Экономика науки: кадры, деньги, потенциал
ОБЗОР / #1–2_2021
Текст: Наталия АНДРЕЕВА / Иллюстрация: Влад СУРОВЕГИН
Когда речь заходит о развитии науки в России, в центре обсуждения обычно оказываются научные и научно-технологические достижения российских исследователей или, в лучшем случае, вечная проблема финансирования. Но у этого сюжета есть множество других аспектов, обсуждаемых гораздо реже, и самый проблемный из них — это эффективность и продуктивность научно-исследовательской деятельности.
Понятно, почему вопрос эффективности (количество денег, приходящихся на одного исследователя) и продуктивности (количество статей, патентов и иных результатов интеллектуальной деятельности, опять же на одного исследователя) так часто остается за скобками: по многим качественным и количественным показателям развития науки Россия входит в число стран — мировых лидеров. Российская занятость в науке — одна из самых масштабных в мире; постепенно восстанавливается материально-техническая база научно-исследовательских организаций различного типа и профиля; с 2012 года в целом можно говорить о воспроизводстве научных кадров (число вновь принятых на работу исследователей сравнялось с количеством выбывающих кадров); как показывает детальный наукометрический анализ, проведенный НИУ ВШЭ («Факты о российской науке», issek.hse.ru/ruscience/), по-прежнему сильны позиции России в ряде научных областей: физике, химии, математике, космических исследованиях, материаловедении и пр.
В части научной продуктивности российская наука — на фоне постепенного улучшения общей ситуации — тоже показывает хорошую количественную динамику: с 2014 года число научных статей, опубликованных российскими исследователями, выросло почти в два раза (с 0,16 до 0,31 статьи на человека) — заметно больше, чем предполагал рост реального финансирования исследований и разработок (всего 6,3% в долларовом эквиваленте 2015 года). Схожей динамики в научной продуктивности из всех стран — мировых научных лидеров пока не демонстрирует ни одна, даже Китай, уже пару лет как вырвавшийся на первое место в мире по количеству научных публикаций (во многом — из-за ставки на линейное наращивание количества исследователей).
Но дьявол, как обычно, кроется в деталях.
Например, несмотря на растущую публикационную активность российских исследователей, на фоне остальных стран — мировых научных лидеров очень заметна проблема качества и глобальной востребованности российских научных результатов: уровень интереса к российским научным публикациям (цитируемость) стабильно в полтора-два раза ниже, чем к результатам и публикациям зарубежных коллег.
Еще заметнее разрыв в чисто экономической эффективности: по сравнению с пятеркой стран —мировых лидеров, количество денег, приходящихся на одного российского ученого, ниже в два-три раза.
В части научной продуктивности российская наука — на фоне постепенного улучшения общей ситуации — тоже показывает хорошую количественную динамику: с 2014 года число научных статей, опубликованных российскими исследователями, выросло почти в два раза (с 0,16 до 0,31 статьи на человека) — заметно больше, чем предполагал рост реального финансирования исследований и разработок (всего 6,3% в долларовом эквиваленте 2015 года). Схожей динамики в научной продуктивности из всех стран — мировых научных лидеров пока не демонстрирует ни одна, даже Китай, уже пару лет как вырвавшийся на первое место в мире по количеству научных публикаций (во многом — из-за ставки на линейное наращивание количества исследователей).
Но дьявол, как обычно, кроется в деталях.
Например, несмотря на растущую публикационную активность российских исследователей, на фоне остальных стран — мировых научных лидеров очень заметна проблема качества и глобальной востребованности российских научных результатов: уровень интереса к российским научным публикациям (цитируемость) стабильно в полтора-два раза ниже, чем к результатам и публикациям зарубежных коллег.
Еще заметнее разрыв в чисто экономической эффективности: по сравнению с пятеркой стран —мировых лидеров, количество денег, приходящихся на одного российского ученого, ниже в два-три раза.
Средняя цитируемость статей за 2014–2019 годы, цитирований на статью
Средний объем финансирования на исследователя в год, 2014–2018 годы, в ценах 2015 года
Среднее количество статей на исследователя
К сожалению, отставание российских НИИ, университетов и бизнеса с точки зрения экономической эффективности и качества исследований связано не только с недостатком финансирования, которым традиционно объясняют многие проблемы российской науки. Китай, показывающий очень схожую динамику развития научно-исследовательского комплекса (быстрый рост числа публикаций на фоне поступательного увеличения финансирования), значительно превосходит Россию в качестве научного результата: цитируемость статей китайских авторов в среднем в два раза выше, чем российских, хотя объемы финансирования в расчете на одного исследователя в Китае ниже российских ровно в те же два раза.
Судя по всему, дело в том, что наши зарубежные коллеги и партнеры по научному цеху шли к нынешнему уровню эффективности и качества исследовательской деятельности на протяжении последних 40 лет.
Судя по всему, дело в том, что наши зарубежные коллеги и партнеры по научному цеху шли к нынешнему уровню эффективности и качества исследовательской деятельности на протяжении последних 40 лет.
Большая политика
Экономическая эффективность стала одной из глобально принятых метрик развития науки, научных организаций и команд во многом вынужденно — по инициативе государства.
Ключевым фактором, определившим крен государственных научно-технологических политик в сторону эффективности и продуктивности, были бюджетные дефициты начала-середины 1980-х годов, в первую очередь в США (на фоне долгового кризиса 1982 года).
Именно необходимость переструктурирования государственного финансирования науки повлекла за собой переход к «финансированию, ориентированному на результат» и, шире, к изменению понимания места науки в социально-экономическом и технологическом развитии: в большинстве развитых стран наука стала рассматриваться как неотъемлемый элемент «инновационной экономики», включающей всю цепочку создания и внедрения инноваций, от центров производства знания до конечного потребителя (основы этого подхода в свое время заложила теоретико-методическая работа К. Фримана «Экономическая теория промышленных инноваций»).
Примерно в это же время был дан старт и процессу развития инновационной составляющей деятельности университетов и государственных исследовательских центров; самым заметным событием в этой связи стало принятие в США Федерального акта о трансфере технологий (Federal Technology Transfer Act, 1986), определившего условия использования интеллектуальной собственности, созданной с участием государственного финансирования.
К середине 1990-х годов этот подход стал общепринятым, во многом благодаря деятельности Организации экономического сотрудничества и развития (ОЭСР), продвигавшей подход «наука — инновации — экономический рост» как основу реформирования научно-технологической политики развитых стран.
Соответствующим образом было перестроено и управление научным комплексом: государственное финансирование науки осуществляется по модели «заказчик — исполнитель», для оценки научных результатов и вклада науки в социально-экономическое развитие используются «индустриальные» метрики: применимость полученного знания (например, в рамках широко распространенного подхода Technology Readiness Level / TRL, разработанного в NASA и к концу 1990-х внедренного в целом ряде государственных агентств и фондов, в том числе за пределами США), количество статей, цитируемость и пр.
Изменение принципов государственного финансирования привело к тому, что исследовательские центры и университеты были вынуждены более активно работать с индустриями и компаниями, требования которых к скорости исследований и качеству научных результатов были куда выше государственных.
Наконец, дополнительно увеличила давление на науку с точки зрения результативности, эффективности и качества концепция «больших вызовов» (grand challenges) — сверхсложных национальных и глобальных проблем, требующих принципиально новых подходов к их решению и являющихся основанием для определения государственных приоритетов в области научно-технологической политики в целом и направлений финансирования исследований и разработок в частности.
Переход к концепции «больших вызовов» в управлении наукой и научно-технологическим развитием начался после доклада Генерального секретаря ООН Кофи Аннана «Мы, народы: роль ООН в XXI веке» на Саммите тысячелетия (март 2000 года) и «Декларации тысячелетия ООН». Среди наиболее значимых для человечества вызовов были обозначены устойчивое развитие, борьба с нищетой, решение проблемы ВИЧ/СПИДа и пр. В последующие годы «большие вызовы» постоянно учитывались при выборе приоритетов государственной научной и научно-технологической политики в ряде развитых стран, а также обусловили развитие механизмов государственной поддержки научного комплекса, которые, помимо всего прочего, должны были способствовать трансформации исследовательских результатов в технологии, а технологий — в продукты, востребованные национальными и глобальными рынками.
Переход к финансированию, ориентированному на результат, и постоянно растущие требования со стороны индустрий и новых рынков к качеству и скорости исследований сказались на деятельности научно-исследовательских организаций. Исследовательские центры и университеты были вынуждены адаптироваться и меняться.
Экономическая эффективность стала одной из глобально принятых метрик развития науки, научных организаций и команд во многом вынужденно — по инициативе государства.
Ключевым фактором, определившим крен государственных научно-технологических политик в сторону эффективности и продуктивности, были бюджетные дефициты начала-середины 1980-х годов, в первую очередь в США (на фоне долгового кризиса 1982 года).
Именно необходимость переструктурирования государственного финансирования науки повлекла за собой переход к «финансированию, ориентированному на результат» и, шире, к изменению понимания места науки в социально-экономическом и технологическом развитии: в большинстве развитых стран наука стала рассматриваться как неотъемлемый элемент «инновационной экономики», включающей всю цепочку создания и внедрения инноваций, от центров производства знания до конечного потребителя (основы этого подхода в свое время заложила теоретико-методическая работа К. Фримана «Экономическая теория промышленных инноваций»).
Примерно в это же время был дан старт и процессу развития инновационной составляющей деятельности университетов и государственных исследовательских центров; самым заметным событием в этой связи стало принятие в США Федерального акта о трансфере технологий (Federal Technology Transfer Act, 1986), определившего условия использования интеллектуальной собственности, созданной с участием государственного финансирования.
К середине 1990-х годов этот подход стал общепринятым, во многом благодаря деятельности Организации экономического сотрудничества и развития (ОЭСР), продвигавшей подход «наука — инновации — экономический рост» как основу реформирования научно-технологической политики развитых стран.
Соответствующим образом было перестроено и управление научным комплексом: государственное финансирование науки осуществляется по модели «заказчик — исполнитель», для оценки научных результатов и вклада науки в социально-экономическое развитие используются «индустриальные» метрики: применимость полученного знания (например, в рамках широко распространенного подхода Technology Readiness Level / TRL, разработанного в NASA и к концу 1990-х внедренного в целом ряде государственных агентств и фондов, в том числе за пределами США), количество статей, цитируемость и пр.
Изменение принципов государственного финансирования привело к тому, что исследовательские центры и университеты были вынуждены более активно работать с индустриями и компаниями, требования которых к скорости исследований и качеству научных результатов были куда выше государственных.
Наконец, дополнительно увеличила давление на науку с точки зрения результативности, эффективности и качества концепция «больших вызовов» (grand challenges) — сверхсложных национальных и глобальных проблем, требующих принципиально новых подходов к их решению и являющихся основанием для определения государственных приоритетов в области научно-технологической политики в целом и направлений финансирования исследований и разработок в частности.
Переход к концепции «больших вызовов» в управлении наукой и научно-технологическим развитием начался после доклада Генерального секретаря ООН Кофи Аннана «Мы, народы: роль ООН в XXI веке» на Саммите тысячелетия (март 2000 года) и «Декларации тысячелетия ООН». Среди наиболее значимых для человечества вызовов были обозначены устойчивое развитие, борьба с нищетой, решение проблемы ВИЧ/СПИДа и пр. В последующие годы «большие вызовы» постоянно учитывались при выборе приоритетов государственной научной и научно-технологической политики в ряде развитых стран, а также обусловили развитие механизмов государственной поддержки научного комплекса, которые, помимо всего прочего, должны были способствовать трансформации исследовательских результатов в технологии, а технологий — в продукты, востребованные национальными и глобальными рынками.
Переход к финансированию, ориентированному на результат, и постоянно растущие требования со стороны индустрий и новых рынков к качеству и скорости исследований сказались на деятельности научно-исследовательских организаций. Исследовательские центры и университеты были вынуждены адаптироваться и меняться.
Списать у соседа
Одним из главных направлений адаптации зарубежных научно-исследовательских организаций к растущим требованиям стала организационная трансформация, в первую очередь — максимальная оптимизация исследовательского процесса, позволяющая организациям и отдельным командам «успевать» за рыночным и государственным заказом — и с точки зрения качества результата, и с точки зрения скорости — ключевого требования высокотехнологичных компаний.
Главное направление оптимизации — снятие с исследователей «не исследовательской» нагрузки, по сути аутсорсинг второстепенных по отношению к исследовательскому процессу задач, в особенности — связанных с привлечением финансирования. Например, Технологический университет Сиднея, стремясь к повышению продуктивности и эффективности научного блока, радикально и быстро, за три года (2015−2017) оптимизировал процесс привлечения и «обработки» финансирования, создав специализированный грантовый офис, который профессионально готовит заявки на гранты, работает с коммерческими компаниями и занимается бумажной отчетностью.
Кроме того, университеты и научно-исследовательские центры внедряют новые лабораторные решения: в последние 15 лет в мире идет переход к роботизированным, гибким, эффективным лабораториям (См. например, Paskanik M. (2018). How Lab Design Can Encourage New Ways of Thinking // Lab Manager, vol. 13 (9) URL: www.labmanager.com; May M. (2016). Running and Monitoring Lab Processes from Afar // Lab Manager, vol. 11 (10) URL: www.labmanager.com; Handerhan B, Szesterniak M. (2015). Five Trends in Life Science Lab Instrumentation // Lab Manager, vol. 10 (11). URL: www.labmanager.com и др.), сопровождающийся полной цифровизацией исследовательского процесса (в том числе вытеснением аналоговых способов фиксации информации, использованием цифрового моделирования вместо натурных экспериментов, широким распространением цифровых систем управления исследовательским процессом и пр.).
Один из самых ранних примеров внедрения такого оборудования — Центр материаловедения и инжиниринга Массачусетского технологического университета (Center for Materials Science and Engineering, MIT). Созданный в 1998 году центр был укомплектован максимально автоматизированным оборудованием: атомно-силовым микроскопом, спектрометрами нового поколения и пр., — для работы с которым сотрудники должны владеть языками программирования (C++, C# и др.), иметь опыт обработки больших массивов данных и навыки их визуализации, поскольку «вручную» получаемую с исследовательского оборудования информацию обрабатывать невозможно — ее слишком много.
Схожим образом устроена и цифровая экосистема Большого адронного коллайдера в CERN: для обработки результатов его работы создана глобальная вычислительная инфраструктура (Worldwide LHC Computing Grid), в которую входят более 800 тыс. компьютеров, решающих около 2 млн задач в день и расположенных в 42 странах мира.
Цифровые платформы в исследованиях по своей архитектуре и функциям постепенно приближаются к цифровым платформам в промышленности, а код и цифровые дата-сеты, по данным ОЭСР, уже входят в результаты порядка 30% всех исследований, ведущихся в мире.
У ускорения научно-исследовательского процесса есть один очень значимый риск — это падение качества научного результата. Для работы с этой проблемой ведущие мировые научные центры и университеты разворачивают системы управления качеством исследований, в первую очередь — в части корректировки «нормативных» условий для исследователей (в том числе несовместимых с качеством требований по количеству публикаций, цитируемости и пр.) и соответствия растущим требованиям к качеству результатов, включая использование наукометрических показателей, ориентацию на публикацию в ведущих международных научных изданиях, преимущественное использование английского языка и пр.
Системы поддержки качества исследований создали KU Leuven, Университет Гента, Университет Глазго и пр. — через «исследовательские биографии/CV» и переход к коллегиальности/peer review при оценке результатов исследований — вместо количества публикаций, цитируемости и пр. Также многие исследовательские центры и университеты институционализируют исследовательскую этику, от создания должности консультанта по research integrity (Университет Люксембурга) до разворачивания специализированных цифровых хабов, которые должны обеспечивать высокое качество исследовательского процесса (Оксфорд). Такой подход — по сравнению с количественными метриками — выглядит ресурсоемким, но, как ожидается, может кардинально улучшить научные результаты — и с точки зрения их реальной значимости для науки и технологий, и с точки зрения тех же количественных показателей (цитируемость).
Наконец, научно-исследовательские организации плотно работают с человеческим капиталом. Самый интересный опыт в этой части сложился у зарубежных университетов, вынужденных работать на повышение своей научной репутации и продуктивности, в том числе для продвижения в мировых рейтингах.
Как показывает международная практика, самый быстрый способ развития научного человеческого капитала — агрессивный международный рекрутинг. Например, университет короля Абдул-Азиза в Джидде с 2010 по 2014 год рекрутировал около 150 ученых с мировым именем и развернул под их руководством целую плеяду центров и лабораторий; к 2020 году всё это выросло в 13 международных «центров превосходства» и 25 международных исследовательских групп по глобально значимым научным направлениям (геномика, передовая медицина, индустрия 4.0 и пр.).
Альтернативная и куда более распространенная стратегия — ставка на собственных сотрудников и их развитие; именно в этой логике уже упоминавшийся Технологический университет Сиднея создал полноценную систему для работы с человеческим капиталом в науке: кадровый офис, центр управления карьерой со специализированными образовательными программами, платформу поддержки внутренней коллаборации и пр. (университет короля Абдул-Азиза в конечном итоге тоже перешел к этой модели работы с людьми — и в 2020 году развернул внутреннюю университетскую программу Future Leaders для поиска и подготовки собственных научных звезд).
Одним из главных направлений адаптации зарубежных научно-исследовательских организаций к растущим требованиям стала организационная трансформация, в первую очередь — максимальная оптимизация исследовательского процесса, позволяющая организациям и отдельным командам «успевать» за рыночным и государственным заказом — и с точки зрения качества результата, и с точки зрения скорости — ключевого требования высокотехнологичных компаний.
Главное направление оптимизации — снятие с исследователей «не исследовательской» нагрузки, по сути аутсорсинг второстепенных по отношению к исследовательскому процессу задач, в особенности — связанных с привлечением финансирования. Например, Технологический университет Сиднея, стремясь к повышению продуктивности и эффективности научного блока, радикально и быстро, за три года (2015−2017) оптимизировал процесс привлечения и «обработки» финансирования, создав специализированный грантовый офис, который профессионально готовит заявки на гранты, работает с коммерческими компаниями и занимается бумажной отчетностью.
Кроме того, университеты и научно-исследовательские центры внедряют новые лабораторные решения: в последние 15 лет в мире идет переход к роботизированным, гибким, эффективным лабораториям (См. например, Paskanik M. (2018). How Lab Design Can Encourage New Ways of Thinking // Lab Manager, vol. 13 (9) URL: www.labmanager.com; May M. (2016). Running and Monitoring Lab Processes from Afar // Lab Manager, vol. 11 (10) URL: www.labmanager.com; Handerhan B, Szesterniak M. (2015). Five Trends in Life Science Lab Instrumentation // Lab Manager, vol. 10 (11). URL: www.labmanager.com и др.), сопровождающийся полной цифровизацией исследовательского процесса (в том числе вытеснением аналоговых способов фиксации информации, использованием цифрового моделирования вместо натурных экспериментов, широким распространением цифровых систем управления исследовательским процессом и пр.).
Один из самых ранних примеров внедрения такого оборудования — Центр материаловедения и инжиниринга Массачусетского технологического университета (Center for Materials Science and Engineering, MIT). Созданный в 1998 году центр был укомплектован максимально автоматизированным оборудованием: атомно-силовым микроскопом, спектрометрами нового поколения и пр., — для работы с которым сотрудники должны владеть языками программирования (C++, C# и др.), иметь опыт обработки больших массивов данных и навыки их визуализации, поскольку «вручную» получаемую с исследовательского оборудования информацию обрабатывать невозможно — ее слишком много.
Схожим образом устроена и цифровая экосистема Большого адронного коллайдера в CERN: для обработки результатов его работы создана глобальная вычислительная инфраструктура (Worldwide LHC Computing Grid), в которую входят более 800 тыс. компьютеров, решающих около 2 млн задач в день и расположенных в 42 странах мира.
Цифровые платформы в исследованиях по своей архитектуре и функциям постепенно приближаются к цифровым платформам в промышленности, а код и цифровые дата-сеты, по данным ОЭСР, уже входят в результаты порядка 30% всех исследований, ведущихся в мире.
У ускорения научно-исследовательского процесса есть один очень значимый риск — это падение качества научного результата. Для работы с этой проблемой ведущие мировые научные центры и университеты разворачивают системы управления качеством исследований, в первую очередь — в части корректировки «нормативных» условий для исследователей (в том числе несовместимых с качеством требований по количеству публикаций, цитируемости и пр.) и соответствия растущим требованиям к качеству результатов, включая использование наукометрических показателей, ориентацию на публикацию в ведущих международных научных изданиях, преимущественное использование английского языка и пр.
Системы поддержки качества исследований создали KU Leuven, Университет Гента, Университет Глазго и пр. — через «исследовательские биографии/CV» и переход к коллегиальности/peer review при оценке результатов исследований — вместо количества публикаций, цитируемости и пр. Также многие исследовательские центры и университеты институционализируют исследовательскую этику, от создания должности консультанта по research integrity (Университет Люксембурга) до разворачивания специализированных цифровых хабов, которые должны обеспечивать высокое качество исследовательского процесса (Оксфорд). Такой подход — по сравнению с количественными метриками — выглядит ресурсоемким, но, как ожидается, может кардинально улучшить научные результаты — и с точки зрения их реальной значимости для науки и технологий, и с точки зрения тех же количественных показателей (цитируемость).
Наконец, научно-исследовательские организации плотно работают с человеческим капиталом. Самый интересный опыт в этой части сложился у зарубежных университетов, вынужденных работать на повышение своей научной репутации и продуктивности, в том числе для продвижения в мировых рейтингах.
Как показывает международная практика, самый быстрый способ развития научного человеческого капитала — агрессивный международный рекрутинг. Например, университет короля Абдул-Азиза в Джидде с 2010 по 2014 год рекрутировал около 150 ученых с мировым именем и развернул под их руководством целую плеяду центров и лабораторий; к 2020 году всё это выросло в 13 международных «центров превосходства» и 25 международных исследовательских групп по глобально значимым научным направлениям (геномика, передовая медицина, индустрия 4.0 и пр.).
Альтернативная и куда более распространенная стратегия — ставка на собственных сотрудников и их развитие; именно в этой логике уже упоминавшийся Технологический университет Сиднея создал полноценную систему для работы с человеческим капиталом в науке: кадровый офис, центр управления карьерой со специализированными образовательными программами, платформу поддержки внутренней коллаборации и пр. (университет короля Абдул-Азиза в конечном итоге тоже перешел к этой модели работы с людьми — и в 2020 году развернул внутреннюю университетскую программу Future Leaders для поиска и подготовки собственных научных звезд).
Российские приоритеты
Вернемся к российской ситуации. На общегосударственном уровне Россия стала перенимать глобально принятые форматы управления наукой в середине 2010-х годов.
Как и в странах — мировых научных лидерах, на федеральном уровне был закреплен подход к тематической приоритезации «научного» финансирования исходя из «больших вызовов»; именно таким образом определены приоритетные направления исследований и разработок в «Стратегии научно-технологического развития» (СНТР), принятой в конце 2016 года. Рост влияния российской науки в областях, определенных приоритетами научно-технологического развития, — один из основных целевых показателей национального проекта «Наука»; логика мониторинга «больших вызовов» и изменение системы стратегического планирования в науке в соответствии с этими вызовами также заложены в свежей «Программе фундаментальных научных исследований в Российской Федерации» (2021−2030), утвержденной в самом конце 2020 года.
Конечно, масштабы реального перераспределения финансирования в сторону «больших вызовов» пока не очевидны, и, скорее всего, результатов этого предполагаемого перераспределения придется ожидать еще довольно долго: в конце 2020 года заместитель председателя правительства Дмитрий Чернышенко уже объявил о том, что СНТР должна быть пересмотрена и актуализирована с учетом новых национальных целей. Кроме того, научная и технологическая специализация России остается неизменной уже десятилетия; как показало одно из исследований НИУ ВШЭ, за последние годы специализация пополнилась лишь двумя новыми направлениями: «нанотехнологии» («микроструктурные технологии») и «прочие потребительские товары»; на традиционные области научной специализации (физика, химия и пр.) приходится больше половины международных публикаций российских исследователей.
Тем не менее большинство инструментов и механизмов реализации научно-технологической политики, которые планируется использовать в ходе реализации СНТР, национального проекта «Наука» и государственной программы «Научно-технологическое развитие» (федеральные научно-технические программы, комплексные научно-технические программы полного инновационного цикла и др.), будут функционировать в логике, предусматривающей, в числе прочего, рост научной продуктивности и эффективности за счет соответствующих целевых / отчетных показателей.
Схожая логика — повышение эффективности и качества — заложена и в новую программу стратегического академического лидерства «Приоритет 2030», направленную на развитие науки в российских университетах, хотя в последней версии программы соответствующие отчетные показатели, к которым должны будут стремиться университеты, — общий объем финансирования исследований и разработок, привлечение денег из реального сектора, результативность научной деятельности и пр. — относятся к дополнительным, а не к основным.
Вернемся к российской ситуации. На общегосударственном уровне Россия стала перенимать глобально принятые форматы управления наукой в середине 2010-х годов.
Как и в странах — мировых научных лидерах, на федеральном уровне был закреплен подход к тематической приоритезации «научного» финансирования исходя из «больших вызовов»; именно таким образом определены приоритетные направления исследований и разработок в «Стратегии научно-технологического развития» (СНТР), принятой в конце 2016 года. Рост влияния российской науки в областях, определенных приоритетами научно-технологического развития, — один из основных целевых показателей национального проекта «Наука»; логика мониторинга «больших вызовов» и изменение системы стратегического планирования в науке в соответствии с этими вызовами также заложены в свежей «Программе фундаментальных научных исследований в Российской Федерации» (2021−2030), утвержденной в самом конце 2020 года.
Конечно, масштабы реального перераспределения финансирования в сторону «больших вызовов» пока не очевидны, и, скорее всего, результатов этого предполагаемого перераспределения придется ожидать еще довольно долго: в конце 2020 года заместитель председателя правительства Дмитрий Чернышенко уже объявил о том, что СНТР должна быть пересмотрена и актуализирована с учетом новых национальных целей. Кроме того, научная и технологическая специализация России остается неизменной уже десятилетия; как показало одно из исследований НИУ ВШЭ, за последние годы специализация пополнилась лишь двумя новыми направлениями: «нанотехнологии» («микроструктурные технологии») и «прочие потребительские товары»; на традиционные области научной специализации (физика, химия и пр.) приходится больше половины международных публикаций российских исследователей.
Тем не менее большинство инструментов и механизмов реализации научно-технологической политики, которые планируется использовать в ходе реализации СНТР, национального проекта «Наука» и государственной программы «Научно-технологическое развитие» (федеральные научно-технические программы, комплексные научно-технические программы полного инновационного цикла и др.), будут функционировать в логике, предусматривающей, в числе прочего, рост научной продуктивности и эффективности за счет соответствующих целевых / отчетных показателей.
Схожая логика — повышение эффективности и качества — заложена и в новую программу стратегического академического лидерства «Приоритет 2030», направленную на развитие науки в российских университетах, хотя в последней версии программы соответствующие отчетные показатели, к которым должны будут стремиться университеты, — общий объем финансирования исследований и разработок, привлечение денег из реального сектора, результативность научной деятельности и пр. — относятся к дополнительным, а не к основным.
Своя атмосфера: проблемы и решения на местах
Как российские научно-исследовательские организации будут справляться с достижением целевых показателей, связанных с качеством и эффективностью исследований, — отдельный сложный вопрос.
С чисто экономической точки зрения самая непростая ситуация с научной эффективностью сложилась в российских университетах. Университетский научный сектор в России в последние 15 лет стремительно расширяется: с 2005 года количество исследователей в университетах выросло на 50%, с 43,5 до 64,1 тыс. человек. Соответственно, сильно подросли формальные количественные показатели научной результативности университетов, в том числе благодаря программе «5−100»: например, по отдельным университетам — участникам программы количество публикаций в высокорейтинговых научных журналах выросло почти в 10 раз.
При этом чисто экономическая эффективность исследовательского процесса в университетской науке фактически осталась на прежнем уровне: с 2010 по 2018 год объем реальных (в постоянных ценах 2010 года) «научных денег» на человека в университетах увеличился всего на 2,8%.
Принципиально иная ситуация складывается с экономикой науки и исследовательского процесса в коммерческом научном секторе, который в 2010—2018 годах показал рост экономической эффективности на 19,4%. Академические институты, оставаясь, в целом, наименее эффективным научным сектором, тем не менее за это время тоже улучшили свои показатели (рост на 13%).
Как российские научно-исследовательские организации будут справляться с достижением целевых показателей, связанных с качеством и эффективностью исследований, — отдельный сложный вопрос.
С чисто экономической точки зрения самая непростая ситуация с научной эффективностью сложилась в российских университетах. Университетский научный сектор в России в последние 15 лет стремительно расширяется: с 2005 года количество исследователей в университетах выросло на 50%, с 43,5 до 64,1 тыс. человек. Соответственно, сильно подросли формальные количественные показатели научной результативности университетов, в том числе благодаря программе «5−100»: например, по отдельным университетам — участникам программы количество публикаций в высокорейтинговых научных журналах выросло почти в 10 раз.
При этом чисто экономическая эффективность исследовательского процесса в университетской науке фактически осталась на прежнем уровне: с 2010 по 2018 год объем реальных (в постоянных ценах 2010 года) «научных денег» на человека в университетах увеличился всего на 2,8%.
Принципиально иная ситуация складывается с экономикой науки и исследовательского процесса в коммерческом научном секторе, который в 2010—2018 годах показал рост экономической эффективности на 19,4%. Академические институты, оставаясь, в целом, наименее эффективным научным сектором, тем не менее за это время тоже улучшили свои показатели (рост на 13%).
Экономическая эффективность науки по секторам: объем «научных денег» на одного занятого
Такая заметная разница в динамике обусловлена, по-видимому, двумя основными факторами.
Во-первых, коммерческая и государственная наука работают в разных рыночных нишах: в отличие от университетов и государственных НИИ, работающих и с фундаментальными, и с прикладными исследованиями, и с разработками, коммерческий сектор фактически заинтересован только в разработках (опытно-конструкторских, экспериментальных, проектных и пр.); именно на них приходится около 85% всего научного финансирования, проходящего через коммерческий сектор. Велика разница и в приоритетных направлениях исследований: коммерческая наука сосредоточена на транспортных (вместе с космосом на них приходится более 60% всех «научных» затрат) и информационно-коммуникационных (ИКТ, почти 20% затрат) технологиях. Такой заметный тематический крен коммерческой науки в сторону прикладных разработок и транспорта с ИКТ связан, в числе прочего, с приватизацией отраслевых НИИ, изначально работавших с конкретными отраслевыми задачами и проблемами.
Иными словами, частные научно-исследовательские организации работают в прикладных зонах и темах, где можно получить быстрый результат в виде IP, конкретной технологии или конкретного продукта. Именно поэтому «научные деньги» коммерческого сектора остаются в этом секторе: несмотря на явно имеющийся потенциал аутсорсинга, отдать заказ на разработку просто некому, поскольку государственные научные организации и команды чаще всего не соответствуют требованиям отраслей и индустрий к скорости и результативности работы.
Во-первых, коммерческая и государственная наука работают в разных рыночных нишах: в отличие от университетов и государственных НИИ, работающих и с фундаментальными, и с прикладными исследованиями, и с разработками, коммерческий сектор фактически заинтересован только в разработках (опытно-конструкторских, экспериментальных, проектных и пр.); именно на них приходится около 85% всего научного финансирования, проходящего через коммерческий сектор. Велика разница и в приоритетных направлениях исследований: коммерческая наука сосредоточена на транспортных (вместе с космосом на них приходится более 60% всех «научных» затрат) и информационно-коммуникационных (ИКТ, почти 20% затрат) технологиях. Такой заметный тематический крен коммерческой науки в сторону прикладных разработок и транспорта с ИКТ связан, в числе прочего, с приватизацией отраслевых НИИ, изначально работавших с конкретными отраслевыми задачами и проблемами.
Иными словами, частные научно-исследовательские организации работают в прикладных зонах и темах, где можно получить быстрый результат в виде IP, конкретной технологии или конкретного продукта. Именно поэтому «научные деньги» коммерческого сектора остаются в этом секторе: несмотря на явно имеющийся потенциал аутсорсинга, отдать заказ на разработку просто некому, поскольку государственные научные организации и команды чаще всего не соответствуют требованиям отраслей и индустрий к скорости и результативности работы.
Где оседают «научные деньги» (2018 год), млн руб.
Финансирование отдельных направлений исследований по секторам науки (2018 год), млн руб.
Затраты на типы исследований по секторам науки (2018 год)
Во-вторых, в последние 10 лет российские частные научно-исследовательские организации занимались оптимизацией «научного» кадрового состава, в основном за счет сокращения вспомогательного персонала (более чем на четверть); кроме того, как и в российской науке в целом, в коммерческом ее секторе шло естественное выбытие пожилых исследователей. В итоге каждый второй ученый, работающий в коммерческом секторе, — младше 40 лет, что, конечно, в какой-то мере сказывается на продуктивности и эффективности исследовательского процесса.
Российские же университеты реализовали стратегию китайских научных центров: линейным образом нарастили количество исследователей, сохранив неизменные форматы работы, специфику исследовательского процесса, компетенции и навыки исследователей, то есть во многих случаях не работая ни с качеством, ни с оптимизацией процессов. Что же касается академических институтов, то кадровый состав в них практически не поменялся — ни с точки зрения общего количества исследователей, ни с точки зрения их возраста (к счастью, без видимых потерь для эффективности и продуктивности).
Российские же университеты реализовали стратегию китайских научных центров: линейным образом нарастили количество исследователей, сохранив неизменные форматы работы, специфику исследовательского процесса, компетенции и навыки исследователей, то есть во многих случаях не работая ни с качеством, ни с оптимизацией процессов. Что же касается академических институтов, то кадровый состав в них практически не поменялся — ни с точки зрения общего количества исследователей, ни с точки зрения их возраста (к счастью, без видимых потерь для эффективности и продуктивности).
Возрастной состав исследователей по секторам науки, чел.
С учетом постепенной трансформации российской научной и технологической политики в сторону «больших вызовов», усиления внимания ко вкладу науки в социально-экономическое развитие страны и пр., в ближайшие годы сектора государственных научных институтов и университетской науки столкнутся с целым рядом ограничений и проблем.
Во-первых, существенно увеличится конкуренция за финансирование: сейчас не до конца ясно, что будет с «научными деньгами» в России. Конечно, нацпроект «Наука» предусматривает поступательный рост финансирования науки (внутренних затрат на исследования и разработки) из всех возможных источников. Но за чей счет планируется увеличить объемы «научных денег» в России, пока неизвестно. И высока вероятность того, что речь идет скорее об увеличении вложений со стороны коммерческих компаний, чем со стороны государства.
Это означает, что научным командам университетов и академических институтов придется или подстраиваться под требования рынка (в том числе обеспечивать скорость и качество разработок, соответствующие среднему по рынкам time-to-market — времени, необходимому для превращения идеи в рыночный продукт), чтобы оттянуть на себя хотя бы часть коммерческого заказа, или оптимизировать кадровый состав, как это уже сделали коллеги из частных научно-исследовательских организаций — в особенности, если финансирование науки будет стагнировать или сокращаться.
Во-вторых, будет расти конкуренция за кадры. Всё меньше и меньше выпускников вузов готовы выбирать карьеру в науке: с середины 2000-х годов количество тех, кто закончил аспирантуру, снизилось в два раза, с 35 тыс. до 18 тыс., а количество защищенных диссертаций — в пять раз, с 11,8 тыс. до 2,3 тыс. Иными словами, кадровый резерв в науке поступательно сокращается, и ситуация с человеческим капиталом грозит превратиться в «игру с нулевой суммой», когда научные организации смогут получать новых исследователей, только переманивая их у конкурентов. В нацпроекте «Наука» поставлены цели по увеличению защищаемости (в 2,1 раза к 2024 году) и росту трудоустройства защитившихся аспирантов в научном секторе (по плану, в исследователи/преподаватели должно идти на 25% больше выпускников аспирантур), но механизмы реализации этих целей пока не определены.
Во-первых, существенно увеличится конкуренция за финансирование: сейчас не до конца ясно, что будет с «научными деньгами» в России. Конечно, нацпроект «Наука» предусматривает поступательный рост финансирования науки (внутренних затрат на исследования и разработки) из всех возможных источников. Но за чей счет планируется увеличить объемы «научных денег» в России, пока неизвестно. И высока вероятность того, что речь идет скорее об увеличении вложений со стороны коммерческих компаний, чем со стороны государства.
Это означает, что научным командам университетов и академических институтов придется или подстраиваться под требования рынка (в том числе обеспечивать скорость и качество разработок, соответствующие среднему по рынкам time-to-market — времени, необходимому для превращения идеи в рыночный продукт), чтобы оттянуть на себя хотя бы часть коммерческого заказа, или оптимизировать кадровый состав, как это уже сделали коллеги из частных научно-исследовательских организаций — в особенности, если финансирование науки будет стагнировать или сокращаться.
Во-вторых, будет расти конкуренция за кадры. Всё меньше и меньше выпускников вузов готовы выбирать карьеру в науке: с середины 2000-х годов количество тех, кто закончил аспирантуру, снизилось в два раза, с 35 тыс. до 18 тыс., а количество защищенных диссертаций — в пять раз, с 11,8 тыс. до 2,3 тыс. Иными словами, кадровый резерв в науке поступательно сокращается, и ситуация с человеческим капиталом грозит превратиться в «игру с нулевой суммой», когда научные организации смогут получать новых исследователей, только переманивая их у конкурентов. В нацпроекте «Наука» поставлены цели по увеличению защищаемости (в 2,1 раза к 2024 году) и росту трудоустройства защитившихся аспирантов в научном секторе (по плану, в исследователи/преподаватели должно идти на 25% больше выпускников аспирантур), но механизмы реализации этих целей пока не определены.
Выпуск из аспирантуры, чел.
Но есть и хорошие новости: некоторые российские научно-исследовательские организации (преимущественно университеты, участвующие в федеральных программах развития) уже вкладываются в качество и экономическую эффективность исследований. Многие университеты (и некоторые НИИ) начинают оптимизировать различные компоненты исследовательского процесса.
Самый распространенный вариант — создание центров поддержки/развития публикационной активности, основные задачи которых — подбор высокорейтинговых журналов для публикации и помощь в подготовке статей (редактура, оформление, перевод на английский и пр.).
С другими направлениями оптимизации пока сложнее, особенно с работой с фондами и потенциальными инвесторами, но и в этой сфере постепенно складываются лучшие российские практики. Например, в НИЯУ МИФИ создан и работает грантовый офис, помогающий научным и научно-технологическим командам подбирать источники финансирования, начиная с РНФ и заканчивая венчурными фондами, оформлять заявки на гранты и готовить отчетную документацию. Команда офиса досконально знает все подводные камни при получении грантов, а также специфику принятия решений в каждом из фондов, так что практически каждая заявка, оформленная офисом, получает одобрение и финансирование.
Самый распространенный вариант — создание центров поддержки/развития публикационной активности, основные задачи которых — подбор высокорейтинговых журналов для публикации и помощь в подготовке статей (редактура, оформление, перевод на английский и пр.).
С другими направлениями оптимизации пока сложнее, особенно с работой с фондами и потенциальными инвесторами, но и в этой сфере постепенно складываются лучшие российские практики. Например, в НИЯУ МИФИ создан и работает грантовый офис, помогающий научным и научно-технологическим командам подбирать источники финансирования, начиная с РНФ и заканчивая венчурными фондами, оформлять заявки на гранты и готовить отчетную документацию. Команда офиса досконально знает все подводные камни при получении грантов, а также специфику принятия решений в каждом из фондов, так что практически каждая заявка, оформленная офисом, получает одобрение и финансирование.
Что касается работы с самими исследователями — с точки зрения поиска и продвижения новых научных лидеров, развития навыков и компетенций для повышения качества и эффективности исследований, — у этого направления в России есть шансы на превращение в систематическую, институционализированную деятельность. Согласно нацпроекту «Наука», в рамках создания научно-образовательных центров мирового уровня (НОЦ) предусмотрено разворачивание специализированных центров развития компетенций (ЦРК), которые как раз должны работать с навыками и компетенциями ученых — молодых и состоявшихся.
Пока большинство ЦРК создаются как чисто образовательные центры, осуществляющие профессиональную переподготовку и повышение квалификации, — в отличие от аналогичных зарубежных центров и программ, которые создаются и работают для поиска новых научных лидеров и потенциальных звезд.
В России в такой парадигме, кажется, пока создан (и работает!) только ЦРК Западно-Сибирского межрегионального НОЦ, проводящий специализированные программы для научных и научно-технологических команд и их лидеров (хотя отдельные инициативы подобного рода реализуют СПбПУ, НИУ ИТМО и несколько других российских университетов).
Все программы ЦРК Западно-Сибирского межрегионального НОЦ строятся по принципу технологического акселератора: их основа — проектная работа участников, проходящих весь путь, от идеи проекта (НИРа, технологии, продукта) до детализированного плана его реализации, осваивая все необходимые для этого навыки: эффективную командную работу, современные методы проектного управления, фандрайзинг и работу с фондами, трансфер технологий, коммуникации и пр.
Результативность программ такого типа, конечно, заметно выше «обычных» образовательных курсов и программ: например, по итогам первой Школы научного лидерства (2019−2020), в которой участвовали 46 человек, участники разработали девять проектов, подали 10 заявок на гранты и опубликовали 35 научных статей, а 11 человек получили руководящие должности.
Пока большинство ЦРК создаются как чисто образовательные центры, осуществляющие профессиональную переподготовку и повышение квалификации, — в отличие от аналогичных зарубежных центров и программ, которые создаются и работают для поиска новых научных лидеров и потенциальных звезд.
В России в такой парадигме, кажется, пока создан (и работает!) только ЦРК Западно-Сибирского межрегионального НОЦ, проводящий специализированные программы для научных и научно-технологических команд и их лидеров (хотя отдельные инициативы подобного рода реализуют СПбПУ, НИУ ИТМО и несколько других российских университетов).
Все программы ЦРК Западно-Сибирского межрегионального НОЦ строятся по принципу технологического акселератора: их основа — проектная работа участников, проходящих весь путь, от идеи проекта (НИРа, технологии, продукта) до детализированного плана его реализации, осваивая все необходимые для этого навыки: эффективную командную работу, современные методы проектного управления, фандрайзинг и работу с фондами, трансфер технологий, коммуникации и пр.
Результативность программ такого типа, конечно, заметно выше «обычных» образовательных курсов и программ: например, по итогам первой Школы научного лидерства (2019−2020), в которой участвовали 46 человек, участники разработали девять проектов, подали 10 заявок на гранты и опубликовали 35 научных статей, а 11 человек получили руководящие должности.
Есть куда расти
И у государственных НИИ, и у университетов, и у коммерческой науки в России большой потенциал для повышения эффективности и результативности исследований (если судить по зарубежным образцам, то, как минимум, в два раза).
И, похоже, самый большой эффект могут дать работа с самими исследователями, их навыками и компетенциями, а также оптимизация исследовательского процесса для снижения непродуктивной нагрузки: именно на людей и оплату их труда приходится около 60% всех затрат на исследования и разработки в стране, и эти затраты только растут.
И у государственных НИИ, и у университетов, и у коммерческой науки в России большой потенциал для повышения эффективности и результативности исследований (если судить по зарубежным образцам, то, как минимум, в два раза).
И, похоже, самый большой эффект могут дать работа с самими исследователями, их навыками и компетенциями, а также оптимизация исследовательского процесса для снижения непродуктивной нагрузки: именно на людей и оплату их труда приходится около 60% всех затрат на исследования и разработки в стране, и эти затраты только растут.
Структура затрат на научные исследования и разработки в России, %
Конечно, как показывает мировой опыт, универсальных решений класса one size fits all не существует, и в этом плане централизованное регулирование исследовательского процесса и управления человеческим капиталом будет скорее разрушительным, чем благотворным: российским университетам и научно-исследовательским центрам придется тщательно диагностировать ситуацию и выбирать подходящие решения из максимально широкого спектра или даже искать свои собственные.
Нынешняя конфигурация научно-технологической политики в России это вполне позволяет.
Нынешняя конфигурация научно-технологической политики в России это вполне позволяет.
ДРУГИЕ МАТЕРИАЛЫ #1–2_2021