ПРОФЕССИОНАЛЬНЫЙ РОСТ МОЛОДОГО УЧЕНОГО: ДЕФИЦИТНЫЕ РЕСУРСЫ ПОДДЕРЖКИ

В данной статье концептуально осмысляются новые подходы в отношении ресурсов профессионального роста современного молодого ученого на основании анализа трендов развития сферы научных исследований в России и мире. В работе исследуется проблема профессионального роста молодых ученых, связанная с дефицитом профессиональных ориентиров и критично важных для качественной исследовательской работы ресурсов ее поддержки. Авторами указанная проблема рассматривается через три составляющих: а) дефицитность декларированных внятных исследовательских политик в российских университетах как нормированного стратегического фокуса внимания; б) неразвитость эффективных организационных форм исследований, таких как сетевые исследования; в) слабое присутствие качественной аналитики в области исследовательской деятельности. В работе описывается сущность исследовательской политики в мировом опыте управления университетами и перспективы по ее усилению для российских университетов в целом и молодых ученых в частности. Далее рассматриваются ключевые характеристики сетевых и коллаборативных форм исследований, их роль для интенсификации исследовательской деятельности, укрепления исследовательских сообществ и становления молодых ученых. Во многих странах профессиональные сообщества (ассоциации) играют важную роль в развитии специальностей, областей знаний, профессионального образования и поддержке специалистов. В статье рассматривается, какую роль для молодого ученого могут играть международные профессиональные ассоциации как в формировании исследовательских компетенций, так и в построении академической карьеры. В заключительной части работы рассматриваются современные инструменты и методы аналитики для наукометрической работы и управления научной деятельностью. В первую очередь рассматриваются профессиональные инструменты (например, Essential Science Indicators, InCites, SciVal), способствующие ориентированию и позиционированию молодых ученых и научных коллективов во внешней научной среде, в частности, в современных тенденциях развития тех или иных научных областей, их перспективности. Затем рассматриваются инструменты, основанные на технологиях машинного обучения и data mining, для проведения внутренней аналитической работы по выявлению скрытых закономерностей внутри университета с целью выработки управленческих решений, способствующих эффективному профессиональному росту молодых ученых и интенсификации исследовательской деятельности научных групп. Работа базируется на исследовании и анализе теоретического материала, а также результатах работы группы «Исследовательская политика» в рамках цикла стратегических сессий Национального исследовательского Томского государственного университета (2015-2016 гг.) под руководством Московской школы управления «Сколково». Выявление указанных дефицитных ресурсов для поддержки профессионального роста молодых ученых представляет собой новый подход, опирающийся на необходимые направления развития науки в целом. Предлагается усилить развитие указанных дефицитных направлений, описываются возможные формы такой поддержки молодых ученых. При этом описанные дефициты и предложенные меры, не претендуя на системность, не исчерпывают список существующих проблем в области поддержки профессионального роста молодых ученых, а лишь концентрируются на некоторых из них.

молодой ученый, академическая карьера, профессиональный рост, исследовательская политика, наукометрия, научные сети, научные коллаборации, профессиональные сообщества

1. Ащеулова Н. А. Молодые ученые Санкт-Петербурга: барьеры и механизмы адаптации // Инновации. 2009. № 1. С. 13-16.

2. Ворох А. «Молодые ученые»: опыт формулирования проблемы // Троицкий вариант. Наука.2013.7 мая (№ 128). С. 6.

3. Профессиональный рост и научная карьера: есть ли разница? // Интернет-издание «Наука и технологии России - STRF.ru». 2015. 27 марта [Электронный ресурс]. URL: http://www.strf.ru/material.aspx?CatalogId=221&d_no=95915#.WMoBFvnyg2x (дата обращения: 10.03.2017).

4. Волков А. Е., Мельник Д. Автономность и публичность университета//Ведомости.2017. 1 февраля (№ 4253) [Электронный ресурс].URL: http://www.vedomosti.ru/opinion/articles/2017/02/01/675685-avtonomnost-universiteta (дата обращения:10.03.2017).

5. Салми Д., Фрумин И. Д. Как государства добиваются международной конкурентоспособности университетов: уроки для России // Вопросы образования.2013. № 1. С. 25-68.

6. ResearchPolicyHandbook [Электронный ресурс]. URL: https://doresearch.stanford.edu/node/30294 (дата обращения: 10.03.2017).

7. University Research Policies [Электронный ресурс]. URL: http://www.nyu.edu/research/research-policies. html(дата обращения: 10.03.2017).

8. Aerosols, Clouds, and Trace gases Research Infrastructure Network [Электронный ресурс]. URL: http:// www.actris.net (дата обращения:05.03.2017).

9. AErosol RObotic NETwork [Электронный ресурс]. URL: https://aeronet.gsfc.nasa.gov (дата обращения:05.03.2017).

10. European Aerosol Research Lidar Network [Электронный ресурс]. URL: https://www.earlinet.org (дата обращения:05.03.2017).

11. Иншаков О. В. Коллаборация как глобальная форма организации экономики знаний // Экономика региона. 2013. № 3. С. 38-46.

12. LIGOScientificCollaboration [Электронный ресурс]. URL: http://www.ligo.org (дата обращения:05.03.2017).

13. Меликян А. В. Основные характеристики международных сетей университетов// Вопросы образования. 2014. № 3. С. 100-117.

14. CollaborateMerriam-Webster’sOnlineDictionary, 2007 [Электронный ресурс]. URL: https://www.merriam-webster.com/dictionary/collaborate (дата обращения: 05.03.2017).

15. Шейх А. А. Научно-исследовательское сотрудничество: краткое руководство для молодых ученых // ElsevierConnect. 2015 [Электронный ресурс]. URL: http://elsevierscience.ru/news/376 (дата обращения:05.03.2017).

16. Ащеулова Н. А., Душина С. А. Академическая карьера молодого ученого в России // Инновации. 2012. № 7. С. 60-68.

17. Джонсон А. М. Составление плана успешной научной карьеры. Руководство для молодых ученых. Амстердам: Эльзевир, 2012. 118 c.

18. Назарова И. Б. Профессиональные сообщества в сфере оказания медицинских услуг и охраны здоровья: презентация в интернет пространстве // Социальные аспекты здоровья населения. 2014. Вып. 38. Т. 4. [Электронный ресурс]. URL: http://vestnik.mednet.ru/content/view/587/30/lang, ru (дата обращения: 05.03.2017).

19. Савина Т. Ф., Стерлигов И. А. InCitesvsSciVal: сравниваем продвинутые наукометрические пакеты из подписки НИУ ВШЭ [Электронный ресурс].ЦКЬ: https://okna.hse.ru/news/191799062.html (дата обращения:10.03.2017).

20. Ефименко И. В. Можно ли измерить науку: философия, язык и культура современной наукометрии [Электронный ресурс]. URL: https://rn.youtube.com/watch?v=FinOKc6IlR0 (дата обращения:10.03.2017).

21. Герасимов С. В., Курынин Р. В., Машечкин И. В., Петровский М. И., Царёв Д. В., Шестимеров А. А. Инструментальные средства оценки качества научно-технических документов // Труды Института системного программирования РАН. 2013. Т. 24. С. 359-380.

22. Брудно А. А., Попов А. П., Соловьев А. В. Научная информация в сетевой модели управления исследованиями и разработками // Труды Института системного анализа РАН. 2015. Т. 65. № 4. С. 64-67.

23. Tsolakidis A., Sgouropoulou C., Xydas I., Terraz O., Miaoulis G. Academic Evaluation and Research Policy Decision Making Using Graph Visualization, in: Proceedings of 15th Panhellenic Conference on Informatics, Kastonia, Greece,2011, pp. 28-32.

24. Guns R., Rousseau R. Recommending Research Collaborations Using Link Prediction and Random Forest Classifiers, Scientometrics, 2014, vol. 101, pp. 1461-1473.

25. Cook I., Grange S., Eyre-Walker A. ResearchGroups: HowBigShouldTheyBe? [Электронный ресурс]. URL: https://peerj.com/articles/989 (дата обращения: 10.03.2017)

26. Rafols I., Porter A. L., Leydesdorff L. Science Overlay Maps: A New Tool for Research Policy and Library Management, Journal of the American Society for Information Science and Technology, 2010, vol. 61, no. 9, pp. 1871-1887.

27. Ibanez A., Larranaga P., Concha B. Cluster Methods for Assessing Research Performance: Exploring Spanish Computer Science, Scientometrics, 2013, vol. 97, pp. 571-600.

28. Ebadi A., Schiffauerova A. iSEER: An Intelligent Automatic Computer System for Scientific Evaluation of Researchers, Scientometrics, 2016, vol. 107, pp. 477-498.

29. Daud A., Ahmad M., MalikM. S. I., Che D. Using Machine Learning Techniques for Rising Star Prediction in Co-Author Network, Scientometrics, 2015, vol. 102, pp. 1687-1711.