Обычно он составляется на основе обобщения данных предварительно

выполненного качественного и количественного анализа( общественных

потребностей в развитии данной проблемной области; ее сложившихся

внутренних возможностей и противоречий развития; (фона( научно-технической

проблематики, определяющего внешние воздействия, стимулирующие и тормозящие

развитие прогнозируемой области науки и техники.

Особую форму приобретают такого рода феноменологические модели, как

сценарии будущего, в случае прогнозов в области теоретических и

фундаментальных исследований.

В начале 70-х годов специалисты А.И. Покровский и Б.А. Старостин

сформулировали важную для методологии прогнозирования такого рода объектов

концепцию фундаментального научного эффекта (ФЭ) и недостающего для его

получения базиса знаний. Эта концепция исходит из того, что предметом

исследования в прогностике является не само будущее открытие как таковое, а

фундаментальный научный эффект, понимаемый как системная целостность

данных, которая может с некоторой вероятностью привести к сдвигам в научных

представлениях значительного теоретического и потенциального прикладного

масштаба.

Конечно, и само открытие может стать для ряда дальнейших открытий

фундаментальным научным эффектом или важнейшим компонентом такового. В этом

плане следует рассматривать, например, отношение между Периодическим

законом Менделеева (1869) и предсказанными на его основе химическими

элементами или между открытием электромагнитных волн Герцем (1889) и

развитием радиотехники с ее разнообразными применениями, включая

радиолокацию и т. д.

Совокупность целей, средств и предпосылок для разрешения тех или иных

научных проблем может быть представлена и более строго интерпретированной

моделью – прогнозным графом. Каждый полученный элемент модели (событие)

состоит( из описания (на языке соответствующего классификатора); системы

количественных оценок данного события (условная вероятность, время

свершения, значимость, стоимость); определителей причинно-следственных

связей данного события с событиями верхнего и нижнего по отношению к нему

уровней. Из такого рода элементов строится модель научно-технического

прогресса, представляющая собой ориентированный граф.

Модель описанного вида реализована в практике прогнозных работ

Института кибернетики. Она позволяет следить за ходом научно-технического

развития конкретной проблемной области, анализировать тенденции и оценивать

совокупности задач (ситуации), синтезировать прогнозные варианты тех или

иных изменений в ситуациях и оценивать следствия этих изменений.

Математическое обеспечение модели базируется на вычислительных процедурах и

алгоритмах (метода максимальных возможностей(.

Специфически важная роль во всей излагаемой концепции прогнозирования

принадлежит методам информационного моделирования. Характерные свойства

массовых потоков научно-технической информации предопределяют ряд

возможностей анализа тенденций прогресса науки и техники по (информационным

сигналам( – по изменению количественных и структурных параметров этих

потоков.

Известны попытки разработать методы анализа информационных сигналов,

содержащихся в потоках выданных патентных документов о мировом техническом

опыте. Закодировав информацию, содержащуюся в патентах по определенному

классу технических средств, можно определить те элементы и типы технических

решений, по которым ускорение прироста новых данных существенно отлично от

средних значений. Это явление предложено рассматривать как сигнал о том,

что через 5-8 лет такого рода решения будут обновлять соответствующие

характеристики практически применяемых средств техники.

В дальнейшем предстоит проверить прогнозное значение инженерно-

технических выводов, вытекающих из подобного анализа патентных данных.

Процедура классификации содержания патентов и оценки прироста данных

нуждается в совершенствовании с учетом существующих принципиальных различий

в национальных системах патентования и в побудительных мотивах к

патентованию новых идей, а также влияния на этот процесс конъюнктуры

мирового рынка.

Интересные идеи пришли в область информационных методов анализа

развития науки в связи с появившейся возможностью автоматизированного

составления индексов связей (ИНС) между различными научными публикациями.

Подобным образом составляются ежегодно издаваемые перекрестные

библиографические указатели информации по важнейшим разделам науки. Однако,

как это нередко бывает в науке, очень скоро выяснились и другие его

возможности, специфически важные для науковедения. ИНС оказался мощным и

перспективным инструментом анализа тенденций развития науки, диагноза

состояния междисциплинарных связей и прогнозирования ряда явлений в

жизнедеятельности организма науки. Исходная предпосылка этих ценных для

науковедения свойств ИНС содержится в том факте, что сеть фактического

взаимовлияния, построенная по данным ИНС, является информационным

отображением – моделью историко-логической сети связей реального процесса

развития науки.

Используя хорошо известные сейчас математические методы, можно

производить анализ информационных сетей любой сложности, получая

объективные данные о фактическом взаимовлиянии, тенденциях в

перераспределении усилий исследователей, интенсивности и направленности

миграции научной информации из одних областей исследований во многие другие

и т. п.

В типичных для нашего времени условиях широкого фронта научно-

исследовательских работ, колоссальных объемов информации и все

возрастающего значения взаимодействия наук даже хорошо информированному и

компетентному исследователю трудно оперативно уследить за изменениями в

тактике решения научной проблемы, происходящими в разных странах. Изменения

в структуре потоков информации – их чувствительный индикатор. На основе

анализа этих изменений можно прогнозировать предстоящие потребности в

возникновении новых специализированных научных учреждений, необходимость в

существующих и новых журналах, назревающее обособление новых относительно

самостоятельных научных направлений. Структура, интенсивность и

направленность сетей фактического взаимовлияния позволяют также

прогнозировать ожидаемые в отдельных областях крупные научные сдвиги, а

иногда дают материал для объяснения причин низкой результативности тех или

иных направлений.

В последние годы внимание науковедов привлекают возможности

использования для анализа опыта развития науки методов исследования

операций. Применительно к задачам программных и организационных прогнозов

подобный подход начинает складываться в попытки создания экономико-

математических моделей выбора вариантов развития и целесообразного

распределения ресурсов, что весьма актуально с точки зрения последующего

использования прогнозных данных.

В целом развитие методов моделирования, используемых прогнозистами

науки и техники, идет по пути синтеза рациональных элементов всех методов и

подходов. Это весьма перспективный путь, так как он открывает возможность

создания единых комплексных методов для последовательной разработки

исследовательских, программных и организационных прогнозов.

Заключение.

Поставив перед страной задачу всемерного повышения эффективности

научно-технического прогресса, правительство важную роль при ее решении

отводит совершенствованию дела организации и управления научно-техническим

прогрессом.

В этом исторически важном деле науковедению, обратившему аппарат

научного анализа на изучение процессов научно-технического развития,

принадлежит исключительная роль. Оно должно стать подлинной теоретической

основой государственного управления прогрессом науки и техники.

Внимательно изучая уроки прошлого, глубоко анализируя современный

опыт, науковедение стремится познать будущее науки. Всеми своими

результатами оно призвано служить более успешному прокладыванию наукой

путей в будущее. В особенности функция конкретизации представлении о

будущем науки и техники присуща вновь формирующейся ветви науковедения.

Науковеды-прогнозисты представляют собой лишь небольшой отряд

исследователей в огромной армии российских ученых. Они отнюдь не претендуют

на роль проводника науки, а только стремятся стать деловыми и полезными

помощниками людей и коллективов, непосредственно творящих будущее науки и

техники. Мы помним мудрое высказывание В. И. Ленина о том, что (ум десятков

миллионов творцов создает нечто неизмеримо более высокое, чем самое великое

и гениальное предвидение(1. Роль науковеда-прогнозиста в коллективном

процессе предвидения будущего представляется нам в следующих основных

чертах. Прежде всего такой ученый выступает как организатор групп

специалистов, располагающих знаниями, опытом и интуицией, необходимыми для

комплексных прогнозных разработок. Прогнозист участвует в этой работе как

исследователь, имеющий в своем распоряжении развитый арсенал специальных

методов изучения процессов научно-технического развития. Вместе с тем на

нем лежит непременная обязанность постоянно обобщать реальный опыт

прогнозирования, развивать его теоретические основы и совершенствовать

специальные методы и процедуры.

Будущее нашей отрасли знания – в тесном сотрудничестве со

специалистами всех отраслей науки, в познании специфики их творческого

труда и обогащении науковедения ценнейшим опытом организации научного

прогресса, каждодневно накапливаемым в науке.

Список используемой литературы.

1. К. Маркс и Ф. Энгельс. Соч., т. 23.

2. В.И. Вернандский. Задача дня в области радия. – В сб.: Очерки и речи

академика В.И. Вернандского, ч.1 Пг., 1922.

3. А.Г. Ивахенко. Долгосрочное прогнозирование и управление сложными

системами. Киев, 1975.

4. В.М. Глушков. Управление наукой и фундаментальные исследования."Вестник

академии наук СССР", 1975, N10.

5. Ф. Миллс. "Статистические методы". М., 1958.

6. В.И. Ленин. Полное собрание сочинений, т. 35.

7. Г.М. Добров. Прогнозирование науки и техники. М. 1977.

8. Н.К. Кульбовская. Прогнозирование и измерение научно-технического

прогресса. М. 1976.

-----------------------

[1] К. Маркс и Ф. Энгельс. Соч., т. 23, с. 189

1 В.И.Вернандский. Задача дня в области радия.– В сб.( Очерки и речи

академика В.И.Вернандсого, ч.1 Пг., 1922, с.37

1 А.Г.Ивахенко. Долгосрочное прогнозирование и управление сложными

системами. Киев, 1975, с.15-16

2 В.М.Глушков. Управление наукой и фундаментальные исследования. – (Вестник

академии наук СССР(, 1975, N10, с.15

1 Ф. Миллс Статистические методы. М., 1958, с. 650.

1 В. И. Ленин. Полное собрание сочинений, т. 35, с. 281.

Страницы: 1, 2, 3, 4, 5