2.3 Количество лицензионных соглашений, отнесенное к количеству хозяйственных договоров
2.4 Количество охранных документов, полученных на результаты прикладных НИР
3 НИОКР 3.1 Объемы финансирования НИОКР по видам источников, отнесенные к объемам финансирования ФПИ плюс прикладные НИР
2.2 Кадровый состав занимающихся НИОКР
2.3 Количество лицензионных соглашений, отнесенное к количеству хозяйственных договоров
2.4 Количество охранных документов, полученных на результаты НИОКР
4 Трансфер технологий из университета в промыш-ленность России и за рубеж 4.1 Количество специалистов, профессионально занимающихся трансфером технологий
4.2 Объемы средств, получаемых по лицензионным соглашениям, продажам патентов и т.д., отнесенные к объемам финансирования ФПИ плюс прикладные НИР плюс НИОКР
4.3 Является ли вуз участником международных партнерских сетей по трансферу технологий
В качестве критерия оценки принадлежности проекта к инновационному служит степень продвижения во времени при наращивании объема освоения. Имеется в виду классическая схема освоения средств от фундаментальной НИР и НИОКР до промышленной серии.
Эффективность инновационного проекта оценивается по темпу возврата средств, затраченных на работу, при безусловной полезности результата. Таким образом, в основе концепции мониторинга инновационного потенциала вузов России лежит идея решения проблемы инновационной активности путем создания системы сбора данных, их анализа и принятия адекватных управленческих решений.
Вариант № 14
Организация проведения опытной эксплуатации
Статистические данные полученные в результате обработки 113 анкет, представленных следующими группами учреждений и организаций:
Высшие учебные заведения – всего 50 анкет, в том числе 40 государственных вузов и 10 негосударственных;
Научные организации (научно-исследовательские институты, конструкторско-технологические отделы, конструкторские бюро) при вузах – 20 организаций;
Учреждения Академии наук – 43 (в том числе 35 учреждений РАН, 6 – Российской Академии сельскохозяйственных наук и 2 учреждения Росийской Академии образования).
Необходимым элементом мониторинга научного и инновационного потенциала вузов является его экспертная оценка на основе социологического обследования авторитетными экспертами. Разработанная анкета эксперта приведена в разделе 2 и содержит 20 вопросов, в том числе такие, как:
уровень оснащенности вуза научным оборудованием и вычислительной техникой;
соответствие численности работников и их научной квалификации уровню финансирования и результативности научных исследований и разработок;
степень эффективности использования научного и кадрового потенциала вузов;
соответствие результатов научных исследований требованиям рынка;
оценка инновационного потенциала вуза.
Разработанная анкета была заполнена 10 независимыми экспертами.
Полученные анкеты от вузоы и независимых экспертов были обработаны. Результаты обработки подтвердили правильность разработанной на предидущих этапах методологии и организационных принципов построения мониторинга инновационного потенциала вузов России.
Кадровый потенциал
№
п/п Общее количество В % к общему количеству На 100 докторов наук
1. Общая численность 2 499 100 %
в том числе
1.1. Докторов наук 162 6,5 211
1.2. Кандидатов наук 541 21,6
1.3. Аспирантов и докторантов 342 13,6
1.4. Прочих 1 454 58,2
При выборе критерия также необходимо руководствоваться его возможностями характеризовать непосредственно точность прогнозирования. Например, это можно сделать с помощью критерия постпрогнозов, базирующемся на сравнении некоторых известных наблюдений временных рядов и их прогнозов.
Кроме критериев описания исходных данных, по нашему мнению, также должны быть использованы критерии, отражающие процесс передачи информации моделью прогнозирования. Эти критерии рекомендуется применять для выбора базисного периода прогнозирования с наименьшей ошибкой, определять соответствие между количеством параметров и числом наблюдений во временном ряду, характеризовать нестационарность временного ряда и т.д. Они отражают количество и качество информации, которая аккумулируется в модели прогнозирования динамики НИП.
Применение информационных критериев позволяет добиться повышения точности прогнозов. В частности, уменьшение базисного периода приводит к увеличению точности прогноза, что, вообще говоря, противоречит канонам математической статистики. Если же проводить стационаризацию временных рядов, то это может привести к утрате корреляционных связей и, следовательно, к снижению точности прогнозов.
Параметры моделей, рассчитываемые по методу наименьших квадратов, оказываются наиболее смещенными для последних значений временного ряда, которые обычно имеют наибольшие абсолютные значения. Между тем, описание этих значений наиболее важно при прогнозировании, так как они несут информацию о последних тенденциях. Усиление влияния последних наблюдений с помощью весовых значений при расчете параметров достигается фактически за счет сокращения количества информации, что не всегда возможно и желательно, учитывая небольшую длину рядов (5-10 наблюдений).
Вариант № 15
Разработка методики прогнозирования динамики потенциала и научных организаций
Выработка прогноза развития научного инновационного потенциала (НИП), предназначенного для оперативного принятия управленческих решений (на региональном уровне), представляет собой сложную проблему, обусловленную спецификой и научными традициями. Для научной инфраструктуры, например Северо-запада, характерна высокая концентрация НИП, однако его распределение по различным научным направлениям неравномерно, что существенно осложняет решение проблемы реструктуризации научных организаций на основе комплекса мероприятий по рациональному финансированию текущих и перспективных научных исследований.
Для преодоления перечисленных проблем предлагается разработка методики прогнозирования НИП научных организаций, включающей в себя реализацию следующих этапов:
Выбор и формирование базовых параметров для построения моделей прогнозирования.
Методическое обеспечение процедуры прогнозирования динамики потенциала.
Организация и апробация модели прогнозирования научного потенциала.
Дадим краткую характеристику перечисленных этапов.
В задачах комплексного мониторинга вузов отраслевого и федерального подчинения одним из центральных вопросов является прогнозирование динамики НИП. При этом к числу узловых проблем следует отнести:
определение термина "прогноз" применительно к понятию НИП;
выбор адекватных методов и моделей прогнозирования;
оценку качества прогнозирования и отыскание способов его повышения.
Очевидно, что успешное решение совокупности перечисленных проблем возможно лишь применительно к конкретным и достаточно узким классам объектов прогнозирования, характеризуемых относительно однородным видом используемой информации. Однако понятие научного потенциала включает в себя комплексное объединение принципиально разнородных факторов, агрегированных по кадровым, материально-техническим, финансово-экономическим аспектам и ресурсам; кроме этого, важнейшей определяющей чертой НИП является необходимость учета такого "трудноощутимого" фактора как данные по научной результативности и научной отдаче.
Результативность научных исследований и разработок
№
п/п Показатель Общее количество В среднем на 1 сотрудника
1. Всего публикаций 1 489 0,6
в том числе за рубежом 335 0,13
2. Охранные документы на объекты интеллектуальной собственности 22 0,01
3. Поддерживаемые патенты и образцы 32 0,01
4. Лицензионные договора - -
5. Конференции, в которых принимали участие сотрудники 336 0,13
в том числе международных 210 0,08
6. Выставки, на которых представлялась продукция 32 0,01
в том числе международных 24 0,01
Основные показатели, приведенные в "Анкете основных показателей деятельности научных организаций" [П1], позволяют выбрать и сформировать базовые параметры модели (и/ или моделей) прогнозирования динамики НИП. Понятие "прогноз динамики НИП" включает в себя интегральные индикаторы и/или систему локальных параметров и характеристик, изменяющихся некоторым преимущественным (тенденциозным) образом в будущие моменты времени на основании анализа и оценивания текущих и предшествующих значений соответствующих показателей и характеристик, связанных с научной деятельностью организаций. При этом в зависимости от срока выработки прогноза различают кратко-, средне- и долгосрочные прогнозы.