Помимо теоретического и метатеоретического рассмотрения проблем междисциплинарной интеграции она изучается и на эмпирическом уровне, как процесс социальных и профессиональных взаимодействий в ходе научных исследований. Традиция такого изучения насчитывает уже больше четырех десятилетий и включает несколько направлений: социологическое, наукометрическое, антропологическое и ряд других. Причем, заметный вклад в него уже на начальном этапе внесли представители советского науковедения, занимавшиеся проблемами строения и развития науки [Гиндилис, 2012].
Социологическое направление в основном связано с изучением научных коллективов, объединяющих представителей различных дисциплин. Они исследуются с точки зрения форм и способов кооперационного взаимодействия ученых в ходе исследований, а также с точки зрения характера получаемых результатов. Известный исследователь этого направления Генрих Пэрти, например, указывает в числе эффективных индикаторов междисциплинарной кооперации коллективов: а) уровень междисциплинарного состава группы; б) число или процент участников, готовых к междисциплинарному формулированию изучаемой проблемы; в) число или процент участников, готовых к использованию методов из других дисциплин; г) «уровень соавторства в группе» при публикации результатов исследований. При этом корреляционный анализ показывает наиболее существенную зависимость между индикаторами в) и г), что, по мнению Пэрти, говорит о значимости практической кооперации (в постановке проблем и использовании методов) для эффективности результатов междисциплинарных исследований [Parthey, 2010].
Социология также занимается исследованием социальных предпосылок междисциплинарной интеграции в науке: готовностью ученых и специалистов из разных областей работать в междисциплинарных коллективах, распространением многопрофильного и смежного типа образования, индивидуальными биографиями ученых и научных работников, менявших специализации и области исследований и т.д. Изучаются и организационные формы междисциплинарных исследований, виды и способы их институционализации, распределение функций, характер руководства и мн. др. [Matthies, 2006; Parthey, 2010].
Одним из направлений эмпирического уровня являются исследования междисциплинарной интеграции с позиций науко- и библиометрии, получившие обоснование и распространение в исследованиях науки с середины прошлого века [Гиндилис, 2012]. Помимо обширных наукометрических и библиометрических «профилей» отдельных ученых, исследовательских групп, организаций и целых научных дисциплин, давших возможность проводить их количественный анализ, на базе этого направления возникло и методическое течение картографирования науки, позволяющее строить пространственные карты науки на основе визуализации библиографических / библиометрических данных. Одними из первых этот метод разработали и использовали Юджин Гарфилд и Генри Смолл [Small, Garfield, 1985]. Упоминается также о разработке этого метода в советском науковедении [Гиндилис, 2012]. Он основан на анализе структурированных массивов научной информации – библиографических баз данных, содержащих индексы цитирования. С помощью определенного алгоритма коцитирования (co-citation) из них извлекается информация о связях между публикациями. Характер этих связей (уровень их плотности) позволяет выделить кластеры публикаций, отражающих различные научные направления, а также связи между ними. С помощью графов эта картина получает визуальную форму в виде карты наук. В публикации Смолла и Гарфилда, например, представлена карта, содержащая пять уровней разрешения: от глобального уровня всей мировой науки (уровень 5) до детализаций на уровне работ отдельных ученых (уровень 1). К настоящему времени различные варианты «карт науки» обильно представлены в Интернете 7 7 NSDL Science Literacy Maps: Helping teachers connect concepts, standards, and NSDL resources. – Mode of access: http://strandmaps.nsdl.org; Mapping scientific excellence. – Mode of access: http://www.excellencemapping.net (Дата посещения 16.01.2014.)
.
Карты наук, построенные с использованием количественных критериев и формальных алгоритмов, как считается, отражают «естественную» картину современной науки во всем многообразии ее областей и направлений, а также связей между ними. Картину, которая во многих отношениях не совпадет с картиной дисциплинарно институционализированного деления наук. И в этом смысле современная наука уже определенно является междисциплинарной, естественным образом разрешая проблему ее растущей сегментации.
Читать дальше