Эксперт № 43 (2013)

Эксперт Эксперт Журнал

— Все зависит от того, что хотят получить в результате анализа. Если мы опираемся на математические методы, то получаем абсолютно точные результаты, но в рамках конкретных узких предположений. А если используются методы, характерные для гуманитарных наук, то при минимуме предположений можно делать очень общие выводы. Но обоснованность этих выводов обратно пропорциональна их «ширине». Это можно назвать гносеологическим аналогом принципа Гейзенберга: нельзя добиться одновременно точных и корректных результатов, которые были бы применимы для очень широкого класса объектов. Хотим точный результат — он будет применим в конкретном узком классе объектов. Хотим широкий класс объектов — значит, будет не очень обоснованный результат. Вся наука фактически живет в этих рамках: математика на одном полюсе, гуманитарные науки — на другом. Между ними еще находятся физика, экономика. Для каждой науки можно найти свою точку на этой плоскости.

Есть несколько вложенных функций науки. Первая — описательная, феноменологическая, она отвечает на вопрос, как устроен мир. Описание можно вести на языке количественном и на языке качественном, применяя математику, не применяя и так далее. Описали. Следующий этап — объясняем.

Это объяснительная функция научного познания, которая отвечает на вопрос, почему мир устроен так, а не иначе. Здесь уже, если формулировать утверждение «мир устроен так, а не иначе, потому что…», вы должны это обосновать. Опять-таки, это обоснование может быть качественным, может быть математически формализованным. Формализованное описание проще идентифицировать, проще верифицировать и проще обосновать. Следующий уровень — прогностический: а что будет с миром (в широком смысле), если мы уже поняли, как он устроен и почему он именно так устроен? Делать прогнозы можно, конечно, и на экспертно-качественном уровне. Но желательно все-таки на основе количественных моделей. И наконец, четвертый уровень — нормативный. Мы поняли, как устроен мир, почему он так устроен, что может с ним произойти. А теперь надо понять, что сделать, чтобы произошло именно то, что нам надо. Это нормативная функция познания, моделирования. Это и есть управление. Как без математики убедительно обосновать, что для того, чтобы достичь тех целей, которые мы ставим, нужно делать именно так, а не иначе, честно говоря, я не знаю. Либо это должно быть такое экспертное суждение профессионала, которому все полностью доверяют, либо нужна модель, на которой мы проигрываем разные варианты и говорим, что такое управленческое воздействие лучше, потому что на модели оно ведет себя лучше. Идеальный вариант — оптимальное поведение. Идея оптимальности, которая традиционна для математической теории управления, сейчас проникает в другие сферы. Что значит «оптимальное решение»? Это наилучшее решение при заданных условиях, при заданных ограничениях. Оптимальное управление — это наилучшее управление. То есть допустимое воздействие, которое переводит систему в то состояние, которое мы хотим, или максимально близко к целевому состоянию наиболее выгодным способом.

Если же говорить об экономической науке, то на сегодня она все еще по большей части живет на уровне описаний и лишь отчасти — объяснений. Может быть, поэтому в экономике с прогнозами очень плохо.

— Сейчас аналогичная ситуация складывается вокруг реформы Академии наук. Эта реформа, в частности, вызвала всплеск широкого общественного интереса к проблемам оценки научного труда — к наукометрии. Институт издал под вашей редакцией книгу « Наукометрия и экспертиза в управлении наукой». Насколько наукометрия может считаться строгой дисциплиной и насколько с ее помощью можно управлять наукой?

— Эти проблемы обсуждаются, как минимум, с 1960-х годов. За рубежом ими занимался Юджин Гарфилд, у нас — Василий Налимов. И то, что они говорили тогда, актуально до сих пор. Многое забыто, но, как всегда, через сорок лет мы все переоткрываем, и потом оказывается, что почти все до нас было сказано.

Раньше наукометрические показатели собирались и анализировались практически вручную — это было безумно трудоемко. Посмотреть, кто и где публиковался, кто на кого ссылается, всю эту информацию собрать и систематизировать — это был колоссальный труд. Сейчас все происходит само собой и преподносится на блюдечке, только анализируй: с развитием информационно-коммуникационных технологий появилась возможность автоматического накопления и обработки информации о научных публикациях. Сам бог велел проанализировать.

Есть три категории специалистов, которым интересно количественное описание процессов, происходящих в науке. Это специалисты по истории науки, по логике науки, по наукометрии; это сами ученые, и это чиновники, которые контролируют от имени государства научные учреждения. Первую группу обсуждать не будем, потому что для них это просто объект исследования.

Что мы можем сказать об ученых и о чиновниках? Если речь идет о какой-то группе ученых, специалистов в определенной предметной области, то им все эти показатели совершенно не нужны. Потому что каждый ученый знает специалистов в своей предметной области, знает, кто чего стоит, кто лидер, кто халтурщик и так далее. Им эта информация ничего не дает. Если

мы говорим уже о более крупных группах ученых и организациях, условно говоря, научного обслуживания, таких как журналы, конференции или университеты, те же академические или отраслевые научные институты, то здесь уже отчасти возникает необходимость в каких-то количественных показателях. Как сказать, какой журнал лучше, какой хуже? Опять же, специалист в своей предметной области прекрасно представляет, чего стоит тот или иной журнал. Но ни один ученый вам не скажет, как соотносятся журналы из биологии и из физики. Хотелось бы иметь какую-то методику их ранжирования. Для этого придумали импакт-факторы — научились ранжировать журналы. Или проблема, которая возникает, когда вы объявили конкурс о приеме на работу и у вас двести человек в очереди стоит, — у нас такое редко бывает, а за рубежом иногда бывает. Первичный отбор можно провести на уровне формальных показателей. Но потом все равно с отобранными на первом этапе кандидатами должны общаться профессионалы, проводить экспертизу, для того чтобы выбрать лучшего. То есть на уровне коллективов, организаций, журналов возникает потребность осмысленного использования числовых показателей, но в комбинации с содержательной экспертизой.

Теперь посмотрим на чиновников, которые управляют наукой. Логика любого чиновника, логика любого государства: если мы вкладываем деньги, то должны измерить отдачу. Отдача, как экономисты нас учат, — это отношение эффекта к затратам, эффективность, то есть что получается на потраченный рубль. А как измерить, что получается на потраченный рубль в науке? Кстати, эти же проблемы существуют и для культуры, для медицины и так далее. Но до них еще не добрались, хотя со временем, наверное, тоже доберутся. Любая дурь имеет свои законы развития и всегда доходит до абсурда.

Но тем не менее, как сравнить между собой ученых Иванова и Петрова, получающих одинаковую зарплату? Работают они или нет? Чиновники от творчества далеки. А наука — это все-таки творчество. Особенно фундаментальная. Мы говорим с вами дальше только о фундаментальной науке, потому что в отраслевой есть своя специфика.

А как создается новое знание, это тайна за семью печатями. Конечно, можно причесать всех под одну гребенку и сказать: ребята, дело должно быть поставлено на поток. Вы должны в год выдавать по одному изобретению и раз в десять лет придумывать что-то гениальное, что осчастливит человечество. Тогда легко рассчитать эффективность и сказать, на уровне отдача или нет. Но ясно, что это глупость.

Тем не менее сильное государство как меценат вкладывает деньги в науку и не требует конкретной отдачи и быстрого конкретного результата. Когда министр финансов Англии спросил у Фарадея (а это конец первой трети девятнадцатого века), какова польза от вашего электричества, Фарадей ответил: когда-нибудь с него будут платить налоги. Он ответил понятно для министра финансов. Потом были Максвелл и другие, пока это все не ушло массово в промышленность. И платить налоги с электричества начали, наверное, лет через сорок. Что бы было, если бы мы тогда не изобрели электричество, как бы мы сейчас жили, где бы мы сейчас жили? То есть попытки измерения научной отдачи какими-нибудь количественными вещами радикально неправильны, если мы говорим в таких категориях. Ну выгнали бы Фарадея с работы, потому что он бы там что-нибудь вовремя не опубликовал, или оборудование не то купил, или не так оформил.

Но тем не менее вполне можно понять чиновников, которые хотят что-то померить. Поэтому использование библиометрических показателей типа индекса цитируемости, индекса Хирша и так далее в сочетании с экспертизой в каком-то варианте, естественно, необходимо, хотя бы для того, чтобы исключить вариант паразитизма. Представьте себе, что мы сделали заповедник для ученых: они такие яйцеголовые, умные, трогать их нельзя, они думают о судьбах человечества, мы деньги им будем давать и ничего с них спрашивать не будем. Туда в итоге набегут бездельники. Поэтому какой-то контроль за тем, что люди уж совсем не бездельничают, необходим. Но вряд ли более того. Точно не для того, чтобы судить о том, что кто-то лучше или хуже, потому что у него индекс больше или меньше.

— Тогда каков, на ваш взгляд, оптимальный подход к оценке труда ученых?

— Вывод один: нет корректного ответа на вопрос, какова оптимальная процедура оценки труда ученых. Все зависит от того, какие управленческие задачи мы решаем, какие цели перед собой ставим, кто мы, кого мы оцениваем и зачем. Представьте себе, что вы — заведующий лабораторией и хотите принять к себе нового сотрудника. Вы посмотрите на список его публикаций. И поговорите с ним. Вы не будете спрашивать с него в первую очередь индекс Хирша. И не будете смотреть на его цитируемость. Вы будете общаться с ним содержательно. Другая ситуация, когда речь идет об уровне государства, например об оценке институтов при разделении их на какие-то группы «чистых» и «нечистых». Последняя версия положения об оценке институтов, которую утвердило наше правительство, подразумевает, что нужно их разбивать на референтные группы и оценивать «хороший», «средний» или «плохой» в своей референтной группе. Казалось бы, хорошая идея: нельзя же всех, все отрасли науки, в одну кучу класть — все разные. Но при этом мы с вами забываем о возможности, что в какой-то группе могут оказаться все объективно хорошие. Представьте, что, например, в референтной группе трое. И все замечательные. А все остальные вне этой группы вообще ничего не делают. Тогда неизбежно, что один из трех окажется хороший, другой так себе, третий — плохой. Но этот плохой будет намного лучше самого лучшего соседа, не вошедшего в нашу группу. Об этом кто-нибудь думает? Любую процедуру надо тестировать на устойчивость в разных ситуациях, какие результаты она будет давать в тех или иных предельных случаях. Как тестируют компьютерные программы, тестируют любой прибор, так и любая процедура принятия управленческих решений, по аналогии, должна тестироваться.