ANALÝZA SÍTÍ Nástroj pro mapování interakcí v inovačním systému David Marek Technologické centrum AV ČR 22.4.2015
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 22.4.2015 02
Spolupráce VO # 296 jednotek # 3 214 propojení počet výsledků UK v Praze MU v Brně UPOL David Marek 22.4.2015 03
Spolupráce VO # 296 jednotek počet výsledků > 100 společných výsledků David Marek 22.4.2015 04
Spolupráce VO VFN v Praze FN v Motole 1.LF UK počet výsledků > 100 společných výsledků David Marek 22.4.2015 05
Spolupráce VO VFN v Praze FN v Motole 3.LF UK 1.LF UK 2.LF UK počet výsledků > 100 společných výsledků David Marek 22.4.2015 06
Spolupráce VO FJFI ČVUT FÚ AV ČR MFF UK PřF UPOL počet výsledků > 100 společných výsledků David Marek 22.4.2015 07
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 22.4.2015 08
Spolupráce VO PřF UK počet výsledků David Marek 22.4.2015 09
Spolupráce VO počet napojení, seřazeno instituciální hledisko vazby uvnitř UK / AV ČR UK v Praze AV ČR David Marek 22.4.2015 10
Spolupráce VO počet napojení umístění dle sídla subjektu geografické hledisko vazby mezi kraji ČR David Marek 22.4.2015 11
Spolupráce VO celkový počet bodů barvou odlišené komunity uvnitř komunit řazeno podle počtu vazeb organizace s 30+ vazbami David Marek 22.4.2015 12
Spolupráce VO Medicínský klastr Přírodovědně-zemědělský klastr Filozofie, informatika Fyziologie, genetika, mikrobiologie Fyzikálně-chemický klast Geologie David Marek 22.4.2015 13
Struktura oborů v CEP #123 oborů CEP, #2452 vazeb barva = skupiny oborů CEP počet napojení David Marek 22.4.2015 14
Struktura oborů v CEP #123 oborů CEP, #2452 vazeb počet napojení barva = skupiny oborů CEP barva = identifikované komunity David Marek 22.4.2015 15
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 22.4.2015 16
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 22.4.2015 17
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 22.4.2015 18
Znalostní základny - vzorce spolupráce podniky znalostní instituce = fakulty VVŠ; VVI ostatní aktéři počet účastí David Marek 22.4.2015 19
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 22.4.2015 20
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 22.4.2015 21
Závěrem David Marek 22.4.2015 22
Závěrem David Marek 22.4.2015 23
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]