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