Вариант № 14

Организация проведения опытной эксплуатации

Статистические данные полученные в результате обработки 113 анкет, представленных следующими группами учреждений и организаций:

Высшие учебные заведения – всего 50 анкет, в том числе 40 государственных вузов и 10 негосударственных;

Научные организации (научно-исследовательские институты, конструкторско-технологические отделы, конструкторские бюро) при вузах – 20 организаций;

Учреждения Академии наук – 43 (в том числе 35 учреждений РАН, 6 – Российской Академии сельскохозяйственных наук и 2 учреждения Росийской Академии образования).

Необходимым элементом мониторинга научного и инновационного потенциала вузов является его экспертная оценка на основе социологического обследования авторитетными экспертами. Разработанная анкета эксперта приведена в разделе 2 и содержит 20 вопросов, в том числе такие, как:

уровень оснащенности вуза научным оборудованием и вычислительной техникой;

соответствие численности работников и их научной квалификации уровню финансирования и результативности научных исследований и разработок;

степень эффективности использования научного и кадрового потенциала вузов;

соответствие результатов научных исследований требованиям рынка;

оценка инновационного потенциала вуза.

Разработанная анкета была заполнена 10 независимыми экспертами.

Полученные анкеты от вузоы и независимых экспертов были обработаны. Результаты обработки подтвердили правильность разработанной на предидущих этапах методологии и организационных принципов построения мониторинга инновационного потенциала вузов России.

Кадровый потенциал

№

п/п Общее количество В % к общему количеству На 100 докторов наук

1. Общая численность 2 499 100 %

в том числе

1.1. Докторов наук 162 6,5 211

1.2. Кандидатов наук 541 21,6

1.3. Аспирантов и докторантов 342 13,6

1.4. Прочих 1 454 58,2

При выборе критерия также необходимо руководствоваться его возможностями характеризовать непосредственно точность прогнозирования. Например, это можно сделать с помощью критерия постпрогнозов, базирующемся на сравнении некоторых известных наблюдений временных рядов и их прогнозов.

Кроме критериев описания исходных данных, по нашему мнению, также должны быть использованы критерии, отражающие процесс передачи информации моделью прогнозирования. Эти критерии рекомендуется применять для выбора базисного периода прогнозирования с наименьшей ошибкой, определять соответствие между количеством параметров и числом наблюдений во временном ряду, характеризовать нестационарность временного ряда и т.д. Они отражают количество и качество информации, которая аккумулируется в модели прогнозирования динамики НИП.

Применение информационных критериев позволяет добиться повышения точности прогнозов. В частности, уменьшение базисного периода приводит к увеличению точности прогноза, что, вообще говоря, противоречит канонам математической статистики. Если же проводить стационаризацию временных рядов, то это может привести к утрате корреляционных связей и, следовательно, к снижению точности прогнозов.

Параметры моделей, рассчитываемые по методу наименьших квадратов, оказываются наиболее смещенными для последних значений временного ряда, которые обычно имеют наибольшие абсолютные значения. Между тем, описание этих значений наиболее важно при прогнозировании, так как они несут информацию о последних тенденциях. Усиление влияния последних наблюдений с помощью весовых значений при расчете параметров достигается фактически за счет сокращения количества информации, что не всегда возможно и желательно, учитывая небольшую длину рядов (5-10 наблюдений).