Study of the Knowledge Transfer Processes in the Context of Information Society Development

Svechnikova Natalia PhD in Economics associate professor of the Department of E-Commerce and Electronic Resources Management at Samara State University of Economics 443090, Russia, Samara Region, Samara, str. Sovetskoy Armi, 141 svechnati@yandex.ru Konopatskaya Ekaterina PhD in Economics associate professor of the Department of E-Commerce and Electronic Resources Management at Samara State University of Economics 443090, Russia, Samara Region, Samara, str. Sovetskoi Armii, 141 geba57@mail.ru

Pogorelova Elena Doctor of Economics associate professor of the Department of E-Commerce and Electronic Resources Management at Samara State University of Economics 443090, Russia, Samara Region, Samara, str. Sovetskoi Armii, 141 jour.ru@gmail.com

В настоящее время тенденции инновационного развития Российской Федерации свидетельствуют о незначительных технологических прорывах в промышленности и низком уровне коммерциализации результатов научно-исследовательской деятельности. Вместе с тем, наблюдается слабая инновационная активность в ведущих сферах экономической деятельности.

Базовым индикатором, характеризующим уровень инновационного развития Российской Федерации, является показатель инновационной активности организаций (удельный вес организаций, осуществлявших технологические, организационные, маркетинговые инновации в отчетном году, в общем числе обследованных организаций), который в 2014 году составил 9,9%, что на 0,2 п.п. ниже, чем в 2013 году (рис. 1).

Рис. 1. Инновационная активность организаций (удельный вес организаций, осуществлявших технологические, организационные, маркетинговые инновации в отчетном году, в общем числе обследованных организаций)

Источник: Сайт Федеральной службы государственной статистики Российской Федерации [Электронный ресурс]: http://www.gks.ru/free_doc/new_site/business/nauka/innov-n16.xls

Слабая инновационная активность предприятий в Российской Федерации объясняется недостаточными затратами на технологические инновации, которые в 2014 году составили 2,9%. Вместе с тем, на фоне увеличения объёмов затрат значимого экономического эффекта на текущий момент не наблюдается. По мнению С.Ю. Глазьева, переход к полномасштабному развитию на основе собственных инноваций возможен после того, как доля инновационных отраслей и услуг составит 15–20% ВВП. В настоящее время значение данного показателя составляет 5,7% ^[1].

Приоритетной задачей в рамках инновационного развития Российской Федерации является ее возвращение на ведущие позиции в сфере теоретической и прикладной науки, а также развитие импортозамещающих производств и их технологическая модернизация, создание эффективных сегментов экономики знаний с высокой добавочной стоимостью ^{[2, С. 300]}. Успешность решения данных задач обусловлена процессами формирования и эффективного функционирования инновационной экосистемы в регионах.

Вопросы формирования инновационных экосистем затрагивались в работах И.Р. Агамирзяна, Р.У. Айреса, С. Бланка, К. Ватанабе, Ч. Весснера, П. Глура, К. Дэвлина, С. Клайна, Б.Р. Кларка, Ф. Кодами, Я. Максвелла, А. Остервальдера, М. Рассела, В.И. Слободчикова, А.Ю. Яковлевой и др. Инновационная экосистема является развитием понятий «экосистема», «промышленная экосистема», «предпринимательская экосистема», «социальная экосистема». Основоположниками указанных понятий считаются такие исследователи, как Фрош и Галлопулос, Дж. Ф. Мур, Е. Милтон-Келли, Р.У. Айрес, Ч. Весснер, К. Факуда, К. Ватанабе, Я. Максвелл и др. Обобщение подходов к определению понятия «инновационная экосистема» представлено в таблице 1.

На наш взгляд, наиболее точно суть исследуемого явления отражает подход, представленный в работах Н.В. Смородинской, поскольку в нем отмечены процессы взаимодополяемости ресурсов и их последующая трансформация в новые технологии и инновационную продукцию.

Таблица 1

Подходы к определению понятия «инновационная экосистема»

В рамках представленных подходов сформировано авторское определение инновационной экосистемы как сетевого сообщества, основной целью которого является организация взаимодействия между участниками инновационного процесса, где посредством взаимодопоняемости и последующей трансформации ресурсов и компетенций агенты, не имеющие каждый достаточного объема данных ресурсов, стремятся к достижению групповой и локальных целей.

Вместе с тем, в качестве базовой цели инновационной экосистемы можно выделить ориентированность на наращивание связей между агентами. Экосистемный подход базируется на сетевой модели инноваций, а также на рыночных механизмах саморегулирования.

Преодоление технологического отставания производства и переход к высокотехнологичной экономике возможны при наличии развитой региональной инновационной экосистемы, которая включает в себя среду генерации знаний на базе фундаментальных исследований, эффективную систему образования, науку, научные сообщества, устойчивый спрос на инновации, венчурные инвестиции, инновационную инфраструктуру и т.д.

В ходе анализа различных подходов к моделированию инновационных экосистем таких исследователей, как Б.А. Ахмадеев, М.В. Леонова, В.П. Романов, А.И. Шинкевич и др., был сделан вывод о том, что наиболее точное описание основных этапов формирования инновационных экосистем представлено в работах А.Ю. Кулева (рис. 2).

Рис. 2. Базовые этапы формирования инновационных экосистем

На этапе концентрации ресурсов происходит формирование инновационного климата, а также наращивание научно-исследовательского потенциала. На втором этапе осуществляются формирование кластеров наукоемких компаний и инновационных компетенций, процессы интеграции крупного высокотехнологичного бизнеса, малых инновационных предприятий, технологических стартапов на региональном уровне, а также выработка региональной инновационной стратегии поддержки инновационного предпринимательства. На этапе инновационного и технологического прорыва наблюдается увеличение крупных высокотехнологичных компаний, технологических стартапов, формирование механизма разделения рисков, создание рынка венчурных инвестиций. На четвертом этапе сформированная инновационная инфраструктура становится более технологичной и масштабируемой; развивается собственный бренд инновационной экосистемы, на базе международной кооперации создаются новые технологические цепочки ^{[10, С. 178]}.

Назначением инновационных экосистем является, прежде всего, создание сетевого сообщества, где обеспечиваются благоприятные условия для интенсивного распространения знаний и совместного использования ресурсов. В данном случае высокая степень интенсивности взаимодействия будет обеспечиваться посредством доверительных отношений, способствуя тем самым распространению иных ресурсов и знаний.

Территориальная принадлежность не является решающим фактором для инновационных экосистем. При этом участники могут иметь связи за пределами конкретной территории. Принадлежность к инновационной экосистеме региона определяется, на наш взгляд, вкладом в конкретную территорию (например, физическое местонахождение организации, даже если она зарегистрирована в другом месте и т.д.).

Основополагающим звеном формирования инновационной экосистемы в регионе является интенсификация процессов развития информационного общества, которое способствует улучшению качества жизни населения, а также повышению конкурентоспособности страны на внутреннем и внешнем рынках.

Развитие информационного общества характеризуется усилением роли информации, а также повсеместным внедрением информационно-коммуникационных технологий (ИКТ) в производство и жизнедеятельность человека. В Российской Федерации информационное общество развивается в рамках государственной программы «Информационное общество (2011-2020 годы)». В соответствии с ней особое внимание уделено расширению спектра возможностей по использованию информационных технологий в производственных, научных, образовательных и социальных целях, которые будут доступны любому гражданину вне зависимости от его возраста, состояния здоровья, региона проживания и любых других характеристик ^[11].

На рисунке 3 представлена модель инновационной экосистемы в рамках развития информационного общества ^[12]. Под коллаборацией понимается процесс формальных и неформальных согласований между автономными игроками, в ходе которого они создают совместные правила и организации для регулирования своих взаимодействий и направлений деятельности или решают объединяющие их задачи ^{[13, С. 22]}. Институты коллаборации в данном случае координируют деятельность членов сообщества посредством сетевых платформ.

По нашему мнению, развитие информационного общества служит базовой предпосылкой для формирования инновационных экосистем в регионе, поскольку система связей, сформировавшаяся в результате его развития, способствует повышению эффективности обмена социально-экономической информацией и обеспечению высокого уровня оперативности и качества принимаемых решений. Основными элементами информационного общества являются правовое обеспечение, человеческий, физический капиталы, а также экономика знаний.

Вместе с тем, в Российской Федерации сложилась ситуация, когда производство нуждается в инновационных разработках для повышения конкурентоспособности своей продукции, а предлагаемые отечественными учеными научные и инновационные идеи используются недостаточно эффективно. Решение задачи эффективного внедрения инновационных разработок на предприятиях возможно на основе реализации механизма трансфера знаний между предприятием, вузом и государственными структурами на базе технологической платформы, которая является одним из возможных инструментов реализации национальных приоритетов научно-технологического развития и решения указанной проблемы ^{[14, С. 1952-1953]}. В этой связи исследование процессов трансфера знаний, выявления их влияния на региональную инновационную экосистему в контексте развития информационного общества является особенно актуальным.

Рис. 3. Модель инновационной экосистемы в рамках развития

информационного общества

В качестве информационной базы исследования выступает система статистических показателей, отражающая уровни развития информационного общества, а также факторные показатели развития человеческого и физического капиталов, сформированная по данным Федеральной службы государственной статистики по 80 регионам за 2008-2014-е гг. Более подробно система показателей представлена в таблице 2.

Нормы отдачи от обучения за 2008-2014-е гг. для каждого региона Российской Федерации рассчитывались на основе образовательных траекторий ^{[15, С. 46]}. Данный показатель оценивает эффективность инвестиций в образование и, как правило, используется в качестве функции человеческого капитала ^{[16, 17]}.

Таблица 2

Система статистических показателей для исследования процессов трансфера знаний, выявления их влияния на региональную инновационную экосистему в контексте развития информационного общества

На рисунке 4 показана концептуальная схема исследования процессов трансфера знаний, выявления их влияния на региональную инновационную экосистему в контексте развития информационного.

Рис. 4. Концептуальная схема исследования процессов трансфера знаний, выявления их влияния на региональную инновационную экосистему в контексте развития информационного общества за 2008, 2013,2014 гг.

В качестве задач исследования были определены верификация моделей развития человеческого капитала, изучение динамики развития человеческого капитала как фактора развития информационного общества в регионах за 2008, 2013, 2014 гг., исследование процессов трансфера знаний, выявления их влияния на региональную инновационную экосистему в контексте развития информационного общества за 2008, 2013, 2014 гг.

Вопросами, исследующими процессы формирования человеческого капитала как фактора развития экономического роста, занимались такие ученые, как Р. Солоу, Г. Мэнкью, Д. Ромер, Г. Бадингер, Дж. Бенхабиб, Г. Тондл, М. Шпигель и др. Их идеи основаны на совершенствовании производственной модели Кобба-Дугласа, в которую добавлен параметр A, характеризующий человеческий капитал. Основное внимание исследователи посвятили проблеме обоснования параметра А, который рассчитывался как остаточный член уравнения и мог объясняться любыми другими причинами, кроме капитала и труда.

Определить функцию человеческого капитала (H) ученые предлагали с позиций расходов (вход) или с позиций доходов (выход). Например, в моделях первой группы функцию человеческого капитала измеряли: средним числом лет обучения в регионе ^{[18, С. 312]}, долей занятых в НИОКР ^{[19, С. 410]}, числом занятых в экономике с высшим образованием ^[20], а в моделях второй – числом применяемых патентов на одного занятого как мерой достижений в сфере НИОКР ^{[20, С. 15]}.

В ходе исследования процессов формирования человеческого капитала как фактора развития экономического роста рядом ученых, среди которых отметим труды Г. Бадингера, Дж. Бенхабиба, Г. Тондла, М. Шпигеля, был обнаружен эффект заимствования технологий слабыми странами у более сильных. По нашему мнению, процессы трансфера знаний являются важным условием развития человеческого капитала, увеличение которого, в свою очередь, способствует созданию инновационных коммерческих технологий, высокотехнологических продуктов и услуг.

Исследуя модели Дж. Бенхабиба и М. Шпигеля ^{[22, С. 144]}, авторы пришли к выводу, что уровень человеческого капитала усиливает способность экономики страны развиваться как за счет собственных технологий, так и за счет внедрения инноваций более развитых стран. Поэтому параметр А рассчитывается с учетом элемента перехвата технологий:

, (1)

где Y – валовая добавленная стоимость; А – технологический коэффициент; K – физический капитал; L – труд; H – среднее число лет обучения в регионе, – коэффициент эластичности по труду, – коэффициент эластичности по человеческому капиталу.

Ученые отказались от предположения о стабильном состоянии экономики, поэтому в их модели коэффициенты эластичности могут принимать любые значения.

Верификация модели Дж. Бенхабиба, М. Шпигеля по всей совокупности регионов Российской Федерации была проведена по данным службы Государственной статистики за 2008, 2013, 2014 гг.

В линейном виде, в логарифмической форме уравнение (1) примет вид:

, (2)

где – валовый региональный продукт в основных ценах, руб.; - среднегодовая численность занятых в экономике, чел.; – наличие основных фондов на начало года в среднегодовых ценах (рублей, значение показателя за год), руб.; А – технологический коэффициент.

В качестве функции человеческого капитала H рассматривались:

- норма отдачи от обучения, % (X1);

- доля работников, выполнявших научные исследования и разработки (без совместителей и лиц, работавших по договорам гражданско-правового характера), % (от числа занятых) (Х4);

- доля занятых в экономике с высшим профессиональным образованием (от числа занятых), % (X5).

В ходе исследования были построены модели для всех трех случаев за периоды 2008, 2013, 2014 гг. В таблице 3 в динамике показаны параметры моделей развития человеческого капитала. Все коэффициенты регрессионных уравнений статистически значимы на 5%-м уровне.

Таблица 3

Параметры регрессионных уравнений, полученных в ходе верификации модели Дж. Бенхабиба, М. Шпигеля по всей совокупности РФ

В 2008 г. регрессионный анализ модели Дж. Бенхабиба и М. Шпигеля не позволил выявить наличие связи между человеческим капиталом и экономическим ростом. Рост экономики регионов обусловлен накоплением физического капитала.

В результате верификации модели Дж. Бенхабиба и М. Шпигеля за 2013 г. была составлена следующая статистически значимая модель с коэффициентом детерминации R2=0,74:

, (3)

Коэффициенты эластичности по труду и человеческому капиталу, представленные долей работников, выполнявших научные исследования и разработки (без совместителей и лиц, работавших по договорам гражданско-правового характера), % (от числа занятых) (X4), составили соответственно 0,73 и 0,064. То есть в 73 % экономический рост регионов обусловлен накоплением физического капитала, а в 6% - человеческим. Технологический коэффициент составляет A=exp(2,64)=14 и указывает на наличие процессов трансфера знаний между регионами.

В 2014 г. адекватными оказались две модели (4) и (5), где H1 – функция человеческого капитала, представленная нормой отдачи от обучения, % (X1) и H3 – функция человеческого капитала, представленная долей занятых в экономике с высшим профессиональным образованием (от числа занятых), % (X5).

, (4)

. (5)

В первом случае наблюдается эффект заимствования технологий A=12,9. Вклад в развитие регионов боле наглядно обеспечивается увеличением доли занятых в экономике с высшим профессиональным образованием (X5). Коэффициент эластичности при функции человеческого капитала уравнения (5) почти в 2 раза превышает соответствующее значение уравнения (4), но обмена опытом и знаниями не происходит, что может свидетельствовать о незавершенности процесса формирования человеческого капитала в регионах РФ.

Таким образом, был сделан вывод об адекватности модели Дж. Бенхабиба и М. Шпигеля в российских условиях, а формирование человеческого капитала в нашей стране происходит аналогично процессам его накопления в странах с развитой экономикой. Следует отметить, что какого-либо устойчивого влияния во времени факторов моделей выявить не удалось. Причина, по нашему мнению, состоит в том, что все процессы экономического развития государства взаимосвязаны и некоторые из них в 2008 г. находились на стадии формирования. Например, отсутствие влияния человеческого капитала, измеренного нормой отдачи от обучения (Х1), на экономическое развитие регионов в 2008 г. может объясняться более низкими значениями показателя по сравнению с 2014 г. В среднем по регионам его значение за рассматриваемый период увеличилось боле чем в 1,3 раза, с 4,67% в 2008 г. до 6,09% в 2014 г.

На этапе верификации модели Дж. Бенхабиба и М. Шпигеля в представленных выше моделях функция человеческого капитала H нами определялась с позиций расходов (входа). Попытка оценить ее с позиций доходов (выхода) к каким-либо результатам не привела. В качестве меры достижений человеческого капитала рассматривались показатели:

- коэффициент изобретательской активности (число отечественных патентных заявок на изобретения, поданных в России в расчете на 10 тыс. человек населения) (X2);

- объем инновационных товаров, работ, услуг, (руб. на душу нас.) (X3).

Тем не менее, в ходе исследования факторов, обусловливающих их развитие, посредством корреляционно-регрессионного анализа были составлены регрессионные уравнения по данным 2013, 2014 гг., параметры которых представлены в таблице 4. Все коэффициенты моделей статистически значимы на 5%-м уровне. В моделях за рассматриваемые периоды наблюдается усиление связи. В 2014 г. коэффициенты детерминации регрессионных уравнений, обусловливающих развитие изобретательской активности (X2), инновационных технологий, продуктов и услуг (X3), принимают значения 55% и 59% соответственно.

Таблица 4

Параметры линейных регрессионных моделей, обусловливающих развитие инновационных технологий, продуктов и услуг

Модель линейной зависимости коэффициента изобретательской активности (число отечественных патентных заявок на изобретения, поданных в России, в расчете на 10 тыс. человек населения) (X2) от факторных признаков в 2014 г. представлена в следующем виде:

(6)

Положительное влияние оказывается факторами человеческого капитала и информационного общества, представленными соответственно долей работников, выполнявших научные исследования и разработки, % (от числа занятых) (X4), и долей организаций, использовавших локальные вычислительные сети (Y5).

Доминирующее влияние на объем инновационных товаров, работ, услуг, (руб. на душу нас.) (X3) оказывается накоплением физического капитала, а в меньшей – человеческого капитала:

, (7)

где X1 – норма отдачи от обучения, %; X9 – объем ВРП в расчете на одного жителя субъекта Российской Федерации, рубль; Y2 – затраты на информационные и коммуникационные технологии (рублей, на душу населения) (затраты на ИКТ - всего).

Таким образом, развитие инновационных технологий, продуктов и услуг обусловлено ростом экономики регионов, развитием информационного общества и человеческого капитала.

Адекватность моделей (3)-(5) подтверждает, что человеческий капитал является фактором развития экономики регионов. Наличие технологического коэффициента в моделях (3) и (4) свидетельствует о процессах трансфера знаний, однако его отсутствие в модели (5) указывает на незавершенность процессов формирования человеческого капитала.

В ходе исследования моделей человеческого капитала за периоды 2008, 2013 и 2014 гг. сколько-нибудь устойчивого влияния во времени факторов выявить не удалось.

Верификация модели Дж. Бенхабиба и М. Шпигеля, где функцию человеческого капитала H было предложено оценивать с позиций доходов (выхода) к каким-либо результатам не привела. Это позволило сделать вывод о том, что существенной экономической отдачи от человеческого капитала на данный момент не наблюдается. Одной из причин является низкое производство и использование инновационных коммерческих технологий, высокотехнологичных продуктов и услуг.

Повышению изобретательской активности способствует увеличение доли работников, выполнявших научные исследования и разработки, и доли организаций, использующих локальные вычислительные сети. Информационное общество играет важную роль в обеспечении процессов обмена знаниями и технологиями среди исследователей и разработчиков.

Создание и увеличение объемов инновационных технологий, продуктов и услуг в большей степени обусловлены накоплением физического капитала, а также человеческого капитала. Достаточно сильное негативное воздействие наблюдается со стороны затрат на ИКТ.

Следует также отметить, что низкий уровень развития информационного общества существенно снижает процессы обмена технологиями и является сдерживающим фактором развития человеческого капитала и, как следствие, экономического развития регионов.

Дальнейшее исследование процессов трансфера знаний, выявления их влияния на региональную инновационную экосистему в контексте развития информационного общества целесообразно проводить с учетом различий типологических групп регионов.

Таким образом, верификация моделей человеческого капитала как фактора развития информационного общества позволила выявить взаимосвязи между человеческим капиталом и экономическим ростом регионов в динамике за 2008, 2013, 2014 гг., установить факторы, доминирующие в каждой модели, определить их влияние на экономику региона, а также исследовать процессы трансфера знаний и их влияние на региональную инновационную экосистему. Результаты данного исследования могут быть использованы федеральными и региональными органами государственной власти, а также инвесторами, осуществляющими свою деятельность на территории Российской Федерации.