Nawet jeśli mamy krytyczne uwagi pod adresem powstających w ostatnim czasie propozycji strategii nauki i szkół wyższych (założeń, paktów, kierunków…), nie powinny one przesłonić faktu, że w ostatnich latach i miesiącach wydarzyło się coś bardzo dobrego. Tworzenie strategii stało się przedmiotem dyskusji i nabrało charakteru publicznej partycypacji.

Jednak projekty strategii przygotowane przez samych zainteresowanych – a tak jest ze strategiami sporządzonymi przez badaczy – cierpią na podwójne skrzywienie: skrzywienie poznawcze i skrzywienie podyktowane interesami. Nie można być sędzią we własnej sprawie.

Zebranie opinii środowiska – najważniejsza podstawa dotychczasowych propozycji – to tylko połowa roboty. Nie mniej ważne jest zebranie danych statystycznych oraz innych danych jakościowych. A następnie rzucenie tak zebranego materiału na szkielet strategii i ponowne wprzęgnięcie analityków i naukowców do pracy nad ostatecznym kształtem strategii.

Statystyka

W mnogości danych statystycznych opisujących naukę i innowację można się zagubić. Gdy weźmiemy pod uwagę ich różne typy, długie serie czasowe oraz międzynarodowy przekrój, doliczymy się kilkuset tysięcy danych. Nadmiar jest równie zły jak niedomiar. Wśród drzew w gęstym lesie nie widzi się kształtu lasu. Często lepiej wiedzieć mniej.

Jest wiele rodzajów statystyk. Jest statystyka B+R i innowacji, zbierana wg metod OECD i Eurostatu. Liczy sobie kilkanaście gałęzi, takich jak statystyka B+R, rządowych budżetów nauki, patentów, publikacji, innowacji, zaawansowanych technologii itd. Istnieje statystyka zbierana ad hoc do oceny projektów i programów lub na potrzeby organizacji. Próbuje się rozwijać statystykę opartą na przesiewaniu wielkich zbiorów danych cyfrowych.

Wskaźniki możemy uporządkować wg tematu, czasu (roku), przestrzeni (kraju, regionu), sektora, grupy technologicznej, skali (makro – mikro).

Ratunkiem przed zalewem danych może być automatyczne wyszukiwanie korelacji. Problem z korelacjami jest jednak taki, że w im większej masie danych ich szukamy, tym częściej znajdujemy korelacje przypadkowe. Dobrym przykładem jest dość ścisła korelacja między mapą (na poziomie gmin) ostatnich wyników wyborów prezydenckich w Polsce a mapą wielkości populacji dzików.

Potrzeba nici Ariadny, aby w labiryncie danych znaleźć wyjście. Tą nicią Ariadny mogłyby być koncepcje czy też, jak mówi się po angielsku, „ramy koncepcyjne” (conceptual frameworks, siatki pojęciowe). Siatki pojęciowe to narzędzia analityczne zawierające zestawy uporządkowanych pojęć i rozróżnień.

Siatki pojęciowe

Obserwować zmiany koncepcji nauki i innowacji to jak patrzeć przez okno rozpędzającego się pociągu. Nowe nazwy zmieniają się coraz szybciej. Nawiązują one do poprzednich, odróżniając się od poprzedniczek bądź kolejnym numerem, bądź uszczegóławiającą przydawką, bądź wreszcie przez to, że mają charakter zbitki łączącej pojęcia uważane przedtem za przeciwstawne (glokalny, czyli jednocześnie globalny i lokalny; kopetycja, czyli jednocześnie współpraca i współzawodnictwo).

Tak więc, po drugim trybie produkcji wiedzy nastąpił trzeci; po koncepcji otwartej innowacji – koncepcja otwartej innowacji 2.0; po nauce 2.0 – nauka 3.0; po drugiej rewolucji przemysłowej – trzecia; po polityce innowacyjnej drugiej generacji – polityka trzeciej generacji; po potrójnej spirali – poczwórna; po trójkącie wiedzy – kwadrat wiedzy; po trzecim paradygmacie nauki – czwarty; po czwartej generacji procesu innowacyjnego – piąta; po piątym pokoleniu foresightu narodziło się szóste; po piątej generacji B+R – nastąpiła szósta.

Liniowy model innowacji zrodził rodzinę modeli nieliniowych. Po koncepcji krajowego systemu innowacji pojawiły się koncepcje sektorowych i regionalnych systemów innowacji; pojęcie innowacji zostało uszczegółowione przez pojęcia „ukrytych innowacji”, „innowacji napędzanych przez użytkownika”, „innowacji napędzanych przez dane”, „glokalnych innowacji”, „innowacji włączających” (inclusive innovation), „innowacji systemowych”, i wielu innych. Ekosystem innowacji został uzupełniony przez ekosystem przedsiębiorczości. Ekosystem innowacji doczekał się przydawki – fraktalny ekosystem innowacji.

Zmiana charakteru sprawowania władzy publicznej pociągnęła za sobą mnożenie pojęć – government, governance, innovative governance. Wiele przydawek przydano politykom, m.in. elastyczna i adaptacyjna. Okazało się, że mogą istnieć polityki oparte na miejscu i oparte na czasie (place-based policies, time-based policies). Oprócz pojęcia „instrumentu polityki” weszły w użycie pojęcia „instrumentów systemowych” (systemic instruments) oraz „zestawu polityk” (Policy Mix). Strategia doczekała się rozlicznych przydawek, takich jak „demokratyczna” i „otwarta”. „Regionalne strategie innowacji” oraz „strategie inteligentnych specjalizacji” zlały się w RIS3, czyli w „regionalne strategie inteligentnych specjalizacji” (Regional Innovation Smart Specialization Strategies).

Ta twórczość lingwistyczno-koncepcyjna ma dwa źródła. Po pierwsze, autorzy koncepcji starają się odkryć niedostrzeżone przedtem cechy świata. Po drugie, starają się zwrócić uwagę na swoje pomysły, nadając im chwytliwe nazwy, najlepiej takie, które kojarząc się z już utrwalonymi, jednocześnie w jakiś sposób odróżniają się od nich. Każdy, kto zna koncepcję otwartej innowacji, sięgnie po pracę, która opisuje jej mutację – otwartą innowację 2.0.

Problem z koncepcjami jest jednak nie tyle taki, że jest ich wiele, ile taki, że niełatwo wiązać je z danymi statystycznymi, choć nieraz stają się źródłem inspiracji dla nowych wskaźników (np. innowacji). Trudno dokonywać ich empirycznej weryfikacji. Mogą się podobać tak, jak zostały przedstawione, trudniej jednak je zoperacjonalizować i sprawdzić. Mogą odsłaniać coś istotnego, ale jednocześnie tracić podczas prób przekładu na język statystyki.

Jednocześnie nie wolno machnąć na nie ręką. Trzeba wyciągać z nich to, co w nich wartościowe i wykorzystywać jako budulec strategii.

Co mówią nowe koncepcje

Wszystkie nowe (wymienione wyżej) koncepcje mówią, co się dzieje z praktykami badań oraz zarządzania badaniami pod wpływem cyfryzacji, a w szczególności Web 2.0. Mówią one podobne rzeczy, a także często łączą się ze sobą.

Potrójna spirala (koncepcja Henry’ego Etzkowitza i Loeta Leydesdorffa) zwracała uwagę na współdziałanie w tworzeniu wiedzy naukowej rządu, biznesu i uczelni; poczwórna – dodała nowe, czwarte ogniwo – społeczeństwo (obywateli, organizacje pozarządowe, sieci, media).

Trójkąt wiedzy to badania, edukacja i innowacje. Czworokąt uwzględnia jeszcze usługi biznesowe i innowacyjne.

Trzy paradygmaty nauki to nauka doświadczalna, teoretyczna i obliczeniowa. Czwarty to nauka oparta na zbiorach wielkich danych.

Pojęcie nauki 2.0 oznacza badania naukowe rozwijane za pomocą narzędzi internetowych (tworzenie danych, dzielenie się nimi, współpraca, publikacje). Pojęcie nauki 3.0 chwyta dalsze zmiany, jakie zachodzą w tym kierunku.

Koncepcja sześciu generacji B+R (biznesu), opracowana przez Rousella i innych, omawia następujące paradygmaty: 1. B+R jako „wieża z kości słoniowej” (technologiczne pchnięcie); 2. B+R „ciągnięte przez rynek”, niezintegrowane projekty tworzone z myślą o różnych klientach; 3. B+R zintegrowane ze strategią firmy; 4. B+R jako praca integrująca całą działalność firmy; 5. B+R jako sieć oparta na współpracy z szerokim otoczeniem (dostawcy, konkurenci, klienci); 6. Sieć współpracy rozwijana w szerszej skali technologii.

Na podstawie idei poczwórnej spirali przeformułowano koncepcję otwartej innowacji Henriego Chesbrougha. Koncepcja ta akcentowała zjawisko otwierania się firm na zewnętrzne źródła wiedzy zarówno poprzez zlecenia lub zakup do praw własności intelektualnej, jak i przez udostępnianie niewykorzystywanych wynalazków innym podmiotom na zasadzie sprzedaży licencji, tworzenia konsorcjów czy firm typu spin-off. Koncepcja otwartej innowacji 2.0 uszczegóławia idee Chesbrougha, pokazując mechanizmy innowacji (B+R, sieci; współpraca z udziałem partnerów, konkurentów, uniwersytetów, użytkowników; przedsiębiorczość korporacyjna, start-ups i spin-offs; zarządzanie własnością intelektualną).

Koncepcja pięciu pokoleń procesu innowacyjnego Roya Rothwella opisuje następujące po sobie kolejno modele: „technologicznego pchnięcia”, „ciągnięcia przez rynek”, „wiązania B+R i marketingu”, „zintegrowanych procesów biznesowych”, „systemowej integracji”.

Pierwsze pokolenie polityki innowacyjnej oparto na liniowym procesie innowacji, drugie kładło nacisk na znaczenie infrastruktury i podejścia systemowego, trzecie umieściło innowacje w centrum polityki rządowej.

Upadek wiary w liniowy model innowacji („od pomysłu do przemysłu”) dał początek wielu modelom nieliniowym, wskazującym na wielość stale powracających wzajemnych powiązań pomiędzy uczestnikami działalności innowacyjnej. Innowacja stała się pojęciem wieloznacznym, co zrodziło wielość pojęć opisujących różne jej typy. Podobnie stało się z koncepcją systemów innowacji.

Podjęto próby łączenia koncepcji systemu innowacji i systemu przedsiębiorczości (Radosevic). Ukuto pojęcia „innowacyjnego przedsiębiorcy” i „przedsiębiorczej innowacji”. Przymiotniki „przedsiębiorczy” i „innowacyjny” dodano do kategorii „uniwersytetów”, tworząc nowe kategorie – uniwersytetu przedsiębiorczego oraz innowacyjnego.

Koncepcja fraktalnego ekosystemu innowacji podkreśla znaczenie jednoczesnego badania powiązań w działalności innowacyjnej na różnych poziomach, makro (kraje, rządy, przemysł, uczelnie), meso (sektory, regiony, firmy) oraz mikro (ludzie, technologie).

Pierwszy foresight mieścił się w obszarze planowania gospodarczego; drugi był zorientowany na problematykę zawodności rynku oraz współpracy między nauką a gospodarką; trzeci podejmował problem niedomagań krajowego systemu innowacji i braku instytucji pomostowych; następne, czwarty i piąty, zostały wyróżnione ze względu na swoje charakterystyki (rosnące zróżnicowanie form).

Koncepcje government i governance (brak dobrego polskiego odpowiednika dla governance) uwypuklają przemiany form rządzenia – od klasycznego odgórnego sterowania do stylu rządzenia łączącego model klasyczny z podejściem oddolnym, partycypacyjnym.

Pojęcie „zestawu polityk” zwraca uwagę na fakt, że instrumenty polityki nie są wobec siebie obojętne – wspierają siebie nawzajem, dublują, podcinają itd. – a wobec tego, wprowadzając nowe instrumenty, należy uwzględniać sposób działania poprzednich. Pojęcie instrumentów systemowych podkreśla znaczenie narzędzi polityki innowacyjnej wspomagających funkcjonowanie systemów innowacji (infrastruktura innowacji, uczenie się, wsparcie informacyjno-analityczne, „zarządzanie interfejsami” itd.).

Koncepcja systemowej transformacji, rozwijana w ostatnich latach przez OECD, stara się wchłonąć i powiązać ze sobą przedstawione tu pojęcia, tworząc siatkę pojęciową do opisu dynamiki zmian w sferze badań i innowacji pod wpływem dominujących technologii.

Ten z konieczności niesłychanie skrótowy przegląd ważniejszych koncepcji w studiach nad polityką naukową i innowacyjną pokazuje wiele cech charakterystycznych zarówno dla obecnych praktyk badań i innowacji, jak i praktyk polityk. Koncepcje te zwracają uwagę na takie fakty, jak wielość podmiotów badań i innowacji, sieciowość, współzależność, współuczestnictwo, interakcje, otwartość, uczenie się, zróżnicowanie trybów rządzenia oraz instrumentów polityki, podejście systemowe, wsparcie analityczne, elastyczność, nastawienie na eksperymentowanie i pilotaże, interaktywność, refleksyjność (informacje zwrotne), łączenie w strategiach dalekiego i bliskiego horyzontu itd.

Koncepcje te starają się opisywać fakty, a jednocześnie proponują podejście diagnostyczne i pomoc w budowie polityk.

Zależność od szlaku

Tylko pozornie strategia to wskazanie drogi przejścia od sytuacji A (obecnej) do sytuacji B (pożądanej). Tak naprawdę, strategia powinna pokazywać mechanizmy wytwarzające sytuację A oraz sposób, w jaki należy je zmienić na mechanizmy wytwarzające sytuację B. To jest znacznie trudniejsze. Sama zmiana mechanizmów jest niełatwa, gdyż mają one naturalną tendencję do petryfikacji i są „zależne od szlaku”.

Zależność od szlaku oznacza, że wzór instytucjonalny (zwyczaj, praktyka, organizacja), raz wprowadzony – coraz trudniej zmieniać, nawet gdy alternatywne opcje wydają się skuteczniejsze. Warunki początkowe wywierają na niego większy wpływ niż warunki późniejsze, a początkowe realizacje bardziej ważą na jego kształcie niż te kolejne. Stworzenie nowego wzorca należy bardziej do sfery indeterminizmu, natomiast ciąg reprodukcji cechuje w większym stopniu determinizm powiązanych ze sobą przyczyn i skutków. Pierwsze wybory wyznaczają kierunek marszruty, a po kolejnych krokach coraz trudniej zawrócić lub zmienić kierunek. Rutyny stabilizują i zmniejszają niepewność związaną z kolejnymi decyzjami. Zależność od szlaku nie oznacza, że kolejne działania są prostą replikacją początkowego wzorca, tylko że odbywają się one po trajektorii wyznaczonej przede wszystkim przez ten wzorzec.

Zależność od szlaku oznacza dominację rutyny i inercji; tworzenie szlaku – przeciwnie, zdolność do ich przełamywania. W odpowiedzi na nowe, ważne wyzwania organizacje „uzależnione od ścieżki” sięgają po znane i sprawdzone rozwiązania, starając się dostosować je do nowej sytuacji; organizacje dopuszczające szerzej możliwość „tworzenia ścieżki” – wymyślają nowe rozwiązania, zgodne nie tyle ze wcześniejszymi praktykami, co z naturą tego wyzwania. To drugie podejście jest trudniejsze do wykonania i łączy się z większym ryzykiem (błędnej oceny, dysfunkcjonalności organizacyjnej, utraty kapitału), ale często pozostaje jedyną możliwością pochwycenia nowej okazji lub zażegnania porażki związanej z kontynuacją dotychczasowych działań.

Podział na systemy, które podążają utartym szlakiem, oraz na te, które starają się wytyczać nowe, nie jest podziałem wartościującym; strategia przeczekania w obliczu burzliwych zmian może się okazać najlepsza, a wkraczania na nowe ścieżki – przedwczesna.

System nauki i uczelni ma to do siebie, że choć jest „zależny od szlaku”, jego składniki – uniwersytety i instytuty – różnią się bardzo pod względem zdolności odnowy, reformy, „tworzenia nowego szlaku”.

Gdy chce się zmienić DNA systemu nauki i uczelni, koniecznie trzeba poznać jego mechanizmy „zależności od szlaku” – zasoby, struktury organizacyjne, przepisy prawne, kanały finansowania, praktyki działalności badawczej i innowacyjnej, systemy zarządzania, kultury organizacyjne, motywacje, normy środowiskowe, zachęty i sankcje, produkty. Stanie się to możliwe, gdy rozłoży się te mechanizmy na „czynniki pierwsze”, zbada ich przyczyny, skutki, wzajemne uwarunkowania i oddziaływania, a pod pozorną złożonością systemu odkryje kilka podstawowych dźwigni sprawiających, że system ten działa tak jak działa. Aby skierować interwencje na te właśnie dźwignie, należy wiedzieć coś o charakterze i skutkach proponowanych instrumentów w ramach dotychczasowego zestawu polityk. Aby nie aplikować polityki usuwającej tylko defekty istniejącego systemu, ale taką, która przygotuje system nauki i uczelni na nadchodzące czasy, trzeba znać (krajowe i międzynarodowe) otoczenie systemu oraz kierunki jego zmian.

Są to ogromnie trudne zadania badawcze i analityczne. Opinie środowiska to – jak widać – ważna, ale tylko jedna z podstaw jego realizacji. Innymi, nie mniej ważnymi elementami, są dane statystyczne, koncepcje, badania i analizy. Wszystkie je należy umiejętnie zgrać ze sobą, budując różne modele systemu – jego finansowania, tworzenia, obiegu i wykorzystywania wiedzy, organizacji i zarządzania B+R i innowacji.

Tworzenie strategii bez szczegółowo przemyślanej metody jest drogą na manowce.