Научно-образовательное пространство России: диагностика диспропорций на основе системы показателей

Введение.

Актуальность исследования определяется необходимостью согласования процессов формирования и использования человеческого капитала, ресурсного обеспечения исследований и последующей инновационной активности. Положительная динамика отдельных показателей образования или науки еще не характеризует согласованность этой последовательности: разрыв может возникать между ее стадиями либо внутри ресурсной структуры исследовательской деятельности. Современные исследования фиксируют различия в качестве и использовании человеческих ресурсов научно-образовательных систем [6, с. 1155], зависимость образовательного капитала от характера инвестиционной политики [14, с. 1173], а также ограничения практического освоения результатов исследований [12, с. 278]. Поэтому необходим диагностический инструментарий, способный установить наличие несогласованности, ее локализацию и характер проявления.

В рамках исследования научно-образовательное пространство понимается как система взаимосвязанных процессов и ресурсов, охватывающих формирование человеческого капитала, его включение в экономическую деятельность, проведение исследований и формирование предпосылок для последующей инновационной активности. Для диагностических целей эта система представлена четырьмя функциональными блоками: формирование человеческого капитала, его использование, ресурсное обеспечение исследований, инновационная активность и направленность разработок. Диагностический интерес представляет не величина каждого показателя сама по себе, а согласованность функционально связанных параметров на переходах между блоками и внутри исследовательской составляющей. Нарушение этих пропорций может проявляться в кадровых, финансовых, материально-технических и инновационных характеристиках.

Исследования человеческого капитала показывают, что его накопление не гарантирует соответствующей экономической отдачи. Межстрановые оценки свидетельствуют о положительной статистически значимой связи валового внутреннего продукта (ВВП) на душу населения с квалификацией работников и инновационной составляющей человеческого капитала [19, с. 111]. На региональном уровне результативность использования человеческого капитала определяется более сложным сочетанием условий. На материалах Камчатского края выявлено несоответствие между накопленным человеческим и физическим капиталом [2, с. 556], а исследование региональных рынков труда показывает зависимость оценки человеческого капитала от характеристик территории и отдельных групп экономически активного населения [11, с. 163]. Производственная реализация накопленных знаний и компетенций связана с развитием наукоемких видов деятельности и созданием региональной добавленной стоимости [15, с. 1105]. Сценарные расчеты дополняют эту картину: траектория развития образовательного капитала российских регионов меняется в зависимости от выбора консолидированной либо дифференцированной инвестиционной политики [14, с. 1173].

С точки зрения научно-образовательного цикла существенной становится проблема перехода от создания научных результатов к их практическому использованию и последующей инновационной активности. Д. С. Терещенко и В. С. Щербаков [13, с. 224] выявили статистически значимую связь публикационной активности вузов с инновационным развитием региона, тогда как зависимость экономического развития региона от научной активности университетов статистического подтверждения не получила. Эти результаты не позволяют отождествлять накопление научных результатов с их последующим использованием в региональной экономике. Такой переход поддерживается устойчивым взаимодействием университетов с предприятиями. Проектное обучение рассматривается как форма постоянного сотрудничества студентов, преподавателей и индустриальных партнеров, в трех выделенных авторами кластерах его используют до 75 % вузов [7, с. 484]. Даже при наличии квалифицированных специалистов их потенциал может использоваться неполно: на региональном уровне высокий кадровый потенциал сочетается с недостаточной вовлеченностью специалистов и ограниченными связями между наукой, образованием и производством [6, с. 1155]. Совокупность приведенных результатов связывает результативность университетского сектора с масштабом научной деятельности и устойчивостью каналов передачи и практического использования создаваемых знаний.

Зарубежные исследования раскрывают условия перехода от производства знаний к их практическому использованию. Университетский трансфер технологий сформировался как самостоятельное и внутренне неоднородное направление. Дж. А. Каннингем, М. Ментер и Ф. Старке [18, с. 1231], проанализировав 1944 публикации, выделили двадцать тематических областей и проследили изменение исследовательских приоритетов. Организационная результативность трансфера зависит от сочетания внутренних ресурсов и внешних связей. Ф. Зареа, Э. Дж. Дуглас, М. Обшонка и соавторы [23, с. 2579] на материалах 46 публично финансируемых университетских исследовательских центров выявили различные конфигурации высокой и низкой эффективности, интенсивное партнерское взаимодействие при этом не гарантировало высокой результативности. Исследование одиннадцати итальянских инновационных экосистем дополняет этот вывод различиями в архитектуре связей: выделены централизованная, децентрализованная и гибридная модели организации передачи знаний [17, с. 243]. Практическое освоение знаний не ограничивается формализованным трансфером. Д. Одретч, М. Белицки и А. Фидлер [16, с. 2117] рассматривают предпринимательство как механизм вовлечения в экономический оборот знаний, не полностью использованных организациями, где они первоначально возникли. В совокупности эти работы связывают результат передачи знаний с конфигурацией ресурсов и организацией взаимодействия, а не с наличием отдельного канала коммерциализации.

Российские исследования показывают ограничения перехода от накопления исследовательского потенциала к его технологическому и предпринимательскому использованию. Е. В. Балацкий [1, с. 23] связывает достижение технологического фронтира с границей, после которой дальнейшее развитие требует перехода от масштабного заимствования зарубежных технологий к созданию собственных разработок. Однако одного увеличения ресурсов исследований недостаточно для такого перехода. Анализ региональной стартап-активности показывает ее зависимость от концентрации человеческого капитала, доступности рынков и состояния деловой среды, тогда как бюджетные и университетские расходы на исследования и разработки не сопровождаются сопоставимым эффектом в создании новых технологических компаний [3, с. 61]. Несогласованность сохраняется и на последующей стадии. Исследование инфраструктурных ограничений региональной инновационной политики выявляет слабую коммерциализацию результатов исследований и длительный временной разрыв между публикационной активностью и практическим освоением разработок [12, с. 278]. Формирование собственной технологической базы зависит от масштаба исследовательских ресурсов и наличия механизмов их преобразования в предпринимательскую активность и практически используемые инновации.

В нашей трактовке научный пробел связан не с отсутствием частных показателей, а с их разобщенностью. Рассмотренные подходы дают содержательные оценки человеческого капитала, научной продуктивности, взаимодействия университетов с предприятиями, трансфера технологий и инновационной результативности, однако не образуют единой диагностической системы, позволяющей локализовать несогласованность между подготовкой кадров, их использованием, ресурсной структурой исследований и последующей инновационной активностью. Поэтому задача состоит не в построении еще одного агрегированного индекса, а в формировании системы связанных диагностических показателей.

Цель исследования состоит в разработке и апробации системы показателей для диагностики диспропорций научно-образовательного пространства России. Рабочая гипотеза состоит в том, что несогласованность функциональных элементов научно-образовательного пространства проявляется как в динамике взаимосвязанных показателей, так и в структурных пропорциях распределения исследовательских ресурсов. В динамическом срезе принципиально различаются устойчивое динамическое несоответствие и расхождение по итогам периода, не подтверждаемое последовательностью межгодовых изменений. Для проверки гипотезы сопоставляются параметры последовательных стадий научно-образовательного цикла и внутренней ресурсной структуры исследований.

Научная новизна исследования состоит в разработке системы диагностики диспропорций научно-образовательного пространства, в которой функционально связанные показатели распределены по последовательным блокам и интерпретируются с учетом характера выявляемой несогласованности. Система объединяет двенадцать количественно определяемых индикаторов в четыре функциональных блока: формирование человеческого капитала, его использование, ресурсное обеспечение исследований, инновационная активность и направленность разработок. Совместный анализ во временном, секторном и межстрановом разрезах позволяет разграничивать устойчивые динамические несоответствия, расхождения по итогам периода и структурные асимметрии. Отказ от сведения показателей к единому интегральному индексу сохраняет экономическое содержание выявленных отклонений и позволяет локализовать конкретный участок научно-образовательного цикла, в котором возникает несогласованность.

Методическая логика исследования основана на сопоставлении функционально связанных параметров научно-образовательного цикла. Индикаторы отбирались по трем требованиям: содержательная связь с оцениваемой пропорцией, статистическая наблюдаемость и возможность сопоставления во времени либо между секторами. Такой порядок соответствует общему методическому принципу, согласно которому теоретическая структура исследуемого явления должна предшествовать выбору переменных [21, с. 21]. Из указанного руководства используется общий принцип отбора показателей, а не методика построения составного индекса. Для секторных показателей исследований и разработок (ИР) применяется институциональная классификация Frascati Manual. Она разграничивает предпринимательский, государственный, сектор высшего образования и частный некоммерческий сектор [20, с. 87], задавая единую основу для сопоставления исследовательских кадров и затрат на ИР.

Для эмпирической апробации использованы статистические данные за 2020–2024 гг. Диагностика включает три аналитических среза. Во временном разрезе оцениваются итоговое изменение показателей и последовательность их межгодовых движений. Для показателей, образующих функционально связанную пару последовательных стадий, устойчивое динамическое несоответствие фиксируется, если разнонаправленное изменение повторяется не менее чем в трех из четырех межгодовых интервалов. Этот порог имеет предварительный эвристический характер, не является статистическим тестом и используется для отделения преобладающей траектории от единичного краткосрочного изменения. Для I8 и I9 указанное правило не применяется: показатели характеризуют разные стороны одного ресурсного блока, поэтому оценивается согласованность направлений их динамики. Для I5 нейтральной границей служит единица, а устойчивость оценивается по сохранению коэффициента по одну сторону от нее на протяжении всего периода наблюдения. Для I10 единица соответствует пропорциональному распределению текущих затрат и исследовательских кадров в секторном срезе. Секторный анализ за 2024 г. ограничен крупными и средними организациями и характеризует распределение исследователей, текущих затрат и материально-технических ресурсов, малые предприятия в данный расчет не включаются. Межстрановое сравнение проводится только для статистически сопоставимых показателей по данным сборника «Индикаторы науки: 2026» [5], различия в охвате организаций и периодах инновационных обследований учитываются при определении допустимости прямого сравнения [4, с. 185]. Несогласованность используется как общее понятие, охватывающее различные результаты диагностики. Выделяются три диагностических состояния: устойчивое динамическое несоответствие, расхождение по итогам периода и структурная асимметрия. Расхождение по итогам периода рассматривается как предварительный диагностический сигнал и не квалифицируется как устойчивая диспропорция без подтверждения межгодовой траекторией, структурная асимметрия отражает несоответствие кадровых, финансовых и материально-технических пропорций в секторном распределении ресурсов.

Основная часть.

Эмпирическая апробация начинается с построения связей между четырьмя функциональными блоками. Формирование человеческого капитала характеризуют I1–I2, его использование – I3–I5. Ресурсное обеспечение исследований охватывает кадровые, финансовые и материально-технические параметры I6–I10. Инновационная активность и направленность разработок представлены I11–I12. Система не предполагает механического попарного сопоставления всех индикаторов соседних блоков: диагностическая функция каждого показателя определяется его экономическим содержанием. Для пар, отражающих переход между последовательными стадиями, оценивается устойчивость разнонаправленной динамики, для показателей, характеризующих разные стороны одного блока, анализируется согласованность их изменений, для относительных коэффициентов – отклонение от нейтрального соотношения, для структурных характеристик – распределение ресурсов между секторами. I5 используется как переходный макроэкономический индикатор согласованности динамики оплаты и результата труда и не рассматривается как непосредственная мера экономической отдачи человеческого капитала.

Границы блоков определяются экономическим содержанием показателей. I6 фиксирует включение кадрового потенциала непосредственно в исследовательскую деятельность и поэтому открывает ресурсный блок. I10 сопоставляет долю институционального сектора во внутренних текущих затратах на ИР с его долей в общей численности исследователей, значение, равное единице, соответствует пропорциональному распределению этих ресурсов. Последний блок намеренно ограничен статистически наблюдаемыми характеристиками: I11 отражает распространенность технологических инноваций, I12 – ориентацию текущих затрат сектора на разработки. Эти индикаторы непосредственно не измеряют коммерциализацию, поэтому выводы по данной стадии относятся к инновационной активности и направленности ресурсов, а не к эффективности внедрения.

Состав индикаторов, способы расчета и диагностируемые пропорции приведены в таблице 1.

Таблица 1 Система показателей для диагностики диспропорций научно-образовательного пространства

Расчет динамических индикаторов основан на исходных рядах, приведенных в таблицах 2 и 3. Эти данные используются как расчетная база, а не как самостоятельное доказательство диспропорций. Такое разграничение особенно существенно для образовательных показателей: I1 и I2 имеют разные знаменатели, а изменение численности обучающихся отражается на выпуске специалистов лишь спустя несколько лет вследствие продолжительности образовательного цикла. Поэтому диагностический вывод формируется по характеру изменения связанных показателей, а не по простому сопоставлению их уровней.

Таблица 2 Динамика показателей рынка труда, инновационной активности и ресурсов исследований в России

Таблица 3 Динамика показателей высшего образования в России

Исходные ряды фиксируют несколько разнонаправленных изменений. Число студентов на 10 тыс. населения увеличилось с 275 до 303 человек, тогда как выпуск специалистов на 10 тыс. занятых сократился со 120 до 112 человек. Доля занятых с высшим образованием выросла на 1,2 п.п., а доля лиц с высшим образованием в составе безработных снизилась на 2,2 п.п. Фондовооруженность персонала ИР к концу периода оказалась ниже уровня 2020 г., техновооруженность – выше. Эти расхождения по итогам периода требуют проверки по межгодовой траектории, сводные результаты приведены в таблице 4.

В таблице 4 разделены динамические и структурные характеристики. Для временных рядов показаны значения 2020 и 2024 гг., для показателей, используемых только в структурном или межстрановом срезе, приведен последний сопоставимый год. Наукоемкость экономики дана за 2023 г., поскольку именно этот период представлен в едином международном массиве.

Таблица 4 Сводные значения показателей, используемых при апробации системы

Динамический срез не выявляет единой траектории несогласованности. За 2020–2024 гг. I1 вырос на 10,2 %, I2 сократился на 6,7 %, однако строго противоположное межгодовое движение этих показателей наблюдалось только в 2022–2023 гг., в 2023–2024 гг. оба значения увеличились. Поэтому для I1–I2 фиксируется расхождение по итогам периода, а не устойчивое динамическое несоответствие. При интерпретации этой пары учитываются различия знаменателей и временной лаг, обусловленный продолжительностью образовательного цикла. За тот же период доля лиц с высшим образованием в составе занятых выросла на 1,2 п.п., а в составе безработных снизилась на 2,2 п.п. Показатель I4 при этом не тождествен уровню безработицы среди лиц с высшим образованием и не используется как прямая мера невостребованности квалификации.

По I5 выявлено устойчивое динамическое несоответствие между индексами реальной заработной платы и производительности труда. Коэффициент их соотношения составлял 1,042; 1,017; 1,033; 1,057 и 1,061 соответственно в 2020–2024 гг. и превышал единицу во все годы наблюдения. На протяжении рассматриваемого периода индекс реальной заработной платы устойчиво превышал индекс производительности труда. Для I8 и I9 порог 3/4 не применяется: оценивается согласованность направлений двух составляющих материально-технического обеспечения. I8 снизился по итогам периода на 2,6 %, I9 вырос на 6,8 %, однако направления их межгодовых изменений в большинстве интервалов совпадали. I11 увеличился с 23,0 до 24,5 %, причем рост в 2024 г. последовал после снижения в 2022–2023 гг. Устойчивое динамическое несоответствие в динамическом срезе выявлено по I5, для I1–I2 установлено расхождение по итогам периода без устойчивого межгодового подтверждения, а I8 и I9 преимущественно изменялись в одном направлении. Структурные асимметрии устанавливаются отдельным секторным срезом.

Межстрановый анализ ограничен индикаторами, статистическое содержание которых допускает корректное сопоставление. Для международно адаптированных аналогов применяется отдельная нотация с индексом «М», что позволяет визуально отделить их от национальных показателей. В таблице 5 представлены I6-М, I7 и I10-М. Показатель I11 в международный расчет не включен: различия продолжительности периода наблюдения и охвата обследуемых организаций снижают сопоставимость показателей инновационной активности [22, с. 187, 4, с. 185]. I12 также сохраняется только в национальном секторном анализе. В исходных международных данных распределение затрат по видам работ рассчитывается для стран на неодинаковой базе, поэтому соответствующие доли не образуют единого сопоставимого ряда [5, с. 380–382]. В выборку включены Великобритания, США, Республика Корея и Япония, поскольку в сборнике [5] для них представлен полный набор данных, необходимый для расчета оставшихся индикаторов. Такая выборка позволяет сопоставить российские показатели со странами, различающимися по масштабу финансирования и секторному распределению исследовательских ресурсов.

Таблица 5 Межстрановое сопоставление отдельных показателей системы

Межстрановой срез выявляет различия в масштабе финансирования, кадровой структуре и секторной концентрации исследовательских ресурсов. Доля исследователей в персонале ИР в России составляет 52,1 %, что ниже значений четырех сопоставляемых стран. Наукоемкость российской экономики равна 0,96 % ВВП против 2,68–4,96 % в выбранной группе. По I10-М картина неоднородна: российское значение 1,27 означает, что доля внутренних затрат предпринимательского сектора выше его доли в численности исследователей, в США и Республике Корее коэффициент близок к единице, в Великобритании достигает 1,64. Следовательно, международное сопоставление фиксирует различия в относительном масштабе затрат на ИР, кадровой структуре и секторном распределении внутренних затрат на ИР. Выводы о межстрановых различиях в ориентации затрат на разработки в рамках данного расчета не формулируются из-за неодинаковой статистической базы соответствующих показателей.

Внутренняя секторная диагностика уточняет ресурсную структуру крупных и средних организаций российской науки. В данном срезе сопоставляются I6, I10 и I12, а материально-техническая составляющая дополнительно характеризуется фондовооруженностью и техновооруженностью одного исследователя по институциональным секторам. Малые предприятия в расчет не включены. Кадровые доли соотносятся с текущими затратами, после чего оценивается обеспеченность исследователей основными фондами и оборудованием. Такой срез позволяет установить, совпадает ли концентрация текущего финансирования с кадровой и материально-технической обеспеченностью отдельных секторов в пределах рассматриваемой совокупности.

Таблица 6 Распределение кадровых, финансовых и материально-технических ресурсов ИР по институциональным секторам крупных и средних организаций России, 2024 г.

В рассматриваемой совокупности крупных и средних организаций предпринимательский сектор объединяет 51,7 % исследователей и 58,5 % внутренних текущих затрат на ИР. I10 принимает значение 1,13: доля текущих расходов сектора превышает его кадровую долю в относительном выражении. На разработки приходится 89,0 % текущих затрат предпринимательского сектора. Материально-техническое обеспечение распределено иначе. Фондовооруженность одного исследователя предпринимательского сектора составляет 88,3 % среднего уровня по рассматриваемой совокупности, техновооруженность – 86,1 %, тогда как в государственном секторе соответствующие значения достигают 120,8 и 122,7 %. При превышении доли текущих затрат над кадровой долей сектора и высокой доле разработок в структуре его расходов обеспеченность одного исследователя основными фондами и оборудованием остается ниже среднего уровня рассматриваемой совокупности. Такое соотношение квалифицируется как структурная асимметрия.

Три аналитических среза характеризуют разные стороны выявленной несогласованности. Во временном ряду устойчивое динамическое несоответствие обнаружено по I5, для I1–I2 получено расхождение по итогам периода, а I8 и I9 в большинстве межгодовых интервалов изменялись в одном направлении. Межстрановой анализ показывает более низкую наукоемкость российской экономики, отличия в кадровой структуре исследовательской деятельности и секторной концентрации внутренних затрат на ИР. Секторный срез крупных и средних организаций выявляет несоответствие кадровых, финансовых и материально-технических пропорций. I11 и I12 дополняют национальную диагностику характеристиками инновационной активности и ориентации текущих затрат на разработки.

Заключение.

Результаты апробации согласуются с рабочей гипотезой и подтверждают применимость предложенной системы как диагностического инструмента. Устойчивое динамическое несоответствие выявлено по I5, для I1–I2 установлено расхождение по итогам периода без устойчивого межгодового подтверждения, секторный анализ в свою очередь выявил структурную асимметрию ресурсного обеспечения. Система также выделяет случаи, когда различие конечных значений не подтверждается межгодовой траекторией и потому не квалифицируется как устойчивое несоответствие.

В блоке формирования человеческого капитала за 2020–2024 гг. число студентов на 10 тыс. населения увеличилось с 275 до 303 человек, тогда как выпуск специалистов на 10 тыс. занятых сократился со 120 до 112 человек. Противоположное движение I1 и I2 наблюдалось только в одном из четырех межгодовых интервалов, поэтому результат относится к расхождению по итогам периода. Доля лиц с высшим образованием в составе занятых за тот же период увеличилась на 1,2 п.п., а в составе безработных снизилась на 2,2 п.п.

По I5 коэффициент соотношения индексов реальной заработной платы и производительности труда превышал единицу во все годы наблюдения. Это означает устойчивое превышение индекса реальной заработной платы над индексом производительности труда в 2020–2024 гг. Иная картина сложилась по материально-техническим характеристикам: фондовооруженность персонала ИР снизилась на 2,6 %, техновооруженность выросла на 6,8 %, хотя в большинстве межгодовых интервалов направления их изменений совпадали.

В предпринимательском секторе крупных и средних организаций выявлена структурная асимметрия ресурсного обеспечения. На сектор приходится 51,7 % исследователей и 58,5 % внутренних текущих затрат на ИР, значение I10 составляет 1,13. На разработки направляется 89,0 % текущих затрат сектора, но фондовооруженность одного исследователя составляет 88,3 %, а техновооруженность – 86,1 % среднего уровня рассматриваемой совокупности. Концентрация кадров и текущих расходов, следовательно, не сопровождается сопоставимым уровнем материально-технической обеспеченности одного исследователя.

Межстрановой срез дает внешний сравнительный ориентир. Наукоемкость российской экономики и доля исследователей в составе персонала ИР ниже значений выбранных стран. Российское значение I10-М равно 1,27: оно выше показателей США (0,99), Республики Корея (0,97) и Японии (1,06), но ниже значения Великобритании (1,64).

Методическая ценность системы определяется возможностью локализовать участок несогласованности, установить устойчивость ее проявления и сохранить экономическое содержание каждого показателя. Результаты могут быть использованы исследователями и специалистами в сфере управления наукой, высшим образованием и инновационным развитием.