Прикладные научные исследования -- это исследования, направленные преимущественно на применение новых знаний для достижения практических целей и решения конкретных задач, в том числе имеющих коммерческое значение. На данном этапе проверяется техническая осуществимость идеи, анализируются масштабы потребностей рынка, а также потенциальные возможности предприятия по разработке и производству нового продукта. Выполнение работ на данном этапе связано с высокой вероятностью получения отрицательных результатов, возникает риск потерь при вложении средств в проведение прикладных научных исследований. Финансирование прикладных научно-исследовательских работ ведётся, во-первых, из государственного бюджета, во-вторых, за счёт отдельных заказчиков в лице крупных промышленных фирм, акционерных обществ, коммерческих фондов и венчурных фирм. Формирование прикладных исследований как организационно специфичной сферы ведения научной деятельности, целенаправленное систематическое развитие которой приходит на смену утилизации случайных единичных изобретений, относится к кон. 19 в. и обычно связывается с созданием и деятельностью лаборатории Ю. Либиха в Германии. Перед 1-й мировой войной прикладные исследования как основа для разработки новых видов техники (прежде всего военной) становятся неотъемлемой частью общего научно-технического развития. К сер. 20 в. они постепенно превращаются в ключевой элемент научно-технического обеспечения всех отраслей народного хозяйства и управления. Хотя в конечном счете социальная функция прикладных исследований направлена на снабжение инновациями научно-технического и социально-экономического прогресса в целом, непосредственная задача любой исследовательской группы и организации состоит в обеспечении конкурентного преимущества той организационной структуры (фирмы, корпорации, отрасли, отдельного государства), в рамках которой осуществляются исследования. Эта задача определяет приоритеты в деятельности исследователей и в работе по организации знания: выбор проблематики, состав исследовательских групп (как правило, междисциплинарных), ограничение внешних коммуникаций, засекречивание промежуточных результатов и юридическая защита конечных интеллектуальных продуктов исследовательской и инженерной деятельности (патенты, лицензии и т п.). Ориентация прикладных исследований на внешние приоритеты и ограничение коммуникаций внутри исследовательского сообщества резко снижают эффективность внутренних информационных процессов (в частности, научной критики как основного двигателя научного познания). Поиск целей исследований опирается на систему научно-технического прогнозирования, которая дает информацию о раз витии рынка, формировании потребностей, а тем самым и о перспективности тех или иных инноваций. Система научнотехнической информации снабжает прикладные исследования сведениями как о достижениях в различных областях фундаментальной науки, так и о новейших прикладных разработках, уже достигших лицензионного уровня. Знание, полученное в прикладных исследованиях (за исключением временно засекреченных сведений о промежуточных результатах), организуется в универсальной для науки форме научных дисциплин (технические, медицинские, сельскохозяйственные и др. науки) и в этом стандартном виде используется для подготовки специалистов и поиска базовых закономерностей. Единство науки не разрушается наличием различных типов исследований, а приобретает новую форму, соответствующую современной ступени социально-экономического развития.
Прикладные исследования - научные исследования , направленные на практическое решение технических и социальных проблем.
Наука - это сфера человеческой деятельности, функцией которой является выработка и теоретическая систематизация объективных знаний о действительности. Непосредственные цели науки - описание, объяснение и предсказание процессов и явлений действительности, составляющих предмет её изучения на основе открываемых ею законов , то есть в широком смысле - теоретическое отражение действительности.
По своей направленности, по отношению к практике отдельные науки принято подразделять на фундаментальные науки (fundamental science ) и прикладные науки (applied science ). Задачей фундаментальных наук является познание законов, управляющих поведением и взаимодействием базисных структур природы, общества и мышления. Эти законы и структуры изучаются в «чистом виде», как таковые, безотносительно к их возможному использованию. Непосредственная цель прикладных наук - применение фундаментальных наук для решения не только познавательных, но и социально-практических проблем .
Деление исследований на фундаментальные и прикладные достаточно условно, так как отдельные результаты фундаментальных исследований могут иметь непосредственную практическую ценность, а в результате прикладных исследований могут быть получены научные открытия .
Энциклопедичный YouTube
1 / 2
✪ Объект и предмет в социологическом исследовании - Виктор Вахштайн
✪ Выжить в кризис. Фурсов А.И. (22.12.2018)
Субтитры
Научное обеспечение хозяйственной деятельности
Научные исследования становятся обязательным процессом принятия управленческого решения. Объём и сложность такой работы определяются конкретной проблемой, но она всегда имеет когнитивную структуру, а результат основывается на применении научных методов .
Ещё более сложным оказывается вопрос объективного описания второй составляющей проблемы - желательной ситуации и, соответственно, следующих из неё определений цели и гипотезы исследований. Все это зависит от объективности описания существующей ситуации и лица, принимающего решение выявить цели систем, в которые входит исследуемый объект. Здесь методические ошибки могут привести к тому, что попытка решения одной проблемы приведет к появлению новых. Многие новые проблемы - уплотнение почвы тяжёлой техникой, инерционность управленческого аппарата, вследствие увеличения численности сотрудников и связей, утилизация стоков животноводческих комплексов и др. - возникали в результате деятельности человека, направленной на решение других проблем.
Анализ первого этапа научной постановки управленческого решения показывает, что если в естественных и технических науках основным источником субъективных искажений и, соответственно, снижения эффективности этого этапа является полнота описания реального факта, достигаемая в основном только за счёт используемых приборов, то в случае исследования производственных проблем добавляются вопросы адекватного восприятия объекта учеными или/и менеджерами, зависящие от применяемой ими методологии. На первом этапе исследования проблем высока вероятность формулировки ложных проблем - «проблемоидов» и псевдозадач, решение которых не будет представлять какой-либо практической ценности, а внедрение может привести к нежелательным последствиям. В этом случае эффективность управленческого решения будет нулевой или даже отрицательной.
Второй этап исследования производственной проблемы - разработка математической модели.
Объективность при этом должна обеспечиваться использованием научных принципов оценки ситуаций, а также методов и моделей принятия решений. Моделирование, особенно с использованием компьютеров, является основным теоретическим инструментом системных исследований прикладной ориентации в управлении сложными системами. Содержательная часть процесса моделирования (выбор показателей, факторов, зависимостей) включается в экономическую теорию, а техническая (под которой в 9 случаях из 10 понимается построение тех или иных статистических моделей) - в эконометрику . Таким образом, экономико-математическое моделирование оказывается, с одной стороны, разорванным, с другой - усечённым. И вопросы взаимосвязи всех этапов моделирования, корректности интерпретации результатов моделирования и, следовательно, ценности рекомендаций на основе моделей оказываются как бы висящими в воздухе.
Однозначность математического языка является одновременно и «плюсом», и «минусом». Достоинство в том, что она не допускает ошибок, но это же свойство ограничивает возможность достаточно полного описания объекта. С повышением информации в модели эвристическая функция моделирования растет не прямо пропорционально количеству учтенной информации, а по экстремальному закону, то есть эффективность моделирования растет лишь до определённого предела, после которого она падает. Иными словами, использование математики гарантирует точность, но не правильность получаемого решения. В исследованиях физических объектов, информационная сложность которых вследствие определяющих их причинно-следственных связей относительно невысока, уровень потерь и искажения информации будут значительно ниже, чем при исследовании социально-экономических объектов. Ограниченность математического языка лежит в основе теории о неполноте формальных систем К. Гёделя и принципа внешнего дополнения Ст. Бира (Beer Stafford ). Её уровень, естественно, во многом носит исторический, а не абсолютный характер. По мере развития математики возможности её будут расти. Однако в настоящее время многие российские и зарубежные математики, философы, экономисты, представители других научных направлений отмечают ограниченные возможности адекватного математического описания социально-экономических явлений.
Практически неограниченный диапазон применения математических методов создаёт впечатление их «всеядности», универсальности. И основным подтверждением этого чаще всего выступает взаимная аргументация этих двух характеристик, а не эффективность использования результатов моделирования на практике. Немаловажное влияние на это оказывает и то, что при описании методологических особенностей математических методов и моделей многие свойства, которыми они должны обладать, чтобы обеспечить адекватное решение, выдаются и, соответственно воспринимаются как свойства, имманентные описанным методам и моделям. Как любое специальное средство, конкретный метод накладывает свои ограничения на обрабатываемую информацию: выделяет одни аспекты, устраняет и искривляет другие, тем самым приводит к искажению описываемой с его помощью реальной ситуации в целом. Авторы ряда работ, количество которых не идет ни в какие сравнения с объёмом публикаций по разработкам теорий и методов математического моделирования, приводят различные аргументы, подтверждающие принципиальную ограниченность их использования для описания реальных процессов, происходящих в общественном производстве. В узких рамках методологии, разработанной оптимизационным подходом, невозможно совместить поиск наилучшего решения (или оптимального управления) с признанием принципиальной ограниченности отражения реальной моделью. Любая, даже самая тонкая и изощренная постановка, где указанное противоречие будет как бы разрешаться, на деле приводит к ещё более серьёзным и очевидным новым противоречиям. На это ещё «накладываются» ошибки разделения и объединения систем и подсистем при использовании методов программирования . Применение предметных концепций при выборе математического метода и модели в решении конкретной задачи приводит к тому, что, допустим, в технических науках с помощью одних и тех же формул проводится обоснование мощности осветительных устройств для квартиры и железнодорожной станции. Так же и формализация задачи оптимизации деятельности предприятия, а то и целой отрасли отличается от задачи об оптимальном раскрое заготовки в основном только количеством переменных и уравнений. Однако в этом случае следствием такого «раскроя» будет «механический» разрыв огромного количества связей, сложность и неопределённость которых ещё не всегда доступны достаточно точному описанию языком современной математики. Некорректность традиционного подхода к обоснованию структуры модели исследуемой ситуации можно показать, сравнивая задачи обоснования состава кормов и поголовья животных в хозяйстве. Если следовать традиционной методике, их можно отнести к одному классу и решать одним и тем же методом. В то же время если результат первой оказывает существенное влияние только на себестоимость продукции, то второй требует учёта социальных интересов, вопросов, связанных с охраной окружающей среды и т. д. Таким образом, во втором случае необходимо использовать метод, обладающий большим разнообразием возможностей описания, чем для первой, иначе нельзя будет построить адекватную математическую модель и получить управленческое решение, имеющее практическую ценность.
Задача, решение которой в конечном итоге обеспечивают методы оптимизации , будь то математическое программирование или регрессионный анализ , сводится к поиску, хотя и не тривиального (вследствие многообразия возможных вариантов), но в то же время и не принципиально нового результата, так как поиск происходит в диапазоне, границы которого определяются знаниями об исследуемом процессе. В случае постановки инженерных, оперативных или тактических задач для технических или простых социально-экономических объектов, позволяющих исследователю или менеджеру дать их полное формальное описание и обосновать диапазоны реальных альтернатив, достаточность и эффективность использования оптимизационных методов не вызывает сомнения. По мере роста сложности объектов исследований при решении стратегических проблем выбора направлений совершенствования технических и социально-экономических систем оптимизационные методы могут выполнять только вспомогательные функции.
Структура того или иного «типичного» вида моделей накладывает ещё более жёсткие ограничения на возможности представления необходимого уровня разнообразия в описании исследуемого объекта. Поэтому некоторые работы по математическому моделированию и рекомендуют начинать исследование с выбора вида модели, а потом уже проводить постановку задачи исследований таким образом, чтобы её легче было «вписать» в выбранную модель. Такой подход облегчает построение модели и эффективен, если целью исследований является именно построение математической модели, а не получение решения проблемы. Последующие аналогичные по своей природе искажения и потери информации вызываются ограничениями алгоритмов и программных языков, возможностями ЭВМ.
Структурно-функциональный анализ свидетельствует о том, что хотя все процедуры, связанные с построением математической модели и получением итоговых данных на ЭВМ, логически обоснованы, они не содержат никаких методологических свойств, гарантирующих адекватность этого результата и соответствующего управленческого решения реальной проблеме. Формирование критериев эффективности (оптимизации) при этом может проводиться независимо от объективных законов общественного развития, а основным критерием разработки математической модели становятся условия скорейшего построения алгоритма на основе применения «типового» алгоритма. Менеджер/исследователь может «подгонять» реальную проблему под структуру освоенного им математического метода или программного обеспечения ПЭВМ. Ориентация на обязательное построение математической модели в рамках одного метода приводит к исключению из исследования проблемы факторов, не поддающихся количественной оценке. Описание причинно-следственных связей, приводит к необоснованному применению принципов аддитивности . Результат при этом будет оптимальным только для того весьма упрощенного и искажённого образа реального объекта, который представляет собой математическая модель после нескольких «трансформаций», проведённых с помощью средств, уровень разнообразия и точность которых ещё значительно отстает от сложности социально-экономических проблем.
На третьем этапе исследования проблем после обоснования вида и структуры адекватность и, соответственно, эффективность управленческого решения, полученного с помощью математической модели, связаны с качеством исходной информации, на основании которой вычисляются, например, элементы матрицы условий задачи математического программирования или коэффициентов уравнения регрессии. Характер искажений здесь во многом зависит от метода моделирования. Для линейного программирования ошибки данного этапа уже мало связаны с исследуемым объектом и в основном возникают из-за невнимательности разработчика: неправильно взяты производительность или нормы расхода материала и т. д. Такого рода ошибки обычно обнаруживаются в работе с моделью и легко исправляются. Более сложная ситуация складывается при использовании регрессионного анализа, одинаково широко распространённого в естественных, технических и общественных науках.
Отличие этого метода по сравнению, допустим, с линейным программированием в том, что формирование коэффициентов регрессии определяется исходными данными, являющимися результатами процессов, происходящих в исследуемом объекте, рассматриваемом как «чёрный ящик», в котором механизм превращения «вход» в «выход» часто неизвестен. С увеличением количества исходной информации уровень её разнообразия приближается к тому, который имманентен реальному объекту. Таким образом можно повышать адекватность регрессионной модели, что нельзя достичь в линейном программировании. Это достоинство регрессионного анализа достаточно эффективно может быть использовано в естественных науках вследствие сравнительно малого количества факторов и возможности управления последними. В исследованиях социально-экономических явлений эффективность использования регрессионных моделей снижается, так как резко возрастает количество факторов, многие из которых неизвестны и/или неуправляемы. Все это требует не ограничиваться отдельной выборкой, а стремиться использовать данные в объёме, приближающемся к генеральной совокупности. В отличие от большинства процессов, изучаемых естественными и техническими науками, сложность тиражирования которых во многом определяется только затратами на эксперимент, проверить регрессионную модель социально-экономического объекта достаточно сложно вследствие уникальности протекающих в нём процессов, имеющих историческую природу.
В этой связи основным источником исходной информации в исследованиях социально-экономических объектов является наблюдение, «пассивный» эксперимент , исключающий повторность опытов и, соответственно, проверку адекватности регрессионной модели по статистическим критериям. Поэтому основные показатели адекватности, используемые при регрессионном анализе социально-экономических объектов, - коэффициент множественной корреляции и ошибка аппроксимации. Однако высокое значение первого и низкое второго показателя не позволяет однозначно судить о качестве регрессионной модели. Объясняется это тем, что с увеличением числа членов полинома модели, а внешне это число ограничивается только числом опытов (наблюдений), вследствие количественного роста её разнообразия, точность аппроксимации исходных данных уравнением регрессии растёт.
В. Леонтьев (Leotief Wassily ), комментируя низкую результативность использования статистических методов в экономике, объясняет это тем, «что для изучения сложных количественных взаимосвязей, присущих современной экономике, косвенный, даже методологически уточнённый, статистический анализ не подходит» . Фактором, также относящимся к интерпретации результатов и снижающим эффективность применения математических методов и соответственно управленческих решений, является и излишняя идеализация полученных таким образом количественных результатов. Точные вычисления не означают правильного решения, которое определяется исходными данными и методологией их обработки. Управляющие, которым предлагают решать задачи линейного программирования, должны знать о том, что наличие даже малейшего нелинейного элемента в задаче может поставить под сомнение и даже сделать опасным её решение методом линейного программирования. К сожалению, в большинство вводных курсов, знакомящих управляющих высшего уровня с основами технических наук и экономико-математическими методами, ничего не говорится о том, как эти науки соотносятся с практическими проблемами. Это объясняется тем, что преподаватель свято верит в универсальную применимость своей методики и плохо представляет границы её применения.
Таким образом, на всех трёх рассмотренных этапах «трансформации» производственной проблемы в математическую модель отсутствуют достаточно строгие, научно обоснованные критерии оценки качества, соответствия идеальных моделей реальному объекту. В то же время традиционная ориентация направлена только на преодоление вычислительных трудностей и большой размерности моделей и не учитывает ограничения математического аппарата.
Моделирование является наиболее практичной стороной прикладных исследований, однако этот прагматизм должен быть основан на гносеологическом и онтологическом подходе в методологии процедурных знаний при решении проблем индивидуального производства. Вместе с тем, применение моделей при принятии управленческих решений должно учитывать их конгруэнтность и, соответственно, адекватность их решений реальным процессам. Эти условия определяются природой описываемых моделями процессов. В экономической науке большинство дескриптивных моделей типа «цена-спрос» описывают институциональные процессы, связанные с поведением человека, и эти модели носят исключительно концептуальный характер и не могут служить для получения количественных прогнозных оценок. Уровень возможностей статистических моделей для интерполяционных оценок внутри описываемого диапазона определяется статистическими показателями надёжности , но для прогнозных оценок уровень экстраполяции при этом не должен превышать 20-30 % от первоначального диапазона данных. Надёжность регрессионных моделей, полученных по управляемым экспериментам с несколькими повторностями [неизвестный термин ] , значительно возрастает. Нормативные модели, связанные с оптимизацией расхода ресурсов, условиями безубыточности, законом убывающей доходности (Law of Diminishing Returns) можно считать абсолютными, и надёжность полученных по ним оценок зависит только от ошибок в исходных данных.
ПРИКЛАДНЫЕ НАУЧНЫЕ ИССЛЕДОВАНИЯ -- исследования, направленные преимущественно на применение новых знаний для достижения практических целей и решения конкретных задач .
Прикладные исследования при решении производственных проблем составляют три этапа.
Первый этап исследований производственной проблемы -- научная постановка задачи -- содержит выявление и описание фактов, формулировку проблемы, цели и гипотезы исследований. Постановка задачи является одним из наиболее ответственных этапов принятия решений. Точное решение, полученное при неправильной постановке задачи приводит только к появлению новых проблем. Очевидная, на первый взгляд, причина возникновения проблемы, может на самом деле быть только следствием более сложных и менее заметных процессов. По существу, постановка задачи сводится к изучению сложившейся ситуации, выявлению того, что именно и почему не устраивает менеджера и описанию ситуации, которую необходимо достигнуть. Изучение ситуации с точки зрения цели организации, выявление факторов, обусловивших ее появление и существование, соизмерение разного рода затрат и результатов дают основание менеджеру отделить более важное от менее важного и сформулировать условия, определяющие допустимость решения и его качество.
Эффективность формулировки проблемы зависит от объекта исследований. В естественных и технических науках вследствие материального характера исследуемого объекта реальность фактов не вызывает трудностей с их объективным выявлением, а точность описания зависит от используемых приборов. Проблема как объект исследования операций носит идеальный характер и является противоречием между существующим и целью исследования -- желаемым состоянием. При описании существующей ситуации в качестве фактов выступают внешние проявления проблемы, однако их соответствие ей далеко не так однозначно, как в случае описания фактов в естественных и технических науках. Это приводит, в частности, к тому, что затраты отождествляются с результатами, а точность применяемого математического метода -- с адекватностью получаемых с его помощью решений исследуемой проблемы.
Ещё более сложным оказывается вопрос объективного описания второй составляющей проблемы -- желательной ситуации и, соответственно, следующих из неё определений цели и гипотезы исследований. Все это зависит от объективности описания существующей ситуации и лица, принимающего решение выявить цели систем, в которые входит исследуемый объект. Здесь методические ошибки могут привести к тому, что попытка решения одной проблемы приведет к появлению новых. Многие новые проблемы -- уплотнение почвы тяжёлой техникой, инерционность управленческого аппарата, вследствие увеличения численности сотрудников и связей, утилизация стоков животноводческих комплексов и др. -- возникали в результате деятельности человека, направленной на решение других проблем.
Второй этап исследования производственной проблемы -- разработка математической модели. Объективность при этом должна обеспечиваться использованием научных принципов оценки ситуаций, а также методов и моделей принятия решений. Моделирование, особенно с использованием компьютеров, является основным теоретическим инструментом системных исследований прикладной ориентации в управлении сложными системами. Содержательная часть процесса моделирования (выбор показателей, факторов, зависимостей) включается в экономическую теорию, а техническая (под которой в 9 случаях из 10 понимается построение тех или иных статистических моделей) -- в эконометрику. Таким образом, экономико-математическое моделирование оказывается, с одной стороны, разорванным, с другой -- усечённым. И вопросы взаимосвязи всех этапов моделирования, корректности интерпретации результатов моделирования и, следовательно, ценности рекомендаций на основе моделей оказываются как бы висящими в воздухе.
Глубокая внутренняя связь моделирования и системного подхода (systems approach) прослеживается уже в способе полагания объекта, поскольку систему, представляющую объект, по которому принимается решение, можно рассматривать как модель последнего. Наряду с этим представление модели сложного объекта как системы оказывается во многих случаях эффективным приёмом его исследования. Системное моделирование -- это форма моделирования, для которой характерно представление объекта исследования в виде системы, многомодельность, итеративность построения системной модели, интерактивность. В этой плодотворности соединения системного подхода и моделирования заключается важный фактор, способствующий их взаимодействию и взаимопроникновению. Особо следует выделить принципиальную необходимость введения в системную модель неформализуемых элементов в соответствии с принципом внешнего дополнения Ст. Бира (Beer Stafford). Наличие последних обусловливает включение в модель субъекта, который призван осуществлять взаимодействие формализованных и неформализованных элементов системной модели. Эта особенность даёт возможность более тесно реализовать единство субъекта и объекта, ориентацию на целевые установки принимаемых решений. Именно итеративность и диалоговость системного моделирования дают возможность снять противоречия между формализованными и неформализованными элементами всей структуры моделирования, возникающими в процессе моделирования. При моделировании, так же как и на первом этапе исследований, который можно считать построением концептуальной модели проблемы, происходит свёртка, ограничение полученной информации в форме, удобной в дальнейшем исследовании. Ограничение разнообразия необходимо для упорядочения количества информации, поступающей к объекту. Ограничение разнообразия исходной информации (здесь ею является уже концептуальная модель проблемы) при математическом моделировании происходит вследствие трёх ограничений, имманентных этому методу, -- ограниченности математического языка, метода и собственно модели.
На третьем этапе исследования проблем после обоснования вида и структуры адекватность и, соответственно, эффективность управленческого решения, полученного с помощью математической модели, связаны с качеством исходной информации, на основании которой вычисляются, например, элементы матрицы условий задачи математического программирования или коэффициентов уравнения регрессии. Характер искажений здесь во многом зависит от метода моделирования. Для линейного программирования ошибки данного этапа уже мало связаны с исследуемым объектом и в основном возникают из-за невнимательности разработчика: неправильно взяты производительность или нормы расхода материала и т. д. Такого рода ошибки обычно обнаруживаются в работе с моделью и легко исправляются. Более сложная ситуация складывается при использовании регрессионного анализа, одинаково широко распространенного в естественных, технических и общественных науках. Отличие этого метода по сравнению, допустим, с линейным программированием в том, что формирование коэффициентов регрессии определяется исходными данными, являющимися результатами процессов, происходящих в исследуемом объекте, рассматриваемом как "черный ящик", в котором механизм превращения "вход" в "выход" часто неизвестен. С увеличением количества исходной информации уровень ее разнообразия приближается к тому, который имманентен реальному объекту. Таким образом можно повышать адекватность регрессионной модели, что нельзя достичь в линейном программировании. Это достоинство регрессионного анализа достаточно эффективно может быть использовано в естественных науках вследствие сравнительно малого количества факторов и возможности управления последними. В исследованиях социально-экономических явлений эффективность использования регрессионных моделей снижается, так как резко возрастает количество факторов, многие из которых неизвестны и (или) неуправляемы. Все это требует не ограничиваться отдельной выборкой, а стремиться использовать данные в объеме, приближающемся к генеральной совокупности. В отличие от большинства процессов, изучаемых естественными и техническими науками, сложность тиражирования которых во многом определяется только затратами на эксперимент, проверить регрессионную модель социально-экономического объекта достаточно сложно вследствие уникальности протекающих в нём процессов, имеющих историческую природу. В этой связи основным источником исходной информации в исследованиях социально-экономических объектов является наблюдение, "пассивный" эксперимент, исключающий повторность опытов и, соответственно, проверку адекватности регрессионной модели по статистическим критериям. Поэтому основные показатели адекватности, используемые при регрессионном анализе социально-экономических объектов, -- коэффициент множественной корреляции и ошибка аппроксимации. Однако высокое значение первого и низкое второго показателя не позволяет однозначно судить о качестве регрессионной модели. Объясняется это тем, что с увеличением числа членов полинома модели, а внешне это число ограничивается только числом опытов (наблюдений), вследствие количественного роста её разнообразия, точность аппроксимации исходных данных уравнением регрессии растёт .
Заключение
Практически все ведущие страны имеют продуманную стратегию научно-технического развития, которая реализуется на практике и обеспечивается выделением значительных финансовых средств. Такие стратегии осуществляют США, Япония, Германия, Великобритания, Китай, Бразилия и Индия. Главный упор в этих программах делается на увеличении государственных инвестиций в НИОКР в приоритетных отраслях, стимулировании внутреннего спроса на высокотехнологичную продукцию, принятии комплексных мер по поощрению инновационной активности частного сектора, особенно малого и среднего бизнеса, а также подготовке квалифицированных научных и инженерно-технических кадров.
Все это позволяет сделать вывод о том, что выход России в число лидеров глобального научно-технического развития требует ускоренного осуществления государственной стратегии поддержки НИОКР и инноваций.
В формирующемся многополярном мире складываются 4 главных центра научного прогресса - США (35% мировых расходов на НИОКР по паритету покупательной способности), Европейский Союз (24%), Япония и Китай (примерно по 12%) . К сожалению, Российская Федерация в группу лидеров не входит - на нашу долю приходится менее 2% мировых расходов на НИОКР по паритету покупательной способности и 1% по обменному курсу [*] . Таким образом, Россия отстает от США по расходам на НИОКР в 17 раз, от Европейского Союза - в 12 раз, от Китая - в 6,4 раза, от Индии - в 1,5 раза .
В настоящее время в России работает несколько сотен тысяч научных работников, большая часть (порядка полумиллиона) кандидаты и доктора наук.
В России насчитывается около четырёх тысяч организаций, занимающихся исследованиями и разработками. Около 70 % этих организаций принадлежат государству.
Россия не сможет добиться ведущей роли на международной арене без развития научного потенциала страны. Мировой финансово-экономический кризис отбросил российскую экономику на пять лет назад. Стало ясно, что полученные в начале прошлого десятилетия огромные доходы от экспорта энергетических ресурсов не были использованы для диверсификации и модернизации российской экономики.
От судьбы российской науки зависит судьба России. Потеряв науку, Россия перестанет быть независимым государством, сохраняющим контроль над своей территорией и своими природными богатствами. Это обстоятельство следует положить в основу стратегии будущего развития страны .
Традиционно выделяют три основных направления научных исследований: фундаментальные научные исследования, прикладные научные исследования, а также научно-исследовательские и опытно-конструкторские разработки (НИОКР).
Как уже говорилось, фундаментальными считаются науки, познающие мир безотносительно к возможности практического использования получаемых знаний. Термин фундаментальность (от лат. fundamentum - основа, опора) означает направленность этих наук на исследование основополагающих, основных законов природы. Результатом функционирования фундаментальной науки является открытие.
Прикладные научные исследования - это такие исследования, которые используют знания и закономерности, сформулированные фундаментальными науками, для решения практических задач. Результатом прикладных исследований являются изобретения (разработка, внедрение и использование) новой техники и технологий. Отметим, что деление научных исследований на фундаментальные и прикладные является относительным, поскольку жесткой границы между ними нет. Например, ведущие промышленные компании мира в сфере высоких технологий имеют научно-исследовательские лаборатории для изучения фундаментальных проблем с финансированием в несколько миллионов долларов, а университетская наука прикладные разработки передает непосредственно в бизнес, для практического использования.
История развития науки и техники показывает, что прикладные научные исследования развиваются в силу необходимости разрешать производственные и технические проблемы. Так, совершенствование паровой машины привело к исследованиям в области термодинамики, кинетической теории газов, теории горения и др. С появлением электродвигателей и генераторов электрического тока стала развиваться теория электротехники. Затем возникли совершенно новые науки - электродинамика и теория колебаний и волн, без которых были бы невозможны радиосвязь и телевидение. При этом следует подчеркнуть, что все эти прикладные исследования основываются на фундаментальных разделах физики, которые исследовались в рамках чистой науки, т.е. не имеющей практической пользы.
В наш прагматичный век, когда все думают о практической пользе, выгоде, возникает вопрос о бесполезности финансовых затрат на фундаментальную науку. Ее называют «наука для науки» и задумываются над тем, зачем тратить деньги на ближний и дальний космос, исследование планет, строить большой адронный коллайдер стоимостью десятки миллиардов долларов для исследования тайн возникновения Вселенной. Более рационально было бы пустить эти финансовые ресурсы на борьбу с бедностью, голодом, отсутствием медицинской помощи и другими гуманитарными проблемами. Действительно гуманитарные проблемы в настоящее время являются приоритетами на транснациональном уровне. Тем не менее, проведение фундаментальных исследований является нс только условием успешности прикладной науки, но и главным фактором выживания человечества в условиях глобального кризиса. Переход на принципиально новые виды энергии (в духе глобальных, паранормальных, инженерно-технологических решений славянского гения Николы Тесла), поиск внеземных цивилизаций, а также решение «земных» проблем, связанных с тайной возникновения жизни и человека на Земле, возможны лишь на базе фундаментальных научных исследований.
Болес того, прикладные научные исследования, применяющие фундаментальные знания о природе для решения технических задач, не могут успешно развиваться в отрыве от фундаментальных наук. Так, в начале XX в. были сформулированы основные принципы квантовой механики и теории относительности. В то время эти теории казались абсолютно умозрительными и совершенно бесполезными. В рамках коммунистической идеологии эти науки наряду с генетикой и кибернетикой, которые возникли на полвска позже, подвергались остракизму и гонениям. Ученые, проводившие фундаментальные исследования в этих сферах, не только упрекались в схоластике, идеализме, но и физически уничтожались (Н.И. Вавилов). Однако через короткий исторический период были изобретены ускорители элементарных частиц, для строительства которых использовались принципы теории относительности, затем появились лазеры, работающие на принципах квантовой механики. Разработка генома человека основывалась на фундаментальных принципах генетической теории. И таких примеров - сотни.
Прикладные научные исследования - это исследования, направленные преимущественно на применение новых знаний для достижения практических целей и решения конкретных задач, в том числе имеющих коммерческое значение. На данном этапе проверяется техническая осуществимость идеи, анализируются масштабы потребностей рынка, а также потенциальные возможности предприятия по разработке и производству нового продукта. Выполнение работ на данном этапе связано с высокой вероятностью получения отрицательных результатов, возникает риск потерь при вложении средств в проведение прикладных научных исследований. Финансирование прикладных научно-исследовательских работ ведётся, во-первых, из государственного бюджета, во-вторых, за счёт отдельных заказчиков в лице крупных промышленных фирм, акционерных обществ, коммерческих фондов и венчурных фирм.
Формирование прикладных исследований как организационно специфичной сферы ведения научной деятельности, целенаправленное систематическое развитие которой приходит на смену утилизации случайных единичных изобретений, относится к кон. 19 в. и обычно связывается с созданием и деятельностью лаборатории Ю. Либиха в Германии. Перед 1-й мировой войной прикладные исследования как основа для разработки новых видов техники (прежде всего военной) становятся неотъемлемой частью общего научно-технического развития. К сер. 20 в. они постепенно превращаются в ключевой элемент научно-технического обеспечения всех отраслей народного хозяйства и управления.
Хотя в конечном счете социальная функция прикладных исследований направлена на снабжение инновациями научно-технического и социально-экономического прогресса в целом, непосредственная задача любой исследовательской группы и организации состоит в обеспечении конкурентного преимущества той организационной структуры (фирмы, корпорации, отрасли, отдельного государства), в рамках которой осуществляются исследования. Эта задача определяет приоритеты в деятельности исследователей и в работе по организации знания: выбор проблематики, состав исследовательских групп (как правило, междисциплинарных), ограничение внешних коммуникаций, засекречивание промежуточных результатов и юридическая защита конечных интеллектуальных продуктов исследовательской и инженерной деятельности (патенты, лицензии и т п.).
Ориентация прикладных исследований на внешние приоритеты и ограничение коммуникаций внутри исследовательского сообщества резко снижают эффективность внутренних информационных процессов (в частности, научной критики как основного двигателя научного познания).
Поиск целей исследований опирается на систему научно-технического прогнозирования, которая дает информацию о раз витии рынка, формировании потребностей, а тем самым и о перспективности тех или иных инноваций. Система научнотехнической информации снабжает прикладные исследования сведениями как о достижениях в различных областях фундаментальной науки, так и о новейших прикладных разработках, уже достигших лицензионного уровня.
Знание, полученное в прикладных исследованиях (за исключением временно засекреченных сведений о промежуточных результатах), организуется в универсальной для науки форме научных дисциплин (технические, медицинские, сельскохозяйственные и др. науки) и в этом стандартном виде используется для подготовки специалистов и поиска базовых закономерностей. Единство науки не разрушается наличием различных типов исследований, а приобретает новую форму, соответствующую современной ступени социально-экономического развития.
