ANALÝZA SÍTÍ. Nástroj pro mapování interakcí v inovačním systému

Transkript

1 ANALÝZA SÍTÍ Nástroj pro mapování interakcí v inovačním systému David Marek Technologické centrum AV ČR

2 Analýza sociálních sítí (SNA) Sítě spolupráce jako interpretační faktor pro efektivitu systému čím hustší, tím lepší Strukturalistický přístup (vs. kvalitativní případové studie) topografie sítě a pozice aktérů není náhodná napojení na znalostní toky selektivní i v malých komunitách SNA + softwarové nástroje Popisná i explanační úloha struktura sítě a determinanty vzniku Interactions as a black box obsah vazeb charakteristiky subjektů Praktické ukázky na dostupných datech spolupráce výzkumných organizací struktura oborové klasifikace vliv znalostní základny na vzorce spolupráce VO a podniků David Marek

3 Spolupráce VO # 296 jednotek # propojení počet výsledků UK v Praze MU v Brně UPOL David Marek

4 Spolupráce VO # 296 jednotek počet výsledků > 100 společných výsledků David Marek

5 Spolupráce VO VFN v Praze FN v Motole 1.LF UK počet výsledků > 100 společných výsledků David Marek

6 Spolupráce VO VFN v Praze FN v Motole 3.LF UK 1.LF UK 2.LF UK počet výsledků > 100 společných výsledků David Marek

7 Spolupráce VO FJFI ČVUT FÚ AV ČR MFF UK PřF UPOL počet výsledků > 100 společných výsledků David Marek

8 Spolupráce VO Národní muzeum Česká geologická služba BÚ AV ČR PřF UK počet výsledků MBÚ AV ČR ÚOCHB AV ČR ÚFCH AV ČR > 100 společných výsledků David Marek

9 Spolupráce VO PřF UK počet výsledků David Marek

10 Spolupráce VO počet napojení, seřazeno instituciální hledisko vazby uvnitř UK / AV ČR UK v Praze AV ČR David Marek

11 Spolupráce VO počet napojení umístění dle sídla subjektu geografické hledisko vazby mezi kraji ČR David Marek

12 Spolupráce VO celkový počet bodů barvou odlišené komunity uvnitř komunit řazeno podle počtu vazeb organizace s 30+ vazbami David Marek

13 Spolupráce VO Medicínský klastr Přírodovědně-zemědělský klastr Filozofie, informatika Fyziologie, genetika, mikrobiologie Fyzikálně-chemický klast Geologie David Marek

14 Struktura oborů v CEP #123 oborů CEP, #2452 vazeb barva = skupiny oborů CEP počet napojení David Marek

15 Struktura oborů v CEP #123 oborů CEP, #2452 vazeb počet napojení barva = skupiny oborů CEP barva = identifikované komunity David Marek

16 Struktura oborů v CEP EI-Biotechnologie, bionika EB-Genetika, molekulární biologie CE-Biochemie EE-Mikrobiologie, virologie FS-Lékařská zařízení, přístroje IN-Informatika JC-Počítačový HW a SW JD-Využití počítačů, robotika BC-Teorie a systémy řízení BA-Obecná matematika EH-Ekologie, společenstva DO-Ochrana krajinných území GK-Lesnictví DF-Pedologie EF-Botanika #123 oborů CEP #10 komunit barva = skupiny oborů CEP počet napojení, v komunitách sestupně David Marek

17 Struktura oborů v CEP Mikro-bio-tech Společnost Životní prostředí #123 oborů CEP #10 komunit barva = komunity počet napojení IT, bezpečnost vazby s váhou 5+ David Marek

18 Znalostní základny - vzorce spolupráce Literatura o inovačních systémech, odlišení charakteru znalostí znalostní základny analytická (science-based) proč?, dedukce, VaV syntetická (engineering-based) jak?, testování, učení symbolická (creativity-based) význam, symbolika, konvence Existuje rozdíl ve vzorcích spolupráce mezi akademickou sférou a podniky v souvislosti s převažující ZZ? Jiné determinující faktory? David Marek

19 Znalostní základny - vzorce spolupráce podniky znalostní instituce = fakulty VVŠ; VVI ostatní aktéři počet účastí David Marek

20 Znalostní základny - vzorce spolupráce Odlišnost vzorců spolupráce mezi analytickou a syntetickou ZZ Analytická rovnoměrné rozložení vazeb, vyrovnaná pozice aktérů, silnější role VVI Není rozdíl v efektivnosti přenosu znalostí dostupnost průměrného partnera = stejný počtu kroků Syntetická koncentrace podniků okolo fakult technických univerzit, malá role VVI David Marek

21 Závěrem Nevyužité datové zdroje IS VaVaI, RES, patentová a citační databáze...? primární data Pokročilé metody zpracování např. SNA Vizualizace, interpretace Hodnocení dopadů, ekonometrické modely Datová omezení, účelová interpretace účel a kvalita sběru dat metodická slepota vs. metodická bystrozrakost David Marek

22 Závěrem David Marek

23 Závěrem David Marek

24 Závěrem Nevyužité datové zdroje IS VaVaI, RES, patentová a citační databáze...? primární data Pokročilé metody zpracování např. SNA Vizualizace, interpretace Hodnocení dopadů, ekonometrické modely Datová omezení, účelová interpretace účel a kvalita sběru dat metodická slepota vs. metodická bystrozrakost Děkuji za pozornost David Marek [marek@tc.cz]