Андрей Юревич - Социальная психология знания

Переходя от области образования к науке – той области, где новые знания создаются, – можно убедиться, что их сокрытие как одно из средств управления человеческим капиталом конкурентов имеет место и здесь. Например, член экспертного совета концерна «Наноиндустрия» член-корреспондент РАН И. В. Мелихов подчеркивает, что ни одна из национальных нанотехнологических программ не предполагает широкого обмена накопленными знаниями с другими странами: общедоступны лишь второстепенные данные и самые общие сведения о наночастицах – ликбез для начинающих, которым заведомо не догнать лидеров (Мелихов, 2007).

При этом ситуация с сокрытием знаний от конкурентов представляется значительно лучше отрефлексированной применительно к науке, чем к образованию. Имеется много работ, один из последних обзоров которых дал К. Г. Хуанг (Huang, 2011). Он показывает, как после работы Р. Мертона «The Normative Structure of Science» («Нормативная структура науки»), (1942; переизд. 1973) в социологии и экономике науки стали развиваться представления об амбивалентности, двойственности и противоречивости различных аспектов научной деятельности, в том числе связанных с необходимостью, с одной стороны, кооперироваться и обмениваться знаниями, а с другой – скрывать знания от конкурентов, будь то индивидуальные исследователи, работающие в соседней лаборатории, исследовательские группы в других университетах или же корпорации, борющиеся за первенство в получении и коммерческом использовании высокотехнологических знаний.

Для сокрытия знания исследователи используют целый ряд приемов:

– умолчания при обсуждениях и неформальном общении с коллегами;

– задержка публикации (естественно, с неизбежным риском, что конкурент может успеть опубликоваться раньше, но исследователь-первооткрыватель в некоторых случаях готов идти на этот риск);

– первоначальная публикация в малоизвестном и малочитаемом издании с целью застолбить приоритет без огласки, пока не привлекая внимания к исследованию, и тем самым получить время для дальнейшей отработки идей, подходов, процедур;

– неполное описание процедур и результатов, в том числе сознательный отказ кодифицировать для других исследователей и распространять самое ценное «живое» знание, полученное непосредственно в опыте и не выводимое из предшествующих моделей, известных конкурентам; и т. д. (Dasgupta, David, 1994). Все это относится к так называемой теневой научной методологии, в терминах А. В. Юревича (Юревич, б.д.).

Текст предоставлен ООО «ЛитРес».

Прочитайте эту книгу целиком, купив полную легальную версию на ЛитРес.

Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.

Текст главы написан Д. В. Ушаковым совместно с С. Г. Куливцом.

В этой главе понятия компетентность и компетенция употребляются как синонимы.

Под задачей мы понимаем вид товаров/услуг, которые будут произведены/оказаны. Везде далее, говоря о задачах, мы будем для удобства использовать слова, интерпретирующие их как производство товаров, однако это не отменяет интерпретацию, связанную с оказанием услуг.

Подробнее о параметрах модели определения качества товара говорится в следующем разделе.

В таблице 1, в столбце SS представлены результаты расчета:

– внутригрупповой дисперсии (Columns), характеризующей изменение средних в каждой из трех групп различных значений параметра Ii;

– межгрупповой дисперсии (Error), характеризующей рассеяние значений Di вне влияния фактора Ii;

– общей выборочной дисперсии (Total).

В столбце df приведено число степеней свободы по каждому виду дисперсии. В столбце MS – среднее значение суммы квадратов разностей по каждому виду дисперсии, определяемое как отношение SS/df. В столбце F – значение статистики Фишера для MS. Значение уровня значимости p(Prob > F) для рассчитанного значения статистики F приведено в последнем столбце.

В промежутки значений [0, q 1] и [q 3, 1] попадает по 25 % от общего числа точек D iиз выборки.

Столбцы в таблице 2 аналогичны столбцам в таблице 1.