Аннотация результатов, полученных в 2019 году
Исследование в рамках проекта 19-77-00053 «География знания: кластеризация и сетевые связи национальных центров компетенций» сфокусировано на решение проблемы районирования территории России по степени генерации, использования, диффузии и накопления различных типов знания и направлениям аккумуляции территориального капитала в условиях перехода к инновационной экономике. В первый год реализации проекта был внесен существенный вклад в комплексную оценку генерации, использования, диффузии и накопления различных типов знания в привязке к территории России, а именно: - осуществлена теоретико-методологическая проработка специфики данного процесса и предложена классификация типов знания, увязанная с кластерными категориями экономики; - разработаны методические подходы к пространственной оценке генерации, использования, диффузии и накопления знания на уровне города и региона, в т.ч. позволяющие учитывать влияние урбанизации, агломерационного, приграничного эффектов; - подготовлены базы наукометрических, статистических и геоинформационных данных в разрезе субъектов и городов РФ за 2013-2017 гг. с использованием Scopus, WoS, Dimensions, Elibrary, Росстат, СПАРК; - собраны экспертные мнения представителей науки из других субъектов РФ и зарубежных стран (Польша, Китай, Индия, Япония, Исландия) о роли знания для экономического развития регионов для последующей подготовки совместных статей; - создана серия из 20 карт «География знаний России»; - проведена пространственно-временная оценка генерации, использования, диффузии и накопления знания в России (на уровне субъекта и города), по результатам которой разработана типология научных центров (передовые, переходные, локальные) и выделены 4 типа моделей территориальных систем генерации научного знания в регионах: гиперцентристский, центристский, слабоузловой, распределенный. Информация о реализации проекта представлена на сайте Балтийского федерального университета им. И. Канта по ссылке: https://www.kantiana.ru/news/studencheskie/molodye-uchenye-bfu-im-i-kanta-poluchili-podderzhku-rossiyskogo-nauchnogo-fonda/?sphrase_id=41124. По результатам первого года исследования выявлено, что города России сильно дифференцированы по способности к генерации знания, и разрыв между ними усиливается с уменьшением размера. Наиболее равномерно в научном плане развиты города с населением свыше 1 млн человек, а в наименьшей степени – малые города, у которых менее 50 тыс. жителей. Несмотря на то, что наибольший абсолютный прирост публикаций обеспечивается городами миллионерами и их агломерациями (в первую очередь, Московской), наибольшая научная продуктивность отмечена для небольших специализированных научных центров, локализованных в малых и средних городах. Чем меньше город, тем острее у него потребность в интеграции в научные сети. Предложена типология научных центров России по способности к генерации научного знания: тип «передовые» – это научнопродуктивные, конкурентоспособные на международном уровне национально значимые научные центры, которые могут быть двух подтипов: с более высокой и более низкой востребованностью генерируемого знания; тип «переходные» – это научные центры, которые не реализовали в полной мере научный потенциал; переход в тип «передовые» возможен путем укрепления научного сотрудничества, повышения востребованности научных результатов; тип «локальные» – это низкопродуктивные, регионально значимые научные центры, которые могут быть трех подтипов (генерирующие востребованное мировым сообществом новое знание; регионального значения; «невидимки»). Выделенные типы научных центров России необходимо учитывать при управлении территориальным капиталом города в аспекте повышения эффективности использования интеллектуальных ресурсов на принципах содействия разнообразию. В процессе реализации проекта выявлены прямые сильные связи между численностью населения, количеством авторов, публикующих статьи в международно значимых журналах, и объемом генерируемой научной продукции в регионе. Показано, что между субъектами РФ наблюдается сильная дивергенция по плотности научных центров и сформировавшимся моделям территориальных научных систем. Значительная часть территории страны практически не интегрирована в процесс генерации научного знания. К основным регионам с высоким потенциалом для научной кластеризации отнесены Московская и Санкт-Петербургская агломерации. Концентрация в границах субъекта РФ значительного количества научных центров не является определяющей для его научной продуктивности. Выявлено, что эффективными по созданию научного знания могут быть научные центры разного размера и территориального расположения относительно друг друга. Генерация и коммерциализация научного знания описывается разными закономерностями протекания процессов во времени, что свидетельствует об их нелинейности и сложном характере. При этом подтверждена связь между развитием науки и экономическим ростом в регионах. Для российских регионов характерны 4 типа моделей территориальных систем генерации научного знания: гиперцентристский, центристский, слабоузловой, распределенный. В национальном масштабе наиболее влиятелен первый и второй типы, поскольку в них сформировались сильные ядра из одного или нескольких научных центров, способных задавать позитивную динамику воспроизводства знаний в регионе и поддерживать более мелкие научные центры. Наименее малочисленные слабоузловые регионы с намечающимся ядром в виде научного центра переходного типа. Они требуют особой поддержки государства по укреплению системообразующей роли последнего через развитие его научного потенциала, увеличение научной продуктивности, выработку специализации. Значительное количество регионов РФ имеет распределенный тип научной системы, при котором научный потенциал «размыт» между набольшими научными центрами, что существенно снижает эффективность его реализации. Для повышения эффективности управления знаниями в аспекте формирования более адекватной информационной базы для принятия решений на уровне региона необходимо, в первую очередь, оценить сформировавшуюся в нем модель территориальной научной системы. Если она имеет распределенный, рассеянный характер, то уровень региона неинформативен и нужно оценивать отдельные научные центры. Если же модель территориальной научной системы региона описывается выраженными центр-периферическими закономерностями, то наукометрическая динамика региона и его главного научного центра будут повторять друг друга. В этом случае спуск на уровень города интересен тем, что позволит увидеть те небольшие научные центры, которые невидимы за масштабом главного научного центра. Реализация первого года проекта позволила выявить целый ряд закономерностей в действии агломерационного эффекта в процессе генерации и диффузии научного знания. Наибольшее позитивное влияние крупнейших научных центров распространяется на близлежащие города в 50 км зоне, большинство из которых с численностью менее 250 тыс. человек. Близость крупного аттрактора проявляется в более высоком уровне интегрированности небольших научных центров в национальную научную систему и в более высоком, чем в среднем, качестве статей. Расположение в 50 км зоне от города миллионера, часто рассматриваемого как хаб, связывающий национальное и международное научное пространство, никак не сказывается на тесноте контактов небольших научных центров с зарубежными исследователями. Также близость крупного центра не оказывает ощутимого позитивного воздействия на востребованность создаваемой научной продукции в небольших научных центрах. Иногда она ниже, чем в более удаленных городах, что связывается с отсутствием брендированности для небольшого города и сформированного пула международного доверия, а также слабого внутреннего цитирования. Исследование показало, что не все города миллионеры в РФ смогли сформировать вокруг себя научные агломерации, что связано с особенностями системы расселения и разностью научных специализаций. Зона от 50 до 100 км от города миллионера не является еще одним кольцом волнового распространения агломерационного эффекта. Города – научные центры, расположенные здесь, в большей степени, являются обособленными в научном пространстве. У большинства из этих городов представлена отличная от города миллионера область знания, что не позволяет формировать тесные кооперационные связи. Отдельное изучение получил фактор приграничного положение, поскольку 49,8% всех научных центров России расположено не далее 300 км от государственной границы, а 17,7% в непосредственной близости – в 50 км зоне. Научный ландшафт приграничья складывается в большей степени из небольших городов, поддерживаемых рядом крупных научных центров, из которых 7 – города-миллионеры, что отлично от распределения городов – научных центров внутри страны. В среднем приграничные научные центры России в 4,8 раза уступают внутренним городам по показателю научной продуктивности. Основными драйверами процесса генерации научного знания в приграничье являются более крупные города с населением свыше 250 тыс. человек. Из-за их близкого и достаточно компактного расположения в приграничной зоне (особенно в европейской части страны) они оттягивают ресурсы из более мелких городов, снижая научный потенциал последних. В случае же внутренних городов, преимущественно расположенных на значительном расстоянии друг от друга, удаленность выступает позитивным фактором, способствующим развитию научного потенциала даже небольших научных центров. Фактор приграничного положения города обнаруживает свое влияние на международное научное сотрудничество, однако его воздействие ослабевает по мере удаления от государственной границы далее, чем на 100 км. По уровню национальной научной кооперации внутренние научные центры в значительной мере превосходят приграничные города. По результатам оценки интенсивности трансграничной кооперации приграничных регионов европейской части России в научно-исследовательской сфере, выявлено, что более высокая интенсивность кооперации в научной сфере проявляется в регионах, обладающих сходным высоким научным уровнем и обоюдным интересом к поиску международных партнеров. Наличие комплементарных компетенций и баз знаний в рамках единой тематики исследований выступает важнейшим фактором формирования трансграничных научных связей. Значимым стимулом к укреплению научного сотрудничества в приграничье является действие программ, направленных на финансирование трансграничных проектов и совместных исследований. Система расселения, кластеризация хозяйствующих субъектов и транспортная связность способствуют формированию научных связей в приграничье через реализацию возможности личных контактов. Наличие сформированной трансграничной институциональной среды, благоприятной геополитической обстановки и культурной близости — важнейшие факторы укрепления трансграничного научного сотрудничества.

Аннотация результатов, полученных в 2020 году
Исследование в рамках проекта 19-77-00053 «География знания: кластеризация и сетевые связи национальных центров компетенций» сфокусировано на решение проблемы районирования территории России по степени генерации, использования, диффузии и накопления различных типов знания и направлениям аккумуляции территориального капитала в условиях перехода к инновационной экономике. Во второй год реализации проекта был внесен существенный вклад в оценку пространственной неоднородности развития территориального интеллектуального капитала России на макро-, мезо- и микроуровнях с акцентом на специфику формирования межорганизационных исследовательских сетей, а именно: - построены межрегиональные сети перетока новых знаний в национальном научном пространстве России; - выявлена функциональная связность субъектов РФ в контексте экономики знаний; обосновано межрегиональное разделение труда в контексте генерации нового научного знания между субъектами РФ; - дана оценка уровня и характера интеграции России в процессы генерации нового научного знания на международном уровне; - предложены рекомендации по повышению эффективности управления территориальным интеллектуальным капиталом России на макро-, мезо- и микроуровнях. Информация о реализации проекта представлена на сайте Балтийского федерального университета им. И. Канта в двух разделах: 1. новостном (новости по результатам выступления на конференциях с презентацией результатов в рамках проекта): https://kantiana.ru/news/geografy-bfu-im-i-kanta-predstavili-rezultaty-svoih-issledovanij-po-geografii-na-mezhdunarodnoj-konferencii/ https://kantiana.ru/news/geografy-bfu-im-i-kanta-predstavili-rezultaty-svoih-issledovanij-na-krupnoj-nauchnoj-konferencii/ 2. презентующем информацию о результатах реализации исследовательских проектов в честь Года науки и технологий 2021 (http://special.kantiana.ru/page17145828.html#rec278451725). По результатам второго года исследования проведен целый ряд исследовательских мероприятий, отвечающих задачам исследования. Во-первых, предложена индексная методика для проведения сравнительной оценки регионов по уровню генерации и использования нового знания с последующим обоснованием межрегионального разделения интеллектуального труда и разработкой функциональной типологии субъектов РФ. Выявлены регионы, в которых наиболее активно протекает процесс генерации или коммерциализации научного знания, а также регионы, в наименьшей степени вовлеченные в экономику знания. Во-вторых, используя наукометрический и сетевой подходы, реализована теоретическая и методологическая проработка специфики выявления и пространственной оценки устойчивых связей между субъектами РФ по поводу генерации и использования научного знания. Особое внимание уделено формированию межорганизационных исследовательских сетей в межгородском и межрегиональном измерениях с выделением городов РФ, выполняющих функции научных центров в определенных областях знания. Результаты исследования показали, что российский бизнес все еще недостаточно вовлечен в процесс генерации научного знания. Большую заинтересованность в проведении собственных НИОКР и развитии научных коллабораций проявляют компании с большим объемом выручки и чистой прибыли. Значительная часть корпоративных исследований развивается в естественно-научных областях, что обусловлено спецификой деятельности самих российских крупнейших компаний. География партнерской сети в корпоративных исследованиях широкая и включает значительное число регионов РФ, однако доминирующее положение по-прежнему остается за Москвой, где находятся головные организации большинства крупнейших компаний страны. Структурные особенности в выстраивании взаимодействий между научно-исследовательскими и предпринимательскими организациями демонстрируют превалирование академического и государственно секторов. При этом если на Москву в значительной степени приходятся классические университеты, то в других субъектах РФ превалируют профильные организации с промышленной ориентацией исследований, что указывает на сложившуюся функциональную связность между регионами. Среди городов, наиболее развитых с позиции концентрации в них корпоративных исследований, выделены Москва, Санкт-Петербург, Иркутск, Томск, Новосибирск, Екатеринбург, Уфа, Казань, Нижний Новгород. Столичный регион, объединяющий Москву и Московскую область, выступает ядром национальной инновационной системы России, аккумулируя в себе около половины крупнейших компаний, заинтересованных в ведении инновационной деятельности. Отраслевая специфика экономики Москвы оказала влияние на развиваемые корпоративным сектором области знания: Науки о Земле, Энергия, Физика и Астрономия. Выявлено, что траекторию развития корпоративного сектора исследований в Москве задают действительно крупные компании, чей объем реализации выше 100 млрд долл в год. География коллабораций столичных инновационных компаний в исследовательской сфере обширна. Они не только взаимодействуют на локальном уровне, но и обмениваются знаниями через глобальные трубопроводы с ведущими мировыми научно-исследовательскими центрами. Инновационная система Москвы через научные сети ее крупнейших компаний связана с инновационными системами ведущих инновационных стран мира (США, Германия, Великобритания, Италия, Франция, Япония и др.). Сформировавшаяся модель взаимодействия между институтами повторяет модель тройной спирали в части связи бизнеса с академическим и государственным секторами. При этом выявлен ее международный характер. В-третьих, значительное внимание при реализации проекта было уделено выявлению устойчивых связей между субъектами РФ и регионами других стран по поводу генерации и использования нового научного знания, а также оценке уровня и характера интеграции субъектов РФ в процессы генерации научного знания на международном уровне. Продолжена работа по оценке формирования международных научных связей и их доли от общего объема научных связей города и региона. Исследование проведено на материалах одного из крупнейших городов-миллионников России – города Екатеринбурга, который является административно-территориальным центром Свердловской области. Результаты оценки 4 пространственных уровней формирования научных связей (внутрирегиональный, национальный, трансграничный, международный) позволили выявить, что география международного исследовательского сотрудничества российских городов (на примере Екатеринбурга) характеризуется значительным разнообразием городов зарубежных стран, однако институциональная плотность такого сотрудничества низкая. Как правило, в 1 одном зарубежном городе расположено 1 – 2 партнерских организации. Значительную роль в формировании научного сотрудничества на международном уровне играет фактор общности специализации, а не территориальной близости. Среди приграничных стран показатель институциональной плотности научных связей значительно выше, что обусловлено их территориальной близостью и в случае стран СНГ – культурно-языковой общностью. Лидирующие позиции по количеству партнерских организаций среди приграничных для России государств занимают Украина, Беларусь и Казахстан. В-четвертых, поскольку пандемия коронавируса 2020 г., став глобальным вызовом для человечества, получила широкое изучение в трудах ученых по всему миру, была произведена оценка участия России в формирующихся международных сетях научного сотрудничества в контексте нового тематического направления, актуального сразу для естественных и социально-гуманитарных наук. Выявлена высокая междисциплинарность международных исследований, посвященных covid-19, что обусловило благоприятную почту для формирования новых конфигураций сетей сотрудничества. Тематика российских социально-гуманитарных исследований по изучению коронавируса, в отличие от традиционно развиваемых тематик, показала полное соответствие глобальным трендам, что позволило российским ученым успешно встроиться в мировую научную повестку и интегрироваться в формирующиеся международные сети исследований. Таким образом, стремительное развитие новой актуальной междисциплинарной темы исследований общемирового значения позволило расширить международные сети сотрудничества в отношении генерации нового научного знания с участием России. В-пятых, была произведена разработка рекомендаций по повышению эффективности управления территориальным интеллектуальным капиталом России с учетом особенностей представления наукометрических данных на макро-, мезо- и микроуровнях. Показано, что нерепрезентативные данные являются серьезным препятствием для внедрения эффективных политик управления знаниями. Разработан полимасштабный подход, включающий 3 уровня «регион-город-организация», позволяющий обеспечить репрезентативность данных при разработке политических инструментов управления. Показано, что асимметрия информации о капитале знаний увеличивается, если данные ограничиваются одним иерархическим уровнем - организацией, городом или регионом. Одномасштабные наборы данных негативно влияют на принятие решений, тем самым влияя на качество управления знаниями. Разработка политики в области знания, основанной на агрегированном представлении о ландшафте знаний, похожа на маневрирование корабля между айсбергами без четкого представления об их фактическом размере, количестве или местоположении. Нехватка или неточность информации увеличивает вероятность управленческой ошибки. Результаты проведенного исследования свидетельствуют о том, что многомасштабный подход позволяет снизить информационную неопределенность, с одной стороны, демонстрируя межрегиональную динамику, а с другой - внутрирегиональную специфику. Это раскрывает систему территориальных знаний более целостным образом и, следовательно, позволяет увидеть и спрогнозировать ее узлы роста или выявить узкие места, которые препятствуют экспоненциальному росту экономики, основанной на знаниях.