Jakikolwiek zainteresuje nas etap tworzenia polityki naukowej, napotkamy grad roztrząsanych pytań, stawianych problemów, rozwijanych argumentów. Czy sięgniemy do wewnętrznych dokumentów rządowych, do protokółów z zamkniętych narad, do udostępnianych publicznie ministerialnych raportów, do debaty publicznej w mediach czy do głosów na forach społecznościowych, odnajdziemy – w najróżniejszych kontekstach i permutacjach – te same podstawowe elementy argumentacji. Np.: „Czy korzyści odnoszone z realizacji programu X usprawiedliwiają ponoszone koszty?”; „Czy wstąpienie do organizacji międzynarodowej A (np. do CERN) jest zasadne, skoro istnieją tańsze alternatywy w postaci B i C?”; „Ponieważ X powoduje niekorzystne skutki Z, potrzebne są strategie A lub B”; „X zawiera w sobie wielki potencjał szerokich zastosowań. Jednakże aby ten potencjał został wykorzystany, potrzeba F (np. programu szkoleń) oraz G (np. nowych regulacji)”; „Program X dobrze służy rozwiązaniu problemu Y. Jednakże, ujemne następstwa, jakie przy tym powoduje, wymagają jego korekty przez wprowadzenie instrumentu C (np. ustalenia standardów) i D (np. zapewnienia dostępu do kredytów)” itd., itp.

W ruch idą tezy, dowody, przesłanki, uzasadnienia, przykłady, wnioski. Stale pojawiają się: „skoro”, „a zatem”, „dlatego”, „stąd wynika, że”.

Odkąd polityka przestała być zajęciem dla wtajemniczonych, przedstawianie argumentacji w toku jej kształtowania pozwala wszystkim zainteresowanym na kontrolę poprawności rozumowań. Skuteczne stosowanie argumentacji zależy od a) znajomości tematu, b) umiejętności stosowania zasad argumentacji, c) zdolności do krytycznej oceny stanu rzeczy pod kątem wprowadzenia zmian.

Argumenty rozwija się w ramach analizy polityki i debaty publicznej.

Według klasycznego modelu analiza polityki składa się z takich zadań, jak: 1) definiowanie problemów, z jakimi boryka się system nauki; ustalenie ich źródeł, np. za pomocą takich różnych ram koncepcyjnych, jak „niedoskonałość rynku”, „ułomność rządu”, „zawodność systemu” oraz takich kategorii, jak np. „luka”, „bariera”; 2) wyznaczenie celu i zadania interwencji; 3) określenie alternatywnych propozycji instrumentów, służących rozwiązaniu problemów; 4) oceny opcji przez porównanie możliwych korzyści i kosztów każdej z nich; 5) wybór najlepszej opcji; 6) ocena jej realizacji. Model ten to tylko ideał, na świecie wcielany w życie w takiej mierze, w jakiej znajduje wsparcie w zapisach prawnych, procedurach i ustalonych praktykach (np. w Polsce ewaluacje programów w NCBR, oceny skutków regulacji, obecnie nie tylko ex ante, ale także ex post, oraz kontrola zarządcza i audyt wewnętrzny).

Wg Giandomenico Majone (Dowody, argumenty i perswazja w procesie politycznym, 2004) analizy polityk polegają na gromadzeniu danych oraz cyklu przekształceń: dane przekształca się w informacje, te w dowody, dowody w argumenty, a argumenty we wnioski. „Analiza zwykle zaczyna się od czegoś mniej zorganizowanego niż problem, mianowicie od sytuacji problemowej – pisze Majone. Jest to świadomość, że powinno być inaczej, ale bez jasnego wyobrażenia o działaniach naprawczych. Przedstawienie problemu jest procesem przełożenia sytuacji problemowej na faktyczny problem polityki, określający cele, które mają być osiągnięte, oraz strategię ich realizacji”. „Zanim dane zostaną użyte jako argument, trzeba im zwykle nadać bardziej użyteczną i wiarygodną formę. To przekształcenie danych wymaga nowego zestawu umiejętności rzemieślniczych, zastosowania nowych narzędzi (często o charakterze statystycznym lub matematycznym) oraz dokonania nowych ocen”. „Dowody nie są synonimem danych ani informacji. Są to informacje wyselekcjonowane z dostępnego zbioru i wprowadzone w konkretnym punkcie argumentu, aby przekonać określonych odbiorców o prawdziwości lub fałszywości pewnego stwierdzenia”. „Wniosek analizy polityki może być prognozą, zleceniem, ewaluacją funkcjonujących programów, nową propozycją lub innym spojrzeniem na stary problem”.

Dowody i argumenty tworzy się poprzez gromadzenie i analizę danych dotyczących dynamiki systemu nauki w jego społecznym i gospodarczym otoczeniu, posiadanych zasobów oraz oceny możliwego wpływu decyzji.

Postawmy tezę, że techniki wizualizacji – które odbywają zwycięski pochód po wszystkich niemal dziedzinach nauki i życia społecznego – mogą znacząco ulepszyć politykę naukową.

Polityka naukowa

Polityka naukowa to celowa ingerencja w złożony system nauki – piszą Jim Thomas i Susan Albers Mohrman w książce The Science of Science Policy: A Handbook (Stanford University Press, 2011). Jakość decyzji politycznych ocenia się na podstawie skuteczności w osiąganiu ustalonych celów. Dane (np. o środkach finansowych, wnioskach grantowych i przyznanych dotacjach, publikacjach i patentach, o zatrudnionych w nauce, mobilności geograficznej i instytucjonalnej badaczy) mają pozwolić na zrozumienie dynamiki systemu nauki w jej szerokim kontekście, z uwzględnieniem samego procesu kształtowania polityki. Decydenci muszą np. wiedzieć, w jakich zespołach i instytucjach pracują wysokiej klasy naukowcy, których badania mogą prowadzić do ważnych odkryć i użytecznych innowacji. Muszą też wiedzieć, gdzie występują braki kadr naukowych. Konieczne, aby wiedzieli, w jakich obszarach nauki i technologii badacze mogą wnieść „wartość dodaną” do światowej puli wiedzy.

Nauka to złożony system, ciągną dalej Thomas i Mohrman. Systemy złożone kształtowane są przez działania wielu podmiotów. System nauki obejmuje indywidualnych badaczy i zespoły badawcze w uniwersytetach, instytutach i w firmach, oraz formalne i nieformalne sieci organizacji i osób prywatnych, stowarzyszenia zawodowe, ministerstwa i agencje grantowe, a także np. deweloperów i producentów sprzętu i aparatury naukowej.

Postęp w nauce to proces ewolucyjny, który zachodzi przez zmiany zachodzące w danych, pojęciach, ustaleniach, teoriach, metodach i obszarach badawczych. Polityka ma wpływ na te zmiany poprzez swoje programy i instrumenty, przede wszystkim przez wielkość i zasady przydzielania środków.

System nauki jest podsystemem społeczeństwa i analizy na rzecz polityki naukowej muszą uwzględniać współzależności i zakorzenienie tego systemu w jego szerszym kontekście społecznym. Analizy powinny zatem koncentrować się na powiązaniach podsystemu nauki z innymi podsystemami społeczeństwa, takimi jak: innowacje technologiczne, gospodarka, bezpieczeństwo, zdrowie, edukacja, polityka, kultura, środowisko.

Powinny one dostarczać nie tyle wiedzy akademickiej, co wiedzy bezpośrednio użytecznej w formułowaniu polityki. Naukowcy akademicy, poddawani stałej ewaluacji, rzadko znają i stosują konwencje analiz polityki, dlatego coraz częściej decydenci potrzebną wiedzę znajdują w think tankach.

System nauki i otoczenie, w jakim działa nauka, są tak złożone, a powiązania wewnętrzne i zewnętrzne nauki ze światem zewnętrznym tak liczne, że nie sposób zbudować modelu, na podstawie którego można by z dużą dozą prawdopodobieństwa projektować decyzje polityczne. Problemem analiz na rzecz polityki naukowej jest stosunkowo niewielka ilość znanych zależności, zwłaszcza typu „wkład A prowadzi do rezultatu B”. Zależności są w dużym stopniu zależne od kontekstu.

Kształtowanie polityki jest zatem zawsze obarczone niepewnością i ma charakter probabilistyczny i dynamiczny. Możliwości inwestycji w naukę nie są nieograniczone. Decyzje inwestycyjne mają charakter hipotez dotyczących poziomu ryzyka i szans największego zwrotu z inwestycji. Hipotezy te stawia się na podstawie analiz polityki i ewaluacji ex ante, a sprawdza się dzięki ewaluacjom ex post i ocenom wpływu (impact assessment). Z tego też względu konieczny jest feedback, czyli dopływ informacji o skutkach i oddziaływaniach decyzji.

Wszystko to sprawia, piszą dalej Thomas i Mohrman, że formułowanie i realizacja polityki powinny być interdyscyplinarnym procesem społecznym, obejmującym różne grupy decydentów, ekspertów i interesariuszy. To z kolei powoduje, że, z jednej strony, analizy na rzecz polityki, sięgając po różne modele i ramy koncepcyjne, powinny mieć charakter eksperymentalny i stale tworzyć i sprawdzać hipotezy, a z drugiej strony politycy nie powinni ograniczać się do zaleceń analityków, ale także odwoływać się do intuicji, mądrości oraz szerszych priorytetów i programów, rządowych i międzynarodowych.

Najlepiej, gdy prace analityczne skupiają się na realizacji takich produktów, jak: bazy danych i informacji dla analiz, reprezentacje wiedzy i informacji (agregaty danych, syntezy problemu, wizualizacje…), analizy wspomagające podejmowanie decyzji.

Mechanizm gromadzenia i analizy danych powinien pozwalać na lepsze rozumienie efektywności inwestycji publicznych w naukę. W szczególności powinien informować, jakie efekty (krótko i długofalowe) przyniosły dotychczasowe inwestycje i jak należy zmodyfikować istniejące programy i instrumenty, aby ich wpływ był większy.

Źródłem odpowiedzi na te pytania powinien być zestaw skoordynowanych ze sobą ewaluacji, diagnoz, prognoz, opartych także na istniejącej wiedzy, przeprowadzanych cyklicznie i przedstawianych decydentom i wszystkim zainteresowanym w formie pakietu.

Według Irwina Fellera, diagnozy powinny m.in. odpowiadać na pytania: W jaki sposób działa system nauki i innowacji, jego poszczególne części instytucjonalne (uczelnie, laboratoria rządowe i przemysłowe itd.) oraz funkcje (np. rozwoju badań naukowych i technologicznych, rozwoju kompetencji dla gospodarki) z punktu widzenia celów i priorytetów polityki rządowej i wkładu do rozwoju gospodarczego i społecznego? W jaki sposób działalność tego systemu jest uwarunkowana przez otoczenie zewnętrzne i w jaki sposób system oddziałuje na gospodarkę i społeczeństwo?

Prognozy służyłyby m.in. odpowiedzi na pytania: Co prawdopodobnie wydarzy się w przyszłości? Czy da się określić trendy (mające wpływ na naukę i innowacje), stwierdzić sposób, w jaki wpływają na siebie, przewidzieć ich długotrwałość? Co powinno się wydarzyć, aby kraj zmniejszył cywilizacyjny dystans do światowej czołówki? Jaką rolę w „odrabianiu zaległości” mogłaby odegrać polityka naukowa i innowacyjna, biorąc pod uwagę rozpoznane trendy i etap rozwoju, na jakim znajduje się kraj?

Ewaluacje z kolei odpowiadałyby na pytania: Jak działała polityka naukowa i innowacyjna? Co się dzieje z zarządzanymi zasobami i co powstaje w efekcie podejmowanych przez rząd działań? W jakiej mierze działania te osiągają zakładane cele i realizują zapowiedziane zadania? Czy wyznaczone cele i zadania były odpowiednie?

Zalecenia powinny m.in. odpowiadać na pytania, jak dobierać instrumenty polityki, aby wspierały się wzajemnie i były zgodne z krajowymi i międzynarodowymi ramami prawno-politycznymi, aby były wprowadzane w logicznym porządku oraz osiągnęły zakładane cele.

Postulowane pakiety powinny być otwarte, aby ich użytkownicy mogli (korzystając z własnych doświadczeń i przemyśleń) dodawać nowe informacje oraz zmieniać wagi i priorytety. Pakiety te pozwalałaby na obiektywizację problemów polityki przez oderwanie ich od kontekstu realizacji; na spojrzenie na nie „świeżym okiem”, z dystansu, a zarazem z różnych perspektyw, w oderwaniu od rutyny bieżącej pracy urzędniczej oraz układów grupowych interesów; na ograniczenie subiektywizmu, uznaniowości i dowolności w formułowaniu i realizacji decyzji.

Wizualizacja

Jakie możliwości oferują polityce naukowej wizualizacje i jak można je wykorzystywać na różnych etapach procesu decyzyjnego?

Wizualizacja to ogólna nazwa graficznych metod tworzenia, takich jak obrazy, diagramy czy animacje, stosowanych do analizy i szybkiego oraz przejrzystego przekazywania informacji. Analityka wizualna wspomaga analityków, decydentów i wszystkich zainteresowanych integracją wielkich ilości zróżnicowanych danych i informacji. Pozwala ona przetwarzać dane i informacje oraz odkrywać w nich ukryte zależności.

Wizualizacja (często określana też jako infografika) budzi zainteresowanie oraz sprzeczne uczucia. Jej zwolennicy cytują na każdej konferencji powiedzenie: „obraz wart więcej niż tysiąc słów”. Sceptycy zwracają uwagę, że gdyby tak rzeczywiście było, to informacja ta szerzyłaby się poprzez obraz, a nie przez zbiór słów. Realiści podkreślają, że wszystko zależy od przekazu, a słowa, cyfry i obrazy powinny się wzajemnie wspomagać.

Istnieje co najmniej pięć typów wizualizacji:

danych (ilościowych i jakościowych, dotyczących np. publikacji, cytowań, patentów, instrumentów polityki, wniosków grantowych oraz decyzji o przyznanych środkach, a także danych o zatrudnieniu naukowców oraz ich mobilności); koncepcji, modeli, pojęć, metafor, dotyczących zarówno systemu nauki, jak i procesu decyzyjnego w polityce naukowej; tekstów (np. dokumentów, takich jak komunikaty unijne oraz opinii o nauce przedstawianych w mediach, na blogach, forach czy w serwisach społecznościowych); sieci (np. naukowych i politycznych); opowieści (bardziej rozbudowanych narracji).

Możliwości wizualizacji pokazuje najlepiej „Tabela okresowa metod wizualizacji” („A periodic table of visualisation methods”, http://www.visual-literacy.org/periodic_table/ periodic_table.html).

Wizualizacja danych . Jedną z użytecznych form wizualizacji danych na potrzeby polityki naukowej jest mapowanie nauki, oparte na danych naukometrycznych. Za pomocą map obserwuje się np. przepływ informacji pomiędzy ośrodkami badawczymi lub osobami oraz analizuje strukturę i rozwój dziedzin naukowych oraz całej nauki w skali krajowej i globalnej. Skala analiz sięga od poziomu micro (poszczególni naukowcy), poprzez meso (uczelnie, instytuty, dyscypliny), aż po macro (światowa nauka). Istnieje wiele narzędzi mapowania nauki (np. Gephi), serwisów (np. Places&Spaces, Maps of Science, Scimago), ekspertów (np. w Polsce Veslava Osińska), oraz aplikacji umożliwiających zarówno tworzenie znanych, jak i nowych eksperymentalnych form wizualizacji (np. Datawraper, RAW, Lyra).

Wizualizacja koncepcji . Metafory, takie jak np. „maszyna”, „ścieżka”, „efekt domina”, „ogród”, „budynek”, „biologia ewolucyjna”, są często ogniskiem koncepcji lub modeli w badaniach naukoznawczych i innowacyjnych. Np. do opisu zmiany technologicznej stosuje się metafory zaczerpnięte z biologii ewolucyjnej: mówi się więc, że istotne cechy produktów lub procesów ulegają „mutacji i rekombinacji”, produkty i procesy podlegają „selekcji” itd. Wizualizacja metafor ułatwia zrozumienie opartych na nich idei.

Z drugiej strony, metafory (np. „rybich ości” lub „zjeżdżalni”) leżą u podstaw form przestrzennego przedstawiania argumentacji.

Wizualizacja tekstu . „Współczesne technologie cyfrowe pozwalają także w nowy sposób badać i prezentować tekst. Popularną formą wizualizacji tekstu jest tzw. chmura tagów, którą uzyskuje się dzięki automatycznemu zliczaniu słów występujących w tekście. W zależności od ich częstotliwości skaluje się ich wielkość. W ten sposób najczęściej występujące słowa są lepiej widoczne w chmurze innych słów. Wśród licznych aplikacji, które można wykorzystać w tym celu, wymienić można: Wordle, Tagxedo, TagCrowd. Najbardziej rozbudowaną otwartą aplikacją, którą scharakteryzuję, jest program Voyant” (Radosław Bomba).

Wizualizacja sieci . „Znaczenie globalnych sieci komunikacyjnych we współczesnym społeczeństwie prowadzi do wykładniczego wzrostu złożoności i skomplikowania. Odpowiedzią na tego typu problemy stają się narzędzia do wizualizacji sieci. Programy tego typu skupiają się na wizualizowaniu relacji pomiędzy określonymi podmiotami. Dzięki temu analizie mogą zostać poddane ogromne sieci składające się z wielu milionów węzłów i połączeń. Wizualizacja sieci może być często łączona z mapami, dodając w ten sposób kolejny wymiar do prowadzonych badań” (Radosław Bomba). Gephi i Palladio to najbardziej znane aplikacje do wizualizacji sieci.

Opowieści cyfrowe . „Współczesny Internet pozwala na kreowanie zróżnicowanych multimedialnych i w pełni interaktywnych narracji. Często projekty tego typu określa się jako opowieści cyfrowe. W projektach tego typu na pierwszy plan wysuwane są interaktywne media, grafika, ikony, mapy. Przykładem aplikacji i programów, które mogą być wykorzystane w tym celu są: Odyssey.js, Storymap, Timemapper, Timline.js” (Radosław Bomba).

Jak można wykorzystywać wizualizacje na różnych etapach kształtowania polityki naukowej? W szczególności, jaką rolę mogłyby odegrać wizualizacje w tworzeniu wspomnianych wcześniej pakietów analitycznych?

Infografika mogłaby nie tylko wspomóc analizy, ale także ułatwić komunikację pomiędzy wszystkimi uczestnikami procesu polityki. W szczególności mogłaby pomóc w definiowaniu problemów poprzez np. określanie trendów w badaniach naukowych, frontów badawczych lub też wzorów współpracy pomiędzy naukowcami.