В последние годы фокус в финансировании научных исследований смещается в сторону прикладных проектов и их коммерциализации. Идет внедрение системы Technology Readiness Level (TRL), что уже требовалось в конкурсной документации для подачи заявок на грантовое финансирование в 2023 году в виде указания TRL на момент подачи заявки и планируемый TRL к моменту завершения проекта. Для многих ученых, особенно тех, кто работает в сфере далеких от технологий, это было новостью. Но в целом, это очень правильное решение, которое позволить классифицировать существующие результаты НИОКР. Возможно стоит провести больше семинаров и тренингов в этой области. Плюс к этому, сейчас возросли требования к патентированию, как результатов прикладных проектов/программ, даже в сфере социальных наук, где хотя бы одной из задач стоит автоматизация процессов. До гуманитариев эти требования пока не дошли.

Делается это с благими намерениями для увеличения отдачи от финансирования науки. К тому же, для многих международных рейтинговых агентств и стейкхолдеров вне науки, количество патентов является одним из показателей эффективности научных организаций и отдельных ученых. Но здесь важно знать нюансы патентирования, как инструмента защиты интеллектуальной собственности и взвесить выгоды и затраты (стоимость патентов, время ученых потраченное на патентирование и др.) на патентирование.
Если рассматривать патентирование как инструмент защиты интеллектуальной собственности для дальнейшего извлечения прибыли (роялти или защиты от конкурентов), то здесь не все так просто. Например, если ученый или организация получила патент в Казахстане, то, скажем, компания в Китае может спокойно узнать многие детали из патентной заявки (плюс реверсивный инжиниринг) и начать продавать запатентованную (только в Казахстане) продукцию/технологию в Китае и других странах мира кроме Казахстана и это никак не остановить кроме как призвать к стыду.

Что надо предпринять в этом случае? Здесь важно планировать в самом начале, и выявить в каких странах продукция будет хорошо продаваться и подать сразу на получение патентов в этих странах. Да, другого механизма защиты нет. Даже патент США не защитит от открытой продажи запатентованной продукции, скажем китайским производителем, в Китае или других странах мира и не будет правовых механизмов защиты. Только китайский производитель не сможет продавать в США. Из этого исходит, что учитывая малый объем рынка в Казахстане (есть еще вариант Евразийского патента), местный патент поможет защититься от конкуренции внутри страны или поможет при участии в тендерах, чтобы включился механизм «из одного источника». Но при этом раскрывается информация о технологии/продукте и она будет доступна на английском языке в той же базе Derwent World Patents Index. Для получения выгод от патента необходимо стратегическое планирование и высококвалифицированные специалисты в этой сфере, которых в Казахстане не так много.

Возможно возникнет вопрос –«А что если сразу патентовать в нескольких странах?». Принимая во внимание сроки и стоимость патентирования – ученые или организации должны быть точно уверены, что проекты выстрелит, так как патентирования в каждой стране потребуется заплатить несколько тысяч долларов и потом этот патент надо поддерживать, что тоже недешево. И это не учитывая время ученых и затраты на перевод и др. Если проект не выстрелит, то есть риск просто потратить десятки тысяч долларов на воздух, при этом почти полностью раскрыв технологию.

Есть ли альтернатива патентированию если еще не совсем ясно, что технология имеет хороший потенциал и игра стоит свеч. Одна из слабых, но возможно более подходящих альтернатив на начальном этапе – это защита ноу-хау. Это не документ защищающий интеллектуальную собственность, а комплекс мер, включающий договора о не распространении конфиденциальной информации со всеми участникам проекта, защита доступа к технологии и другие меры. При этом это необязательно будет мешать публикации научных работ, которые не раскрывают саму технологию в деталях, но ограничения будут.
Данная публикация не ставит целью демотивировать ученых и организации от патентирования, а обращает внимание на нюансы этого инструмента. Если где-то не совсем соответствует практике, прошу подправить.

Насчет патентирования результатов проектов/программ в социальных науках (в техзаданиях по конкурсу ПЦФ имеются программы по направлению соцгум, где требуется патент, как результат), где имеется элемент автоматизации, то это не совсем понятно. Скажем информационная система или программное обеспечение само по себе не может патентироваться как изобретение и возможен только вариант патента на полезную модель. Для патентирования, программное обеспечение надо привязывать к «железу» (hardware) и доказывать, что они элементы одного целого. При раскрытии информации о программном обеспечении для получения патента на полезную модель ничто не защищает от копирования идеи и даже кода без использования железа. Для защиты кода больше подходит авторское право нежели патент. Если автоматизированная система изначально не предполагает работы программного обеспечения в тандеме со специализированных оборудованием, то патентирование возможно бессмысленно.

Здесь мое личное пока «полуэкспертное» мнение, основанное на изучении системы защиты интеллектуальной собственности. Было бы отлично услышать мнения экспертов. А я пока готовлюсь к международной сертификации по technology transfer и надеюсь к следующему году стать сертифицированным специалистом в этой сфере и уже потом буду делиться экспертным мнением 😊

В чем разница между обзором литературы и теоретической базой?

Чтобы ваше исследование было качественным или «прочным» нужны три опоры:
1. Актуальность - польза от исследования
2. Новизна - вклад в существующую базу знаний
3. Внимательность [rigour] - внимательность к деталям, правильное применение методологии, валидность, надежность или достоверность

Так вот, что касается обзора литературы, то одной из ее целей является доказательство новизны вашего исследования. В обзоре, вы показываете, что знакомы с предыдущими исследованиями по вашей теме, различными подходами/теориями и указываете, что есть малоисследованная ниша, которую вы хотите заполнить.

А теоретическая база относится к внимательности и является частью вашей методологии (не методов). Если в обзоре литературы, вы описываете существующие теории, которые использовались другими учеными для изучения/интерпретации феномена (который вы изучаете в вашей работе), то в теоретической базе, вы рассказываете как вы будете использовать определённую теорию или постулаты из нескольких теорий в вашей работе.

Например при изучении влияния прямых иностранных инвестиции (ПИИ) на экономику страны существуют различные теории, как теория интернализации, теория Spill-over effects (вертикальное и горизонтальное влияние) или такие концепты как crowding out (вытеснение). Без теории, исследование превратится просто в описательную работу с цифрами и графиками, которая возможно не будет иметь научной ценности. А в научной работе в разделе обзор литературы сначала описываются различные теории и объяснения влияния ПИИ. Здесь же, ближе к концу обзора литературы, автор может утверждать, что ПИИ уже хорошо изучены через призму интернализации и горизонтального влияния, но очень мало работ по вертикальному влиянию (vertical Spill-over effects) в развивающихся странах в сфере HORECA (Hotels-Restaurants-Café). Далее логично построить теоретическую базу, где очень подробно описываются постулаты по вертикальному влиянию (vertical Spill-over effects), что подразумевает изучение влияния международных компаний на поставщиков (требования к качеству продукции и др.) и на клиентов (лучший сервис и др.).

Теоретическая база помогает вам сузить работу до более подробного исследования малоизученного аспекта, который вы определяете на основе обзора литературы, и вам не придется писать все подряд и повторятся. К тому же теоретическая база помогает читателям вашей работы (статьи, диссертации) или слушателям (на конференции или защите) понять ход ваших мыслей и логику при интерпретации результатов. В заключение - раздел обзор литературы и теоретическая база основаны на предыдущих исследованиях, но как приведено выше, они имеют разные цели.

Единственным исключением к вышесказанному является использование исследовательской стратегии – обоснованная теория, про которую напишу позже.

Завтра 9 мая в 16:00 разберу статью и диссертацию в качестве примера и потом продолжим сессию Shut up and Write на канале Method_Engage, на который можно подписаться здесь - https://t.me/MethodEngage_bot?start=p11191330-e5a3-11ee-a7c9-bf11b7ddb3da

Әдебиетке шолу мен теориялық құрылымның (theoretical framework) айырмашылығы неде?

Зерттеуіңіз сапалы және тұтас болуы үшін үш тірек қажет:
1. Өзектілік – зерттеудің пайдасы
2. Жаңалық – ғылымға, білім қорына үлес қосу
3. Мұқияттылық [rigour] – әдістемені дұрыс қолдану, жарамдылық, сенімділік

Сонымен, әдебиеттік шолуға келетін болсақ, оның мақсаттарының бірі - зерттеуіңіздің жаңалығын дәлелдеу. Шолуда сіз өзіңіздің тақырыбыңыз бойынша бұрынғы зерттеулермен, әртүрлі тәсілдермен/теориялармен таныс екеніңізді көрсетіп, толтырғыңыз келетін аз зерттелген тұсы бар екенін дәлелдейсіз.

Ал теориялық құрылым мұқияттылықпен байланысты және зерттеу әдіснамасының бөлігі болып табылады (әдістер емес). Егер әдебиеттерге шолуда сіз құбылысты зерттеу/түсіндіру үшін басқа ғалымдар пайдаланған теорияларды сипаттасаңыз, онда теориялық құрылымда белгілі бір теорияны немесе постулатты қалай қолданатыныңызды баяндайсыз.

Мысалы, тікелей шетелдік инвестициялардың (ТШИ) ел экономикасына әсерін зерттегенде, интернализация теориясы, Spill-over effects теориясы (тік және көлденең әсері) немесе crowding out (ығыстыру) сияқты концептілерді қолдануға болады. Теориясыз зерттеулер ғылыми құндылықтан жұрдай, жай ғана сандар мен графиктерге толған сипаттамалық жұмысқа айналады. Ал ғылыми жұмыста, (мысалды жалғастыратын болсақ) әдебиеттерге шолу бөлімінде алдымен ТШИ әсеріне қатысты әртүрлі теориялар мен концептілер келтіріледі. Ал әдебиетке шолудың соңына қарай, автор ТШИ интернализация және Spill-over көлденең әсері призмалары арқылы жақсы зерттелгенің айта келе, дамушы елдерде HORECA (Hotels-Restaurants-Café) саласында вертикальды Spill-over әсерлері бойынша жұмыс өте аз екенің көрсетіп, жұмыстың ғылыми жаңалығын дәлелдейді. Әрі қарай, теориялық құрылымды келтірген дұрыс, яғни вертикальды Spill-over теориясының тұжырымдарын егжей-тегжейлі түсіндіріп кету керек. Мысалы, халықаралық компаниялардың жеткізушілерге (өнім сапасына қойылатын талаптар және т.б.) және тұтынушыларға (сапалы қызмет көрсету және т.б.) вертикальды әсерлері және басқа тұжырымдарды келтіру керек.

Теориялық негіз барлығын зерттеп, оны қайталаудың орнына, әдебиетке шолу негізінде анықтаған аз зерттелген аспектіні тереңірек зерттеуге мүмкіндік береді. Сонымен қатар, теориялық құрылым сіздің жұмысыңыздың (мақаланың, диссертацияның) оқырмандарына немесе тыңдаушыларға (конференцияда немесе қорғауда) нәтижелерді интерпретациялау кезінде ойыңыз бен логикаңызды түсінуге көмектеседі. Қорытынды - әдебиетке шолу және теориялық құрылым бөлімдері алдыңғы зерттеулерге негізделіп жасалады, бірақ жоғарыда келтірілгендей, мақсаттары әртүрлі.

Жоғарыда айтылғандар дедуктивті зерттеулерге қатысты, ал негізделген теория зерттеу стратегиясын қолдануда теорияның рөліне қатысты өзіндік ерекшіліктер бар, ол туралы келешекте сөз қозғаймын.

Ертең 9 мамыр күні сағат 16:00-де Method_Engage арнасында жоғарыда жазылғанға қатысты мақала мен диссертацияны мысал ретінде талдаймын, содан кейін Shut up and Write сессиясын жалғастырамыз. Method_Engage арнасына осы жерде жазылуға болады https://t.me/MethodEngage_bot?start=p11191330-e5a3-11ee-a7c9-bf11b7ddb3da

Жақсы мүмкіндік https://www.facebook.com/share/XivJ5VBj1vQRnt7Z/?mibextid=WC7FNe

Что лучше качественный или количественный подход?
Сразу соглашусь с теми, кто скажет вопрос сформулирован неверно 😊. Да, действительно нельзя однозначно ответить на этот вопрос и дело в не в том, что один лучше другого. Как мы говорили на семинаре «Какая цель, такой и метод», здесь главное соответствие подхода целям и задачам исследования. Конечно имеются свои НО. Например некоторые ученые, в том числе некоторые члены диссоветов, могут не воспринимать качественный подход как научный. Даже некоторые участники интервью говорили мне примерно так – «а зачем вы с нами беседуете? Лучше же опрос провести и конкретные данные собрать». Ударение было на КОНКРЕТНЫЕ.
Я сам больше использую качественный подход. Но при этом хорошо знаком со многими стратегиями исследования при количественном подходе и даже несколько раз преподавал предмет анализ данных (количественных). Можно сказать, что я следую прагматической парадигме в исследованиях, когда важно правильно ответить на исследовательский вопрос, а не мировозренческая разница при использовании количественных и качественных подходах. Эти подходы ведь можно смешать. Но чтобы не получит непонятное месиво, их нужно правильно смешать.
Если кого-то мучают такой вопрос: «что лучше качественный или количественный подход?», для моего исследования, можете поделиться в комментариях, давайте обсудим.

Өткен жылы Galym Project жобасын бастағанбыз. Оның аясында біраз іс-шаралар атқарылды. Соның ішінде екі подкаст жүріп жатыр. Инстаграм парақшасында көрсеңіз болады https://www.instagram.com/galymnet?igsh=MTgxNjBuemdpZjZ0bQ==

И завтра на канале MethodMate Engage будет обсуждение статьи

Әлі оқымаған болсаңыз, бастап көріңіз. Қазақ тілінде зерттеуге қатысты ең мықты кітап. Жобаны басқару логикасымен жазылған. Тілі қарапайым, қадам-қадам түсіндіреді. https://elib.kaznu.kz/book/13301 👇

Зерттеу сұрағын белгілегенде ой картасы мен әдебиетке шолуды байланыстыруды жақсы көрсеткен

Ой картасы үшін осындай керемет платформа бар: https://www.mindmeister.com/

Кеше SDU University "INTERNATIONAL EMERGING SCHOLARS CONFERENCE -2024" конференциясына қатысып, "Деректерді талдау үшін AI қолдану: өз тәжірибем" тақырыбында баяндама жасап, сіздер үшін презентацияны жазып алдым. (In English)

Вчера участвовал на конференции SDU University "INTERNATIONAL EMERGING SCHOLARS CONFERENCE -2024" и презентовал на тему "Использование ИИ для анализа данных: собственный опыт" и записал презентацию для вас.

Экспертная оценка и транспарентность являются основой справедливого и эффективного распределения средств выделяемых в рамках финансирования науки. Особенно важно поддержка молодых ученых для привлечения и удержания научных кадров.

В Казахстане в рамках оценка заявок на грантовое финансирование проводится в два основных этапа. Первый этап Государственная научно-техническая экспертиза, при которой каждую заявку оценивают два зарубежных и один отечественный эксперт. При ГНТЭ максимально возможный балл – 38. Все заявки, которые набрали 25 и более баллов далее отправляются в Национальные научные советы (ННС). Встречи ННС проводятся с онлайн трансляцией, где после выступления одного или двух членов ННС, которые просматривают заявки, все члены ставят баллы в системе. Максимально возможный балл при оценке со стороны ННС – 15. Далее идет суммирование баллов ГНТЭ и ННС. Составляется ранжированный список в порядке убывания на основе общих баллов. Сумма финансирования, выделенная на каждый приоритет, распределяется по проектам, начиная с проекта с наибольшим баллом и далее по списку.

Данный конкурентный подход к распределению финансирования широко распространена по всему миру. Конечно, могут быть проблемы с субъективной оценкой или непрофессионализмом со стороны некоторых экспертов или же членов ННС. Но в целом за счет привлечения трех экспертов и за счет снижения удельного веса ННС, который имеет меньше времени и ресурсов на проверку заявок чем эксперты, поддерживается достаточно высокий объективности оценки.
Сейчас, я готовлю работу по трендам в оценке заявок при ГНТЭ и со стороны ННС по всем приоритетам. А пока предоставляю вашему вниманию быстрый анализ основных показателей после оценки заявок по двум конкурсам: грантовое финансирование для молодых ученых и «Жас ғалым» - постодокторантура по приоритету «Интеллектуальный потенциал страны» по направлению науки "Социальные, гуманитарные науки и искусство". Ссылка на полный текст анализа здесь https://methodmate.info/analiz/

Сразу выкладываю сюда Заключение:
Анализ показывает, что между баллами ГНТЭ и ННС в двух конкурсах наблюдается статистически значимая корреляция со средним уровнем корреляции в  конкурсе для молодых ученых - 0.37 и в конкурсе «Жас ғалым»- постдокторантура - 0.36. Имеются заявки оутлаеры, которые получили низкий балл ГНТЭ, но при этом получили высокую оценку ННС и наоборот.
По видеозаписям заседания ННС заметна хорошая работа некоторых членов ННС, которые кратко и аргументированно дают рекомендации на основе оценки. Но также имеются случаи, когда идут излишние комментарий не на основе рубрики для оценки, а на основе личного мировоззрения члена ННС или же рекомендаций не четко аргументированы. Учитывая, что заседания проводятся открыто и по комментариям членов ННС формируется мнение об объективности данного уровня оценки, членам ННС рекомендуется следовать строго рубрикам оценки и кратко обосновывать рекомендации другим членам совета.

На рисунке диаграмма рассеяния между баллами ГНТЭ и ННС по КМУ на ChatGPT, но полный анализ я сделал на Gretl, так быстрее было.

На прошлой неделе опубликовал результаты корреляционного анализа результатов ГНТЭ и баллов ННС по приоритету «Интеллектуальный потенциал страны" по направлению науки "Социальные, гуманитарные науки и искусство" и также дал свои выводы на основе анализа. Я пришел к выводу, что корреляция статистически значима и наблюдается средний уровень корреляции. Сам отчет доступен здесь https://methodmate.info/analiz

Но, как положено в научном мире, мои выводы были поставлены под сомнение (скептицизм является одной из характеристик научного сообщества). Некоторые коллеги сделали вывод, что корреляция отсутствует и что это не средний уровень корреляции (r = 0.37), а просто шум, который статистический не значим.

Учитывая что люди, принимающие решения, читают мои публикации и достаточно высокий уровень двух комментаторов, скептически относящихся к моим выводам, на всякий случай перепроверил свои результаты и интерпретацию. В результате перепроверки своих данных и чтении комментариев, пришел к выводу, что различия во мнениях возможно возникли из-за двух факторов. Первый фактор - отраслевые различия в интерпретации результатов (начальное значения среднего уровня корреляции варьируется в зависимости от источника), второй фактор неправильное понимание терминов статистическая значимость и уровень/сила корреляции.

На всякий случай решил пояснить некоторые моменты, касающиеся определения статистической значимости и интерпретации коэффициента корреляции, возможно будет полезно всем, кто работает с данными или же просто читает статьи или отчеты, основанные на корреляционном анализе.

Так как имеются различные тесты на корреляцию, в моем случае я использовал Pearson's correlation coefficient. Во-первых этот тест подходит в виду того, что обе переменные в нашем случае баллы ГНТЭ и баллы ННС являются пропорциональными или непрерывными (continuous) и количество данных (number of observations) превышает 30. Для выбора правильного теста необходимо учитывать параметры данных. Далее проверяем на линейность, так как это один самых важных параметров Pearson's correlation coefficient. Лучше всего это сделать диаграммой рассеяния (диаграммы на сайте по ссылке выше). Диаграмма рассеяния также покажет аутлаеры, если они имеются, хотя для этого лучше Box plot.

Если все норм, проверяем на распределение. Pearson's correlation coefficient требует наличия распределения близкого к нормальному. Это можно сделать визуально или с помощью таких тестов как Shapiro–Wilk test. Здесь я привел логический порядок, так как если количество данных меньше 30 или одна из переменных является номинальной (не цифры, а например цвета), то нет смысла применять Pearson's correlation coefficient.

Если все более-менее нормально по вышеперечисленным параметрам, то следующий шаг это сам анализ. Это очень быстро с имеющимися программами. Наиболее сложное в статистическом анализе – это выбор правильного теста и интерпретация результатов. Так вот у меня по конкурсу на грантовое финансирование молодых ученых вышли следующие результаты: p-value = 0.0193 и r = 0.37.
Перейдем к интерпретации этих результатов. Мне кажется комментаторы, сомневающиеся в моих выводах, перепутали термины статистическая значимость и уровень корреляции. Перед тем, как судить об уровне корреляции необходимо в первую очередь установить существование статистической значимости корреляции между двумя переменными так это влияет на подтверждение или полное опровержение гипотезы.

Существование или отсутствие статистической значимости определятся p-value. Слово p-value не часто упоминается в статьях и в основном приводится в форме звездочек поэтому можно не заметить ее важность. Если в таблице в статье возле коэффициента корреляции стоит одна звездочка *, то это означает статистическую значимость при доверительном интервале (ДИ) 95% (p-value меньше 0.05, но больше 0.01), если две звездочки ** при ДИ 99% и если ***, то при ДИ 99.9%. Различия между отраслями иногда влияют на определение ДИ. Если в некоторых клинических исследованиях 99% может являться недостаточным и требуется 99.9%, то в социальных науках мы больше ориентируемся на ДИ 95%.

В нашем случае при ДИ 95% и p-value = 0.0193 можно опровергнуть нулевую гипотезу об отсутствии корреляции между баллами ГНТЭ и баллов ННС и принять гипотезу о том, что корреляция существует. То есть статистическая значимость определяется на этом уровне, а не по коэффициенту корреляции.

Что касается коэффициента корреляции (r), то он помогает в определении силы взаимосвязи. Коэффициент может варьироваться от -1 до 1 и в интерпретации чисел в этом интервале (кроме 0 – означающего отсутствие корреляции) возникают различия. Коэффициент корреляции 0.37 можно интерпретировать как слабый или средний уровень корреляции. Например, согласно этой статье средний уровень корреляции начинается с 0.4 (https://pubmed.ncbi.nlm.nih.gov/29481436/ - статья в сфере медицины) а здесь средний уровень начинается с 0.3 (https://link.springer.com/article/10.1057/jt.2009.5 – статья в сфере маркетинга).

В нашем случае, если интерпретировать как слабый или средний уровень, то оба варианта будут верны в зависимости где провести линию. Но в том, что корреляция статистически значима, сомнений нет. В случае с корреляцией между баллами ГНТЭ и баллами ННС мне кажется нет необходимости искать высокий уровень корреляции так как в критериях оценки все таки имеются различия. Но и полное отсутствие корреляции, при существующих схожестях в критериях, должно наводить на вопросы. Должно быть где-то между. Поэтому, существование корреляции, хотя и слабо-средней, уже хороший показатель.