przedziałów poszczególnych kategorii względem wskaźnika efektywności E
...272
Załącznik 7. Zestawienie publikacji na temat zastosowań metody DEA w Polsce
...273
Załącznik 8. Współczynniki korelacji cech wraz z poziomem ich istotności w poszczególnych grupach jednostek naukowych
...282
Załącznik 9. Lista jednostek naukowych w badaniach autorki i ich podział w grupy jednorodne
...286
Załącznik 10. Wyniki oceny jednostek naukowych metodą DEA
...300
BIBLIOGRAFIA
...313
SPIS RYSUNKÓW
...333
SPIS TABEL
...336
4 WPROWADZENIE
Francuski noblista, fizyk L. de Broglie (1892-1987), analizując tempo rozwoju nauki wnioskował, że zarówno kadrowy, instytucjonalny, jak i informacyjny rozwój nauki odbywa się w sposób wykładniczy
1. Budowane na tej podstawie nieosiągalne prognozy tempa wzrostu pracowników naukowych skłoniły do refleksji, że rozwój nauki zostanie przy pewnym poziomie zahamowany z braku dostatecznego przyrostu wiedzy naukowej. Rozwiązania tego problemu upatrywano już wtedy w zwiększeniu produktywności w sektorze nauki.
Problematyka produktywności w sektorze badań naukowych początkowo rodziła wiele wątpliwości, ponieważ z jednej strony pojęcie produktywności często było utożsamiane jedynie z działalnością produkcyjną
2, z drugiej zaś argumentowano stwierdzenie, że nie można obiektywnie zmierzyć poziomu i wartości pracy naukowej
3. Mimo to, wciąż trwały prace nad doskonaleniem metod pomiaru i oceny efektów pracy naukowej.
Produktywność nauki, rozpatrywana w kategoriach poznawczych, jako nowa wiedza, i użytkowych, jako bezpośrednie korzyści społeczne i ekonomiczne wynikające ze stosowania rezultatów badań, jest szczególnie ważna w warunkach presji rozwoju społeczno- gospodarczego. W ciągu ostatnich kilkudziesięciu lat na całym świecie obserwuje się przyspieszony rozwój, związany w dużej mierze z efektem coraz szerszego zrozumienia roli nauki oraz jej kluczowego znaczenia dla budowy gospodarki opartej na wiedzy. Rozwój krajów jest w głównym stopniu zależny od poziomu i rozwoju badań naukowych oraz od wykorzystania ich wyników jako siły modernizacyjnej – wzorem najbardziej rozwiniętych państw na świecie.
Wzrastająca rola nauki spowodowała konieczność przeprowadzenia analiz samego przebiegu procesu poznawczego. Identyfikacja i zdefiniowanie tych czynników jest szczególnie istotne z punktu widzenia kształtowania systemowych instrumentów polityki naukowej. Dobrze umotywowana, sformułowana i przygotowana polityka ma podstawowe znaczenie dla osiągnięcia publicznej wartości z badań naukowych, szczególnie, gdy sfera badań i innowacji stale się zmienia i rozwija
4.
1 W. Leszek, B. Wojciechowicz, Analiza pewnych możliwości podniesienia efektywności badań naukowych, Politechnika Poznańska, Poznań 1975, s. 5.
2 A. Kosieradzka, Zarządzanie produktywnością w przedsiębiorstwie, Wydawnictwo C.H. Beck, Warszawa 2012, s. 20.
3 A. Guena, B.R. Martin, University research evaluation and funding: and international comparison, “Minerva”
2003, t. 41, nr 4, s. 278.
4 Shaping science and technology policy: the next generation of research, D. Guston, D. Sarewitz (red.), The University of Wisconsin Press, Madison 2006, s. 7.
5 Jednym z ważniejszych instrumentów polityki naukowej jest publiczne finansowanie badań naukowych. W latach sześćdziesiątych XX wieku panowało przekonanie, że większe nakłady na badania i rozwój przynosiły większe korzyści, szybszy rozwój i większe możliwości. W ostatnich latach publiczne jednostki naukowe zostały poddane presji finansowej w związku ze zmniejszeniem interwencji rządowej w kierunku alokacji zasobów opartej na wynikach
5. W związku z tym pojawiła się potrzeba analizy racjonalności wydatków publicznych na badania naukowe
6. Oznacza to wyjście poza paradygmat dotychczasowego sposobu zarządzania w sektorze publicznym i dokonywanie oceny osiągnięć jednostek naukowych, aby zapewnić efektywniejsze zarządzanie i skuteczniejsze inwestycje w badania i rozwój.
Systematyczna ocena jednostek naukowych jest przeprowadzana w wielu krajach Europy i świata. Dorobek i prestiż naukowy jednostek naukowych podlega różnorodnej ocenie. Należy jednak zauważyć, że ze względu na złożoność działalności naukowej ocena jednostek naukowych jest wyjątkowo trudna i skomplikowana. Powinna pokazywać ogólny obraz poziomu nauki w danej dziedzinie, określać stan piśmiennictwa, stan innowacyjności, identyfikować kluczowe obszary badań, stopień ich zaawansowania. Specjalną uwagę powinna skupiać na poszukiwaniu tego, co w danej dziedzinie najnowsze, najbardziej przodujące.
Tradycyjnie, ocena poziomu i znaczenia dorobku naukowego wyrażana jest w sposób jakościowy i opiera się na opisowych opiniach specjalistów. Budzi to często wiele zastrzeżeń odnośnie subiektywizmu i braku jasnych zasad oceny. Równolegle, rozwijają się ilościowe metody oceny działalności naukowej oparte na wskaźnikach liczbowych zdefiniowanych przez oceniającego. Również one podlegają silnej krytyce.
Najnowsze podejście do oceny poziomu działalności naukowej zakłada zapewnienie naukowych podstaw wspomagania procesów decyzyjnych w sektorze nauki (ang. science of science policy, SoSP). Sukces polityki naukowej zależy w dużej mierze od dostępu do wiarygodnych i dobrze zdefiniowanych danych. Dąży się zatem do opracowania narzędzi naukowych, które będą wyjaśniały implikacje dające wkład do kształtowania polityki naukowej, a szczególnie wsparcia procesu decyzyjnego w odniesieniu do alokacji zasobów
7. Nowy interdyscyplinarny obszar badawczy rozwija się w odpowiedzi na pilną potrzebę opracowywania wielowymiarowych analiz, bardziej informacyjnych modeli implikacyjnych,
5 A. Muscio, D. Quaglione, G. Vallanti, Does government funding complement or substitute private research funding to universities?, “Research Policy” 2013, t. 42, s. 64.
6 I. Feller, A policy-shaped research agenda, [w:] The new economics of technology policy, D. Foray (red.), Edward Elgar, Cheltenham-Northampton 2009, s. 101-102.
7 C. Antonelli, C. Franzoni, A. Geuna, The contributions of economics to a science of science policy, [w:] Science and innovation policy for the new knowledge economy, M.G. Colombo, L. Grilli, L. Piscitello, C. Rossi-Lamastra (red.), Edward Elgar, Cheltenham-Northampton 2011, s. 32.
6 pokonujących ograniczenia i słabości wskaźników czy szeregów czasowych jednej zmiennej.
Ukierunkowany jest na opracowywanie modeli wyjaśniających, niezbędnych do zrozumienia współzależności między różnymi wielkościami mierzalnymi, które będą również wyjaśniały przyczyny, skutki i implikacje polityki naukowej
8.
Dlatego istnieje potrzeba lepszego zrozumienia instytucjonalnych i organizacyjnych uwarunkowań rozwoju nauki dla poprawy efektywności systemu badań
9. Wsparcie analityczne decyzji politycznych powinno koncentrować się na konkretnych kwestiach poprzez dążenie do syntezy i integrowania wiedzy uzyskanej na temat różnych elementów systemu nauki, a szczególnie jednostek naukowych. W zakresie narzędzi analizy istnieje potrzeba, aby wyjść poza skonsolidowany zestaw technik bibliometrycznych na rzecz pomiaru produktywności
10.
Produktywność nauki powinna zatem stanowić centralny element dyskusji na temat działalności jednostek naukowych. Pomiar produktywności dostarcza pełniejszej analizy i oceny niż tradycyjnie stosowane wskaźniki
11. Pozwala wielowariantowo analizować i oceniać rezultaty działalności jednostki naukowej w odniesieniu do efektywności wykorzystania jej zasobów materialnych i niematerialnych przy uwzględnieniu wpływu uwarunkowań środowiskowych. Z punktu widzenia zarządzania sektorem publicznym, analiza produktywności pozwala badać poziom systemu nauki w różnych wymiarach
12.
Punktem wyjścia do prowadzonych rozważań nad pomiarem produktywności nauki jest założenie, że jednostki naukowe, jako fundament systemów naukowo-badawczych, wykazują zdolność do przekształcania zasobów w efekty i jest to proces dynamiczny.
To oznacza, że ulega doskonaleniu, poprawianiu i przez odpowiednie instrumenty polityczne można wpływać na uzyskiwane przez jednostki naukowe wyniki i stymulować odpowiednio ukierunkowany pożądany rozwój.
W polskim piśmiennictwie do niedawna nie było odniesień do problematyki produktywności nauki i nadal brak jest systematycznych opracowań na ten temat.
Podejmowana tematyka odnosi się głównie do analiz bibliometrycznych
13. Ponadto,
8 J. Marburger, The science of science and innovation technology, [w:] Science, technology and innovation indicators in a changing world. Responding to policy needs, OECD, 2007, s. 27-32; C. Antonelli, C. Franzoni, A. Geuna, dz. cyt., s. 31.
9 S. van den Besselaar, K. Börner, A. Scharnhorst, Science policy and the challenges for modeling science, [w:] Models of science dynamics, A. Scharnhorst, K. Börner, S. van den Besselaar (red.), Springer 2012, s. 262.
10 C. Antonelli, C. Franzoni, A. Geuna, dz. cyt., s. 33.
11 T. Sullivan, C. Mackie, W.F. Massy, E. Sinha (red.), Improving measurement of productivity in higher education, The National Academies Press, Washington 2012, s. 2.
12 S. Gates, A. Stone, Understanding Productivity In Higher Education, Prepared for California Education Roundtable, 1997, s. 5.
13 J. Wolszczak-Derłacz, A. Parteka, Produktywność naukowa wyższych szkół publicznych w Polsce.
Bibliometryczna analiza porównawcza, Ernst&Young, Warszawa 2010; R. Siemienska, Research productivity in Polish universities and its determinants at the beginning of the 21st century, [w:] Universities as centres
7 zauważyć można pewien chaos metodologiczny w obrębie produktywności, który może wynikać z nieścisłości stosowanej terminologii. Według wiedzy autorki – brak jest poglądowych, oryginalnych lub polemicznych publikacji na temat sposobu adaptacji koncepcji produktywności na potrzeby oceny badań naukowych.
Celem wypełnienia tej luki metodycznej, autorka rozprawy podejmuje problematykę kształtowania instrumentów zarządzania w sektorze badań naukowych oraz pomiaru produktywności jednostek naukowych w Polsce, w kontekście oceny parametrycznej Ministerstwa Nauki i Szkolnictwa Wyższego (MNiSW).
W Polsce większość środków na badania naukowe i prace rozwojowe jest przekazywana w postaci dotacji podmiotowej z budżetu państwa do prawie tysiąca jednostek prowadzących programy badawcze i prace rozwojowe. Mimo rozdrobnionej struktury podmiotowej nauki polskiej, nie istnieje żaden mechanizm koordynacji finansowania i oceny efektywności nakładów. Przesłanki metodyczne oceny parametrycznej wskazują na możliwość udoskonalenia systemu oceny jednostek naukowych przez adaptację koncepcji produktywności jednostek naukowych i wykorzystanie do jej pomiaru metod naukowych.
Zasadniczy problem badawczy niniejszej rozprawy zawiera się w analizie możliwości wykorzystania koncepcji produktywności do wartościowania i porównywania dorobku jednostek naukowych oraz zastosowanie tej koncepcji w zarządzaniu organizacją i finansowaniem badań naukowych.
Zakładane cele rozprawy umieszczono w trzech obszarach: poznawczym, metodycznym i utylitarnym.
Cele poznawcze rozprawy to:
dyskusja nad porównywaniem i wartościowaniem dorobku instytucji naukowych;
analiza i ocena istniejących modeli systematycznej oceny jednostek naukowych;
krytyczna analiza metodyki oceny parametrycznej stosowanej przez MNiSW.
Celem metodycznym jest opracowanie metodyki oceny działalności jednostek naukowych opartej na koncepcji produktywności z wykorzystaniem metody Data Envelopment Analysis (DEA).
Celem utylitarnym jest zaprojektowanie modyfikacji procedury oceny parametrycznej jednostek naukowych stosowanej przez MNiSW.
of research and knowledge creation: an endangered species, H. Vessuri, U. Teichler (red.), Sense Publishers, Rotterdam/Taipei, 2008, s. 161-178.
8 Przeprowadzone studia literaturowe i badania rozpoznawcze pozwoliły sformułować następujące hipotezy badawcze będące przedmiotem weryfikacji teoretycznej i empirycznej w rozprawie:
1. Analiza produktywności jednostek naukowych daje możliwość oceny wykorzystania ich zasobów materialnych i niematerialnych.
2. Zastosowanie metody DEA zwiększa obiektywność ewaluacji działalności naukowej przez możliwość zaakcentowania indywidualnych charakterystyk poszczególnych ocenianych jednostek oraz uwzględnienia ich uwarunkowań środowiskowych.
3. Ocena parametryczna MNiSW wykazuje w jej dotychczasowym kształcie wiele słabości i istnieje konieczność jej dalszego doskonalenia merytorycznego i formalnego.
4. Ocena produktywności działalności naukowej może być podstawą do kształtowania instrumentów zarządzania organizacją i finansowaniem badań naukowych.
Konfirmacja powyższych hipotez wskaże na możliwości wykorzystania wyników badań przeprowadzonych w rozprawie do rozwoju metodyki pomiaru i analizy porównawczej produktywności jednostek naukowych oraz rozszerzy ewaluację o możliwość oceny efektywności gospodarowania zasobami. W szczególności, przedstawione w rozprawie koncepcje i propozycje mogą przyczynić się do doskonalenia polityki naukowej.
W celu konfirmacji hipotez rozprawy zaprojektowano i zrealizowano logiczny ciąg następujących po sobie zadań badawczych:
prace studialne z zakresu zarządzania sektorem nauki, kreowania polityki naukowej, ewaluacji instytucjonalnej jednostek naukowych;
prace studialne z zakresu systemów oceny i finansowania jednostek naukowych;
krytyczna analiza metodyki oceny parametrycznej MNiSW;
adaptacja koncepcji produktywności do analizy jednostek naukowych oraz przegląd metod jej pomiaru;
prace studialne z zakresu metody DEA i jej zastosowania do oceny działalności naukowej w kraju i na świecie;
identyfikacja i analiza nakładów i efektów jednostek naukowych;
wielowymiarowa analiza statystyczna pozyskanych zbiorów danych;
analizy symulacyjne przy opracowaniu metodyki oceny produktywności jednostek naukowych;
testowanie modeli DEA, badanie ich stabilności oraz wrażliwości na błędy i braki
danych;
9
ocena i analiza porównawcza produktywności jednostek naukowych w Polsce oraz dyskusja wyników;
wypracowanie propozycji metodycznych oceny działalności jednostek naukowych opartej na koncepcji produktywności z wykorzystaniem metody DEA;
zaprojektowanie modyfikacji procedury oceny parametrycznej jednostek naukowych stosowanej przez MNiSW.
W procesie badawczym wiodącym do osiągnięcia celów pracy oraz konfirmacji postawionych w niej hipotez zostaną wykorzystane następujące metody badawcze: metoda analizy i krytyki piśmiennictwa, metoda analizy i konstrukcji logicznej, metody statystyczne oraz metody symulacyjne. Dobór metod badawczych został podyktowany problematyką i przedmiotem badań oraz zakresem rozprawy, a także możliwościami pozyskania i przetworzenia informacji.
Niezbędne obliczenia i analizy statystyczne zostaną wykonane z wykorzystaniem pakietu statystycznego STATISTICA, arkusza kalkulacyjnego MS Excel, oprogramowania realizującego algorytmy metody DEA Frontier Analyst 4.0, oprogramowania pomocniczego do wizualizacji grafów Gephi oraz wizualizacji informacji przestrzennej GIS Quantum.
Praca doktorska składa się z siedmiu rozdziałów.
W rozdziale pierwszym podjęto problematykę zarządzania w sektorze badań naukowych. Omówiono znaczenie jednostek naukowych w sektorze nauki oraz ich udziału w kreowaniu wiedzy i kształtowaniu konkurencyjności gospodarki narodowej.
Zaprezentowano modele mechanizmów kreowania polityki naukowej i instrumenty usprawniania polityki naukowej. Przedstawiono także implikacje polityki naukowej na rozwój sektora naukowego i rozwój jednostek naukowych. Zwrócono uwagę na konieczność uważnego podejścia do oceny działalności jednostek naukowych, w szczególności, gdy ta jest podstawą alokacji środków finansowych. W rozdziale wykorzystano metodę analizy i krytyki piśmiennictwa.
W rozdziale drugim przeprowadzono dyskusję dotyczącą pojęcia produktywności, przedstawiono jego definicję, denotację oraz ewolucję. Wskazano luki i nieścisłości występujące w tym zakresie w literaturze. Szczególną uwagę zwrócono na pojęcia, z którymi produktywność jest mylnie utożsamiana. Wyjaśniono istotę produktywności nauki i przeanalizowano czynniki determinujące wzrost produktywności jednostek naukowych.
Następnie, dokonano przeglądu metod pomiaru produktywności nauki w podziale na trzy
grupy metod: wskaźnikowe, parametryczne i nieparametryczne. Wskazano charakterystyki
wybranych metod oraz uwarunkowania, przesłanki i przykłady ich stosowania. Autorka
10 wskazuje użyteczność zastosowania nieparametrycznej metody DEA do pomiaru, oceny i analizy produktywności naukowej. Uzasadnia wybór tej metody do dalszej analizy.
W rozdziale wykorzystano metodę analizy i krytyki piśmiennictwa oraz metodę analizy i konstrukcji logicznej.
W rozdziale trzecim przeanalizowano uwarunkowania systemów naukowych w Europie w kontekście organizacyjnym, prawnym i ekonomicznym. Dokonano przeglądu i analizy narodowych systemów oceny jednostek naukowych krajów europejskich i pozaeuropejskich w celu identyfikacji dobrych praktyk. W rozdziale wykorzystano metodę analizy i krytyki piśmiennictwa oraz metodę analizy i konstrukcji logicznej.
W rozdziale czwartym dokonano analizy polskiego systemu badań naukowych w zakresie poziomu i struktury finansowania oraz struktury instytucjonalnej. Przedstawiono założenia i rozwój systemu instytucjonalnej oceny jednostek naukowych w Polsce opartym na podejściu parametrycznym. Wyjaśniono kryteria i metodykę oceny parametrycznej w poszczególnych latach. Dokonano krytycznej analizy oceny parametrycznej pod względem metodycznym, proceduralnym i organizacyjnym, uwzględniając dyskusje i postulaty środowiska naukowego. Przeprowadzono analizy statystyczne w celu zbadania zasadności przyjętych procedur. Na tej podstawie zdiagnozowano słabości oceny parametrycznej i wskazano przesłanki jej dalszego doskonalenia merytorycznego i formalnego. W rozdziale wykorzystano metodę analizy i krytyki piśmiennictwa, metodę analizy i konstrukcji logicznej oraz metody statystyczne.
Celem rozdziału piątego była prezentacja metody Data Envelopment Analysis. Cechy metody DEA przemawiają za możliwością jej zastosowania do pomiaru i oceny produktywności jednostek naukowych. W rozdziale zaprezentowano podstawowe założenia metody, wskazano procedurę jej zastosowania oraz dokonano przeglądu modeli ogólnych.
Przedstawiono typologię zmiennych, wyjaśniając ich wzajemne relacje i znaczenie oraz procedurę i wytyczne doboru zmiennych. Zestawiono dotychczasowe obszary i przypadki zastosowania metody DEA w Polsce oraz przykłady jej zastosowań w ocenie działalności naukowej w Polsce i na świecie. W rozdziale wykorzystano metodę analizy i krytyki piśmiennictwa oraz metodę analizy i konstrukcji logicznej.
W rozdziale szóstym omówiono metodykę przeprowadzonych badań empirycznych.
Dokonano analizy merytorycznej i statystycznej w celu rozpoznania struktury pozyskanych zbiorów danych dotyczących działalności publicznych jednostek naukowych w Polsce.
Na podstawie studiów literaturowych oraz przeprowadzonych badań opracowano zestaw
zmiennych charakteryzujących działalność naukową jednostek naukowych. Następnie,
11 dokonano klasyfikacji jednostek naukowych w grupy jednorodne z zastosowaniem metod statystycznych i omówiono proces doboru szczegółowego modelu DEA. Zaprezentowano model, dokonano pomiaru poziomu produktywności jednostek naukowych w Polsce i analizy wpływu czynników środowiskowych, będących poza kontrolą jednostek naukowych, a mających wpływ na uzyskiwane przez nie rezultaty naukowe. Zaprezentowano również wyniki przeprowadzonych testów odporności i stabilności opracowanego modelu na błędy i perturbacje danych. W rozdziale wykorzystano metodę analizy i krytyki piśmiennictwa, metodę analizy i konstrukcji logicznej, metody statystyczne oraz metody symulacyjne.
W rozdziale siódmym dokonano oceny i porównania produktywności jednostek naukowych oraz wskazano możliwości interpretacyjne opracowanego modelu. Opracowano proces systematycznej oceny produktywności z zastosowaniem metody DEA oraz wskazano rekomendacje stosowania opracowanego modelu do oceny jednostek naukowych w Polsce.
Tematyka rozprawy doktorskiej jest spójna z inicjatywami podejmowanymi obecnie
w kraju i na świecie. Zdaniem autorki, w Polsce podjęty temat ma charakter innowacyjny,
a jego opracowanie będzie miało praktyczne zastosowanie. Zaprezentowana metoda stwarza
organom administracji nowe możliwości pozyskania dodatkowych przesłanek w procesie
zarządzania jednostkami naukowymi, efektywnym dystrybuowaniu i gospodarowaniu
ograniczonymi zasobami.
12 ROZDZIAŁ 1.
ASPEKTY ZARZĄDZANIA W SEKTORZE BADAŃ NAUKOWYCH
1.1. Rola jednostek naukowych w gospodarce opartej na wiedzy
Jednym z najważniejszych czynników determinujących wzrost gospodarczy i społeczny kraju jest poziom i rozwój badań naukowych oraz wykorzystanie ich wyników jako siły modernizacyjnej kraju, zgodnie z koncepcją gospodarki opartej na wiedzy
1.
Od strony teoretycznej gospodarka oparta na wiedzy jest zjawiskiem nowym. Rozwój wiedzy następował jednak wraz z kolejnymi fazami rozwoju ludzkości. Śledząc historię gospodarczą można zauważyć, że wiedza zawsze pełniła istotną rolę. Wielcy odkrywcy i wynalazcy przyczyniali się do kształtowania fundamentów rozwoju gospodarczego i społecznego od fazy preagrarnej po postindustrialną
2. Chociaż poprzednie systemy gospodarcze korzystały z wiedzy determinującej postęp techniczny, to rola kapitału wiedzy stała się dominująca dopiero na przełomie XX i XXI wieku
3. Wiedza stała się towarem jako źródło innowacji i transformacji, a rola specjalistów i naukowców znacznie wzrosła
4. Przyczyniło się to do powstania nowej teorii – endogenicznego wzrostu gospodarczego i wielu poważnych badań na ten temat.
Według tej teorii, wiedza stanowi zmienną endogeniczną i, w odróżnieniu od neoklasycznego podejścia, zakłada występowanie odrębnego sektora działalności badawczo-rozwojowej. Za prekursora tego podejścia uważa się P.M. Romera (1986), który uważał, że siłą napędową wzrostu gospodarczego i społecznego są nakłady na badania i rozwój podnoszące poziom nauki i wiedzy
5. Z czasem pogląd ten został rozwinięty i nacisk został położony na praktyczne wykorzystanie wyników nauki, kształtujące dążenie do innowacji
6.
1 D.A. King, The scientific impact of nations, ”Nature” 2004, t. 430, s. 311-316; K. Piech, Wiedza i innowacje w rozwoju gospodarczym: w kierunku obmiaru i współczesnej roli państwa, Instytut Wiedzy i Innowacji, Warszawa 2009, s. 214-220.
2 D. Makulska, Kluczowe czynniki rozwoju w gospodarcze opartej na wiedzy, [w:] Pomiędzy polityką stabilizacyjną i polityką rozwoju, J. Stacewicz (red.), Prace i Materiały Instytutu Rozwoju Gospodarczego SGH, IRG SGH, Warszawa 2012, s. 171-174; K. Piech, dz. cyt., s. 2-133.
3 W. Welfe, Przesłanki modelowania gospodarki opartej na wiedzy, [w:] Gospodarka oparta na wiedzy, W. Welfe (red.), Polskie Wydawnictwo Ekonomiczne, Warszawa 2007, s. 9.
4 P. Drucker, The coming of the new organization, ”Harvard Business Review” 1988, January-February, s. 3-11.
5 D. Romer, Makroekonomia dla zaawansowanych, Państwowe Wydawnictwo Naukowe, Warszawa 2000, s. 117-145.
6 J.V.G. Manjón, E.R. Merino, Innovation systems and policy design: the European experience, “Innovation:
Management, Policy & Practise” 2012, t. 14 (1), s. 34-38.
13 Jednostki naukowe są podstawowym podmiotem sektora naukowego i głównym elementem stymulowania rozwoju badań naukowych i innowacji w gospodarkach
7. Jednostki naukowe są rozumiane jako samodzielne jednostki prowadzące badania naukowe i prace badawczo-rozwojowe. Początkowo były odrębne od ośrodków akademickich i przyjmowały różne formy organizacyjne. Były to różnego rodzaju obserwatoria, towarzystwa naukowe i instytucje powoływane do prac na rzecz przemysłu
8. Przełomowy rozwój jednostek naukowych nastąpił w wieku XX (rysunek 1.1).
Rysunek 1.1. Liczba publicznych jednostek naukowych zarejestrowanych w bazie Eurolabs
Źródło: L. Georghiou, D. Cox, M.P. Keenan, K. Flanagan, K.E. Barker, A comparative analysis of public, semi- public and recently privatised research centres, project report, European Commission Publication, Brussels 2002, s. 11.
Wzrost liczby jednostek naukowych następował okresowo. Do roku 1945 powoływano je głównie w strategicznych dziedzinach naukowych bądź na potrzeby przemysłu, przede wszystkim mineralnego, rolnictwa, ochrony zdrowia i wojskowości.
Po II wojnie światowej liczba i różnorodność jednostek ustanowionych dla zastosowań cywilnych i wojskowych znacząco zwiększyła się we wszystkich sektorach gospodarki, zarówno w sferze gospodarczej, jak i społecznej
9. Rozwój następował do lat sześćdziesiątych, a następnie zmniejszył się w latach siedemdziesiątych. W latach osiemdziesiątych rola jednostek naukowych w zakresie ich wkładu do innowacji i rozwoju technologicznego krajów stała się przedmiotem wielu dyskusji. Było to związane z potrzebą budowania przestrzeni badawczej na potrzeby sektora biznesowego. Zaczęto dostrzegać rosnącą pozycję ośrodków
7 A. Olechnicka, Potencjał nauki a innowacyjność regionów, Centrum Europejskich Studiów Regionalnych i Lokalnych UW, Wydawnictwo Naukowe Scholar, Warszawa 2012, s. 38-39; M. Daszkiewicz, Jednostki badawczo-rozwojowe jako źródło innowacyjności w gospodarce i pomoc dla małych i średnich przedsiębiorstw, Polska Agencja Rozwoju Przedsiębiorczości, Warszawa 2008, s. 26; Z.E. Roskal, Zwrotne punkty w rozwoju nauki i techniki (technologii), [w:] Zarządzanie badaniami naukowymi i pracami rozwojowymi w jednostkach naukowych, P. Kawalec, S. Majdański (red.), Wydawnictwo Lubelskiej Szkoły Biznesu, Lublin 2008, s. 25-33.
7 OECD, Public research institutions: mapping sector trends, OECD Publishing, 2011, s. 19.
8 M. Daszkiewicz, dz. cyt., s. 26.
9 OECD, dz. cyt., s. 19.
0 20 40 60 80 100 120 140
przed 1840
1840 1850 1870 1880 1890 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990
[liczba jednostek naukowych]
[rok]
14 akademickich
10. Dotychczas uniwersytety prowadziły badania zgodnie ideą uniwersytetu humboltdowskiego, którego naczelną zasadą była autonomia badań naukowych. Zmiany gospodarcze skutkowały przekształceniem uniwersytetów w typ otwarty na otoczenie
11. Współczesne uniwersytety nadal gwarantują wolność akademicką i niezależność nauk, ale wchodzą w bezpośrednie interakcje z otoczeniem i ich rola stała się dominująca w strukturze jednostek naukowych
12.
W literaturze wyodrębnia się trzy główne typy podmiotów naukowych: instytuty naukowo-badawcze, laboratoria rządowe i organizacje badawczo-technologiczne
13. W poszczególnych krajach europejskich klasyfikacja jednostek naukowych uwarunkowana jest formą organizacyjną, rodzajem prowadzonych badań i poziomem współpracy z przemysłem
14. W Polsce, w rozumieniu ustawy o zasadach finansowania nauki
15, grupę jednostek naukowych tworzą instytucje prowadzące w sposób ciągły badania naukowe lub prace rozwojowe. Zalicza się do nich:
podstawowe jednostki organizacyjne uczelni w rozumieniu statutów tych uczelni;
jednostki naukowe Polskiej Akademii Nauk;
instytuty badawcze, czyli państwowe jednostki organizacyjne wyodrębnione pod względem prawnym, organizacyjnym i ekonomiczno-finansowym, tworzone w celu prowadzenia badań naukowych i prac rozwojowych (między innymi dawne jednostki badawczo-rozwojowe JBR)
16;
międzynarodowe instytuty naukowe utworzone na podstawie odrębnych przepisów, działające na terytorium Rzeczypospolitej Polskiej;
Polską Akademię Umiejętności;
inne jednostki organizacyjne posiadające status centrum badawczo-rozwojowego
17.
10 OECD, dz. cyt., s. 19; Z.E. Roskal, dz. cyt., s. 25-33.
11 A. Olechnicka, dz. cyt., s. 23-24.
12 C. Mailhot, V. Schaeffer, Universities specificities and the emergence of a global model, [w:] Innovation Policy in a knowledge-based economy. Theory and practice, P. Llerena, M. Matt (red.), Springer, Berlin, Heidelberg, New York 2005, s. 343.
13 E. Arnold, K. Barker, A. Slipersæter, Research institutes in the ERA, Technolopolis, Brighton 2010, s. 11, http://ec.europa.eu/research/era/docs/en/research-institutes-in-the-era.pdf [12.07.2012].
14 OECD, dz. cyt., s. 58-60.
15 ustawa z dnia 30 kwietnia 2010 r. o zasadach finansowania nauki, Dz. U. z 2010 r. nr 96 poz. 615, art. 2, pkt. 9.
16 Od 1 października 2010 roku jednostki badawczo-rozwojowe działające na podstawie ustawy z dnia 25 lipca 1985 r. o jednostkach badawczo-rozwojowych, które uzyskały kategorię 1, 2, 3, 4 lub 5 na podstawie przepisów ustawa z dnia 8 października 2004 r. o zasadach finansowania nauki, stały się instytutami badawczymi w rozumieniu ustawa z dnia 30 kwietnia 2010 r. o instytutach badawczych [ustawa z dnia 30 kwietnia 2010 r. o instytutach badawczych Dz. U. z 2010 r. nr 96, poz. 618; ustawa z dnia 30 kwietnia 2010 r.
Przepisy wprowadzające ustawy reformujące system nauki, Dz. U. z 2010 r. nr 96, poz. 620].
17 nadawany na podstawie ustawa z dnia 30 maja 2008 r. o niektórych formach wspierania działalności innowacyjnej, Dz. U. z 2008 r. nr 116 poz. 730.
15 W jednostkach naukowych skoncentrowane są najważniejsze zasoby potencjału naukowego krajów
18. Kapitał ludzki i infrastruktura badawcza mają zapewnić realizację zasadniczych celów odnoszonych do działalności naukowo-badawczej, którymi są
19:
badania naukowe zmierzające do zwiększenia wiedzy pozyskanej za pomocą metod naukowych;
przekazywanie wiedzy innym;
przystosowanie wiedzy do wdrażania jej w praktyce.
Najważniejszą rolą jednostek naukowych jest produkcja nowej wiedzy, zarówno tej, która podlega łatwej aplikacji (badania stosowane i przemysłowe, prace rozwojowe) i potencjalnie może przynieść wymierne efekty w krótszym okresie, jak i tej pozostającej w sferze teorii, której działanie ma charakter długookresowy (badania podstawowe)
20.
Współczesne podejście do roli jednostek naukowych zakłada, że jednostki naukowe mają odpowiadać nie tylko na zapotrzebowanie na wiedzę, lecz przede wszystkim kreować innowacyjność na podstawie własnego potencjału. Orientacja na innowacyjność kształtuje podstawy dla dwóch dominujących podejść, które syntetyzują rolę jednostek naukowych we współczesnej gospodarce, mianowicie modelu trójkąta wiedzy
21i modelu potrójnej helisy
22.
W modelu trójkąta wiedzy (rysunek 1.2) ujęte zostały kwestie tworzenia wiedzy, jej upowszechniania i wdrażania w postaci innowacji oraz wyjaśnienie procesu holistycznego przepływu wiedzy. Wymiana wiedzy w modelu odbywa się w obu kierunkach, podkreślając sprzężenia zwrotne w procesie tworzenia innowacji. Jeden z pierwszych modeli innowacji zakładał, że proces ten przebiega liniowo, rozpoczyna się od badań, następnie przechodzi etap rozwoju, co z kolei prowadzi do produkcji i komercjalizacji
23. Słabości tego podejścia wynikały ze zrozumienia, iż innowacyjność jest procesem dynamicznym i wykracza poza schemat liniowych przepływów i procesów. Proces innowacyjny jest iteracyjny i dąży do optymalizacji na każdym etapie (model nieliniowy)
24.
18 E. Kobal, Elements of national science and technology policy, [w:] Modernisation of science policy and management approaches in Central and South East Europe, E. Kobal, S. Radosevic (red.), Series V.
Science and Technology Policy, IOS Press, Amsterdam, Berlin, Oxford, Tokyo, Washington 2005, s. 15.
19 J. Zieliński, O organizacji badań naukowych, Polskie Wydawnictwo Ekonomiczne, Warszawa 1975, s. 43-44.
20 A. Olechnicka, dz. cyt., s. 35-36.
21 K. Piech, dz. cyt., s. 205.
22 H. Etzkowitz, L. Leydesdorff, The dynamics of innovation: from National Systems and „Mode 2‟ to a Triple Helix of university-industry-government relations, “Research Policy” 2000, t. 29, s. 109-123.
23 K. Piech, dz. cyt., s. 203-204.
24 M.C.J. Caniëls, H. van den Bosh, The role of higher education institution in building regional innovation systems, “Papers in Regional Science” 2011, t. 90, nr 2, s. 273; J. Rigby, Y. Nugroho, K. Morrison, I. Miles, Who drives innovation? [w:] Innovation Policy Challenges for the 21st century, D. Cox, J. Rigby (red.), Routledge Studies in Innovation, Organization and Technology Series, Taylor & Francis, New York, London 2013, s. 38.
16
Rysunek 1.2. Koncepcja trójkąta wiedzy
Źródło: opracowanie własne na podstawie: K. Piech, Wiedza i innowacje w rozwoju gospodarczym w kierunku pomiaru i współczesnej roli państwa, Instytut Wiedzy i Innowacji, Warszawa 2009, s. 204; S.S.C. Shang, S. Lin, Y. Wu, Service innovation through dynamic knowledge management, ”Industrial Management & Data Systems”
2009, t. 109, nr 3, s. 325-327.
Nadrzędnym elementem w trójkącie wiedzy jest nauka reprezentowana przez jednostki naukowe. Jakość ich działań gwarantuje prawidłową równowagę i zespolenie pozostałych elementów trójkąta. W obszarze nauki następuje tworzenie oraz identyfikacja źródeł i potencjału wiedzy. Autorka pracy uważa, że obszar ten ma znaczenie strategiczne dla postępu innowacji. W modelowym ujęciu aktywacja wiedzy następuje przez zastosowanie wiedzy w praktyce w procesach biznesowych, stąd obszar operatywny. W rezultacie, nauka przyczynia się do generowania innowacji. K. Piech podkreśla, że warunkiem powstania innowacji jest wdrożenie wyników badań przez sektor biznesowy. Tworzenie innowacji bez rozwoju wiedzy może spowodować spowolnienie postępu technologicznego i cywilizacyjnego, jeśli kolejne innowacje bazowałyby tylko na danym stanie wiedzy i innych innowacjach
25. Prowadziłoby to głównie do rozwoju innowacji przyrostowych. Podejście to propagowane było przez J. Schmooklera w koncepcji popytowego tworzenia innowacji (ang. market-pull). Podejście podażowe (ang. technology-push), sformułowane przez J. Schumpetera, sprzyja z kolei rozwojowi innowacji przełomowych
26. Właściwa relacja zachodzi, gdy rozwój wiedzy umożliwia tworzenie innowacji, a te stają się też źródłem nowej wiedzy
27. Współczesne podejście do tej problematyki kształtuje się na bazie narodowych systemów innowacji
28. Składają się one ze struktur instytucjonalnych oraz powiązań między
25 K. Piech, dz. cyt., s. 204-205.
26 J. Rigby, Y. Nugroho, K. Morrison, I. Miles, dz. cyt., s. 38-40.
27 K. Piech, dz. cyt., s. 204-205.
28 J.V.G. Manjón, E.R. Merino, dz. cyt., s. 34.
obszar normatywny obszar operatywny
obszar strategiczny
NAUKA identyfikacja wiedzy
tworzenie wiedzy
INNOWACJE synteza wiedzy wdrożenie wiedzy
EDUKACJA dyfuzja wiedzy transfer wiedzy
17 publicznym i prywatnym sektorem badawczym a przedsiębiorstwami wykorzystującymi wyniki badań w praktyce.
Obszar edukacji w trójkącie wiedzy jest reprezentowany przez zjawisko dyfuzji i transferu wiedzy, i – zdaniem autorki – ma charakter normatywny. Jest to przeciwieństwo heterogeniczności wiedzy
29. Dyfuzja wiedzy rozumiana jest jako rozprzestrzenianie się wiedzy, technologii, artefaktów między i przez ludzi w ramach i ponad granicami państw, obejmuje uczenie się, współpracę i adaptację
30. Jednostki naukowe uczestniczą w procesie dyfuzji wiedzy, między innymi przez:
adaptację i zastosowanie wiedzy skodyfikowanej, udokumentowanej w publikacjach naukowych i patentach
31;
wdrażanie nowych technik i procesów przekazywania informacji oraz zwiększanie współpracy
32;
przepływ użytkowych pomysłów między organizacjami przenoszony przez interakcje społeczne ludzi
33.
Z kolei dyfuzja innowacji rozumiana jest jako proces uczenia inicjowany po wdrożeniu innowacji, w którym biorą udział: producent w kierunku doskonalenia innowacji, potencjalni nabywcy w procesie poznawania innowacji oraz przyszli naśladowcy, rozpoznając najważniejsze cechy innowacji i sposoby wytwarzania
34. Upowszechniana wiedza daje możliwość porównań, konfrontacji z innymi propozycjami, rozwijania pomysłów. Może sprzyjać uczeniu się oraz podnoszeniu poziomu wiedzy, zarówno przez pojedyncze podmioty, jak również struktury gospodarcze
35.
Warunkiem prawidłowego funkcjonowania trójkąta wiedzy jest współgranie trzech sektorów: nauki, przemysłu i władzy publicznej, zgodnie z koncepcją potrójnej helisy (ang. triple helix) ogłoszonej przez H. Etzkovitza i L. Leydesdorffa
36(rysunek 1.3).
29 D. Romer, dz. cyt., s. 133-134.
30 V.V. Krishna, T. Turpin, Transition and change: innovation systems in Asia-Pacific economies, [w:] Science, technology policy and the diffusion of knowledge, T. Turpin, V.V. Krishna (red.), Edward Elgar Publishing, Inc., Cheltenham, Massachusetts 2007, s. 16.
31 C. Chen, D. Hicks, Tracing knowledge diffusion, “Scientometrics” 2004, t. 59, nr 2, s. 199-211.
32 D. Makulska, dz. cyt., s. 190.
33 A.N. Thompson, C.A. Estabrooks, L.F. Degner, Clarifying the concepts in knowledge transfer: a literature review, “Journal of Advanced Nursing” 2006, t. 53, nr 6, s. 692.
34 E.M. Rogers, Diffusion of innovation, Collier Macmillan Publishers, New York, London 2003, s. 5.
35 D.W. Wojick, W.L. Warnick, B.C. Carroll, J. Crowe, The digital road to scientific knowledge diffusion,
“D-Lib Magazine” 2006, t. 12, nr 6.
36 H. Etzkowitz, L. Leydesdorff, dz. cyt., s. 109-123.
18
Rysunek 1.3. Model potrójnej helisy (ang. triple helix)
Źródło: H. Etzkowitz, L. Leydesdorff, The dynamics of innovation: from National Systems and „Mode 2‟
to a Triple Helix of university-industry-government relations, “Research Policy” 2000, t. 29, s. 111.
Wiodącą rolę odgrywają jednostki naukowe
37. Skuteczność działań jednostek naukowych zależy od powiązań z pozostałymi elementami helisy. Badacze H. Etzkovitz i L. Leydesdorff wyrażają pogląd, że powiązania, w ramach struktur sieciowych, sprzyjają realizacji praktycznych oraz teoretycznych działań badawczych. Sieci takie są niezbędne do wspierania konkurencyjności, przyczyniają się do dzielenia się wiedzą praktyczną, a także umożliwiają dostęp do aktualnych wydarzeń. W sieci zachodzi efekt synergii – wiedza jest skutecznie wdrażana, kreowane są wspólnie innowacje i nowe osiągnięcia, następuje wymiana wiedzy, doświadczeń i wsparcia
38.
Model potrójnej helisy, podobnie do modelu trójkąta wiedzy, propaguje nieliniowe podejście do innowacji, w którym zachodzą interakcje pomiędzy jednostkami naukowymi, przedsiębiorstwami i organami administracji rządowej jako kluczowymi interesariuszami innowacyjności, i wszystkie te podmioty odnoszą korzyści w ramach tych powiązań
39. Teoria ta wskazuje, że formalne i nieformalne relacje pomiędzy sektorem publicznym i komercyjnym wpływają na kształt i poziom wzrostu gospodarczego na danym obszarze.
Kluczowym podejściem w tym kierunku badań jest perspektywa, że relacje te są hybrydowe, cykliczne i krzyżowe
40. Wzajemne oddziaływanie organizuje sektor naukowy.
Na gruncie potrójnej helisy zostały ukształtowane narodowe i regionalne systemy innowacji. Dyskusja na ten temat stanowi istotny element wielu koncepcji teoretycznych.
37 H. Etzkovitz, M. Ranga, “Spaces”: A triple helix governance strategy for regional innovation, [w:] Innovation governance in an open economy, A. Rickne, S. Laestadius, H. Etzkovitz (red.), Routledge, Abington, New York 2012, s. 51.
38 M. Mader i in., Monitoring networking between higher education institutions and regional actors, “Journal of Cleaner Production” 2013, t. 49, s. 106.
39 M.C.J. Caniëls, H. van den Bosh, dz. cyt., s. 274.
40 Tamże.
NAUKA
RZĄD PRZEMYSŁ
19 Nawiązując do regionalnych systemów innowacji można zauważyć, że istotne role jednostek naukowych przejawiają się w rozwoju regionów. Najbardziej wyraźny wpływ widoczny jest w regionalnych systemach innowacji, które nawiązują do krajowego systemu innowacji i uwzględniają dynamikę relacji regionalnych i połączeń lokalnych.
Zrównoważony rozwój regionu wymaga zapewnienia współpracy i możliwości integracji różnych dyscyplin naukowych i ludzi z różnych środowisk w celu rozwiązywania złożonych problemów społecznych. Znaczenie instytucji naukowych w kształtowaniu procesów innowacyjnych w rozwoju regionalnym podkreśla fakt, że innowacyjność jest silnie uzależniona od informacji i wiedzy. Czynniki te są wskazywane jako krytyczne sukcesu w nowych modelach rozwoju regionalnego
41. Dla rozwoju regionalnego jest pożądana współpraca wielu interesariuszy, ponieważ silne partnerstwo jest niezbędne do identyfikacji potrzeb badawczych w obrębie społeczeństwa i regionu. Udział jednostek naukowych w rozwoju regionu odbywa się na trzech płaszczyznach
42:
1. Produkcji wiedzy – odnosi się do badań zleconych i projektów doradczych na rzecz przemysłu i decydentów politycznych. Projekty w tej kategorii zazwyczaj odnoszą się do oryginalnych badań naukowych. Ze względu na fakt, że jednostki naukowe są zróżnicowane dziedzinowo, mogą zapewnić wiedzę potrzebną do rozwiązania szczególnych problemów regionalnych.
2. Edukacji – budowanie relacji pomiędzy uczelniami a przemysłem w zakresie szkoleń, staży, czasowej wymiany pracowników, dostosowywania programu nauczania nowych kadr, tworzenie nowej wiedzy akademickiej. Ponadto, podmioty regionalne wnoszą do nauki swoją wiedzę i praktyczne doświadczenie.
3. Aktywnej współpracy z podmiotami publicznymi i prywatnymi – pochodzą z formalnego i nieformalnego uczestniczenia jednostek naukowych jako podmiotu instytucjonalnego w relacji z innymi regionalnymi podmiotami w sieciach naukowych, innowacyjnych i politycznych. Ważniejszym praktycznym przykładem jest powoływanie jednostek typu spin-off lub start-up.
Przez te działania jednostki naukowe występują w roli inicjatora rozwoju regionalnego w zakresie naukowym, gospodarczym i społecznym. Jednostki naukowe kształtują tożsamość regionów, w których się znajdują. Udział jednostek naukowych w rozwoju regionalnym jest widoczny we wskaźnikach rozwoju regionalnego. Zależność między liczbą jednostek
41 M. Mader i in., dz. cyt., s. 106.
42 M.C.J. Caniëls, H. van den Bosh, dz. cyt., s. 278-279.
20 naukowych zlokalizowanych w regionie a wskaźnikiem PKB jest wysoka i istotna (współczynnik korelacji wynosi 0,92
43).
Na podstawie przeglądu literatury i analizy własnej, autorka rozprawy wyraża pogląd, że jednostki naukowe stanowią niejako spiritus movens rozwoju gospodarczego i społecznego, zarówno na poziomie krajowym, jak i regionalnym. Są fundamentem systemów naukowo- badawczych i kształtują główne ośrodki tworzenia i upowszechniania wiedzy. Dodatkowo, istotnie przyczyniają się do zachowania kontynuacji nauki przez tworzenie i rozwijanie zespołów badawczych oraz uprawianie i rozwijanie dyscyplin naukowych. Ważne jest zatem badanie problematyki kształtowania organizacyjnych, instytucjonalnych, procesowych i finansowych aspektów funkcjonowania jednostek naukowych.
1.2.
Mechanizmy i narzędzia kreowania polityki naukowej
Problematyka polityki naukowej i zarządzania w sektorze naukowym jest tematem często i szeroko dyskutowanym w środowiskach rządowych, naukowych i gospodarczych
44. Związane jest to ze zrozumieniem znaczenia nauki dla rozwoju gospodarczego i dynamicznych zmian w tym sektorze spowodowanych presją dostosowywania się do szybkich przemian gospodarczych i technologicznych na świecie oraz ambiwalentnym charakterem relacji nauki i polityki
45. Dobrze umotywowana, sformułowana i przygotowana polityka ma zasadnicze znaczenie dla osiągnięcia publicznej wartości z badań naukowych, szczególnie, gdy sfera badań i innowacji stale się zmienia i rozwija
46.
Polityka naukowa jest najmłodszą z dziedzin polityki gospodarczej
47. Pojęcie to pojawiło się wraz z rozwojem naukoznawstwa na początku XX wieku. Do 1960 roku większość krajów nie prowadziła wyodrębnionej polityki naukowej, do czasu, gdy Organizacja Współpracy Gospodarczej i Rozwoju (ang. Organization for Economic Co-operation and Development, OECD) zaczęła zajmować się tą kwestią. Jednymi z pierwszych krajów, które zaczęły formalizować podstawy polityki naukowej były Belgia, Francja, Holandia, Niemcy i Wielka Brytania. Inne kraje dość sceptycznie podchodziły do projektowania i wdrażania krajowego planu w kwestiach naukowych. Obawy wynikały z tego,
43 Opracowanie własne na podstawie danych GUS-u z 2011 roku.
44 B.R. Martin, The evolution of science policy and innovation studies, “Research Policy” 2012, t. 41, s. 1219-1239.
45 O. Kovács, Á. Orosz, Science and technology policy in the European Union – innovation leaders with different outcomes, “Analele Universităţii Din Oradea” 2011, t. III, 2011, s. 94.
46 Shaping science and technology policy: the next generation of research, D. Guston, D. Sarewitz (red.), The University of Wisconsin Press, Madison 2006, s. 7.
47 S. Korenik, E. Szostak, Polityka naukowa i innowacyjna, [w:] Polityka gospodarcza, B. Winiarski (red.), Państwowe Wydawnictwo Naukowe, Warszawa 2006, s. 325.
21 czy scentralizowana jednostka jest w stanie opracować całościowy plan dla już wtedy znacznie zróżnicowanego sektora, a nawet jeśli tak, to czy będzie on najlepszy w interesie nauki
48.
Współcześnie pojęcie to nie zostało dostatecznie sprecyzowane. Wpływają na to zmiany w polityce gospodarczej oraz zmiany w samej nauce. Termin polityka naukowa od pierwotnie ugruntowanej postaci, zmieniał się na przestrzeni lat, przyjmując różne formy kombinacji nauki, technologii i innowacji
49. W literaturze można wyodrębnić osobne definicje dla każdego typu, ale J. Kozłowski wszystkie traktuje jako zbiór działań rządu, podejmowanych na rzecz sektora naukowego publicznego i prywatnego dla osiągnięcia celów społecznych, gospodarczych i politycznych
50. W zależności od wspieranego obszaru w trójkącie wiedzy, można podzielić politykę na naukową, technologiczną i innowacyjną
51. Zdaniem S. Korenika i E. Szostak, polityka naukowa obejmuje zakres polityki innowacyjnej, która służy szeroko pojętej komercjalizacji badań
52. J. Kozłowski wyraża pogląd, że polityka innowacyjna powinna zostać zintegrowana z polityką naukową
53.
Najczęściej politykę naukową definiuje się jako publiczną interwencję mającą na celu takie wpływanie na naukę, które przyczyni się do wzrostu gospodarczego i społecznego przy efektywnym wykorzystaniu zasobów
54. Traktowana jest jako zestaw decyzji lub działań realizowanych przez różne siły polityczne, gdzie głównym i ostatecznym celem jest sprzyjanie, pobudzanie lub niekiedy hamowanie postępu badań, i wykorzystywanie ich wyników do celów społeczno-ekonomicznych, politycznych, kulturalnych i wojskowych
55. Innymi słowy, jest to zbiór strategii i instrumentów umożliwiających wspieranie badań naukowych i technicznych w zakresie produkcji możliwie najbardziej pożądanej wiedzy, jej zastosowania w rozwiązaniach technologicznych, które mogą jeszcze bardziej przyczynić się do postępu społeczno-gospodarczego i poprawy jakości życia obywateli. J. Czerniak uogólnia to podejście do stymulowania procesów zmierzających do tworzenia wiedzy stanowiącej dobro publiczne
56. W wymiarze praktycznym polityka naukowa sprowadza się do ustalania priorytetów alokacji zasobów publicznych.
48 L. Henriques, P. Larédo, Policy-making in science policy: The „OECD model‟ unveiled, “Research Policy”
2013, t. 42, s. 802.
49 B.R. Martin, dz. cyt., s. 1219.
50 J. Kozłowski, Foresight jako narzędzie polityki naukowej, „Nauka i Szkolnictwo Wyższe” 2008, t. 2, nr 32, s. 17.
51 Tamże.
52 S. Korenik, E. Szostak, dz. cyt., s. 326.
53 J. Kozłowski, Uwagi o polityce naukowej, „Forum Akademickie”, nr 6, 2005.
54 S. Korenik, E. Szostak, dz. cyt., s. 326.
55 J.E. Rubio, N. Tshipamba, Elements of the public policy of science, technology and innovation, “Canadian Social Sciences” 2010, t. 6, nr 6, s. 63.
56 J. Czerniak, Polityka innowacyjna w Polsce. Analiza i proponowane kierunki zmian, Difin, Warszawa 2013, s. 28 [za:] C. Edquist, L. Hommen, M. McKelvey, Innovation and employment. Process versus product innovation, Edward Elgar Publishing, Cheltenham 2001, s. 131.
22 Inne podejście prezentuje B. Martin. Termin polityki naukowej definiuje jako badania poświęcone analizie, zrozumieniu i skutecznemu reagowaniu na gospodarcze, polityczne, zarządcze, organizacyjne, środowiskowe i inne wyzwania związane z innowacjami, technologią, badaniami naukowymi i pracami rozwojowymi
57. Podkreśla, że polityka naukowa jest złożona, wieloaspektowa i wielowątkowa. Porusza zagadnienia między innymi z zakresu ekonomii, zarządzania, historii gospodarczej, socjologii, psychologii, nauk politycznych i obejmuje różne dziedziny życia gospodarczego i społecznego
58. Martin zaznacza jednak, że prowadzenie polityki naukowej musi odbywać się z uwzględnieniem centralnej roli przedsiębiorstw w rozwoju technologii i innowacji
59. Polityka naukowa przede wszystkim zorientowana jest na podejmowanie decyzji w kwestiach praktycznych, to znaczy jak i jakie działania polityczne są w stanie przyczynić się do rozwoju nauki, technologii i innowacji
60. Podstawową przesłanką polityki naukowej jest fakt, że nawet dobrze funkcjonująca gospodarka rynkowa nie jest w stanie samodzielnie uzyskać optymalnego poziomu inwestycji w innowacje
61.
Ogólnie, w definicjach polityki naukowej podkreśla się wymierną wartość badań. Cele polityki naukowej nie ograniczają się tylko do stymulowania rozwoju wiedzy czy zwiększenia liczby innowacji, ale główny nacisk położony jest na gospodarczy i społeczny wymiar nauki w przestrzeni publicznej, podniesienie produktywności i wzmocnienie konkurencyjności kraju przez zaspokojenie obecnych i przyszłych potrzeb technologicznych
62. Natura polityki naukowej zmieniła się na przestrzeni ostatnich lat z ukierunkowanej na realizację misji badawczej (ang. mission-oriented) na zorientowaną na dyfuzję wiedzy (ang. diffusion- oriented)
63. Celem polityki naukowej jest pobudzanie procesów innowacyjnych przez wzmocnienie mechanizmów przekazywania wiedzy i transferu technologii oraz wykorzystanie wyników badań
64.
57 B.R. Martin, dz. cyt., s. 1220.
58 Tamże, s. 1221-1229.
59 P. Morlacchi, B.R. Martin, Emerging challenges for science, technology and innovation policy research:
a reflexive overview, “Research Policy” 2009, t. 38, s. 572.
60 M.G. Colombo, L. Grilli, L. Piscitello, C. Rossi-Lamastra, Science and innovation policy for the new knowledge economy, PRIME Series on Research and Innovation Policy in Europe, Edward Elgar, Cheltenham- Northampton 2011, s. 4.
61 M. Trajtenberg, Innovation policy for development: an overview, [w:] The new economics of technology policy, D. Foray (red.), Edward Elgar, Cheltenham-Northampton 2009, s. 371.
62 J. Kozłowski, OECD doradza, jak robić dobrą politykę, “Forum Akademickie” 2013, nr 4; J.E. Rubio, N. Tshipamba, dz. cyt., s. 63, 67.
63 J. Caraça, Toward and S&T policy for the knowledge-based society, [w:] Science, technology and innovation policy.
Opportunities and challenges for the knowledge economy, P. Conceição, D. Gibson, M. Heitor, S. Shariq (red.), International Series on Technology Policy and Innovation, nr 1, Quorum 2000, s. 32.
64 S. Korenik, E. Szostak, dz. cyt., s. 334-336.
23 Mechanizmy kształtujące politykę naukową odnoszą się w związku z tym do dwóch teorii innowacji: popytowej (ang. demand-driven policy) i podażowej (ang. demand-based policy)
65. W koncepcji popytowej głównym czynnikiem tworzącym innowacje są potrzeby rynku, których rozpoznanie przekłada się na kreowanie polityki. Podejście to wywodzi się z teorii J. Schmooklera, który zakładał, że wiedza techniczna rozwija się przede wszystkim w kierunkach określonych przez potrzeby człowieka
66. W teorii podażowej źródło kreowania innowacji znajduje po stronie jednostek naukowych. Podstawy tej teorii stworzył J.A. Schumpeter. Opracował on model działalności innowacyjnej, w którym wyróżnił naukę wewnętrzną (zasoby wewnętrzne przedsiębiorstwa) i zewnętrzną (zasoby jednostek naukowych). W jego podejściu siłą napędową tworzenia innowacji są właściwe procesy zarządzania jednostkami naukowymi
67. Polityka naukowa w tym kontekście ma na celu stworzenie bodźca dla innowacji technologicznych
68. Przykładem kształtowania takiej polityki są kraje Azji Wschodniej
69.
Kreowanie polityki naukowej jest pojęciem złożonym, wielokryterialnym i wieloaspektowym. Działania podejmowane w ramach polityki naukowej dotyczą
70:
określania celów, które nauka ma osiągnąć w toku prowadzonych badań;
tworzenia warunków sprzyjających rozwijaniu produktywnej działalności naukowej;
kształtowania rozwiązań wspierających wdrażanie wyników nauki do praktyki gospodarczej;
przekształceń w strukturze organizacyjnej nauki bez niszczenia niezależności i autonomii nauki, które są kluczowe dla długoterminowego wzrostu wiedzy.
Z punktu widzenia podejścia instytucjonalnego, polityka naukowa ma dwojaki charakter: odgórny (ang. top-down) i oddolny (ang. bottom-up). Państwo podejmuje inicjatywę rozwoju nauki i technologii przez różne strategie, ale otrzymuje również sygnały z sektora nauki, technologii i społecznego
71.
W literaturze wyróżnia się także podejścia proaktywne i reaktywne
72. Polityka proaktywna ma charakter aktywnej polityki zorientowanej na przyszłość. Są to świadomie
65 J. Rigby, Y. Nugroho, K. Morrison, I. Miles, dz. cyt., s. 28.
66 S. Korenik, E. Szostak, dz. cyt. , s. 334-336.
67 Tamże.
68 I. Miles, J. Rigby, Demand-led innovation, [w:] Innovation policy challenges for the 21st century, D. Cox, J.
Rigby (red.), Routledge Studies in Innovation, organization and technology, Taylor & Francis, New York, London 2013, s. 52-53.
69 V.V. Krishna, T. Turpin, dz. cyt., s. 5-7.
70 S. Korenik, E. Szostak, dz. cyt., s. 328; I. Miles, J. Rigby, s. 56; P. van den Besselaar, K. Börner, A. Scharnhorst, dz. cyt., s. 262.
71 J.E. Rubio, N. Tshipamba, dz. cyt., s. 67.
72 J. Rigby, Y. Nugroho, K. Morrison, I. Miles, dz. cyt., s. 30-31.
24 zaprojektowane działania kształtujące pożądane rezultaty. Szczególne zastosowanie mają tu badania foresight
73. Dąży się do przewidywania prawdopodobnych scenariuszy przyszłości i podejmowania działań w kierunku ich realizacji. Innowacje są uzyskiwane w wyniku podejmowanych inicjatyw tworzenia nowej wiedzy. To podejście sprzyja rozwojowi innowacji przełomowych. Przeciwstawne podejście reaktywne cechuje podejmowanie działań w odpowiedzi na zaistniałe uwarunkowania.
Trudność w kreowaniu polityki naukowej wynika z tego, że badania naukowe wiążą się z niepewnością i ryzykiem, i trudno w pełni zaplanować i przewidzieć efekty działalności naukowej
74. Polityka naukowa powinna zatem uwzględniać dwa horyzonty: długofalowy i krótkoterminowy. W horyzoncie długim powinno dążyć się do przekształcenia systemu badań i innowacji w kierunku tworzenia i stosowania nowej wiedzy w skali międzynarodowej
75. W horyzoncie krótkim ważne jest polepszenie produktywności w gospodarce przez zastosowanie istniejącej wiedzy. W praktyce, w krótkim okresie, polityka naukowa dotyczy głównie podejmowania decyzji na temat alokacji zasobów finansowych
76.
Mając to na uwadze oraz porządkując zagadnienia poruszane w literaturze, autorka pracy zauważyła, że kreowanie polityki naukowej zasadniczo odbywa się w trzech wymiarach:
strategicznym – tworzenie wizji politycznej, formowanie założeń i strategii;
operacyjnym – formułowanie polityki, ustalanie celów i kierunków badań;
taktycznym – realizacja polityki w zakresie organizowania systemu nauki i wdrażania polityki naukowej.
Klasyczny cykl polityki naukowej składa się z pięciu faz: formułowania problemu, projektowania polityki, podejmowania decyzji, realizacji oraz ewaluacji i monitoringu (rysunek 1.4).
73 J. Nazarko, Regionalny foresight gospodarczy. Metodologia i instrumentarium badawcze, Mazowieckie Centrum Informacji Gospodarczej, Warszawa 2013, s. 12; T. Ahlqvist, V. Valovirta, T. Loikkanen, Innovation policy roadmapping as a systemic instrument for looking-foreward policy design, “Science and public policy”
2012, t. 39, s. 178-190; T. Könnölä, F. Scapolo, P. Desruelle, R. Mu, Foresight tackling societal challenges:
Impacts and implications on policy-making, “Futures” 2011, t. 43, s. 252-264.
74 M. Miedziński, Wybrane zagadnienia ewaluacji polityki innowacyjnej, [w:] Teoria i praktyka ewaluacji interwencji publicznych, K. Olejniczak, M. Kozak, B. Ledzion (red.), Wydawnictwa Akademickie i Profesjonalne, Warszawa 2008, s. 484.
75 J. Kozłowski, OECD doradza...
76 I. Feller, dz. cyt., s. 102.
