Г.А. Лахтин попытался исследовать связь между производительностью труда в народном хозяйстве страны и деятельностью научных работников. Эту связь он выразил следующим образом: AQ <AI*T, где AQ – прирост производительности труда в народном хозяйстве; AI – прирост информации; T – фактор интенсивности, характеризующий движение информации в обществе, и прежде всего ее использование в материальном производстве. Однако измерять прирост информации количественно практически не представляется возможным, поскольку измерение научной продукции по количеству идей вряд ли возможно. Г.А. Лахтин, понимая трудности реализации на практике предложенной им формулы, пишет: «Когда нельзя измерить количество исследовательской продукции, полученной в результате работы, можно попытаться дать оценку хотя бы тому, выполнена она или нет». Но такой подход предполагает уже качественную оценку, т.е. выявление научного эффекта как результата научного труда посредством сочетания этих видов оценок. При этом научный эффект отражает возможность удовлетворения потребностей в новой информации и многократного ее применения, а также выявляет степень удовлетворения потребностей (свойство качества созданной информации). Происходящий в мировой практике процесс усложнения и удорожания технических проектов, вызывающий необходимость постоянного увеличения средств на развитие научных исследований и реализацию нововведений, все в большей мере повышает значимость проблемы определения степени риска при достижении новых результатов. Необходимость концентрации ресурсов для осуществления нововведений требует анализа большого объема информации при решении вопроса о вложении средств. Ибо неудача может привести к тяжелым последствиям для финансирующей организации. Этим вызвано стремление производственных систем к эволюционному процессу совершенствования технической базы путем реализации мелких изобретений, а не за счет крупных научных идей, открытий и принципиально новых изобретений. Естественно, что такой путь позволяет уменьшить риск, но не обеспечивает динамичное научно-техническое развитие. С точки зрения заказчика, определяющим фактором является совокупный риск, представленный суммой технического и коммерческого рисков. Исполнитель НИОКР должен оценивать обе составляющие риска отдельно для того, чтобы четко представлять, какую часть он принимает полностью на себя, а какую предполагает разделить с заказчиком. Величина технического риска определяется исходя из оценки имеющегося на начало выполнения НИОКР научно-технического задела. Наличие результатов ранее проведенных ФИ и ПИ, изобретений, лабораторных образцов в значительной мере повышает вероятность того, что будут успешно преодолены технические проблемы.
Наибольшие научный и научно-технический эффекты дают те научные идеи, которые воплощаются в других идеях, и те научно-технические новшества, которые реализуются во многих отраслях народного хозяйства. Они же порождают значительные технические новшества. Так, в различные отрасли народного хозяйства внедряются микропроцессоры на больших интегральных схемах – компактные вычислительные устройства, осуществляющие по соответствующим программам различные функции управления объектом (от стиральной машины с запрограммированной последовательностью операций до установки для проведения научного исследования по заданной программе). Подсчитано, что в будущем микропроцессоры найдут применение в более чем 200 тыс. различных видов устройств и установок промышленной и бытовой техники.
Подходы, основанные на количественных подсчетах статей, патентов не имеют выхода на качественные аспекты результатов исследований. Поэтому большинство исследователей придерживаются мнения, что наиболее приемлемым способом оценки исследований остается метод содержательной компонентной оценки, осуществляемый с привлечением экспертов, с использованием балльных оценок результативности НИР. Все они основаны на нескольких простых положениях:
1. Каждому научному результату присваивается определенный численный балл;
2. При наличии нескольких критериев каждому критерию присваивается определенный «вес», характеризующий значимость ожидаемого частного результата в общей результативности научного исследования;
3. При проведении оценки научной результативности значения баллов по каждому частному виду научного результата умножается на соответствующее значение весового коэффициента и суммируются.
В качестве примера подобного подхода к оценке значимости научных
исследований можно привести методику оценки научного эффекта, разработанного В.С. Либенсоном. Им была предложена шкала с пятью характеристиками класса научной информации. Каждый класс оценивался баллом – от 1 за описание отдельных элементарных факторов до 5 за работу в области законов теорий – и пятью показателями степени новизны (разработка новой теории оценивается в 10000 баллов). Таким образом, осуществлена попытка выявить научный эффект путем перемножения баллов класса научной информации на баллы степени новизны. При работе в области элементарных наблюдений научный эффект оказывается равным 1(1*1), при высоком классе научной информации – осуществлении деятельности в области познания новых теорий – результат научного эффекта может достигнуть 50 000 (5*10 000).
Например, А.С. Запаснюк важнейшими признаками научно-технического эффекта считает уровень новизны, теоретический уровень и возможность реализации. Он принципиально новый уровень новизны разработки оценивает в 8-10 баллов, а традиционный - в 1 балл. Для оценки результатов ФИ и ПИ это правильно, но при оценке результата ОКР подобное утверждение может дезориентировать разработчика. Стремясь повысить коэффициент научно-технического эффекта, он будет пытаться увеличивать новизну деталей любой ценой.
Несколько более точные признаки научно-технического эффекта приведены В.А. Покровским: научно-технический уровень предлагаемых результатов, перспективность (первостепенная важность, полезность), возможный масштаб внедрения (народнохозяйственный, отраслевой) и степень вероятности успеха (большая, умеренная, малая). Оценка, приведенная В.А. Покровским, основана только на применении балльной системы.
Практический интерес представляют разработанные К.Г. Федоровым шкалы градаций показателей новизны и уровня внедряемости, которые, по мнению автора, являются критериями эффективности и качества научно-технической работы. В основе оценки шкал лежит все та же балльная система. Построение шкалы уровня новизны предусматривает дифференцированный подход к работам разного характера, направленным или на получение новых знаний (ФИ), или на разработку новых видов продукции (НИОКР). Диапазон между высшим и низшим уровнями новизны принят от 50 до 1 балла диапазон между высшим и низшим уровнем внедряемости – от 7 до 1 балла. По мере приближения к практическому использованию в промышленности баллы возрастают. Чтобы определить научно-технический эффект К.Г. Федоров предлагает перемножить оценки уровня новизны и уровня внедряемости. Это позволяет сравнивать работы разного направления: ФИ с высоким уровнем новизны и малой степенью внедряемости и прикладные работы, внедрение которых осуществляется в короткие сроки, но уровень новизны не всегда высок. Низкий уровень оценки по одному показателю компенсируется высокой оценкой по-другому.