Przyspieszyć niezbędne - Doświadczenia z projektu SPIN

Transkrypt

1
Przyspieszyć niezbędne
Doświadczenia z projektu SPIN – wsparcie transferu wiedzy
z uczelni do przedsiębiorstw.
Patrycja Antosz, Jarosław Górniak, Seweryn Krupnik,
Jan Strycharz, Anna Szczucka, Dariusz Szklarczyk
Recenzenci:
dr Adam Płoszaj, Centrum Europejskich Studiów Regionalnych i Lokalnych (EUROREG), Uniwersytet Warszawski
dr Marcin Zawicki, Katedra Gospodarki i Administracji Publicznej, Uniwersytet Ekonomiczny w Krakowie
Redakcja językowa: Anna Chrabąszcz
ISBN: 978–83–942939–0–1
Centrum Ewaluacji i Analiz Polityk Publicznych, Uniwersytet Jagielloński
Recenzowana praca zespołu Autorów z CEAPP Uniwersytetu Jagiellońskiego jest niezwykła, i to z kilku powodów. Po pierwsze, jest to praca w dużej
mierze oryginalna – wprowadza bowiem do polskiego dyskursu naukowego wątki nieobecne lub obecne w zbyt małej mierze. Dotyczy to przede wszystkim problematyki implementacji polityk publicznych, ale także wywiadu gospodarczego w kontekście transferu wiedzy. Po drugie, udało się autorom
w niesłychanie efektowny, atrakcyjny sposób przedstawić problematykę, która na pierwszy rzut oka może wydawać się niezbyt pasjonująca. Całość
pracy jest bowiem de facto dużym studium przypadku realizacji projektu unijnego. (…) Jej publikacja przyczyni się do zwiększenia zasobów wiedzy,
zarówno teoretycznej, jak i praktycznej. Publikacja może być (…) czytana przez teoretyków nauki o zarządzaniu, polityk publicznych, ewaluacji, a także transferu wiedzy czy szeroko pojmowanego wspierania innowacyjności, jak również praktyków mierzących się z niełatwą materią łączenia nauki
i biznesu.
(z recenzji dr Adama Płoszaja)
Publikacja ma wiele zalet będących wynikiem wysokich kompetencji badawczych i analitycznych jej Autorów, znajomości zagadnień teoretycznych
oraz ich umiejętnego adaptowania do potrzeb badań prowadzonych w projekcie SPIN. Mam tu przede wszystkim na uwadze jakość wniosków formułowanych w oparciu o bardzo wszechstronne analizy prowadzone przez Autorów publikacji zarówno w toku wdrażania projektu, jak też w trakcie
ich zsyntezowania na potrzeby tej publikacji. Istotnym walorem publikacji jest jej osadzenie w teorii polityki publicznej, a przede wszystkim teorii implementacji i ewaluacji. (…) W piśmiennictwie polskim odczuwalny jest brak opracowań spinających doświadczenia z realizacji złożonych projektów
badawczo–wdrożeniowych z teorią nauk o polityce publicznej i innych dyscyplin nauk społecznych. Niniejsza praca częściowo wypełni tę lukę. Praca
jest pożyteczna nie tylko dla teoretyków, ale też praktyków – twórców i wdrażających polityki publiczne.
(z recenzji dr Marcina Zawickiego)
Spis treści
Wstęp........................................................................................................................................................................................... 7
Projekt SPIN................................................................................................................................................................................ 10
Dlaczego warto wdrażać tego typu interwencje jak SPIN?...................................................................................................... 12
I.W POSZUKIWANIU BRAKUJĄCEGO OGNIWA SKUTECZNEJ INTERWENCJI PUBLICZNEJ.
SAGA O IMPLEMENTACJI W PROJEKCIE SPIN..............................................................................19
1.Uwagi wstępne, czyli dlaczego piszemy o implementacji projektu....................................................... 19
2.Słów kilka o deficycie w analizie polityk publicznych i o potrzebie nowego podejścia.......................... 19
Kontekst rozwoju analiz ewaluacyjnych w Polsce
Ewaluacja i implementacja, czyli dwie strony medalu
Kluczowe wyzwania zarządzania procesem implementacji w Polsce
19
20
21
3.Koncepcja badań nad implementacją w projekcie SPIN...................................................................... 22
Cele analizy
Dotychczasowe badania nad implementacją – inspiracje i wyzwania
Metodologia badania 22
22
23
4.Czynniki wpływające na implementację projektu ............................................................................... 23
Treść zmiany i jej implikacje dla procesu implementacji
Współzależność etapów formułowania i implementacji w projekcie
Skąd się biorą niesprawności na etapie przejścia od polityki do projektu
Cele projektu i poziom konfliktu Definicja sukcesu i partycypacja
Organizacja procesu implementacji i relacje międzyorganizacyjne
Relacje między partnerami w projekcie
Znaczenie przywództwa w projekcie
„Porządek” interwencji
Poziom wdrożenia i relacje wewnątrzorganizacyjne
Lider, czyli lokomotywa sukcesu
Podsumowanie
25
25
27
27
29
31
32
34
36
37
38
41
II.SYSTEM EWALUACJI PROJEKTÓW INNOWACYJNYCH–TESTUJĄCYCH NA PRZYKŁADZIE
PROJEKTU SPIN....................................................................................................................................43
1.Wprowadzenie................................................................................................................................... 43
Ewaluacja projektów dotyczących transferu wiedzy i finansowanych ze środków publicznych
Ewaluacja projektów innowacyjnych–testujących
43
45
2.Ewaluacja projektu SPIN.................................................................................................................... 46
Ogólny schemat ewaluacji w projekcie SPIN
Wyzwania związane z ewaluacją projektu SPIN
46
49
3.Ewaluacja ex–ante............................................................................................................................. 51
Diagnozy
Analiza sieci społecznych I 53
53
4.Ewaluacja on–going........................................................................................................................... 54
Monitoring
Obserwacja uczestnicząca
Autoewaluacja
55
57
58
5.Ewaluacja ex–post............................................................................................................................. 58
KoTeK – Komplementarność, Triangulacja, Koordynacja
Porównawcza analiza przypadków (PAP)
Analiza implementacji (AI)
Analiza sieci społecznych II
Redukcja złożoności Ewaluacja wewnętrzna ex–post a ewaluacja zewnętrzna
Podsumowanie
59
61
63
63
64
64
65
III.WYWIAD GOSPODARCZY W KOMERCJALIZACJI WIEDZY
NA PRZYKŁADZIE PROJEKTU SPIN...............................................................................................69
6.Centrum Transferu Wiedzy – od czego zależy powodzenie................................................................... 70
Postrzeganie zasobów i procesów
71
7.Wywiad gospodarczy ........................................................................................................................ 72
Podstawa strategii Rozwój metod pozyskiwania informacji
Wywiad gospodarczy w komercjalizacji wiedzy (BizzInn, VIB i Bridge)
72
74
77
8.Funkcje wywiadu i wybór strategii w projekcie SPIN.......................................................................... 80
Systemowe rozwiązanie dotyczące przygotowania strategii komercjalizacji wiedzy
Systemowy projekt a wdrożenie
Podsumowanie – pozyskiwanie a internalizacja informacji o świecie gospodarczym
80
81
84
Zakończenie................................................................................................................................................................................ 85
Literatura .................................................................................................................................................................................... 86
Informacja o autorach................................................................................................................................................................. 90
Wstęp
Rozpocznijmy od przywołania trzech tez dotyczących rozwoju gospodarczego, w przypadku których wydaje się, że mamy do czynienia
z konsensusem w polskiej debacie publicznej (por. Geodecki et al.,
2013).
Jednym z podstawowych wyzwań rozwojowych naszego kraju jest
zmiana źródeł sił napędowych polskiej gospodarki – z relatywnie
niskich kosztów pracy na rzecz innowacyjności. Taka zmiana jest
niezbędna zarówno dla utrzymywania/zwiększenia tempa wzrostu gospodarczego, jak i wzrostu poziomu wynagrodzeń i jakości życia.
Aby ta zmiana była możliwa, niezbędne jest uwolnienie potencjału współpracy pomiędzy przedsiębiorcami i naukowcami. Obok
wielu działań ukierunkowanych na wsparcie konkretnych przypadków współpracy (np. dofinansowanie projektów B+R realizowanych
wspólnie przez przedsiębiorców i naukowców) oraz zmian na poziomie systemowym (np. propozycja odpisywania 1% CIT przez przedsiębiorców na rzecz jednostek naukowych), potrzebne są także zmiany
na poziomie mezo – zmiany organizacyjne w jednostkach naukowych.
Wprowadzanie zmian społeczno–gospodarczych w skali makro, a o takiej tutaj mowa, jest konieczne i jest dużym wyzwaniem. Wynika to
zarówno z kompleksowości mechanizmów, na które chcemy oddziaływać, jak i nieufności różnych aktorów społecznych, których zaangażowanie jest niezbędne w przypadku wprowadzania zmian. Decydenci
publiczni mają więc wybór pomiędzy a) względnie bezpiecznymi działaniami, które doprowadzą do pewnego, choć małego sukcesu oraz
b) działaniami obarczonymi większym ryzykiem, które jednak w przypadku sukcesu wygenerują dużo większą zmianę.
W niniejszej publikacji opisujemy doświadczenia z realizacji przedsięwzięcia opartego na wyborze tej drugiej opcji – doświadczenia
z projektu „SPIN – Model transferu innowacji w Małopolsce”. Liderem
tego przedsięwzięcia był Urząd Marszałkowski Województwa Małopolskiego, a partnerami trzy krakowskie uczelnie. W ramach projektu w Małopolsce zostały utworzone cztery Centra Transferu Wiedzy
(CTW1). Głównym celem funkcjonowania Centrów jest współpraca z podmiotami gospodarczymi, dzięki której przedsiębiorstwa
będą mogły rozbudowywać/rozszerzać swoją działalność poprzez
zwiększenie innowacyjności, co z kolei przełoży się na rozwój społeczno–gospodarczy regionu. Model biznesowy Centrów opiera się na
dostarczaniu wartości przedsiębiorstwom. Stanowią one wyodrębnioną komórkę organizacyjną w ramach jednostek naukowych. Centra
Transferu Wiedzy mają na uczelniach dopełnić działania Centrów
Transferu Technologii – podobnie jak one realizują misję polegającą na wykorzystaniu nauki do wymyślania produktów/usług, które
znajdą zastosowanie w biznesie. Ich odmienność polega jednak na
koncentracji działań na wybranym obszarze wiedzy, ważnym z punktu
widzenia rozwoju społeczno–gospodarczego regionu.
Prezentowana monografia jest adresowana do środowisk naukowych
i eksperckich, przedsiębiorców i ich organizacji oraz decydentów
politycznych i urzędników działających na rzecz rozwoju współpracy między nauką a biznesem. W tej publikacji podsumowujemy doświadczenia projektowe. Monografia ma jednak charakter analityczno–
refleksyjny a nie opisowo–sprawozdawczy. Jako autorzy dokonaliśmy
wyboru aspektów, które naszym zdaniem mogą być najciekawsze
i najcenniejsze dla zainteresowanych osób. Skoncentrowaliśmy się na
wybranych aspektach realizacji projektu i funkcjonowania Centrów
1 Sam projekt, koncepcję Centrów Transferu Wiedzy oraz powody, dla których uważamy, że warto wdrażać
tego typu interwencje bardziej szczegółowo opisaliśmy w dalszej części wstępu.
7
Transferu Wiedzy, a w szczególności na opisie naszych doświadczeń
– Zespołu, który w projekcie odpowiadał za wypracowanie koncepcji
modelu SPIN oraz ewaluację wewnętrzną projektu.
Wszystkim Czytelnikom zainteresowanym przebiegiem i efektami projektu polecamy inne publikacje, które powstały w ramach projektu:
ƥƥ opisujące Model SPIN
Jak założyć i rozwijać Centrum Transferu Wiedzy? Przewodnik
użytkownika, (Antosz et al., 2015b).
Jak wdrożyć Model SPIN?, (Antosz et al., 2015a).
ƥƥ przedstawiające proces wdrożenia Modelu i jego efekty – raporty
ewaluacyjne
Sieci współpracy biznesu, nauki i samorządu w obszarach: inteligentne sieci energetyczne, budownictwo energooszczędne,
biotechnologia oraz medycyna translacyjna, (Drożdżak et al.,
2013), (Antosz et al., 2015).
Analiza implementacji w projekcie SPIN – Model transferu innowacji w Małopolsce, (Szczucka, 2014).
Raport z ewaluacji wewnętrznej projektu SPIN – Model transferu
innowacji w Małopolsce, (Antosz et al., 2015).
Są one dostępne na stronach projektu: www.spin.malopolska.pl oraz
www.ceapp.uj.edu.pl/projekty/spin.
Ze względu na tak zakreślony cel monografii i dostępność szczegółowych opisów przebiegu i efektów projektu w innych publikacjach,
stosunkowo mało miejsca poświęciliśmy samemu Modelowi SPIN
i jego efektom. Skoncentrowaliśmy się za to na zagadnieniach bardziej
uniwersalnych, które – naszym zdaniem – mają odniesienie do innych
projektów ukierunkowanych na wsparcie rozwoju współpracy między
nauką a biznesem.
8
Monografia składa się z trzech rozdziałów. Pierwszy z nich dotyczy
wdrożenia projektu. Rozpoczynamy od zaakcentowania, że refleksja nad procesem wdrożenia jest ważna. W dalszej części opisujemy
najważniejsze naszym zdaniem czynniki, które wpływają na sukces
wdrożenia. Ten rozdział będzie więc szczególnie interesujący zarówno dla osób zaangażowanych w uruchamianie i realizację interwencji publicznych (zwłaszcza w obszarze nauka–biznes), jak
i ekspertów podejmujących teoretyczne rozważania na temat tego
zagadnienia.
Drugi rozdział jest poświęcony wnioskom z ewaluacji projektu. W projekcie SPIN przeprowadzono szeroko zakrojone działania ewaluacyjne.
W tym rozdziale opisujemy wykorzystane podejście, wyzwania, które
się pojawiły oraz wnioski wynikające z doświadczeń projektowych.
Z pewnością ta część publikacji wzbudzi największe zainteresowanie
wśród osób zajmujących się ewaluacją (praktycznie lub teoretycznie) oraz wykorzystujących wyniki badań ewaluacyjnych.
O ile dwa pierwsze rozdziały koncentrują się na opisaniu doświadczeń
projektowych, o tyle trzeci rozdział stosunkowo najmocniej odnosi się
do przyszłości. Wskazuje on na potrzebę wykorzystywania narzędzi
wywiadu gospodarczego w komercjalizacji wiedzy. Rozdział ten jest
adresowany do wszystkich osób zainteresowanych lub zaangażowanych w usprawnianie współpracy jednostek naukowych z biznesem.
Korzystając z okazji, chcielibyśmy podziękować wszystkim osobom,
z którymi współpracowaliśmy w ramach realizowanego projektu.
Składamy podziękowania całemu Zespołowi Urzędu Marszałkowskiego, na czele z Paniami Dyrektor Joanną Urbanowicz oraz Anną Mlost,
a także Panią kierownik projektu SPIN – Małgorzatą Mojkowską. Ponadto, dziękujemy Zespołom z Centrów Transferu Wiedzy kierowa-
nym przez: prof. Kazimierza Strzałkę i Panią Justynę Supel (Małopolskie Centrum Biotechnologii, Uniwersytet Jagielloński), prof. Leszka
Kotulskiego i dr Igora Wojnickiego (Centrum Inteligentnych Systemów Informatycznych, Akademia Górniczo–Hutnicza w Krakowie),
prof. Tomasza Guzika i Grzegorza Jaworskiego (Małopolski Ośrodek
Medycyny Translacyjnej, Collegium Medium Uniwersytet Jagielloński) oraz dr inż. Małgorzatę Fedorczak–Cisak i dr inż. Marcina Furtaka
(Małopolskie Centrum Budownictwa Energooszczędnego, Politechnika Krakowska).
Dziękujemy także Zuzannie Drożdżak i dr Karolinie Łukasiewicz, które
uczestniczyły w projekcie po stronie CEAPP UJ.
Chcielibyśmy również złożyć serdeczne podziękowania wszystkim
osobom zaangażowanym w realizację prowadzonych przez nas badań
i konsultacji. To także dzięki nim udało się zebrać wiedzę i doświadczenia opisane w niniejszej monografii.
Autorzy
9
Projekt SPIN
Projekt „SPIN – Model transferu innowacji w Małopolsce” był realizowany w latach 2013–2015, a w jego wykonanie były zaangażowane następujące podmioty: Województwo Małopolskie (lider projektu), Uniwersytet Jagielloński, Politechnika Krakowska i Akademia
Górniczo–Hutniczej w Krakowie2. Głównym celem projektu była intensyfikacja transferu wiedzy i efektywniejsze wykorzystanie potencjału
uczelni przez przedsiębiorstwa w Małopolsce. Przez transfer wiedzy
rozumiemy „wymianę informacji poprzez sieci współpracy, w ramach
których przekazywane są dobre pomysły, wyniki badań i umiejętności
pomiędzy uczelniami, innymi jednostkami badawczymi, przedsiębiorstwami i szeroko rozumianym społeczeństwem w celu umożliwienia
rozwoju nowych, innowacyjnych produktów i usług” (Owen, Wahl,
2011, s. 83–93).
W ramach projektu w Małopolsce zostały utworzone cztery Centra
Transferu Wiedzy (CTW):
ƥƥ Centrum Inteligentnych Systemów Informatycznych (CISI) na
Akademii Górniczo– Hutniczej w Krakowie (http://isi.agh.edu.pl/
centrum_isi).
ƥƥ Małopolskie Centrum Biotechnologii (MCB) na Uniwersytecie
Jagiellońskim (http://www.mcb.uj.edu.pl/).
ƥƥ Małopolskie Centrum Budownictwa Energooszczędnego (MCBE)
na Politechnice Krakowskiej (http://www.mcbe.pl/).
ƥƥ Małopolski Ośrodek Medycyny Translacyjnej (MOMT) w Collegium Medicum Uniwersytetu Jagiellońskiego (http://www.momt.
uj.edu.pl).
2 Projekt SPIN był finansowany ze środków Programu Operacyjnego Kapitał Ludzki (priorytet VIII – Regionalne kadry
gospodarki, działanie 8.2.1 – Wsparcie dla współpracy sfery nauki i przedsiębiorstw).
10
Małopolskie Centrum Biotechnologii istniało już przed rozpoczęciem
projektu, ale było ukierunkowane przede wszystkim na prace badawczo–rozwojowe, a nie na transfer wiedzy. W wyniku realizacji projektu
w ramach jednostki utworzono zespół brokerów i zintensyfikowano
współpracę z przedsiębiorstwami.
W projekcie brali także udział eksperci Centrum Ewaluacji i Analiz
Polityk Publicznych Uniwersytetu Jagiellońskiego, którzy tworzyli
tzw. Zespół Badawczy. Byli oni odpowiedzialni za przeprowadzenie
diagnozy, opracowanie Modelu SPIN, a także monitoring i ewaluację
w projekcie. W niniejszej publikacji podsumowujemy doświadczenia
z ich prac.
Najważniejszym produktem projektu jest Model SPIN, który powstał
z myślą o trzech grupach odbiorców. Dla władz regionalnych to koncepcja interwencji intensyfikującej transfer wiedzy – ze świata nauki
do gospodarki. Dla jednostek naukowych to projekt funkcjonowania
w ich ramach jednostki odpowiedzialnej za transfer pewnego obszaru
wiedzy (Centrum Transferu Wiedzy). Dla tych podmiotów to możliwość sprawniejszej i efektywniejszej współpracy z naukowcami pracującymi w danym obszarze wiedzy.
Ogólny schemat prac nad Modelem SPIN przedstawiono na rysunku 1.
Najpierw przeprowadzono diagnozę, w ramach której dokonano przeglądu międzynarodowych rozwiązań, opracowań dotyczących uwarunkowań systemowych i regionalnych, obecnie realizowanych interwencji publicznych w analizowanym obszarze oraz zidentyfikowano
kluczowe wyzwania dla obszarów, w ramach których model miał być
testowo wdrażany (Antosz et al., 2012). Kolejnym etapem było zaprojektowanie wersji roboczej Modelu SPIN, na którą składały się dwa
poziomy: ogólny oraz specyficzny dla obszaru wdrożenia (tzw. wariant
obszarowy). Warianty obszarowe powstały w oparciu o poziom ogólny
Modelu SPIN oraz diagnozy obszarowe. Zarówno na etapie diagnozy,
jak i projektowania Modelu, przeprowadzono badania i konsultacje
z różnymi grupami interesariuszy.
Od kwietnia 2013 r. do marca 2015 r. trwało wdrożenie Modelu
w czterech obszarach: biotechnologii, medycynie translacyjnej, inteligentnych systemach informatycznych oraz budownictwie energooszczędnym. Zespoły wdrażające Model SPIN były objęte ewaluacją
formatywną/wspierającą. Z kolei po zakończeniu projektu przeprowadzono ewaluację summatywną/podsumowującą i na jej podstawie
przygotowano wersję końcową Modelu SPIN.
Model SPIN w wersji wdrażanej w projekcie (roboczej z rysunku 1)
składał się z poziomu ogólnego i wariantów obszarowych. Koncepcję
poziomu ogólnego przedstawia rysunek 2. Poziom ten obejmował 5
wymiarów: procesualny, analityczny, kompetencyjny, komunikacyjny
i transakcyjny. Z kolei wymiary zawierały w sobie moduły. Dla każdego modułu opisano efekty, które należy osiągnąć, działania które
warto w tym celu zrealizować oraz ryzyka, na które można napotkać.
Szczegółowe przedstawienie Modelu SPIN wykracza poza
zakres niniejszej monografii. Zachęcamy czytelników do
zapoznania się z rozbudowanym opisem dostępnym na stronach:
www.spin.malopolska.pl oraz www.ceapp.uj.edu.pl/projekty/spin.
pp Rysunek 1. Etapy pracy nad Modelem SPIN
Diagnoza
międzynarodowe
rozwiązania
uwarunkowania
systemowe
i regionalne
przegląd interwencji
publicznych
Model SPIN (wersja robocza)
poziom ogólny
warianty obszarowe
Wdrożenie i ewaluacja
pilotaż w 4 obszarach
ewaluacje: formatywna i summatywna
Model SPIN (wersja końcowa)
upowszechnienie rozwiązania
Źródło: (Drożdżak et al., 2013).
11
diagnozy
obszarowe
pp Rysunek 2. Struktura poziomu ogólnego Modelu SPIN*
* Rysunek przedstawia pierwotną, testowaną wersję Modelu SPIN. Po okresie testowania został on zmodyfikowany w oparciu o wyniki ewaluacji.
Źródło: (Antosz et al., 2012), z modyfikacjami.
Dlaczego warto wdrażać tego
typu interwencje jak SPIN?
Celem projektu SPIN było stworzenie i przetestowanie modelu organizacyjnego wsparcia współpracy i transferu wiedzy z uczelni do
otoczenia gospodarczego. W wyniku przeprowadzonych analiz i prac
koncepcyjnych postawiono na zbudowanie centrów silnie osadzonych
w sieci zespołów naukowych o określonym profilu uznając, że jest to
brakujące ogniwo w łańcuchu współpracy. Są one komplementarne
w stosunku do istniejących na poziomie ogólnouczelnianym centrów
12
transferu technologii. Taki rodzaj wsparcia dla procesów transferu
wiedzy wpisuje się w strumień aktywności podejmowanych w wielu
krajach na rzecz wzrostu innowacyjności gospodarki.
W ciągu ostatnich 30–40 lat w krajach wysoko rozwiniętych nastąpiła intensyfikacja transferu technologii, a szerzej – transferu wiedzy
z uczelni do przedsiębiorstw. Dotyczyło to zwłaszcza USA i wiązało się
z wprowadzeniem ustawy Bayha–Dole’a (Bayh–Dole Act 1980) regulującej prawa własności intelektualnej do wynalazków opracowanych
w oparciu o środki federalne. W innych krajach OECD próbowano adaptować zapisy tej ustawy, aby zachęcić uczelnie do patentowania rozwiązań opracowanych w toku badań naukowych (OECD 2013, s. 14).
Kluczowym powodem intensyfikacji aktywności regulacyjnej i alokacyjnej rządów w zakresie stymulacji rozwoju i transferu wiedzy jest
wola podniesienia konkurencyjności gospodarek w oparciu o postęp
techniczny i zwiększenie innowacyjności przedsiębiorstw. Ponadto,
niesatysfakcjonujące były efekty wydatkowania środków publicznych
na badania w postaci patentów akademickich, spin–offów i licencji
przy rosnących kosztach badań. Presja budżetowa spowodowała też
potrzebę poszukiwania przez uczelnie dodatkowych źródeł finansowania. Jednocześnie, pod koniec XX w. wiele firm zlikwidowało swoje
działy B+R i zaczęło zlecać badania na zewnątrz, szukając możliwości
współpracy z uczelniami (OECD 2013, s. 14–15).
Mimo wzrostu zainteresowania współpracą na linii nauka–biznes,
w Europie jej rozwój napotkał na szereg barier. W wysoko rozwiniętych krajach Unii Europejskiej niski poziom transferu rozwiązań do
biznesu odstawał od wysokiego poziomu badań prowadzonych na
uniwersytetach. Tę rozbieżność między produktywnością nauki mierzoną wysoką jakością publikacji prezentujących znaczące odkrycia,
a intensywnością wprowadzania nowych rozwiązań na rynek w celu
uzyskania przewagi konkurencyjnej – czyli innowacji w sensie nada-
nym temu pojęciu przez J. Schumpetera – określono mianem „Europejskiego Paradoksu Akademickiego”. Uświadomiono sobie, że nie
wystarczą wysokie nakłady na badania, których wyniki są lokowane
w domenie publicznej, aby uzyskać wzrost aktywności komercyjnej
uczelni i zintensyfikować faktyczny transfer rozwiązań do biznesu.
W związku z tym w wielu państwach europejskich zmieniono regulacje prawne, wyposażając uczelnie w prawa własności intelektualnej
do rozwiązań opracowanych w oparciu o środki publiczne i odchodząc
od tzw. „przywileju profesorskiego” dającego majątkowe prawa własności intelektualnej naukowcom pracującym nad nowymi pomysłami/projektami. Spośród państw nordyckich tylko Szwecja zachowała jeszcze „przywilej profesorski” (Link et al., 2015, s. 189). Polska
wprowadziła pewne elementy „przywileju profesorskiego” nowelizacją Ustawy prawo o szkolnictwie wyższym obowiązującej od 1 października 2014 r. Nakłada ona na uczelnie obowiązek podjęcia decyzji
o komercjalizacji wyników badań naukowych, prac rozwojowych lub
know–how opracowanych i zgłoszonych przez pracowników uczelni,
złożenia im oferty zawarcia umowy o przeniesienie praw do wyników
badań, jeśli uczelnia nie zamierza ich komercjalizować oraz zapewnienia wynagrodzenia ze środków uzyskanych w wyniku komercjalizacji.
Chodzi bowiem o silniejsze motywowanie naukowców do pracy nad
rozwiązaniami/projektami zdatnymi do komercjalizacji, a uczelnie –
do szybszej komercjalizacji rozwiązań mających potencjał rynkowy.
Jakie będą efekty tych zmian? Na razie trudno to ocenić. Z pewnością
natomiast minister właściwy ds. nauki powinien zlecić wykonanie
analizy oceniającej skutki regulacji ex–post dla tych ważnych zmian,
które na etapie uchwalania budziły sporo kontrowersji (np. powrót do
„przywileju profesorskiego”, choć w ograniczonej postaci).
Od wieków uczelnie są tworzone przede wszystkim z myślą o kształceniu studentów i prowadzeniu badań naukowych kończących się upu-
13
blicznieniem wyników w postaci publikacji. Stanowi to silny rdzeń
ich kultury organizacyjnej i wpływa na hierarchię wartości. Dążenie
do opublikowania odkryć i nastawienie na badania będące następstwem ciekawości badawczej, a także odzwierciedlenie tego priorytetu w ścieżce kariery naukowej i kryteriach środowiskowego uznania
jest jedną z barier rozwoju współpracy z biznesem. Stoi to w opozycji
do zachowań zmierzających do komercjalizacji odkryć, czyli innowacji rozumianej jako nowość, która przynosi dochody w efekcie gospodarczego zastosowania. Wspomniana już presja na reorientację części
aktywności uczelni na kooperację z przedsiębiorstwami, wkład w innowacyjność gospodarki i uzyskiwanie znacznych funduszy z komercjalizacji efektów badań doprowadziła do ukształtowania się różnych
form współpracy między szkołami wyższymi a biznesem. Można je
podzielić na trzy zasadnicze klasy, jak ujęli to Perkman i West (2015):
ƥƥ transfer (licencjonowanie) własności intelektualnej należącej do
uczelni;
ƥƥ usługi badawcze i konsultacyjne;
ƥƥ partnerstwo badawcze.
Wskazują oni, że te trzy formy transferu innowacji różnią się między
sobą pod wieloma względami, w tym korzyściami dla naukowców,
które, poza aspektami finansowymi, mogą w przypadku dwóch ostatnich mieć charakter ściśle naukowy (jako źródło informacji i okazja
do prowadzenia atrakcyjnych badań). W tabeli 1 w sposób syntetyczny ujęliśmy cechy tych trzech form współpracy (za: Perkman, West,
2015).
W tym miejscu należy jeszcze wspomnieć o bardzo ważnej formie przepływu innowacji, jaką jest zatrudnianie kreatywnych, warsztatowo
dobrze przygotowanych pracowników uczelni w firmach. O ile jest to
korzystne dla firm, o tyle ma negatywny wpływ na szkoły wyższe – to
swoisty, wewnętrzny „drenaż mózgów”. Jeśli ma to charakter trwały i dotyczy kluczowego personelu, może doprowadzić do poważnego
osłabienia potencjału i zdolności do odtwarzania kadr. Takie tendencje zaobserwowano w Polsce, m.in. w sektorze IT.
Każda z wymienionych form transferu innowacji wymaga zarówno po
stronie uczelni, jak i przedsiębiorstw posiadania zdolności w zakresie współpracy. Zdolności, jakimi powinny dysponować firmy, zostały
wskazane w tabeli 1.
ĠĠ Tabela 1. Trzy formy pozyskiwania innowacji z uczelni
Transfer własności intelektualnej
Usługi badawcze
Partnerstwo badawcze
Nastawienie
Nabycie istniejących idei potrzebnych do innowacji produktowych
lub procesowych
Zakontraktowanie w celu rozwoju nowych idei w dobrze zdefiniowanych obszarach
Współpraca w celu odkrycia nowych
idei
Cel firmy
Szybko uzyskać technologię opracowaną przez publiczną naukę
Zlecić na zewnątrz projekty B+R
zamiast prowadzić je w firmie
Zwielokrotnić mocne strony badaczy
własnych i spoza firmy
Cel uniwersytetu
Dochód z wynalazków opracowanych w uniwersytecie; wpływ
ekonomiczny; usługa w stosunku
do swoich pracowników naukowych
Dochód ze wzmocnienia istniejącej wiedzy eksperckiej; dostęp
do idei, materiałów i danych
Wspólny postęp w badaniach naukowych; dochód ze źródeł publicznych
i prywatnych
Wymagane zdolności firm
Wyszukiwanie i monitoring zewnętrzny
Zarządzanie zakupami i kontraktami
Zarządzanie relacjami, uczenie się
Dojrzałe sektory o przewidywalnej trajektorii innowacji
Nowo wyłaniające się obszary technologii i sektory przemysłowe, sektory oparte na dużej intensywności
badań naukowych
Obszary zastosowania
Źródło: (Perkman, West, 2015, s. 46).
14
Sektory o wysokim znaczeniu
własności intelektualnej
Po stronie uczelni natomiast nie wystarczy tylko wola współpracy
z biznesem i orientacja naukowców na badania z myślą o zastosowaniach rynkowych – konieczne są także zdolności organizacyjne do
zarządzania współpracą z biznesem we wszystkich trzech formach
i stworzenia efektywnego „interfejsu” pomiędzy zespołami naukowymi a praktyką gospodarczą. W przypadku licencjonowania własności intelektualnej dobrze sprawdzają się uczelniane Centra Transferu
Technologii (CTT), które wspierają proces zabezpieczenia patentowego wynalazków. W przypadku dwóch pozostałych form współpracy
standardowe CTT są (zwłaszcza w dużych szkołach wyższych) zbyt
oddalone od zespołów badawczych i wyposażone w zbyt ogólne, przekrojowe kompetencje, aby stanowić sprawny interfejs z biznesem. Jak
zauważa Koenraad Debackere w pracy poświęconej organizacji transferu technologii na uniwersytetach:
„po to, by organizacje transferu technologii (OTT) z sukcesem współdziałały ze wspólnotą akademicką (...), zaleca się, by personel OTT
miał pełne, głębokie doświadczenie i zrozumienie środowiska akademickiego, jego modus operandi, jego norm i wartości, jego złożoności i zachowań. Jednocześnie bezwzględnie konieczne jest doskonałe zrozumienie potrzeb przemysłu i biznesu. W rezultacie skuteczne
działanie OTT wymaga ekspertów potrafiących „widzieć z obu stron”,
którzy są zdolni przełożyć potrzeby i cele jednej strony na język zrozumiały dla drugiej strony” (Debackere 2012, s. 4).
Tak ujęte wyzwanie wymaga głębokiego osadzenia jednostek organizujących współpracę z biznesem w aktywności naukowej i edukacyjnej uczelni, „dyfuzji” w jej podstawowe obszary działalności, bliskiej
współpracy z zespołami badawczymi i zrozumienia ich pracy. Taką
formułę działalności OTT Debackere określa mianem „trybu działania
trzeciej generacji” OTT (Ibidem, s. 8). Taka sama idea towarzyszyła nam od początku w procesie budowania modelu funkcjonowania
15
Centrów Transferu Wiedzy. Pomysł nie został jednak zaczerpnięty
z cytowanej tu pracy (na nią natrafiliśmy później), lecz powstał dzięki
diagnozie relacji nauka–biznes w czterech krakowskich uczelniach zaangażowanych w projekt SPIN.
Polskie uczelnie otrzymały w okresie programowania 2007–2013
ogromną pulę środków na rozwój infrastruktury badawczej, która
wcześniej była słaba i często przestarzała. W nowym okresie programowania 2014–2020 nacisk ma być położony na wykorzystanie efektów tych inwestycji na potrzeby wzrostu innowacyjności gospodarki3.
Dlatego główny strumień finansowania badań i rozwoju zostanie skierowany do przedsiębiorstw – na rozwój zarówno potencjału infrastrukturalnego i kadrowego B+R, jak i na wsparcie samych projektów badawczo–rozwojowych i wdrożeń (w ramach Programu Operacyjnego
Inteligentny Rozwój (POIR), jak i poprzez regionalne programy operacyjne). Pewne środki na rozwój infrastruktury badawczej zostaną
przeznaczone na priorytetowe inwestycje zakwalifikowane do Krajowej Mapy Drogowej Infrastruktury Badawczej, natomiast nakłady na
badania i rozwój zostaną powiązane z tzw. inteligentnymi specjalizacjami na poziomie kraju i regionów. Preferowane będą projekty badawczo–rozwojowe prowadzone w ramach partnerstwa uczelni i instytucji
badawczych z przedsiębiorstwami. Przedsiębiorstwa będą także mogły wykorzystać środki z dofinansowania, wraz z wkładem własnym,
na kontraktowanie badań na uczelniach i w instytucjach badawczych.
Natomiast od uczelni oczekuje się lepszego dostosowania do współpracy z biznesem. Program Operacyjny Inteligentny Rozwój w następujący sposób diagnozuje niedostatki w tym zakresie:
3 Nie będzie to proste, ze względu na bariery wynikające z istniejących regulacji dotyczących pomocy publicznej i kwalifikowalności wydatków z funduszy strukturalnych w okresie programowania 2007–2013, które
zakazują komercyjnego wykorzystania infrastruktury badawczej sfinansowanej z tych środków.
„Natomiast po stronie nauki czynnikami wpływającymi na niedostateczną współpracę z przedsiębiorcami są: niedopasowanie oferty jednostek naukowych do potrzeb przedsiębiorców, niedostateczna aktywność informacyjno–promocyjna jednostek naukowych, wysoki koszt
usług, niska efektywność ośrodków transferu technologii, zbyt duże
przeszkody biurokratyczne na uczelniach, brak podejścia rynkowego
ze strony jednostek naukowych do wytworzonej w nich wiedzy oraz
niskie zaufanie przedsiębiorców co do jakości i terminowości usług
świadczonych przez jednostki naukowe” (MIR, 2014, s 10).
W innym miejscu POIR czytamy:
„Zgodnie ze stanowiskiem Komisji Europejskiej, wyrażonym w tzw.
Position Paper (...) inwestycje należy koncentrować na budowie narzędzi umożliwiających ośrodkom badawczym współpracę z biznesem oraz stymulujących transfer wiedzy między sektorem publicznym
i prywatnym.” (Ibidem, s. 19).
Podobnie jest w przypadku Regionalnego Programu Operacyjnego
Województwa Małopolskiego na lata 2014–2020: w nim także, w pierwszej osi priorytetowej, znajdujemy działania zorientowane na wsparcie
wszystkich trzech form współpracy nauki z biznesem, z wiodącą rolą
przedsiębiorstw jako beneficjentów wsparcia.
W programach stanowiących ramy dla wydatkowania środków na
stymulację słabej innowacyjności polskiej gospodarki przyjęto bardzo mocną, jednostronną „teorię programu”, która zakłada, że skierowanie wsparcia do przedsiębiorstw spowoduje nie tylko zwiększenie innowacyjności samych firm, która może być oparta przecież na
transferze wynalazków i know–how z zagranicy, ale także pobudzi firmy do tworzenia własnych rozwiązań w procesie badań i rozwoju lub
sięgania po nie do polskiego zaplecza naukowego – w postaci zlecania badań lub zawiązywania partnerstw w obszarze badań i rozwoju.
16
Profesor Maciej Żylicz przypomniał w swoim artykule w kwartalniku
„Nauka” słowa Bernarda Houssaya, laureata Nagrody Nobla w medycynie: „Aby mówić o nauce stosowanej, trzeba mieć najpierw wyniki badań naukowych, które mogą być zastosowane” (Żylicz, 2013).
W Polsce nakłady na badania naukowe są ciągle niskie, mimo iż
w bezwzględnych sumach w ostatnich latach istotnie wzrosły. Są zbyt
niskie, aby zapewnić potrzebny rozwój badań. Niska innowacyjność
firm oraz sytuacja, w której duże firmy mają w wielu wypadkach swoje centra badawczo–rozwojowe i ośrodki decyzyjne ulokowane poza
Polską, a wśród podmiotów gospodarczych dominują mikroprzedsiębiorstwa, które często nie dysponują kapitałem umożliwiającym inwestycje w B+R lub nawet wkładem własnym do potencjalnej dotacji
na ten cel, stawia pod znakiem zapytania radykalny zwrot w kierunku
inwestowania w B+R i nabywanie usług badawczych od uczelni. Dodatkowa niepewność dotyczy tego, jaka będzie reakcja firm na wymóg
stosowania przez nie zasady konkurencyjności przy wyborze partnera
naukowego w sytuacji wykorzystania środków europejskich, a więc
w konsekwencji publicznego ujawnienia zainteresowania określonym
kierunkiem badań. Ponadto, bardzo niekorzystne są warunki uczestnictwa polskich naukowców w projektach Horyzontu 2020 pod względem wynagrodzeń, które zostały powiązane z poziomem wynagrodzeń w krajowych jednostkach naukowych, w Polsce zdecydowanie
niższych niż za granicą; w efekcie naukowcy pracujący w Polsce będą
opłacani radykalnie gorzej niż wówczas, gdyby w tych samych projektach pracowali w bardziej zamożnych krajach Unii Europejskiej. Nakłady budżetu państwa na badania naukowe stanowią ciągle poniżej
0,4% PKB, a Polska pod tym względem lokuje się na końcu rankingu
wśród państw członkowskich Unii Europejskiej. Dobrze ilustruje to
wykres zaczerpnięty z ostatniego rocznika GUS poświęconego nauce
i technice (zob. rysunek 3).
pp Rysunek 3. Krajowe nakłady wewnętrzne na prace badawcze i rozbrze „sformatowanych” organizacji transferu technologii, takich jak
wojowe
oraz środki asygnowane
przez rząd na te prace w PKB w kracentra utworzone w ramach projektu SPIN. Jednocześnie, jeśli popyt
Wykres 15.
Krajowe nakłady wewnętrzne na prace badawcze i rozwojowe oraz środki asygnowane przez rząd
na te
prace wr.PKB w krajach Unii Europejskieja w 2012 r.
jach Unii Europejskiej
w 2012
ze strony przedsiębiorstw pojawi się, może wystąpić problem z podaGross domestic expenditures on R&D and government budget appropriations or outlays for R&D as share of
żą, ponieważ na gruncie polityki publicznej nie ma refleksji na temat
GDP in EUa countries in 2012
4
Nakłady wewnętrzne na B+R/PKB [%]
GERD/GDP [%]
Nakłady na działalność badawczą i rozwojową
1
%
Nakłady wewnętrzne na B+R = 3% PKB
GERD = 3% GDP
3
FI
SE
DK
DE
AT
SI
BE
2
IR
HU
1
LV
0
IT ES
MT PL LT SK
BG
RO
CY EL
0
UK
0,4
EU
UE
FR
EE
NL
CZ
PT
LU
HR
0,7
1,0
%
Środki asygnowane na B+R/PKB [%]
GBAORD/GDP [%]
a UE-27 i Chorwacja.
Ź r ó d ł o : Baza danych Eurostatu.
a EU-27 and Croatia.
S o u r c e : Eurostat’s Database.
4.Źródło:Nakłady
wewnętrzne
na prace badawcze i rozwojowe w instytucjach rządowych i samorządowych
(GUS, 2015,
s. 68).
że trzeba
mieć produkt/rozwiązanie
(CO?), które można wdrażać.
Intramural expenditures on research and development in governmenttego,
and local
government
institutions
Wszystko to sprawia, że
napływ środków
ze strony
przedsiębiorstw
Trzeba też instytucji
mieć możliwości
a to może być utrudnione przez
Wyodrębnienie
w statystykach
z zakresu
działalności badawczo-rozwojowej
rządowych i (JAK?),
samo-
rządowych
pozwala na dokładną analizę
nakładów
na prace
i rozwojowe wopcji
głównych
grupach pod- do celów komercyjnych infrastrukdo uczelni może zostać
zmniejszony/zahamowany,
gdyż
nie będą
onebadawcze
zablokowanie
wykorzystania
miotów, tj. instytutach naukowych Polskiej Akademii Nauk, instytutach badawczych podległych poszczególnym
sięgały po dotacje europejskie
badania lub
nie wyższych.
będą ichWkierowały
badawczej
za środki europejskie w poprzednim
resortom orazna
w publicznych
szkołach
wyodrębnionych tury
wcześniej
sektorach,rozbudowanej
zgodnych z metodyką
5
Podręcznika Frascati, instytuty naukowe PAN i instytuty badawcze zaliczane są w większości do sektora rządodo jednostek akademickich.
Jednym
z powodów
być brak
do- wyższego
okresie
programowania. Konieczne są także inwestycje w sam rozwój
wego (GOV),
a publiczne
szkoły wyższemoże
– do sektora
szkolnictwa
(HES).
17
Przyspieszyć
W 2013 r. udział nakładów wewnętrznych na badania naukowe oraz prace rozwojowe w instytucjach rządowych i samorządowych w nakładach wewnętrznych na B+R ogółem (GERD) sięgał 54,6%. Analizowane podmioty
są nadzorowane przez poszczególne organy administracji rządowej i samorządowej, przy czym najwięcej z nich
podlega bezpośrednio Ministrowi Nauki i Szkolnictwa Wyższego (17,8%), Prezesowi Rady Ministrów (17,3%)
niezbędne
oraz Ministrowi Gospodarki (12,8%). Największe nakłady na działalność badawczo-rozwojową (3,3 mld zł)
poniosły jednostki podległe Ministrowi Nauki i Szkolnictwa Wyższego, które poniosły 42,5% wszystkich wydat-
kadr naukowych, które mają realizować badania, których jakość sprosta konkurencji międzynarodowej (to będzie zależało m.in. od sposobu
wdrożenia zorientowanych na ten cel osi piorytetowych w POIR i Programie Operacyjnym Wiedza, Edukacja, Rozwój). Te inwestycje mają
także zapobiec drenażowi najlepszych zasobów ludzkich z obszaru
badań i rozwoju w Polsce (zasady programu Horyzont 2020 sprzyjają takiemu drenażowi przez opisany wyżej mechanizm płacowy). To
wszystko są czynniki ryzyka, które należy brać pod uwagę i opracować scenariusze reakcji na nie.
Powyżej zarysowaliśmy kontekst, w którym model wypracowany w ramach projektu SPIN, wzbogacony o wnioski, które wynikają z pilotażu, ma szansę stać się kluczowym instrumentem ułatwiającym współpracę pomiędzy zespołami naukowymi o dużym potencjale w zakresie
badań i rozwoju a biznesem. Z tej perspektywy najważniejszym wyzwaniem jest stworzenie interfejsu między nauką a biznesem. Niewątpliwie konieczny będzie dalszy rozwój kompetencji personelu Centrów Transferu Wiedzy – musi on posiąść ową umiejętność „widzenia
spraw z obu stron”: akademickiej i biznesowej.
Liczymy na to, że kontynuacja projektu SPIN w nowej perspektywie
2014–2020 (+2) pozwoli zbudować wiele takich centrów przy zespołach naukowych pracujących w małopolskich ośrodkach akademickich. Ważne jest wsparcie przez władze regionalne procesu inkubacji
CTW i przyspieszenia procesu „uczenia się” przez nie efektywnych
form działania, m.in. przez wykorzystanie doświadczeń z projektu
SPIN. Wyzwaniem będzie dla nich osiągnięcie trwałej niezależności
od finansowania ze środków europejskich i publicznych. Wymaga to
m.in. przyjęcia odpowiedniej formuły finansowania, która w okresie
wsparcia pozwoli na zabezpieczenie podstaw ekonomicznych do „stanięcia na własnych nogach”.
18
Organizacje transferu technologii silnie zintegrowane z zespołami
badawczymi – takie jak centra utworzone w ramach projektu SPIN
– mogą pomóc w wyeliminowaniu wyżej wymienionych ryzyk, które
mogą zablokować osiągnięcie celu, jakim jest wprowadzenie Polski
na ścieżkę rozwoju gospodarki opartej na wiedzy. Dlatego model SPIN
wart jest dalszego upowszechnienia.
I. W POSZUKIWANIU BRAKUJĄCEGO
OGNIWA SKUTECZNEJ INTERWENCJI
PUBLICZNEJ. SAGA O IMPLEMENTACJI
W PROJEKCIE SPIN4
1.Uwagi wstępne, czyli dlaczego piszemy
o implementacji projektu
Pomimo intensywnego w ostatnich latach rozwoju badań nad politykami publicznymi oraz silnego ukorzeniania się standardów ewaluacyjnych w praktyce rządzenia i zarządzania politykami publicznymi
w Polsce (Krajowa Jednostka Ewaluacji, 2014), wciąż bardzo rzadko
zwraca się uwagę na uwarunkowania i wpływ procesu implementacji
na efekty realizowanych działań. Jeśli weźmiemy pod uwagę całokształt
analiz prowadzonych w odniesieniu do cyklu polityk publicznych,
to etap implementacji rozwiązań do praktyki społecznej jest jednym
z najsłabiej rozpoznanych ogniw cyklu. Tymczasem, co podkreślamy,
badania implementacyjne są koniecznością w praktyce ewaluacyjnej,
ponieważ stanowią ważne źródło dowodów pozwalające zarówno na
lepsze zarządzanie procesem, jak i osiąganie lepszych rezultatów
w programach publicznych.
W tym rozdziale nie zamierzamy jednak formułować gotowej teorii
implementacyjnej wyjaśniającej złożone mechanizmy procesu wdrożenia, niezależnie od jego kontekstu. W najnowszych opracowaniach
postuluje się „zawieszenie” czy wręcz porzucenie tej ścieżki rozwoju nauki o implementacji na rzecz poszukiwania wyjaśnień i teorii
cząstkowych dla poszczególnych aspektów wdrożenia (Winter, 2006;
Pultz, Treib, 2006). Postaramy się więc przedstawić doświadczenia
4 Rozdział jest rozbudowaną i zmodyfikowaną wersją koncepcji i raportu z analizy implementacji.
19
z realizacji innowacyjnego projektu „SPIN – Model transferu innowacji w Małopolsce” i hipotezy wyjaśniające wybrane aspekty procesu
wdrożenia projektów innowacyjnych. W prezentowanym rozdziale
wskażemy te czynniki, które naszym zdaniem są kluczowe dla powodzenia podobnych projektów. Mamy nadzieję, że ich opis przyczyni
się do lepszego zrozumienia rządzących implementacją mechanizmów
oraz ułatwi koordynację i zarządzanie wertykalne (wielopoziomowe),
a także horyzontalne (międzyinstytucjonalne i międzyzespołowe). Na
początku przedstawiamy kontekst badań ewaluacyjnych i implementacyjnych w Polsce, co umożliwi zrozumienie wielkości deficytów
i wyzwań w tym zakresie. Prezentujemy także opis koncepcji i metodologii przeprowadzonego badania, aby umożliwić innym badaczom
poznanie naszego podejścia badawczego.
2.Słów kilka o deficycie w analizie polityk
publicznych i o potrzebie nowego podejścia
Kontekst rozwoju analiz ewaluacyjnych w Polsce
Narastająca potrzeba doskonalenia procesu kształtowania, realizacji
i oceny prowadzonych polityk publicznych doprowadziła w ostatnich
latach do wyodrębnienia nowej dyscypliny nauki o polityce publicznej. Analizy prowadzone w jej ramach mają w większości charakter
utylitarny, czyli ich celem jest poprawa efektywności i skuteczności
realizacji działań państwa zorientowanych na rozwiązanie konkretnych problemów (Woźnicki, 2012; Zawicki, Chrabąszcz, 2014). Silnym
motorem procesu rozwoju analiz z zakresu polityki publicznej w Polsce i w Europie są polityki europejskie i realizowane w ich ramach programy, które wymagają wykonywania badań ewaluacyjnych w celu
monitorowania oddziaływania tych programów i kształtowania Polityki Spójności. W kolejnych okresach programowania kryteria prowadzenia ewaluacji programów i polityk rekomendowane przez Komisję
Europejską były coraz bardziej rygorystyczne i kompleksowe (Ferry,
Olejniczak, 2008), a od 2000 r. ewaluacja unijnej Polityki Spójności
i regionalnych programów rozwoju stała się prawnym obowiązkiem
Państw Członkowskich UE oraz państw akcesyjnych. Przystąpienie
do struktur europejskich w 2004 r. stało się więc momentem przełomowym w sposobie realizacji polityk publicznych w Polsce (Krajowa Jednostka Ewaluacji, 2014). Doprowadziło ono do znaczącego
wzrostu zdolności jednostek administracji publicznej do prowadzenia
ewaluacji realizowanych działań i stało się standardem nowoczesnego
(ukierunkowanego na wyniki) zarządzania programami przy wykorzystaniu ewaluacji (Ferry, Olejniczak, 2008). Analizy polityk publicznych
w dużej mierze koncentrują się jednak na programowaniu polityk i ich
ewaluacji w standardzie wypracowanym w toku realizacji unijnych
programów (przede wszystkim kryterium skuteczności i trafności celów). Taki nurt widoczny jest także w badaniach dotyczących otoczenia instytucjonalnego, np. Tomasz G. Grosse analizując procesy europeizacji agencji zajmujących się implementacją unijnej polityki rolnej
i rozwoju obszarów wiejskich w nowych krajach członkowskich, zauważa, że w literaturze przedmiotu analizowane są przede wszystkim
agencje regulacyjne (a więc zajmujące się regulowaniem określonego
segmentu rynku), a nie wdrażające (Grosse, 2008).
Ewaluacja i implementacja, czyli dwie strony medalu
Ewaluacja dostarcza podstawowej wiedzy o mechanizmach przyczynowo–skutkowych w programach publicznych oraz o relacjach między
instrumentami a efektami interwencji. Obecnie kształtuje się perspektywa hybrydowa, która syntetyzuje dotychczasowe podejście z podejściem goalfree, czyli ewaluacji opartej o badanie użyteczności programu
(Felcis et al., 2012). Wynika to m.in. z faktu, że dominująca w dotychczasowej praktyce ewaluacja jest perspektywą, która – w szczególno-
20
ści w przypadku interwencji o charakterze innowacyjnym – nie dostarcza satysfakcjonujących wyjaśnień. Powody są następujące:
ƥƥ ewaluacja koncentruje się na osiągniętych (lub nie) celach, czyli efektach zaplanowanych, pomijając nieplanowane (pozytywne
i negatywne) rezultaty przeprowadzonych działań;
ƥƥ ponadto, koncentruje się na kryteriach trafności i skuteczności
interwencji (właściwej diagnozie i adekwatności celów do zdiagnozowanych potrzeb).
W rozdziale drugim – poświęconym ewaluacji – odpowiemy na pytanie dlaczego to podejście jest niewystarczające opisujemy. Tam też
wskazujemy jaki, naszym zdaniem, powinien być nowy kierunek rozwoju ewaluacji w projektach innowacyjnych. Dlatego w tym miejscu
skupimy się na drugim problemie: praktyka ewaluacyjna w Polsce
najczęściej koncentruje się na relacji między trafnością założeń
a osiągniętymi efektami (Felcis et al., 2012).
Słabości tego podejścia zauważono tak naprawdę wiele lat temu.
W latach 70. ubiegłego wieku Jeffrey L. Pressman i Aaron Wildavski
w pionierskiej na gruncie analiz implementacyjnych pracy udowadniali, że przyczyną nieskuteczności trafnie zdiagnozowanych interwencji
publicznych jest nieuwzględnianie wymiaru stopnia skomplikowania procesu wdrożenia programu. Podkreślili oni dużą niewspółmierność pomiędzy zakładanymi celami a efektami implementacji, której
kluczową przyczyną było niezrozumienie przez decydentów stopnia
trudności koordynacji dużej liczby działań, rywalizujących interesów
i zróżnicowania agencji zaangażowanych w implementację programu.
Innymi słowy, przyczyną implementacyjnej porażki był wysoki stopień złożoności środowiska wdrażania (Pressman, Wildavsky, 1984).
Od tamtego czasu imponująco wzrosła liczba publikacja na temat implementacji, ale wciąż brakuje spójnej teorii pozwalającej wyjaśnić
kluczowe mechanizmy i uwarunkowania procesu (Brink, Meijerink,
2006). Konsensusem, który osiągnęli badacze jest natomiast stanowisko, że ewaluacja bez analizy implementacji jest nieskuteczna,
ponieważ nie będzie w stanie właściwie rozpoznać i wyjaśnić mechanizmów interwencji, czyli związków przyczynowo–skutkowych
między istotnymi czynnikami (lub ich konfiguracjami) a osiąganymi
efektami. Badania implementacji są więc koniecznością w praktyce
ewaluacyjnej, ponieważ stanowią istotne źródło informacji, które:
skiej administracji publicznej wciąż dominuje kultura biurokratyczna, dla której typowe są struktury oparte na kontroli (Hensel, 2011),
a nie podejście strategiczne i uczące się (por. Grosse, 2008). Wśród
całego wachlarza kluczowych wyzwań w zarządzaniu implementacją
w szczególności należy wskazać na:
ƥƥ umożliwiają oparty na dowodach wybór adekwatnej strategii
wdrożenia;
2. Hierarchiczność zarządzania wdrożeniem, ale jednocześnie słabą kontrolę poszczególnych czynników wpływających na efekty
wdrożenia przez decydentów.
ƥƥ pozwalają na właściwe zarządzanie procesem wdrożenia – w taki
sposób, aby maksymalizować np. efektywność interwencji;
ƥƥ ułatwiają osiąganie lepszych rezultatów interwencji publicznej.
Kluczowe wyzwania zarządzania procesem implementacji w Polsce
Pomimo rosnącej profesjonalizacji administracji publicznej w zakresie
zarządzania politykami i programami publicznymi w Polsce, problemem jest deficyt w zakresie dowodów i dobrych praktyk implementacyjnych. Dzieje się tak z uwagi na brak pogłębionej refleksji nad
wdrożeniami interwencji publicznych i ich kształtem w obecnych warunkach i strategiach programowania (i szerzej – rządzenia). Jedynie
sporadycznie są podejmowane wysiłki w kierunku poprawy tej sytuacji zarówno po stronie zespołów programujących, jak i środowiska
akademickiego (Bober et al., 2008b5). Brakuje również namysłu nad
metodyką implementacji i sposobami efektywnej kontroli procesu
i jego oceny w badaniach ewaluacyjnych. Wynika to z faktu, że w pol5 Warto jednocześnie zaznaczyć, że opisanemu stanowi po stronie odbiorców polityk publicznych odpowiada
brak kultury partycypacji, współtworzenia i współodpowiedzialności. Widać jednak pierwszy symptom pozytywnej zmiany w administracji publicznej, czego przykładem może być realizacja projektu „Ministerstwa
Uczące Się” (http://mus.edu.pl).
21
1. Niewiedzę zespołów programujących w zakresie relacji przyczynowo–skutkowych stojących za procesami implementacyjnymi;
brak metodyki wyboru strategii implementacyjnych.
3. Brak standardów i kryteriów postępowania w rozwiązywaniu
problemów implementacyjnych dla wdrażających, którzy na pewnych etapach zyskują swobodę decydowania o kluczowych kwestiach przy niedostatkach kompetencji w tym zakresie i wysokiej
fluktuacji na istotnych stanowiskach.
4. Deficyt standardów w zakresie metodyki analizowania implementacji w badaniach ewaluacyjnych i katalogowania dobrych
praktyk.
5. Brak mechanizmów transmisyjnych pozwalających na wykorzystywanie istniejącej wiedzy w praktyce zarządczej, co jest problemem generalnym w naukach o politykach publicznych, w tym
także w ewaluacji (Geodecki et al., 2010; Bober et al., 2008a).
3.Koncepcja badań nad
implementacją w projekcie SPIN
1. Odpowiednie zaprojektowanie Modelu SPIN, który będzie
uwzględniał wiedzę o kluczowych czynnikach ryzyka implementacyjnego.
uje sam przedmiot badania i co definiuje jego efekty. Dodatkowo, jak
podkreślają Michael Hill i Peter Hupe, w ostatnim czasie nie tylko nie
dowiadujemy się o implementacji niczego nowego, ale jeszcze sam
proces ulega ciągłemu komplikowaniu: „Procesy implementacji stają
się palącym problemem teorii i praktyki polityk publicznych. I niestety
wiemy więcej o porażkach niż o sukcesach. Co więcej, ilość wyzwań
w tym obszarze, z którymi trzeba się mierzyć gwałtownie rośnie, chociażby ze względu na zwiększanie liczby aktorów i komplikację sieci
ich relacji w wyniku transformacji w kierunku zarządzania partycypacyjnego” (Hill, Hupe, 2002, s. 3).
2. Podejmowanie trafniejszych decyzji w procesie zarządzania (na
różnych poziomach) projektami wdrażającymi Model SPIN, a także podobnymi projektami o charakterze innowacyjnym.
Taka sytuacja przekłada się na cały szereg wyzwań analitycznych
(por. Hill, Hupe, 2002; Winter, 2006; Brink, Meijerink, 2006). Najważniejszymi kwestiami do rozwiązania są:
Taką użyteczną wiedzą, możliwą do uzyskania w oparciu o doświadczenia projektowe, było zidentyfikowanie kluczowych czynników
sukcesu w procesie implementacji w kontekście projektu SPIN
– zarówno tych aspektów, które ograniczały, opóźniały czy utrudniały proces (wraz ze wskazaniem przyczyn tych niepowodzeń), jak i tych
działających stymulująco i wspierających osiąganie zakładanych efektów.
1. Brak powszechnie akceptowanej teorii, która byłaby punktem
wyjścia.
Cele analizy
Analiza implementacji przeprowadzona w projekcie SPIN miała przede
wszystkim charakter aplikacyjny, czyli jej zadaniem było dostarczenie
wiedzy pozwalającej na:
Dotychczasowe badania nad implementacją – inspiracje i wyzwania
Opracowanie koncepcji analizy procesu implementacji było związane
z koniecznością skonfrontowania się z wieloma problemami, ponieważ dotychczasowy dorobek nauki nie dostarcza odpowiedniej wiedzy
w tym zakresie: daje skomplikowany obraz wielowymiarowych działań, z chaotycznym, „przeładowanym” zestawem zmiennych wyjaśniających, z wielością paradygmatów, z brakiem standardów w podejściu
do analizy procesu i nawet niezgodnością odnośnie tego, co konstytu-
22
2. Problem mnogości paradygmatów i niekumulatywny charakter
badań nad implementacją.
3. Nadmierne skomplikowanie dotychczasowych modeli teoretycznych, które zawierają kilkanaście lub nawet kilkadziesiąt czynników oddziałujących na wdrożenie (zob. np. Mazmanian, Sabatier, 1981).
4. Deficyt standardów metodologicznych w analizie implementacji,
w tym a) trudności w określeniu zmiennej zależnej i różne możliwości definicji sukcesu (osiągnięcie pierwotnych założeń vs
osiągnięcie rezultatów vs zdolność rozwiązywania problemów)
oraz b) niejasny przedmiot (zakres) analizy, czyli wyznaczenie
początku i końca procesu implementacji.
Na podstawie dotychczasowego dorobku badań nad implementacją
opracowaliśmy wstępny katalog czynników kluczowych dla powodze-
nia wdrożenia oraz hipotezy dotyczące relacji między nimi i ich wpływu na proces wdrożenia, który następnie stał się punktem wyjścia
do badań. W ich trakcie zakładaliśmy eliminowanie czynników o niskiej randze, ich zwariantowanie w odniesieniu do różnych kontekstów działania Centrów Transferu Wiedzy (CTW) i rozbudowywanie
katalogu o istotne czynniki identyfikowane w toku badania. Wnioski
z tego badania opisujemy w dalszej części niniejszej publikacji.
Metodologia badania
W naszych badaniach opieraliśmy się na jakościowej metodologii
badań. Wnioski prezentowane poniżej są syntezą kilku stosowanych
technik badawczych: a) obserwacji uczestniczącej prowadzonej przez
zespół CEAPP UJ w poszczególnych Centrach, ale także podczas spotkań przedstawicieli zespołów wdrażających (tzw. „spotkania praktyków”, spotkania Grupy Sterującej itp.) w całym okresie przygotowań
do realizacji projektu oraz przez większość okresu jego wdrażania –
łącznie przez ponad dwa lata (listopad 2012 r. – marzec 2015 r.), b) jakościowej analizy dokumentacji tworzonej przez zespoły wdrażające,
w szczególności dokumentacji związanej z rozbudowaną na potrzeby testowania sprawozdawczością z realizowanych zadań, c) analizy
polskiej i światowej literatury z zakresu teorii i praktyki implementacji, która wsparła proces konstruowania narzędzi do wywiadów oraz
d) pogłębionych wywiadów indywidualnych, które przeprowadzono
pod koniec wdrożenia z niemal całą kadrą zespołów zaangażowanych
w realizację projektu, zarówno po stronie Centrów, jak i Lidera projektu (łącznie przeprowadzono 36 wywiadów).
4.Czynniki wpływające na implementację projektu
Opis czynników i nawiązujących do nich pytań badawczych ujęliśmy
w trzy główne bloki (zob. rysunek 4), które odwołują się do ram analitycznych przyjętych w badaniu:
23
1. Pierwsza grupa to czynniki związane z treścią wdrażanej zmiany.
Są to czynniki bardzo istotne dla powodzenia i „łatwości” implementacji, ale jednocześnie w bardzo ograniczonym stopniu
można je modyfikować na poziomie organizacji wdrażających.
Dominująca część odpowiedzialności za ten etap leży w gestii
instytucji formułujących politykę/program/projekt i jest niejako
„dana” w momencie decyzji o realizacji interwencji. Jednak poprzez zasygnalizowanie konsekwencji wyborów dokonywanych
na tym etapie mamy nadzieję zwrócić uwagę na konieczność
uwzględnienia przez decydentów nie tylko trafności celów interwencji, ale także potencjalnego przebiegu jej implementacji.
Przebieg ten może bowiem zniweczyć zamierzenia.
2. Druga grupa obejmuje czynniki związane z organizacją implementacji i współpracą międzyinstytucjonalną – zarówno o charakterze horyzontalnym, jak i wertykalnym. Naszym zdaniem to
najważniejsza i jednocześnie najtrudniejsza do zarządzania grupa czynników, dlatego poświęcimy jej najwięcej uwagi. Choć
wiele ryzyk jesteśmy w stanie przewidzieć i możemy dążyć do
ich zminimalizowania, to jednocześnie jest to obszar, w którym
odniesienie sukcesu wymaga działania w warunkach zależności
od innych partnerów.
3. Trzecia grupa to czynniki związane z kontekstem organizacji
wdrażającej Model SPIN. Wskazują na te elementy, które miały
kluczowe znaczenie we wdrażaniu zmiany, jaką było tworzenie
CTW na uczelni. Ten poziom pozwolił nam na dokonywanie porównań między czterema wdrażanymi wariantami Modelu SPIN.
pp Rysunek 4. Ramy analityczne badania – główne grupy czynników i pytania badawcze
Treść zmiany i jej implikacje
Organizacja procesu
implementacji
Poziom wdrożenia
i relacje wewnątrzorganizacyjne
W jaki sposób etap formułowania
interwencji kształtuje implementację
w projekcie?
Jakie etapy interwencji możemy
wyróżnić?
Jakie znaczenie ma gotowość
organizacyjna do wdrożenia zmiany?
Jak istotny dla implementacji
projektu jest sposób skonstruowania
celów?
Jak zaplanować i przypisać zasoby w
projekcie innowacyjnym?
Jakie zasoby są kluczowe?
Czy klarowne cele oznaczają spójną
definicję sukcesu w projekcie?
Czy istnieje optymalny model
przywództwa w projektach
innowacyjnych?
Jakie są główne etapy w procesie
wdrażania zmiany?
Czy skala innowacji ma znaczenie?
Jakie znacznie mają relacje
międzyorganizacyjne?
Podsumowanie: jakie czynniki mają
newralgiczne znaczenie?
Źródło: opracowanie własne.
24
Treść zmiany i jej implikacje dla procesu implementacji
Wyzwania
Każda polityka zawiera określoną planowaną zmianę, jej zakres,
szerokość grupy docelowej, rodzaj i wielkość efektów, które mają
zostać wygenerowane w rezultacie wdrożenia projektu6. Treść zmiany składa się więc z szeregu czynników, z których każdy może potencjalnie oddziaływać na proces wdrożenia. Fakt występowania tego
wpływu i jego waga była jednym z pytań badawczych, które postawiliśmy sobie w opisywanym badaniu. Zidentyfikowanie i zrozumienie
powiązań między formułowaniem polityki a przebiegiem jej realizacji pozwala na dokonywanie lepszych wyborów w zakresie strategii
i modelu wdrożenia. Zwłaszcza, że literatura przedmiotu nie dostarcza
satysfakcjonujących odpowiedzi. Wśród badaczy nie ma zgodności co
do podstawowych kwestii związanych z ujęciem relacji między tworzeniem polityki a jej realizacją:
1. Rozłączność czy współzależność etapów formułowania i implementacji. Od wielu lat toczy się spór między dwoma dominującymi podejściami do badania implementacji: podejściem top–
down (z góry w dół) i podejściem bottom–up (od dołu do góry).
W pierwszym dominuje hierarchiczne ujęcie administracji publicznej, w której formułowanie celów to oddzielny od wdrażania
etap polityki publicznej. Ujęcie implementacji to odrealniona wizja
racjonalnej, apolitycznej, zhierarchizowanej realizacji centralnie
zdefiniowanych celów. W drugim podejściu akcenty są skrajnie
odmienne – implementacja składa się ze strategii rozwiązywania
problemów dnia codziennego przez urzędników z poziomu street
level (Lipsky, 2010). Wdrożenie nie jest procesem apolitycznym,
6 W zależności od przedmiotu analizy może to dotyczyć polityki, programu czy pojedynczego projektu. W tym
rozdziale stosujemy dwa określenia – projekt i polityka. Pierwsze z nich dotyczy analizowanego przez nas
poziomu interwencji – skupiamy się na projektach z uwagi na opisywane doświadczenia z realizacji projektu
SPIN. Drugie określenie – polityka – używamy jako odpowiednika angielskiego „policy” i dotyczy ono filozofii
wdrażanej zmiany, jej zakresu, charakteru i planowanych rezultatów.
25
a środowiska aktorów formułujących, implementujących i ewaluujących politykę przenikają się i wzajemnie na siebie oddziałują.
Istnieje także wiele ujęć hybrydowych, jednak żadne z nich nie
zyskało powszechnej akceptacji.
2. Źródło potencjalnych niesprawności. Nie ma także zgodności
co do tego, które czynniki determinują sukcesy i porażki interwencji. W pierwszym przypadku etap formułowania (i jego efekty, czyli cele polityki) jest kluczowy dla wyjaśniania sukcesów
i porażek przedsięwzięcia. Niesprawności są przede wszystkim
wynikiem wadliwie określonych celów (klarowności, trafności),
a implementacja to oddzielny etap, na który składają się biurokratyczne procedury zapewniające, że cele zostaną osiągnięte.
Słabość tego podejścia polega na tym, że nie wyjaśnia ono sytuacji, w której poprawne cele polityki nie znajdują odpowiedniej
realizacji w praktyce. Z kolei te podejścia, które dostrzegają złożoność procesów implementacji i ryzyka z tym związane operują
przeważnie bardzo szerokim wachlarzem zmiennych zależnych.
Takie skomplikowane modele teoretyczne mają małą wartość
aplikacyjną i nie wspierają odpowiednio procesu zarządzania implementacją.
Wnioski z badania
Współzależność etapów formułowania i implementacji w projekcie
Z całą pewnością treść zmiany powinna być traktowana jako produkt
etapu formułowania polityki. W takim rozumieniu treść zmiany jest
czynnikiem „zastanym” na etapie wdrożenia – stanowi zestaw danych
wejściowych dla kolejnego etapu, w którym dokonuje się operacjonalizacji, czyli transformacji tych danych w określone procedury i działania prowadzące do realizacji zdefiniowanych celów. Należy jednak
pamiętać, że polityki innowacyjne stanowią szczególny typ polityk,
w przypadku którego nie mamy na etapie formułowania pełnej wiedzy w zakresie efektów, które możemy osiągnąć. Zestaw danych wejściowych jest więc kompletem założeń i hipotez odnośnie możliwych
efektów, a przede wszystkim zestawem warunków brzegowych dla
procesu wdrożenia. Rozpoczynając etap konceptualizacji wdrożenia
(projektowania procedur i narzędzi), w Projekcie SPIN były już predefiniowane pewne elementy, m.in.: charakter oczekiwanej zmiany
(rezultaty i wpływ interwencji), technologie, w ramach których będzie
udzielane wsparcie (co wynikało ze strategicznych planów województwa), partnerskie uczelnie i zespoły zaangażowanych naukowców (liderzy wdrożenia), a także wielkość budżetu i ogólny harmonogram
(planowany czas trwania projektu).
Wnioski z badania potwierdzają, że w projekcie innowacyjnym produkt etapu formułowania (zdefiniowane cele, a nawet warunki brzegowe) nie jest produktem ostatecznym – jest zmienny w czasie trwania projektu, złożony i rzadko neutralny. To raczej punkt wyjścia niż
kształt docelowej zmiany. Cele polityki są redefiniowanie w trakcie
procesu wdrażania przez podmioty implementujące, zgodnie z ich: a)
interesami, b) sposobem definiowania sukcesu projektu c) warunkami kontekstowymi projektu ujawniającymi się w czasie jego trwania.
W projektach innowacyjnych polityka jest więc tworzona w trakcie trwania procesu implementacji i jest od niego silnie zależna.
Oznacza to, że zarówno politykę, jak i implementację należy rozpatrywać w kategorii przyczyn produktów interwencji.
pp Rysunek 5. Schemat relacji między formułowaniem, wdrożeniem i efektami polityki
ETAP FORMUŁOWANIA
POLITYKI
POLITYKA
V.1
POLITYKA
V.2
POLITYKA
V.N
ETAP
WDRAŻANIA POLITYKI
26
przyczyny
OSIĄGNIĘTE
EFEKTY/
UŻYTECZNOŚĆ
INTERWENCJI
Ma to kluczowe znaczenie dla ewaluacji projektu innowacyjnego przynajmniej z dwóch powodów. Po pierwsze, ponieważ wielkość efektów jest wypadkową nie tylko skuteczności testowanego rozwiązania.
Może się więc okazać, że implementacja testowanego rozwiązania
w ramach innego modelu wdrażania przynosi jakościowo i ilościowo
odmienne efekty. Po drugie, ma to znaczenie dla oceny stopnia powodzenia takiej polityki, który powinniśmy określać w odniesieniu
do użyteczności wygenerowanego rozwiązania (stopnia rozwiązania
problemu lub satysfakcji grup docelowych), a nie zgodności efektów
z celami polityki.
Skąd się biorą niesprawności na etapie przejścia od polityki do
projektu
Wyniki przeprowadzonych badań wskazują, że z perspektywy przebiegu wdrożenia i jego kluczowych efektów istnieje kilka czynników
ryzyka7, o które należy zadbać już na etapie formułowania polityki.
Czynniki te dotyczą:
1. Przebiegu procesów – w jaki sposób produkt został wypracowany, czyli:
a. natężenia konfliktu kluczowych grup interesu;
b. uświadamiania sobie korzyści przez grupy docelowe (zarówno własnych, jak i dla innych inetresariuszy);
c. stopnia partycypacji poszczególnych grup interesów w formułowaniu celów polityki.
2. Ostatecznego produktu – jego merytorycznej zawartości,
a w szczególności:
a. klarowności celów;
7 Czynniki ryzyka to zjawiska, które mogą wystąpić z określonym prawdopodobieństwem i mogą wpłynąć na
sukces projektu. Zgodnie z opracowywaną w Centrum Ewaluacji i Analiz Polityk Publicznych UJ metodyką
nawigator.gov, kluczowe w zarządzaniu wdrażaniem innowacyjnych projektów jest zarządzanie czynnikami
ryzyka.
27
b. skali innowacji;
c. zakresu korzyści dla grup interesów;
d. stopnia spójności definicji sukcesu polityki.
Poniżej zamieściliśmy hipotezy dotyczące ich znaczenia dla procesu
wdrażania, które zbudowaliśmy w oparciu o analizę implementacji
w projekcie SPIN. Warto pamiętać, że jeśli nie dysponujemy bazą wiedzy z podobnych interwencji, nie ma możliwości określenia siły wpływu pojedynczego czynnika odseparowanego od pozostałych. Z tego
powodu warto analizować je łącznie, pokazując pewne układy i zależności między nimi.
Cele projektu i poziom konfliktu
Istnieją koncepcje dotyczące współzależności między poziomem konfliktu wśród kluczowych interesariuszy, niejasności odnośnie celów
a wyborem typu implementacji projektu. Jedną z takich koncepcji
przedstawia Richard E. Matland (Matland, 1995). Wyróżnia on cztery
typy implementacji w zależności od poziomu konfliktu wokół oczekiwanej zmiany oraz stopnia jej jednoznaczności (zob. tabela 2). Przywołuje on za Ralfem Dahrendorfem (Dahrendorf, 1958) twierdzenie, że
konflikt może wystąpić, jeśli mamy do czynienia ze współzależnością
aktorów, niekompatybilnością celów i przekonaniem, że ich interakcje
są grą o sumie zerowej. Zdaniem Matlanda, w przypadku wdrażania
polityki konflikt wystąpi, jeśli więcej niż jedna organizacja postrzega interwencję jako bezpośrednio istotną dla jej interesów, a różnią
się one rozumieniem sytuacji. Te różnice mogą dotyczyć celów polityki lub środków i działań, jakimi te cele mają być osiągnięte.
W przypadku projektów wspierających innowacyjność gospodarki,
takich jak projekt SPIN, mamy do czynienia z implementacją eksperymentalną (Zawicki, Chrabąszcz, 2014), którą charakteryzuje niski po-
ziom konfliktu wokół celów działania oraz wysoki stopień ich niejednoznaczności lub też niejasność sposobów ich wdrażania. Wiąże się
ona z koniecznością znacznego zaangażowania działających podmiotów. A skuteczność wdrażania będzie różna dla różnych warunków
kontekstowych i będzie zależeć m.in. od umiejętności organizacyjnego uczenia się zarówno na błędach, jak i na sukcesach (Ibidem).
Te wnioski potwierdzają doświadczenia projektu, w którym, ze względu na prowadzenie czterech równoległych wariantów wdrożenia Modelu SPIN, możliwe było obserwowanie różnic w efektach wdrożenia.
Różnice te wynikały z poziomu zaangażowania aktorów na poziomie
mikro i zasobów, którymi bezpośrednio dysponowali. Osiąganie efektów pośrednich w projekcie wydłużało się lub nawet nie dochodziło do
skutku w sytuacji, gdy kluczowe osoby w tworzonych CTW nie mogły
z powodu braku czasu i innych zobowiązań zaangażować się w działania na odpowiednim poziomie lub wręcz nie były zainteresowane ich
realizacją. Zwykle tak się działo, jeśli osoby te nie podzielały definicji
sytuacji w projekcie (uznawały, że dane działanie nie jest istotne albo
nie akceptowały sposobu jego realizacji).
Przykładem może być postępowanie związane z rozwijaniem i oceną kompetencji brokerów. Odpowiednie procedury zostały wdrożone
w tym centrum, w którym kierownictwo podzielało opinię o ich wartości, a pominięte zostały w tych centrach, w których kadra zarządzająca
traktowała je wyłącznie jako uciążliwą konieczność, wynikającą z narzuconych odgórnie przez Model SPIN wytycznych. Zależność wdrożeń wariantów Modelu SPIN od kontekstu była także widoczna w sytuacjach, kiedy realizacja pewnych działań zależała od sprawności
administracji w otoczeniu jednostki. Z jednej strony, uczelnie dysponują systemami administracyjnymi o różnej efektywności, a z drugiej
– Liderzy CTW mieli różne możliwości oddziaływania czy wywierania
wpływu na otoczenie.
28
ĠĠ Tabela 2. Typy implementacji według koncepcji Matlanda
Poziom konfliktu
Stopień niejednoznaczności celów
lub sposobów
wdrażania
niski
wysoki
niski
wysoki
Implementacja administracyjna
Implementacja
polityczna
Implementacja eksperymentalna
Implementacja
symboliczna
Źródło: (Matland, 1995).
W badaniach analizowaliśmy postrzeganie przez zaangażowanych we
wdrożenie aktorów stopnia jednoznaczności celów, poziomu ich ogólności a także trafności. Ocena ostatniego z elementów do pewnego
stopnia może być traktowana jako wskaźnik poziomu konfliktu. Badani mieli możliwość odniesienia się do założeń projektu i wskazania
lepszych (ich zdaniem), alternatywnych sposobów osiągnięcia zmiany. Większość rozmówców nie widziała potrzeby zmiany na poziomie
logiki projektu. Niezależnie od reprezentowanej organizacji i pełnionej w jej ramach funkcji pozytywnie oceniali oni założenia projektu.
Wspiera to zatem tezę o generalnie niskim poziomie konfliktu w projektach nakierowanych na wzmacnianie innowacyjności gospodarki.
Jednocześnie, wydaje się, że istotnym czynnikiem obniżającym ryzyko potencjalnego konfliktu był sposób skonstruowania celów.
Większość badanych uznała je za zrozumiałe i stosunkowo ogólne.
Część rozmówców dostrzegała ryzyka związane z potencjalnymi nadużyciami wynikającymi z ogólności celów projektu. Jednocześnie
w przypadku opisu ich własnej sytuacji w analizowanym projekcie
twierdzili, że czynnik ten pozytywnie oddziałuje na rezultaty: dopuszcza możliwość elastycznego podejścia do realizacji wariantów wdro-
żeń, wskazując pewien ogólny kierunek działań, ale nie determinując
rozwiązań.
społem projektującym rozwiązanie testowane a zespołami testującymi.
Biorąc pod uwagę różnorodność działań prowadzonych w ramach poszczególnych wariantów wdrożenia i odmienne profile tworzonych
CTW, można stwierdzić, że sposób ogólnego zapisania celów minimalizował dodatkowo ryzyko potencjalnego konfliktu, ale wzmacniał
niejednoznaczność w zakresie sposobów wdrażania. Należy przy tym
zaznaczyć, że niekoniecznie jest to cecha pejoratywna. W przypadku
projektu SPIN obserwacje prowadzone w trakcie wdrożenia pozwalają
na stwierdzenie, że zróżnicowanie w obrębie kontekstu wspieranych
technologii jest tak duże, że formalne, nadmierne usztywnianie wytycznych dotyczących sposobów realizacji celów może prowadzić do
utrudnień we wdrożeniu, zwiększenia ryzyka konfliktu i, generalnie,
negatywnych konsekwencji dla efektów działania.
Udział kierowników powstających centrów w procesie opracowywania wariantów obszarowych wdrożeń pozwolił na zinternalizowanie
przez nich rozwiązania i wypracowanie w miarę jednolitej definicji
sukcesu projektu wśród partnerów. Te procesy są szerzej opisane
w części rozdziału dotyczącej relacji międzyorganizacyjnych. Jednak
w tym miejscu chcielibyśmy jeszcze podkreślić, że doświadczenia projektu SPIN wskazują, iż definicja sukcesu jest zmienna i zapewnienie
spójności jest zaskakująco trudne do osiągnięcia. Przy sprzyjających
warunkach kontekstowych (związanych z generalnie podzielaną przez
interesariuszy wizją dotyczącą konieczności dokonania zmiany, ważności tej zmiany, względnej łatwości komunikacji między partnerami
z uwagi na podobieństwo zawodowych środowisk oraz wspólnym
negocjowaniu wartości wskaźników określających efekty projektu)
i tak istniały rozbieżności w tym zakresie. Ich źródłem była przede
wszystkim modyfikacja definicji sukcesu w trakcie trwania projektu
– oczekiwany efekt został niejako złagodzony z uwagi na różne uwarunkowania, które zostały rozpoznane, w szczególności wymogi PO
KL w zakresie pomocy publicznej np. zagrożenia podwójnego finansowania. W konsekwencji respondenci podali podczas prowadzonych
wywiadów przynajmniej sześć różniących się od siebie definicji sukcesu8.
Definicja sukcesu i partycypacja
Jaki jest więc sposób na minimalizowanie ryzyka nadużyć związanych
z realizacją odmiennych interesów lub wizji niezgodnej z ideą projektu?
Z punktu widzenia efektów realizacji projektu innowacyjnego czynnikiem ważniejszym niż formalizowanie procedur i przebiegu wdrożenia
(w sytuacji niepełnej wiedzy odnośnie ich skuteczności) wydaje się
być zapewnienie spójności definicji sukcesu projektu wśród kluczowych interesariuszy. Należy to rozumieć jako podzielanie przez
zaangażowane jednostki wizji tego, jakie efekty będą oznaczać sukces
przedsięwzięcia. W przypadku projektu SPIN istotny okazał się etap,
w którym przed rozpoczęciem wdrożenia osoby będące Liderami CTW
i Zespół Badawczy oraz lider projektu negocjowali wartości docelowych wskaźników przez partnerów w projekcie. Wielokrotne interakcje pozwoliły na wypracowanie kompromisu i zmniejszenie napięcia
wynikającego z ujawniających się odmiennych stanowisk między ze-
8 Przedstawione definicje łączyły się ze sobą w wypowiedziach interesariuszy.
29
pp Rysunek 6. Definicje sukcesu CTW w Projekcie SPIN pod koniec wdrożenia Modelu SPIN
Przetesowanie rozwiązania
przy wykorzystaniu
określonych procedur
Przetrwanie centrów
na uczelni
Utrzymanie realizacji funkcji
podjętych przez centrum
pierowotna definicja
sukcesu projektu:
samofinansujące się CTW
po okresie wdrożenia
Zmiana świadomościowa
na uczelni: decydentów
i naukowców
30
Utrzymanie realizacji funkcji
podjętych przez centrum
Wystąpienie efektów transferu
wiedzy/ osiągnięcie określonych
parametrów współpracy
z otoczeniem (kluczowe wskaźniki
sukcesu)
Skala innowacji i zakres korzyści dla grup interesów
Kolejnymi czynnikami, które rzutują na przebieg implementacji jest
skala wdrażanego rozwiązania/zmiany/innowacji i zakres korzyści dla
kluczowych interesariuszy. Manipulując zakresem zmiany i zakresem
korzyści, możemy, przy uwzględnieniu innych aspektów, modelować
szanse skuteczności wdrożenia. Zakres zmiany można zdefiniować
w dwóch wymiarach:
1. Szerokość zmiany – jak duży krąg jednostek obejmuje zmiana:
ile osób, podjednostek organizacyjnych w ramach macierzystej
jednostki jest zaangażowanych.
2. Głębokość zmiany – jak duża jest zmiana na poziomie
behawioralnym, tzn. jak bardzo przeorganizowane jest dotychczasowe funkcjonowanie podmiotu. Dodatkowo, należy uwzględnić aspekt korzyści, czyli pożądanych efektów pozytywnych dla
podmiotów objętych zmianami.
Wnioski z wdrożenia pozwalają nam na postawienie następujących
hipotez:
1. Szansa powodzenia wdrożenia maleje wraz ze zwiększaniem się
zakresu zmiany (szerokości lub głębokości).
2. Szansa powodzenia wdrożenia rośnie wraz ze zwiększaniem się
obiektywnych korzyści grup docelowych.
3. Szansa powodzenia rośnie wraz z poziomem uświadamiania sobie przez grupy docelowe tych korzyści.
Zatem na określonym etapie kluczowe okazuje się to, czy korzyści
płynące ze zmiany są odpowiednio uświadomione w grupie docelowej (czy osoby, których zmiana dotyczy zdają sobie z nich sprawę
i podzielają taką definicję sytuacji). Doświadczenia projektu SPIN na
tym etapie potwierdzają taką zależność: tam, gdzie rosła świadomość
korzyści, zwiększało się zainteresowanie i zaangażowanie w realizację działań na różnych poziomach.
Organizacja procesu implementacji i relacje międzyorganizacyjne
Wyzwania
Sukces każdego projektu można rozumieć wąsko (osiągnięcie zakładanych w projekcie celów) lub szeroko (zadowolenie interesariuszy
z sukcesu projektu)9. Szersza definicja sukcesu w przypadku projektów realizowanych w partnerstwie zakładającym przynajmniej minimalny poziom hierarchiczności może prowadzić do napięcia pomiędzy
dbaniem o zadowolenie uczestników partnerstwa a osiągnięciem celów interwencji.
W praktyce napięcie to objawia się dylematami na poziomie wielu operacyjnych decyzji lidera odnoszących się do formułowania oczekiwań
dotyczących efektów działań partnerów oraz egzekwowania realizacji
tych oczekiwań. Wybór jednej z opcji zależy w dużej mierze od tego,
jak lider projektu definiuje swoją rolę. W dużym uproszczeniu, można
sprowadzić to do wyboru pomiędzy kolegą a administratorem. Kolega dba przede wszystkim o dobre relacje, okazuje dobrą wolę, buduje
zaufanie. Jonathan Fox i John Gershman (2000) podsumowali wieloletnie doświadczenia Banku Światowego we wdrażaniu interwencji
następującymi słowami: “aby możliwe było wyłonienie się wzajemnie
wzbogacającego się partnerstwa, każdy z partnerów musi poczynić
inwestycję z dużym stopniem niepewności odnośnie zaangażowania,
zdolności i intencji drugiej strony” (Ibidem, s. 188). Innymi słowy,
musi zaufać10. Jednocześnie nadmierna koncentracja przez lidera na
9 Por. Polskie Wytyczne Kompetencji IPMA, wersja 3.0, Stowarzyszenie Project Management Polska, Warszawa, 2009.
10 Jak pisze Sztompka (2005), „zaufanie kładziemy na szalę, podejmując swoisty zakład o przyszłe postępowanie innych ludzi lub instytucji”.
31
roli kolegi może oznaczać brak możliwości wyegzekwowania oczekiwanych działań, a przez to osiągnięcia celów projektu.
Administrator z kolei koncentruje się na komunikowaniu oczekiwań
i konsekwentnym egzekwowaniu ich realizacji. Jeśli jednak nie będą
temu towarzyszyć działania ukierunkowane na budowanie pozytywnych emocji, zaufania i dobrych relacji, to pozostali partnerzy będą
mieli stosunkowo niską motywację do realizacji zadań projektowych.
Przyjęcie każdej z tych ról wiąże się z określonymi założeniami odnośnie partnera. Kolega zakłada, że partner generalnie ma dobre intencje, choć może być trochę nieufny. Z kolei administrator koncentruje
się na poprawności realizacji projektu i zakłada, że partner potrzebuje
kogoś, kto monitoruje jego działanie. Jeśli coś nie działa, tak jak zostało to zapisane w programie, to znaczy, że partner jest leniwy, nieudolny lub oszukuje.
Powyższe rozważania odnoszą się do uproszczonej sytuacji, w której
mamy tylko dwie role w partnerstwie: lidera i partnera. W przypadku
większej liczby zróżnicowanych partnerów można uogólnić te rozważania, akcentując potrzebę odpowiedniego zdefiniowana ról partnerów. Odpowiedniego, czyli z jednej strony, zapewniającego jasność
odnośnie tego, jakich działań oczekujemy od poszczególnych partnerów, a z drugiej gwarantującego elastyczność współpracy.
Jednym z aspektów poruszanych w wywiadach z osobami zaangażowanymi w projekt SPIN była kwestia relacji między partnerami
w projekcie – formalnych i nieformalnych zależności oraz siły tych
powiązań. W opisie relacji podmiotów zaangażowanych w realizację
projektu Urząd Marszałkowski będący liderem projektu był lokowany
jako podmiot nadrzędny względem podrzędnych jemu, ale równorzędnych względem siebie partnerów wdrażających Model SPIN. Zatem relacje były postrzegane w układzie hierarchicznym. Najwięcej odmiennych wskazań dotyczyło CEAPP UJ, które było lokowane w różnych
miejscach: po środku, między liderem a centrami, z boku układu hierarchicznego, bezpośrednio pod liderem itd. To zróżnicowanie w postrzeganiu roli jednego z partnerów świadczyło o potrzebie lepszego
zdefiniowania i uzgodnienia ról wszystkich podmiotów w projekcie.
Warto dodać, że wynikało to także z bieżącej modyfikacji roli CEAPP
UJ w projekcie, co było spowodowane pojawieniem się zapotrzebowania na realizację określonych funkcji12.
Doświadczenia z realizacji projektu SPIN potwierdzają wagę odpowiedniego zdefiniowania ról partnerów w projekcie, a w przypadku
lidera partnerstwa – odpowiedniego zbalansowania ról kolegi i administratora11. Warto przy tym podkreślić, że w projekcie oprócz lide-
Według klasycznego podejścia do zarządzania zespołem, można wyróżnić kilka podstawowych etapów kształtowania zespołu, które można zastosować do tworzenia się partnerstw (por. rysunek 8). Podejście to zakłada potrzebę zarezerwowania odpowiedniej ilości czasu
i uwagi na doprecyzowanie ról i obowiązków oraz napięcia związane z tym procesem. Ponadto, podkreśla się w nim funkcjonalność
konfrontacji związanej z doprecyzowaniem ról i obowiązków. Jeśli
uda się tego typu dyskusje przeprowadzić w sposób właściwy (m.in.
11 Ten ostatni wątek zostanie opisany bardziej szczegółowo w części rozdziału poświęconej kwestii przywództwa.
12 Doświadczenia projektu pokazują użyteczność wizualizacji ról partnerów w trakcie ich doprecyzowania (zob.
także (Martinuzzi, Kopp, 2010)).
Wnioski z badania
Relacje między partnerami w projekcie
32
ra (Urząd Marszałkowski) i przedstawicieli czterech Centrów Transferu Wiedzy brał również udział Zespół Badawczy Centrum Ewaluacji
i Analiz Polityk Publicznych UJ, który był odpowiedzialny m.in. za
diagnozę, opracowanie wstępnej wersji Modelu SPIN i jego ewaluację.
wysłuchując każdą ze stron), to w efekcie uzyskujemy nie tylko szczegółowo opisane role i obowiązki, ale także „bardziej zintegrowanych”
członków partnerstwa. Z kolei brak okazji do „ścierania się” może prowadzić do konfliktów na tle wzajemnych ról i stanowić przeszkodę
w budowaniu partnerskich relacji i sprawnym osiąganiu celów projektu.
pp Rysunek 7. Podstawowe etapy kształtowania się zespołu
formowanie
ścieranie
• duża niepewność związana z brakiem celu, struktury
i przywódców
• kluczowe wypracowanie poczucia celu, przynależności
i zaangażowania
• konfrontacja związana z próbami doprecyzowania ról
i obowiązków
• kluczowe zapewnienie warunków do właściwej komunikacji
oraz doprecyzowania ról i obowiązków
• przyzwyczajanie się do ról i obowiązków
• kluczowe utrzymanie wysokiej motywacji i stwarzanie
warunków do komunikacji
normowanie
działanie
• pełna wydajność
• można skoncentrować się na realizacji celów projektu
• rozwiązanie partnerstwa
• kluczowe podsumowanie i udokumentowanie nabytej
wiedzy i jej zastosowanie w przyszłości
zakończenie
Źródło: opracowanie własne na podstawie (Polskie Wytyczne Kompetencji IPMA,
2009).
Nie do przecenienia jest także wymiana doświadczeń pomiędzy partnerami biorącymi udział w projekcie. W projekcie SPIN podjęto próbę zapewnienia przestrzeni do takiej wymiany doświadczeń, przede
wszystkim w postaci comiesięcznych „spotkań praktyków”. Miały one
służyć dzieleniu się zarówno dobrymi praktykami, jak i wyzwaniami,
na które Centra napotykały. Dla powodzenia tego typu przedsięwzięć
niezbędne są: zaufanie członków partnerstwa, gotowość do dzielenia
się swoimi doświadczeniami oraz ustrukturyzowany sposób prowadzenia tego typu spotkań, zapobiegający ich „zawłaszczaniu” przez
jednego partnera. Brak tego ostatniego elementu może prowadzić do
zniechęcenia uczestników spotkań i odrzucenia przez nich takiej formuły. Oprócz wsparcia rozwoju partnerów, wymiana doświadczeń
ma też ogromne walory integracyjne. Ponadto, może być podstawą do
wspólnej realizacji projektów przez partnerów13.
W opisywanym projekcie powstały cztery Centra Transferu Wiedzy,
wśród których można było wyróżnić dwie pary podmiotów o zbliżonych profilach: 1) związane z naukami o życiu (medycyna translacyjna
oraz biotechnologia) i 2) związane z wykorzystaniem energii (budownictwo energooszczędne oraz inteligentne systemy informatyczne).
Oznaczało to możliwość rozpoczęcia współpracy pomiędzy jednostkami zajmującymi się zbliżonymi obszarami wiedzy i uzyskanie tzw.
efektu synergii. Jednocześnie jednak, ze względu na konkurencję pomiędzy centrami (zarówno o uwagę i fundusze ze strony lidera projektu, jak i finansowanie zewnętrzne), zwiększała się niepewność wśród
przedstawicieli poszczególnych jednostek. W takiej sytuacji waga takich aspektów współpracy, jak zaufanie i przestrzeń do wymiany doświadczeń jest jeszcze większa.
13 Jak pokazały doświadczenia projektu SPIN, lepsze poznanie partnerów umożliwia współpracę między
przedstawicielami tak odmiennych dziedzin, jak medycyna translacyjna i budownictwo energooszczędne.
33
Znaczenie przywództwa w projekcie
Przywództwo jest coraz popularniejszym terminem w szeroko rozumianych naukach o zarządzaniu. W Polsce, gdzie według wielu autorów w niewystarczającym stopniu rozwija się koncepcje przywódcze,
temat ten będzie jeszcze zyskiwał na znaczeniu (por. Jelonek, 2014) .
Ten sam instytut przeprowadził szeroko zakrojone badania identyfikujące przyczyny, dla których ludzie podążają za liderami15. Do zdecy-
W oparciu o kompleksowe badania Instytutu Gallupa powstał model
ujmujący podstawowe atrybuty, które są niezbędne do zaistnienia
przywództwa (ich opis dostosowano do kontekstu niniejszego rozdziału). Są to:
dowanie najczęściej podawanych odpowiedzi należało zaspokajanie
czterech podstawowych potrzeb:
ƥƥ myślenie strategiczne – analizowanie aktualnych informacji i podejmowanie właściwych decyzji;
ƥƥ troska, współczucie – liderzy traktują swoich współpracowników
jak osoby, a nie jako narzędzie do realizacji celów;
ƥƥ wpływanie na innych – przekonywanie innych do celów projektu;
ƥƥ stabilności – można ją rozumieć jako redukcję niepewności i zapewniać ją przez przejrzystość działań i właściwą komunikację;
ƥƥ budowanie relacji – integrowanie członków partnerstwa;
ƥƥ wykonywanie14 – doprowadzanie do oddawania produktów, realizacji celów.
Należy podkreślić, że autorzy tego badania wcale nie twierdzą, że najlepsi przywódcy mają wszystkie wskazane cechy. Wręcz przeciwnie,
z reguły mają rozwiniętą jedną lub co najwyżej dwie z nich. To, co
sprawia, że są przywódcami, to a) świadomość własnych mocnych
stron i właściwe ich wykorzystywanie oraz b) umiejętność zbudowania zespołu, w którym pracują osoby mające kompetencje umożliwiające realizację wszystkich opisanych powyżej funkcji.
Zapewnienie odpowiedniego przywództwa w projekcie nie oznacza
zatem znalezienia tylko jednej osoby, która będzie pełnić rolę lidera.
Chodzi raczej o zagwarantowanie właściwej konfiguracji osób
i doprecyzowanie ról w partnerstwie – konfiguracji, która umożliwi realizację opisanych funkcji. W praktyce może to oznaczać potrze14 Co ciekawe, trzecia cecha jest związana z opisaną wcześniej rolą kolegi, a czwarta z rolą administratora.
34
bę zaaranżowania odpowiedniej współpracy (kontaktów) w urzędzie
marszałkowskim pomiędzy marszałkiem, dyrektorem departamentu
a kierownikiem projektu i jego zespołem.
ƥƥ zaufania – jak już wspominano, to przyjęcie założenia odnośnie
dobrych intencji drugiej strony;
ƥƥ nadziei – pozytywne emocje związane z przyszłością są podstawą
zaangażowania w realizację celu.
Przywództwo jest szczególnie ważne w przypadku projektów wiążących się z dużą dozą niepewności. A do takich należą przedsięwzięcia
innowacyjne, finansowane ze środków unijnych, w których w partnerstwie biorą udział różne kategorie instytucji (administracja publiczna,
uczelnie, przedsiębiorstwa).
W opinii autorów niniejszego opracowania skuteczne przywództwo
jest kluczowym czynnikiem pozwalającym na stawienie czoła najważniejszym wyzwaniom związanym z wdrażaniem innowacyjnych
projektów. Prawdziwi przywódcy są w stanie zapewnić partycypację
kluczowych grup i zadbać o spójne rozumienie zmiany, zintegrować
członków oraz doprecyzować role poszczególnych członków partnerstwa.
15 Badanie przeprowadzone na losowej próbie 10 000 osób w latach 2005–2008. Pytanie brzmiało: „Wymień
proszę trzy słowa, które najlepiej opisują, w jaki sposób dany lider wpływa na Twoje życie”.
W praktyce wskazanie kierunku działań może także oznaczać potrzebę „nawiązania dyskusji” z wyobrażeniami członków partnerstwa na
temat rzeczywistości społecznej – zmianę ich modeli mentalnych. Rola
modeli mentalnych w rozwoju społeczno–gospodarczym jest dobrze
udokumentowana (Harris, Huntington, 2000). W przypadku projektów
realizowanych w partnerstwach można wyróżnić modele związane z:
tych przekonań. Załóżmy, że realizujemy projekt poświęcony współpracy na linii nauka–biznes, do którego angażujemy m.in. pełnych dobrej woli i mających na wejściu podstawowe kompetencje z zarządzania projektami naukowców.
ĠĠ Tabela 3. Modele mentalne a sukces interwencji
Modele mentalne
a. samą interwencją i jej wdrożeniem;
b. otoczeniem społeczno–gospodarczym interwencji, w tym stereotypy dotyczące innych partnerów.
W przypadku samej interwencji kluczowe jest to, czy partnerzy postrzegają interwencję jako działanie, które faktycznie może wywołać
deklarowaną i pożądaną przez nich zmianę. Alternatywą jest spojrzenie przez pryzmat doraźnych partykularnych korzyści – jako redystrybucję środków lub też jako marnowanie czasu i innych zasobów. Tylko
w tym pierwszym przypadku, czyli traktowania projektu jako realnej
szansy na realizację zmiany, partnerzy będą w pełni angażować swój
czas i energię w projekt. A takie zaangażowanie jest niezbędne dla
jego sukcesu.
Równie ważna jest percepcja innych partnerów, zwłaszcza ze względu
na popularne stereotypy dotyczące przedstawicieli różnych organizacji
w projektach międzysektorowych. Przykładowo, naukowcy są postrzegani jako osoby słabo zarządzające (w tym, sobą w czasie), patrzące
na innych z góry oraz skoncentrowane tylko i wyłącznie na pisaniu artykułów naukowych i prowadzeniu dydaktyki. Przedstawiciele administracji publicznej bywają oskarżani o brak kompetencji i, podobnie
jak naukowcy, sprawności działania. Z kolei przedsiębiorcy często są
oceniani jako skoncentrowani tylko na doraźnym zysku.
Wejście do partnerstwa w innowacyjnym projekcie z takimi właśnie
wyobrażeniami może doprowadzić do klęski projektu i utrwalenia się
35
Odnoszące się
do:
sprzyjające sukcesowi
utrudniające sukces
interwencji
projekt jako szansa na
osiągnięcie wspólnego celu
projekt jako redystrybucja środków lub
marnowanie zasobów
postrzeganie pozostałych partnerów jako
kompetentnych i godnych zaufania
postrzeganie partnerów jako koncentrujących się na partykularnych korzyściach
i nieposiadających
niezbędnych umiejętności
innych partnerów
Bardzo często, oprócz uczestnictwa w naszym konkretnym projekcie,
zajmują się oni aktywnością naukowo–dydaktyczną (prowadzą zajęcia, piszą prace naukowe). Projekt może wywołać trwałą zmianę tylko
wówczas, jeśli naukowcy będą mieli odpowiednią motywację do działania zarówno na wejściu, jak i w trakcie trwania całego projektu. Będzie to możliwe, jeśli projekt cały czas będzie postrzegany jako szansa
na osiągnięcie wspólnego celu.
Sporym wyzwaniem dla naukowców może być znalezienie właściwej
ilości czasu na współpracę z przedsiębiorstwami i uczestnictwo w takich projektach. Aby tego czasu mogło być więcej, nieraz konieczna
jest decyzja o wygaszeniu innych aktywności (dydaktyka, prace nad
doktoratem czy habilitacją), do których powrót w późniejszym terminie może być utrudniony. Taka decyzja wiąże się z dużą dozą niepewności i jej podjęcie nie zawsze jest proste. Może temu jednak sprzyjać:
ƥƥ zapewnienie właściwej motywacji;
ƥƥ wskazanie faktycznych korzyści ze współpracy;
ƥƥ redukcja niepewności poprzez wskazanie kierunku;
ƥƥ przychylność władz uczelni do takiej decyzji.
Brak rezygnacji z innych aktywności może w pewnym momencie
skutkować brakiem czasu na realizowaną na odpowiednim poziomie
współpracę z biznesem. A przez to niejako „potwierdza się” stereotyp
naukowca.
Należy przy tym podkreślić, że wykorzystanie modeli mentalnych
i motywacji nie może ograniczać się do zapisów w dokumentach czy
organizacji spotkań, w ramach których wygłaszany jest jednokierunkowy przekaz. Konieczna jest zmiana postaw (przynajmniej podjęcie
takiej próby), np. w trakcie warsztatów lub sesji coachingowych.
„Porządek” interwencji
Kolejnym ważnym czynnikiem wpływającym na sukces wdrożenia interwencji jest zapewnienie odpowiedniej sekwencji działań. Oznacza
to przede wszystkim zgodne z metodykami zarządzania projektami
wyróżnienie odpowiednich etapów i opisanie ich efektów, a także
uwzględnienie specyfiki tych etapów w alokacji zasobów i zidentyfikowanie ryzyk charakterystycznych dla każdego etapu.
Na podstawie doświadczeń pilotażowego wdrożenia Modelu SPIN, postanowiono podzielić jego implementację na 8 podstawowych etapów.
Pierwszym jest przygotowanie do wdrożenia – dostosowanie projektu
interwencji do konkretnych warunków wdrożenia. Następnie należy
36
dokonać wyboru obszarów i podmiotów/osób odpowiedzialnych za
wdrożenie interwencji. Kolejne cztery etapy (przygotowanie do założenia Centrum Transferu Wiedzy, rozruch, testowanie i sprzedaż) są
ściśle związane z fazami zakładania i tworzenia CTW. W ramach przygotowania do utworzenia CTW powstaje projekt i szczegółowy plan
funkcjonowania CTW. Na zakończenie etapu rozruchu funkcjonuje już
organizacja, która dysponuje zespołem ludzi i jest ulokowana w strukturach uczelni (jednostki naukowej). Testowanie i sprzedaż to czas na
sprawdzenie, jak przedsiębiorstwa reagują na ofertę CTW i modyfikację działań. I na rozwój organizacji. Ostatnie etapy (ewaluacja i promocja) zamykają cykl wdrożenia.
ĠĠ Tabela 4. Etapy wdrażania Modelu SPIN
1. Przygotowanie do wdrożenia
2. Wybór obszarów i Liderów CTW
3. Przygotowanie do założenia CTW
Założenie i rozwój
CTW
4. Rozruch
5. Testowanie
6. Sprzedaż
7. Ewaluacja
8. Promocja
Dla każdego etapu wdrażania Modelu SPIN określono i opisano trzy
podstawowe kwestie: efekty, kluczowe działania, które mają do nich
doprowadzić oraz ryzyka i sposoby przeciwdziałania im. W harmonogramie przewidziano także dwie cezury, w ramach których powinno
dojść do przeglądu planów CTW oraz oceny efektów testowania, a dalsze finansowanie będzie uzależnione od wyników tych przeglądów.
może być zagrożone. W związku z tym podjęto decyzję o wydłużeniu
jednego z etapów, bez wydłużania czasu trwania całego projektu.
Jednoznacznie zdefiniowane kryteria sukcesu dla każdego z etapów,
umożliwiają takie zaplanowanie interwencji, które uwzględnia oczekiwania każdego z partnerów i skutkuje tym, że kierunki działania są
zrozumiałe dla wszystkich interesariuszy. Ponadto, przekazywanie informacji zwrotnej o postępach sprzyja utrzymywaniu wysokiej motywacji do osiągnięcia sukcesu.
Odpowiednie zaplanowanie implementacji powinno zatem obejmować
także zaprojektowanie procedury wprowadzania zmiany. A w trakcie
samego wdrożenia sprawne zarządzanie zmianą jest jednym z kluczowych czynników sukcesu. W przypadku projektu SPIN przedstawiciele partnerów niemal jednogłośnie wskazywali na znaczącą rolę
lidera projektu w tym procesie – w szczególności chodzi o otwartość
na takie zmiany, ogólną przychylność i wsparcie formalne.
Kiedy przeanalizujemy doświadczenia SPIN w tym zakresie okazuje
się, że każdy z tych etapów wymaga odrębnego planowania, inaczej
powinny rozkładać się akcenty w przypadku wykorzystywania różnych
zasobów, inne zasoby są kluczowe. Co więcej, w sensie projektowym
najważniejsze znaczenie ma fakt osiągnięcia efektów właściwych dla
każdego z etapów, ponieważ oddziałuje to na poprawny przebieg kolejnych etapów.
Zapewnienie odpowiedniej struktury wdrożenia i odpowiednie przypisanie zasobów do poszczególnych etapów powinno jednocześnie
umożliwiać dokonywanie zmian planowanych działań (w jasno określonych ramach, np. wyznaczonych przez wymienione powyżej etapy).
Zmiany te mogą wynikać zarówno z opóźnień w realizacji projektu
(np. przedłużające się postępowania przetargowe), jak i pojawiających
się szans. Przykładowo, w przypadku jednego z CTW, Małopolskiego
Ośrodka Medycyny Translacyjnej, taką szansą było zaproszenie wybitnego naukowca. Przeprowadzone przez niego szkolenie było świetną
okazją do promocji jednostki i nawiązania ważnych kontaktów. Inny
przykład wprowadzonej w projekcie zmiany dotyczył harmonogramu.
Już na początku projektu dostrzeżono, że ze względu na niejasności
związane ze źródłem finansowania osiągnięcie zakładanych efektów
37
Poziom wdrożenia i relacje wewnątrzorganizacyjne
Wyzwania
Na tym poziomie zetknęliśmy się z dwoma dużymi wyzwaniami. Pierwsze z nich było związane z tym, że planowana zmiana była „głęboka”,
ponieważ dotyczyła kultury organizacyjnej uczelni, w których dominuje orientacja „nierynkowa”. W jednostkach naukowych (co wynika
z ich definicji) nacisk jest położony na prowadzenie w sposób ciągły
badań naukowych i/lub prac rozwojowych, a nie na wypracowywanie finansowej wartości dodanej. Oznacza to jednak, że w praktyce
działania uczelni nie funkcjonują pojęcia typowe dla biznesu, jak np.
klient, zarządzanie relacjami z klientami (CRM), transakcja czy zysk.
Dodatkowo, administracja uczelniana działa w oparciu o procedury
niedostosowane do nawiązywania i utrzymywania relacji biznesowych, a także owocnego finalizowania przedsięwzięć na rynkowych
zasadach. Wdrożenie omawianej zmiany wymagało więc dokonania
dużej modyfikacji dotychczasowych praktyk – zarówno na poziomie
mentalnej reorientacji, jak i dostosowania procedur. Zatem jej wprowadzenie w życie wymagało modyfikacji dotychczasowych praktyk.
Drugie wyzwanie wiązało się z tym, że zmiana była także „szeroka”,
ponieważ środowisko uczelni oparte jest na wielostopniowej hierar-
chii i biurokratycznych procedurach, co sprawia, że konieczne jest zaangażowanie wielu jednostek organizacyjnych w prowadzone działania. O tym, jak duże są to wyzwania świadczą także wyniki diagnoz
poprzedzających wdrożenia – zgodnie z nimi kluczowymi barierami
dla zaistnienia efektów współpracy na linii nauka–biznes, niezależnie
od technologii, były bariery kulturowe, świadomościowe i związane
z biurokratycznym porządkiem działania.
Wdrażanie zmiany wymagało więc rozpoczęcia bardzo trudnego procesu zmiany postaw naukowców i przełamywania skłonności do stosowania nieefektywnych, ale utartych ścieżek w przypadku działań
administracyjnych. Doświadczenia z realizacji projektu SPIN wskazują, że takie zmiany są możliwe, ale wymagają synergii dwóch czynników, a mianowicie:
ƥƥ odpowiedniego ulokowania przywództwa na poziomie wdrożenia, czyli skutecznego pełnienia roli lidera CTW;
ƥƥ odpowiedniego poziomu gotowości organizacyjnej macierzystej
jednostki, czyli tej, w której innowacja jest implementowana.
Na te dwa aspekty implementacji chcemy zwrócić szczególną uwagę
(będziemy o tym jeszcze pisać w dalszej części monografii). W tym
miejscu sygnalizujemy jednak, że wyzwaniem było nie tylko samo
„przeprojektowanie” praktyk środowiska w którym wdrażana jest innowacja, ale również znalezienie równowagi między tym, co jest możliwe, a rzetelnością wdrożenia nowego modelu współdziałania z biznesem (Modelu SPIN).
Lider, czyli lokomotywa sukcesu
Powodzenie procesu wdrożenia innowacji do praktyki organizacji jest
zależne od strategicznych działań na różnych poziomach. Poziom za-
38
rządzania relacjami międzyorganizacyjnymi opisaliśmy powyżej, natomiast teraz chcemy skupić się na poziomie wdrożenia.
W pierwszej części tego rozdziału wskazywaliśmy, że implementację
eksperymentalną, z jaką mieliśmy do czynienia w projekcie SPIN, determinuje przede wszystkim kontekst. Jednym z wymiarów tego kontekstu jest technologia, jej specyfika, możliwości rynkowe, gotowość
komercjalizacyjna itp. Dlatego dokonanie właściwych, strategicznych
dla tworzonego centrum wyborów wymaga zaawansowanej wiedzy
merytorycznej i znajomości środowiska. Aby więc właściwie zaprojektować zmiany, musimy opierać się na specjalistach z danej technologii.
Nasze doświadczenia wskazują, że za podjęciem decyzji o właściwych
rozwiązaniach, z punktu widzenia skutecznego wdrożenia i doprowadzenia do zaplanowanych efektów, musi iść zdolność do wzięcia odpowiedzialności za ich wprowadzenie w życie. Szansa powodzenia
zwiększy się, jeśli odpowiedzialność za efekty będzie po stronie zespołów bezpośrednio realizujących działania, a nie na innym, wyższym
szczeblu zarządzania projektem. W projekcie SPIN każdy zespół miał
poczucie odpowiedzialności za wykazanie założonych efektów, ale nie
była to sytuacja oczywista. Wymaga ona rozwiązania dwóch kwestii:
1. Ustalenia relacji przywództwa realizowanego na poziomie projektu do przywództwa na poziomie wdrożenia.
2. Przezwyciężenia drugiego z opisanych wyzwań, czyli ustalenia
kompromisu pomiędzy wizją wdrożenia liderów danej technologii a konstrukcją Modelu SPIN.
W przypadku pierwszego aspektu wyzwaniem jest opisane wyżej właściwe zdefiniowanie ról partnerów w projekcie. Na bazie doświadczeń
z realizacji projektu SPIN można jednak stwierdzić, że optymalnym
rozwiązaniem wydaje się sytuacja, w której elementy przywództwa
występują na obydwu poziomach, ale dotyczą innych obszarów odpowiedzialności (zob. tabela 5 i rysunek 9), czyli:
a. na poziomie projektu – np. Marszałek województwa: ponosi
odpowiedzialność za efekty projektu ważne dla województwa,
odpowiada za wizję i strategię rozwoju technologii na poziomie regionu, angażuje się i lobbuje na poziomie instytucjonalnym, wojewódzkim.
b. na poziomie Centrum Transferu Wiedzy – Liderzy CTW: ich
odpowiedzialność dotyczy efektów realizacji wdrożenia wariantu obszarowego Modelu SPIN, sposobu i tempa ich realizacji, stymulowania działań i motywowania „do wewnątrz”
i „na zewnątrz” instytucji, zapożyczenia wizerunku dla przedsięwzięcia w ramach obszaru technologicznego.
ĠĠ Tabela 5. Proponowane rozłożenie funkcji przywództwa i zarządzania w projekcie
POZIOM PROJEKTU
PRZYWÓDZTWO
ELEMENTY
PRZYWÓDZTWA
POZIOM WDROŻENIA
Lider CTW
Marszałek
Menedżer CTW
Lider projektu +
ZARZĄDZANIE
Zespół odpowiedzialny za wdrażane rozwiązanie*
Menedżer CTW
*współpraca w zakresie zarządzania wiedzą, czyli rozwiązywania problemów i dostarczania rozwiązań.
39
Warto także zwrócić uwagę na rolę Zespołu odpowiedzialnego za zarządzanie wiedzą w projekcie (projektowanie narzędzi i rozwiązań).
W optymalnej sytuacji nie wchodzi on w rolę koordynacyjno–kontrolującą, lecz rozwojowo–doradczą.
Opinia o wysokim znaczeniu lidera CTW jako „czynnika” sukcesu implementacji rozwiązania była podzielana przez wszystkich badanych.
Wydaje się także, że jego waga rośnie wraz ze zwiększaniem się skali
wdrażanej innowacji. Im większy jest zakres zmiany, tym trudniejsze
będzie osiągnięcie zakładanego efektu – z uwagi na rosnącą szansę
wystąpienia konfliktu wśród osób i grup, które będą w środowisku
odczuwały skutki zmiany. Ponadto, może się to także wiązać z większym poziomem sceptycyzmu i brakiem zaufania do nowego porządku. Realizacja tej funkcji wymaga więc zaangażowania osoby zdolnej
do realizowania funkcji przywódczych w takim środowisku: wymaga
pewnej charyzmy, z uwagi na konieczność „zarażenia” innych motywacją do zmiany, oraz siły i zdolności (w sensie władzy) do przeprowadzania tego procesu.
Wartość lidera jest pojęciem złożonym, trudnym do zwymiarowania,
zoperacjonalizowania i oceny. Na podstawie przeprowadzonych wywiadów i obserwacji pracy osób pełniących funkcje Liderów CTW
można jednak pokusić się o wskazanie zespołu cech/atrybutów, które
w dużej mierze warunkują ocenę lidera. Są to przede wszystkim: osobowość i charyzma lidera (jego zdolność do motywowania innych,
roztaczania wizji i zarażania chęcią działania), zdolność i chęć do
wzięcia odpowiedzialności za realizowane działania (innymi słowy
do realizowania przywództwa na poziomie zespołu wdrażającego),
prestiż i autorytet (które umożliwią mu realizację tego przywództwa) oraz zaangażowanie, które z kolei można definiować jako wypadkową jego motywacji i możliwości.
pp Rysunek 9. Sugerowany układ zależności w projekcie
40
W badaniach organizacyjnych podkreśla się potrzebę wytworzenia
poczucia „płonącej platformy” przed wprowadzeniem zmiany – poczucia, że zmiana jest niezbędna. To niezmiernie istotne, zwłaszcza przy
braku odpowiednich kompetencji i możliwości wystąpienia zagrożenia braku czasu. Wówczas odpowiednio wysoki poziom motywacji
jest warunkiem koniecznym, aby wprowadzanie zmian zakończyło się
sukcesem. Warto także zapewnić odpowiedni poziom umiejętności.
W dużej mierze wiążą się one z opisanymi już kompetencjami przywódczymi, ale należy jednak także uwzględnić kompetencje specyficzne (np. rozumienie oporu przed zmianą). Nawet jeśli zaangażowaliśmy osoby o odpowiednich kompetencjach, nie jest wcale oczywiste,
że poświęcą one wystarczającą ilość czasu na wprowadzanie zmian.
Wyzwanie to zostało już wcześniej opisane na przykładzie naukowców. Warto także mieć na uwadze potrzebę zabezpieczenia innych zasobów – od finansowych, po kwestie tak prozaiczne, jak zapewnienie
powierzchni biurowej dla Zespołu realizującego projekt.
W kontekście projektu SPIN szczególnie istotnym aspektem gotowości organizacyjnej była przychylność władz uczelni. Wyrażała się
ona zarówno ogólnym przeświadczeniem o ważności wprowadzanych
zmian, jak i wynikającym z tego przekonania realnym wsparciem organizacyjnym i finansowym. Doświadczenia z realizacji projektu SPIN
dowodzą wagi takiego wsparcia i uwypuklają potrzebę poświęcenia
odpowiedniej uwagi tej kategorii interesariuszy.
Podsumowanie
W niniejszym rozdziale zaprezentowaliśmy kluczowe czynniki
wpływające na sukces interwencji. Czynniki te ujęliśmy w trzech
głównych blokach, związanych z: treścią zmiany i jej implikacjami, organizacją procesu implementacji oraz poziomem wdrożenia i relacjami wewnątrzorganizacyjnymi.
41
Z punktu widzenia zarządzania wdrożeniem kluczowe na etapie ustalania treści zmiany jest:
1. Zadbanie o spójne rozumienie zmiany przez wszystkie zaangażowane osoby:
chodzi zarówno o uświadomienie znaczenia, jak i zakresu planowanej zmiany;
uspójnienie rozumienia sukcesu projektu;
uświadomienie potencjału zmiany rozumianej jako pakiet
możliwych korzyści dla grupy docelowej.
2. Zapewnienie partycypacji kluczowych grup w procesie konstrukcji celów i definiowania sukcesu projektu/wdrażanej innowacji. W przypadku projektów innowacyjnych jest to element konieczny – umożliwia ukonstytuowanie się czynników kluczowych
dla powodzenia kolejnych etapów (wzmocnienie motywacji lidera, przyjęcie przez niego odpowiedzialności za efekty, zapewnienie adekwatności realizowanych działań do celów projektu pomimo braku możliwości silnej kontroli działań).
Z kolei w ramach organizacji procesu implementacji niezbędne jest:
3. Właściwe zdefiniowanie zadań członków partnerstwa – opis
powinien uwzględniać zakresy odpowiedzialności poszczególnych partnerów; przy okazji jego konstruowania można omówić
różne scenariusze przebiegu projektu.
4. Zapewnienie przywództwa w partnerstwie – o przywództwie
lepiej jest myśleć jako o zaistnieniu pewnych efektów w partnerstwie (myślenie strategiczne, przekonywanie wszystkich do
celów partnerstwa, integrowanie, faktyczna realizacja zadań) niż
o konkretnej osobie; jednocześnie niezbędne jest pojawienie się
mniej lub bardziej formalnych liderów.
5. Ustrukturyzowanie wdrożenia i zapewnienie elastyczności –
podzielenie wdrożenia na etapy ze specyficznymi efektami i ry-
zykami oraz kluczowymi zasobami pozwala lepiej je zaplanować;
ponadto, umożliwia utrzymanie wysokiej motywacji dzięki osiąganiu cząstkowych efektów; równie ważne jest zapewnienie elastyczności w projekcie – sprawne wprowadzanie uzasadnionych
zmian może znacznie zwiększyć sukces projektu.
Natomiast na poziomie konkretnej organizacji wdrażającej kluczowe
znaczenie mają:
6. Odpowiednie ulokowanie przywództwa na poziomie wdrożenia – w każdej instytucji uczestniczącej w partnerstwie powinny
być zapewnione funkcje liderskie; aby było to możliwe, niezbędne jest zaangażowanie osoby lub osób, które mają odpowiednie
kompetencje, czas i „władzę”, aby te funkcje mogły być pełnione.
7. Odpowiedni poziom gotowości organizacyjnej jednostki – niezbędne jest poczucie potrzeby zmiany i zapewnienie odpowiednich zasobów (czas, kompetencje) do jej przeprowadzenia.
Siedem opisanych powyżej czynników nie uwzględnia potrzeby synergii pomiędzy wdrażaną zmianą a procesami mającymi miejsce w jej
otoczeniu. Należy podkreślić wagę tych czynników. W przypadku projektu SPIN do takich czynników należały:
ƥƥ poziom zarządzania strategicznego na uczelniach – sukces interwencji jest bardziej prawdopodobny w przypadku uczelni, które
podjęły świadomą decyzję o zaangażowaniu się we współpracę
z otoczeniem społeczno–gospodarczym;
ƥƥ sposób finansowania nauki – większa dostępność środków na
badania aplikacyjne niż na badania podstawowe może zachęcać
naukowców do współpracy z przedsiębiorstwami i innymi podmiotami w zakresie prac badawczo–rozwojowych;
ƥƥ obecność stereotypu naukowca jako osoby zainteresowanej tylko
badaniami podstawowymi – takie postrzeganie może prowadzić
42
do przekierowania publicznych środków na badania aplikacyjne
do przedsiębiorstw, zmniejszenie strumienia środków na te badania dla naukowców i w konsekwencji wzmocnienia tego stereotypu.
Warto w tym miejscu pokazać pozytywne przykłady synergii, które
zaobserwowano podczas realizacji projektu SPIN. Centra były tworzone w obszarach, które na poziomie regionalnym i krajowym zostały
zidentyfikowane jako ważne dla rozwoju społeczno–gospodarczego.
Przykładowo, Małopolskie Centrum Budownictwa Energooszczędnego jest odpowiedzią na wyzwania, przed którymi stoi sektor budownictwa. Z kolei jednym z największych sukcesów Małopolskiego
Ośrodka Medycyny Translacyjnej było pozyskanie grantu z programu
sektorowego Narodowego Centrum Badań i Rozwoju, dedykowanego
projektom badawczo–rozwojowym w obszarze nauk medycznych (INNOMED).
W niniejszym rozdziale pokazaliśmy także użyteczność analizy implementacji, wyrażającą się zarówno w lepszym zrozumieniu CO działa
i JAK, a w konsekwencji – w umożliwieniu podniesienia jakości zarządzania wdrożeniem interwencji. Podsumowując rozważania zawarte
w tym rozdziale, chcielibyśmy jeszcze raz podkreślić wagę refleksji na
temat tego etapu zarządzania politykami publicznymi. Doświadczenia
wskazują, że „odkrycie tego, co działa nie rozwiązuje problemu skuteczności. Kiedy modele i dobre praktyki są zidentyfikowane, realizujący działania stają przed wyzwaniem właściwego wdrożenia programów. Słabo implementowany program może prowadzić do porażki tak
samo łatwo, jak źle zaprojektowany” (Mihalic et al., 2004).
II. SYSTEM EWALUACJI PROJEKTÓW
INNOWACYJNYCH–TESTUJĄCYCH NA
PRZYKŁADZIE PROJEKTU SPIN
1.Wprowadzenie
W niniejszym rozdziale prezentujemy schemat działań ewaluacyjnych
wykorzystany w projekcie SPIN. Jednym z głównych celów projektu SPIN było zaprojektowanie i udoskonalenie Modelu SPIN, czyli
nastawionego na transfer wiedzy modelu współpracy jednostek badawczo–naukowych z partnerami po stronie biznesu. Z punktu widzenia ewaluacji opisywany projekt jest ciekawy z dwóch względów. Po
pierwsze, dotyczy on transferu wiedzy z uczelni do przedsiębiorstw,
wspomaganego przez władze regionalne. Po drugie, jest projektem innowacyjno–testującym. Obie te charakterystyki wiążą się z osobnymi
wyzwaniami ewaluacyjnymi. W dalszej części wprowadzenia przedstawimy specyfikę ewaluacji projektów podobnych do projektu SPIN.
Następnie zademonstrujemy ogólny schemat ewaluacji projektu oraz
omówimy najważniejsze wyzwania, z którymi mierzył się Zespół Badawczy. W kolejnych częściach rozdziału przedstawimy, w porządku
chronologicznym, poszczególne części badania ewaluacyjnego: ewaluację ex–ante, ewaluację on–going oraz ewaluację ex–post. W podsumowaniu pojawia się natomiast refleksja dotycząca aplikowalności
proponowanego schematu ewaluacji w innych projektach.
Ewaluacja projektów dotyczących transferu wiedzy i finansowanych ze środków publicznych
Do najważniejszych wyzwań związanych z ewaluacją projektów nakierowanych na transfer wiedzy i realizowanych we współpracy ośrod-
43
ków akademickich i przedsiębiorstw oraz finansowanych ze środków
publicznych należą:
ƥƥ trudności w mierzeniu potencjału współpracy między instytucjami naukowymi i biznesowymi;
ƥƥ trudności w mierzeniu efektów tej współpracy;
ƥƥ trudności w mierzeniu efektu netto.
Projekty dotyczące współpracy na linii nauka–biznes często są projektami długotrwałymi, gdyż na efekty trzeba nieraz czekać kilka lat.
Wobec tego na wczesnych etapach projektu ważne jest nie tylko mierzenie efektów współpracy, ale także potencjału nawiązywanych kontaktów. W ewaluacjach dotyczących współpracy różnych podmiotów
coraz częściej jest wykorzystywana technika analizy sieci społecznych
(ASS), która pozwala nie tylko na charakterystykę powiązań w sieci,
ale także na zidentyfikowanie podmiotów, które do sieci współpracy
należą. W projekcie SPIN również zdecydowaliśmy się na zastosowanie tej techniki pozyskiwania danych. Analiza sieci społecznych została przeprowadzona dwukrotnie – na początku wdrożenia (przed–implementacyjna ASS) oraz po roku funkcjonowania Centrów Transferu
Wiedzy (po–implementacyjna ASS). Szczególny nacisk położyliśmy
na społeczny potencjał transferowania wiedzy, który posiadali liderzy
wdrożenia. Stąd wyróżniono cztery możliwe formy szeroko rozumianego transferu wiedzy między CTW a innym podmiotem: (1) komunikacja, (2) porozumienie ustne o współpracy, (3) partnerstwo oraz (4)
wdrożenie/komercjalizacja technologii. Wszystkie te formy zakładają,
że potencjalnie dochodzi do transferu wiedzy między stronami, a jednocześnie odzwierciedlają stopień zaawansowania kontaktu (wymiany wiedzy). Dodatkowo, w analizach skupiliśmy się także na liczbie
partnerów i ich atrakcyjności, gdyż same powiązania z najważniejszy-
mi podmiotami w branży są miernikiem sukcesu na początkowym etapie rozwoju CTW.
Kolejne wyzwanie w ewaluowaniu projektów poświęconych transferowi wiedzy, które są dofinansowane ze środków publicznych, wiąże się
z pomiarem efektów współpracy. Stosunkowo często zainteresowane
strony oczekują tylko informacji o zwrocie z inwestycji. Takie podejście zakłada prostą zależność powstawania innowacji (np. opatentowanego, komercjalizowanego wynalazku) z badań naukowych. Taka
sytuacja ma jednak miejsce stosunkowo rzadko w przypadku kooperacji jednostek naukowych z biznesem (Georghiou, 1998). W projekcie
SPIN, częściowo wychodząc naprzeciw takim oczekiwaniom, zdecydowano, aby skoncentrować się na wielkości środków finansowych
z innych źródeł zewnętrznych niż projekt SPIN (głównie ze środków
publicznych, w tym funduszy UE16), pozyskanych w okresie wdrożenia
przez CTW w partnerstwie z przedsiębiorcami w relacji do nakładów
finansowych przypadających na CTW w projekcie SPIN. Każdy 1 zł
wydatkowany na działalność CTW w projekcie SPIN doprowadził do
wygenerowania średnio 1,94 zł z projektów naukowo–biznesowych
(wartości dla poszczególnych centrów wahały się od 0 do 2,97 zł)17.
Szacunki te stanowią o potencjale poszczególnych CTW do uniezależnienia się od finansowania ze środków publicznych oraz wskazują na
możliwą trwałość CTW po zakończeniu projektu SPIN. Podkreślenia
wymaga również fakt, że efekty tego typu projektów uwidaczniają się
nie tylko w postaci pieniężnej. Zgodnie z diagnozami, często barierą dla współpracy nauki i biznesu jest słabe przygotowanie uczelni
do szybkiego i skutecznego działania. Z tego względu efekty w po16 Można postulować, że w kontekście działalności CTW finansowanych ze środków publicznych najcenniejsze
jest zdobywanie projektów finansowanych z zagranicy oraz finansowanych przez prywatne przedsiębiorstwa. W niniejszym projekcie pojawiły się takie projekty, choć było ich niewiele.
17 Kwoty te są przybliżone (m.in. ze względu na wahania kursów walut obcych). Należy także zaznaczyć, że
w zależności od charakteru projektu, liczby partnerów oraz ich zadań kwoty różnią się w przypadku poszczególnych CTW.
44
staci organizacyjnego uczenia się, np. powstawanie nowych procedur organizacyjnych ułatwiających i usprawniających współpracę, są
szczególnie istotne.
Kolejnym wyzwaniem ewaluacyjnym, na jakie warto zwrócić uwagę
w projektach finansowanych ze środków publicznych jest pomiar efektu netto, przypisanego tylko i wyłącznie działaniu interwencji (Górniak, 2007). Ustalenie wielkości efektu netto wiąże się z określeniem
sytuacji kontrfaktycznej, która w rzeczywistości nie miała miejsca.
W naszym wypadku jest to odpowiedź na pytanie: Jak wyglądałby
transfer wiedzy między CTW i ich partnerami, gdyby projekt SPIN
nie zaistniał? Jednym z najlepszych sposobów na uzyskanie odpowiedzi jest pomiar efektów w grupie kontrolnej podmiotów jak najbardziej podobnych do CTW (np. działających na podobnych uczelniach,
w podobnych obszarach wiedzy, z podobnym początkowym potencjałem transferowania wiedzy itd.) oraz porównanie tych efektów po
okresie wdrożenia z efektami, które wystąpiły w CTW uczestniczących w projekcie SPIN. Taki scenariusz przeprowadzenia badania nie
był możliwy (i nieczęsto zdarza się by był możliwy). W projekcie SPIN
posłużyliśmy się sposobem szacowania efektów w oparciu o deklaracje liderów wdrożenia, który był częścią po–implementacyjnej analizy
sieci społecznych. Więcej na ten temat można przeczytać w podrozdziale dotyczącym tej metody badawczej.
Ostatnim wyzwaniem, o którym warto wspomnieć, jest napięcie pomiędzy konsekwentnym stosowaniem tej samej metodologii badań
w czasie, a dążeniem do jej optymalizacji. Zespół Badawczy poszukiwał, przy danych zasobach czasowych i finansowych, optymalnej formuły analizy sieci, która byłaby maksymalnie użyteczna jako element
uzupełniający się z innymi częściami ewaluacji wewnętrznej. Musieliśmy w związku z tym dokonać wyboru pomiędzy replikacją metodologii zastosowanej w pierwszym badaniu sieci w trakcie drugiej edycji
(aby zapewnić porównywalność wyników pomiędzy edycjami), a zaproponowaniem schematu badania, który był optymalny w danych
okolicznościach, a ponadto nadawałby się do ponownego zastosowania w ramach kolejnych wdrożeń. Ostatecznie zdecydowaliśmy się na
usprawnienie sposobu przeprowadzania badania sieci. Jest to jedna
z charakterystycznych cech opisanej w tym rozdziale ewaluacji: przewaga funkcji uczenia się i gromadzenia wiedzy na rzecz przyszłych
wdrożeń nad funkcją oceny.
Ewaluacja projektów innowacyjnych–testujących
Projekty innowacyjne–testujące to takie, których celem jest wypracowanie, upowszechnianie i włączenie do praktyki nowych rozwiązań.
Model SPIN można zaliczyć do takich właśnie rozwiązań, gdyż obecnie
istniejące instrumenty są niewystarczające do skutecznego transferu
wiedzy między nauką i biznesem. Zgodnie z wytycznymi Krajowej Instytucji Wspomagającej ewaluacja projektów innowacyjnych powinna składać się z dwóch etapów: ewaluacji projektu (zewnętrznej lub
wewnętrznej) oraz zewnętrznej ewaluacji produktu finalnego (Krajowa
Instytucja Wspomagająca, 2012). Dodatkowo, projekty tego rodzaju
są objęte walidacją przeprowadzaną przez ekspertów Sieci Tematycznych PO KL. Projekty innowacyjne–testujące są szczególne, gdyż są
obarczone większym ryzykiem związanym z osiąganiem celów oraz
możliwością wystąpienia szerokiego wachlarza nieplanowanych efektów.
Z uwagi na innowacyjny charakter testowanego rozwiązania ryzyko
porażki w aspekcie osiągnięcia zaplanowanych celów jest stosunkowo wysokie. Zatem w przypadku ewaluacji tego typu projektów zwraca się uwagę na rolę ewaluacji on–going, która pozwala na bieżącą
korektę podejmowanych działań – wprowadzanie szybkich zmian
w projekcie. Zgodnie z tymi wytycznymi bieżąca ewaluacja w projek-
45
cie SPIN zakładała nie tylko monitoring działań CTW, ale także obserwację uczestniczącą, umożliwiającą weryfikację hipotez odnośnie
do tego, która część Modelu SPIN wymaga poprawy i z jakim mechanizmem jest to związane. Szczegółowy opis tego etapu ewaluacji znajduje się w dalszej części tego rozdziału.
Dyskusja dotycząca ewaluacji projektów innowacyjnych jest często
zdominowana przez podejścia zorientowane na ocenę skuteczności,
zgodności efektów z planowanymi celami projektu. Takie podejście
może przyczynić się do nietrafnej oceny potencjału interwencji. Warto zatem podkreślić rolę użyteczności projektu – konieczność badania wszystkich, a nie tylko zaplanowanych efektów. Jak wspomniano
w rozdziale I niniejszej monografii (zatytułowanym W poszukiwaniu
brakującego ogniwa skutecznej interwencji publicznej. Saga o implementacji w projekcie SPIN), w projektach innowacyjnych może pojawić się stosunkowo duża liczba efektów, które nie były ujęte w celach interwencji. Dlatego też w ewaluacji projektu SPIN wykorzystano
dwie techniki pozwalające na uchwycenie nieplanowanych efektów:
autoewaluację w podejściu opartym na użyteczności oraz obserwację
uczestniczącą. Więcej informacji na temat tych efektów oraz obu podejść ewaluacyjnych zamieściliśmy w części poświęconej ewaluacji
on–going.
Wykonana ewaluacja nie była typową ewaluacją wewnętrzną. Wprawdzie Zespół Badawczy uczestniczył w projekcie, jednak główne grupy
osób, które były zaangażowane w projekt (personel CTW) były włączane jedynie częściowo w sam proces ewaluacyjny. Dobrą praktyką
było zastosowane w projekcie podejście nastawione na partycypację
Zespołów CTW, angażowanie partnerów w procesy decyzyjne dotyczące tworzenia oraz udoskonalania Modelu SPIN. Zgodnie z nim
brali oni udział w tworzeniu wskaźników sukcesu projektu i ustalaniu
wartości docelowych tych wskaźników na poszczególnych etapach
implementacji.
Biorąc pod uwagę wszystkie powyższe kwestie, warto raz jeszcze podkreślić potrzebę ciągłej, „uczącej się” ewaluacji w projektach innowacyjno–testujących, zwłaszcza w przypadku, kiedy wdrożenia mogą
być powtórzone po zakończeniu interwencji. Ewaluacja ex–post, która
skupia się głównie na kryterium skuteczności i swej funkcji oceniającej jest w takich wypadkach niewystarczająca.
2.Ewaluacja projektu SPIN
Ogólny schemat ewaluacji w projekcie SPIN
Mając do czynienia ze złożonym przedmiotem badań, zdecydowaliśmy się na rozbudowany schemat wzajemnie powiązanych działań
ewaluacyjnych. Poszczególne moduły badawcze ewaluacji wewnętrznej zostały zaprezentowane na rysunku 10. Ewaluacja projektu SPIN
została podzielona na trzy części: (1) ewaluację ex–ante, (2) ewaluację on–going oraz (3) ewaluację ex–post. Ewaluacja ex–ante przyjęła
formę diagnoz obszarowych oraz przed–implementacyjnej społecznej
analizy sieci. Miała ona miejsce w początkowym okresie wdrożenia,
na etapie jego przygotowania oraz inicjacji. Ewaluacja on–going zakładała monitoring aktywności CTW, obserwację uczestniczącą przeprowadzoną przez Zespół Badawczy (pracowników CEAPP UJ) oraz
autoewaluację wykonaną przez personel CTW. Prowadzono ją na etapie inicjacji wdrożenia i wdrożenia właściwego. Natomiast ewaluacja
ex–post wykorzystywała w dużej mierze dane zdobyte w analizie implementacji, porównawczej analizie przypadków oraz po–implementacyjnej społecznej analizie sieci. Wzbogaciliśmy ją także wnioskami
z obserwacji uczestniczącej oraz wartościami kluczowych wskaźników
monitoringowych. Ponadto, w ramach ewaluacji ex–post została prze-
46
prowadzona ewaluacja zewnętrzna projektu, która oprócz uzupełnienia i spojrzenia z innej perspektywy na cele ewaluacji wewnętrznej,
miała się skoncentrować na ocenie efektywności finansowej i trwałości projektu. Ewaluacja zewnętrzna została wykonana przez Agrotec
Polska Sp. z o.o. w kwietniu i maju 2015 r. Niezależnie od podjętych
przez nas działań ewaluacyjnych produkt finalny projektu, czyli Model
SPIN, przeszedł pozytywną walidację ze strony Sieci Tematycznej PO
KOL.
Jak można zauważyć analizując rysunek 10, większość działań ewaluacyjnych kończyła się opracowaniem raportu. Dzięki temu całościowy
raport z ewaluacji wewnętrznej uwzględniał uporządkowane obserwacje i wnioski m.in. z analizy sieci, analizy implementacji i porównawczej analizy przypadków, co z kolei wykorzystano w raporcie końcowym z ewaluacji zewnętrznej. W naszej ocenie przyczyniło się to do
uzyskania wielostronnego oglądu najważniejszych wyników ewaluacji i pogłębienia wniosków. Pewnym problemem była analiza kluczowych wskaźników efektywności (ang. key performance indicators,
KPI) z monitoringu na kilka miesięcy przed faktycznym zakończeniem
wdrożenia. Zespół Badawczy nie dysponował jednak wiedzą o mającym nastąpić przedłużeniu okresu wdrożenia w momencie podejmowania decyzji o stanie aktualności wartości KPI przyjętych do analizy.
Ponadto, przyjęcie dostępnych wartości KPI było konieczne z punktu
widzenia celów poszczególnych badań, m.in. porównawczej analizy
przypadków.
Kluczem do zapewnienia komplementarności poszczególnych modułów badań ewaluacyjnych było odpowiednie zaplanowanie działań
w czasie. Pomimo różnych, stale pojawiających się nowych wyzwań
i przesunięć w harmonogramie, udało się osiągnąć zamierzony cel
– sformułowano wnioski i rekomendacje z ewaluacji przed przystąpieniem do prac nad ostatecznym kształtem Modelu SPIN. W efekcie
pp Rysunek 10. Moduły ewaluacji projektu SPIN i fazy wdrożenia
Okres
Przygotowanie do
wdrożenia
Inicjacja
wdrożenia
2012
X
XI
2013
XII
I
II
III
IV
V
VI
VII
Zakończenie
ewaluacji
Wdrożenie właściwe
2014
VIII
IX
X
XI
XII
I
II
III
IV
V
VI
VII
2015
VIII
Diagnozy obszarowe
Analiza sieci
społecznych I
Monitoring
Obserwacja
uczestnicząca
Autoewaluacja
Porównawcza analiza
przypadków
Analiza sieci
społecznych II
Analiza implementacji
Raport z ewaluacji
wewnętrznej
Ewaluacja zewnętrzna
47
Ewaluacja ex-ante
Ewaluacja ex-post
Ewaluacja on-going
Ewaluacja zewnętrzna
Przeprowadzenie
badania
Raport z
badania
IX
X
XI
XII
I
II
III
IV
V
poprawiona, finalna wersja Modelu SPIN została poddana modyfikacjom, dzięki którym zwiększyła się jego użyteczność z perspektywy
różnych interesariuszy: od władz regionalnych, przez specjalistów ds.
transferu wiedzy, po osoby kierujące CTW lub zainteresowane prowadzeniem tego typu jednostki.
W poniższej tabeli zamieściliśmy wszystkie metody badawcze,
uwzględniając ich rolę w całościowej koncepcji (zob. tabela 6). W sumie, w ramach realizowanych przez Zespół Badawczy działań przeanalizowano liczne dane zastane (obejmujące m.in. ponad 200 wskaźników monitoringowych), przebadano 731 podmiotów, przeprowadzono
144 wywiady pogłębione i odbyto kilkadziesiąt spotkań grupowych
i indywidualnych z partnerami biorącymi udział w projekcie. Głównymi kryteriami ewaluacyjnymi w tych działaniach były skuteczność
oraz użyteczność. Jak można się zorientować na podstawie celów
modułów, koncentrowaliśmy się na wszechstronnej analizie efektów
wdrożenia, ze szczególnym naciskiem na zrozumienie poziomu i charakteru osiągniętych efektów.
Moduł
Cel i kryterium
ewaluacyjne
Metodologia i sposób
realizacji
Analiza sieci
społecznych I
Ustalenie, jakim
potencjałem do
transferowania
wiedzy dysponują
założyciele CTW;
SKUTECZNOŚĆ
(poznanie początkowych wartości
wskaźników)
237 respondentów wypełniło
kwestionariusz ankiety rozdysponowany technikami CATI oraz
CAWI. Zbieranie danych rozpoczynało się od badania kontaktów
CTW, następnie badano wskazane przez nie podmioty współpracujące itd. (metoda kuli śnieżnej).
Określenie poziomu
realizacji zakładanych efektów;
SKUTECZNOŚĆ Monitoring
ĠĠ Tabela 6. Moduły ewaluacji projektu SPIN i cele badania
Moduł
Diagnozy
obszarowe
48
Cel i kryterium
ewaluacyjne
realizacji
Poznanie specyfiki
każdego z obszarów
objętych wdrożeniem; TRAFNOŚĆ
Analizy danych zastanych, 76
indywidualnych wywiadów pogłębionych, 4 warsztaty eksperckie.
Ocena szans na
uzyskanie przez
CTW samodzielności finansowej;
TRWAŁOŚĆ (prognoza)
Analiza wartości w arkuszu sprawozdawczości uzupełnianym
przez pracowników CTW. Z każdego spośród 4 CTW pozyskano
ostatnie dane aktualne na dzień
30 września 2014 r.
Obserwacja
uczestnicząca
Zrozumienie przebiegu tworzenia
i rozwoju CTW;
wsparcie w bieżącej
działalności oraz
poznanie nieplanowanych efektów;
UŻYTECZNOŚĆ
Każde CTW miało swojego opiekuna w Zespole Badawczym
CEAPP UJ. Opiekunowie wspierali Centra w bieżącej działalności (np. uczestnictwo w procesie
rekrutacji, współpraca przy tworzeniu programów rozwojowych)
oraz wykonywali ewaluację wewnętrzną projektu.
Autoewaluacja
Identyfikacja
wszystkich efektów
wdrożenia Modelu
SPIN; UŻYTECZNOŚĆ
Działania realizowane autonomicznie przez personel CTW
w oparciu o opracowany przez
Zespół Badawczy CEAPP UJ
przewodnik.
Moduł
Porównawcza analiza
przypadków
Analiza sieci
społecznych
II
Cel i kryterium
ewaluacyjne
realizacji
Ocena wpływu
cech centrów i ich
otoczenia na efekty
w zakresie transferu
wiedzy; SKUTECZNOŚĆ (wyjaśnienie
mechanizmu)
Wykorzystane zostały m.in.:
analiza danych zastanych (sprawozdawczość ilościowa, budżety
Centrów), analiza dokumentów
(sprawozdawczość jakościowa,
warianty obszarowe Modelu
SPIN), wywiady indywidualne
(z personelem i kierownictwem
Centrów, z naukowcami współpracującymi z Centrami), wywiady eksperckie (z przedstawicielami organizacji rozpoznawalnych
w poszczególnych obszarach,
posiadającymi ogólną wiedzę
o obszarze) oraz modele logiczne
efektów osiąganych przez Centra,
opracowane przez opiekunów
obszarów.
Ocena zmian struktury sieci powiązań oraz poziomu
transferu wiedzy,
które wystąpiły po
wdrożeniu Modelu;
SKUTECZNOŚĆ
494 respondentów wypełniło
kwestionariusz ankiety rozdysponowany techniką CATI. Najważniejsze założenia były spójne
z założeniami pierwszej części
tego badania.
Moduł
Analiza implementacji
Cel i kryterium
ewaluacyjne
Ocena procesu
wdrożenia w odniesieniu do efektów
interwencji; SKUTECZNOŚĆ (wyjaśnienie mechanizmu)
Identyfikacja
wszystkich efektów
wdrożenia Modelu
SPIN; UŻYTECZNOŚĆ
realizacji
Wywiady eksperckie oraz indywidualne wywiady pogłębione.
W badaniach uczestniczyli wszyscy zarządzający i niemal wszyscy
pracownicy Centrów wdrażających Model SPIN (24 badanych),
Zespół ekspertów CEAPP UJ (7)
oraz przedstawiciele Lidera bezpośrednio nadzorujący wdrożenie
(4).
Źródło: opracowanie własne na podstawie (Antosz et al., 2015, s. 16) z uzupełnieniami.
Wyzwania związane z ewaluacją projektu SPIN
Planowanie, organizacja i przeprowadzenie ewaluacji w projekcie
SPIN wiązały się z szeregiem wyzwań, które miały różne źródła. Można je podzielić na trzy grupy:
1. Wyzwania związane z przyjętymi przez Zespół Badawczy celami
ewaluacji.
2. Wyzwania metodologiczne, pozostające poza wpływem Zespołu
Badawczego.
3. Wyzwania wynikające z formalnych ograniczeń projektu.
Wyzwania związane z wyborem najistotniejszych celów i dookreśleniem charakteru ewaluacji stanowiły jedną z najważniejszych grup.
Zespół Badawczy wyszedł z założenia, że w projekcie innowacyjno–
testującym należy skupić się nie tyle na jednorazowej ocenie efektów wdrożenia, ile na bieżącym poszukiwaniu usprawnień w Modelu
SPIN, który miał być w wersji udoskonalonej oferowany jako spójna
49
propozycja realizacji regionalnej polityki publicznej w zakresie transferu wiedzy z uczelni do biznesu. W związku z tym szczególną uwagę
poświęcano możliwości formułowania wniosków użytecznych dla kolejnych wersji lub wdrożeń Modelu SPIN. Znalazło to wyraz w zapisie
celów praktycznie każdej z części składowych ewaluacji wewnętrznej.
Podobna logika towarzyszyła naciskowi na zinwentaryzowanie nieplanowanych efektów wdrożenia, co miało ostatecznie prowadzić do
podniesienia użyteczności Modelu SPIN. Aby zrealizować cele związane z ulepszeniem i podniesieniem użyteczności poprawionej wersji
Modelu SPIN, przyjęto stosunkowo rozbudowany schemat ewaluacji
– w oparciu o różne podejścia, metody i techniki badawcze.
Kolejną, najliczniejszą grupę wyzwań stanowiły te o charakterze metodologicznym – związane ze zróżnicowaniem materiału badawczego,
złożonością przedmiotu badań, skomplikowaną i niejednoznaczną
rolą Zespołu Badawczego w projekcie (o czym szerzej w dalszej części) oraz ograniczonością zasobów. W aspekcie wyciągania wniosków
o wpływie cech centrów i ich otoczenia na efekty osiągnięte w wyniku wdrożenia Modelu SPIN wyzwaniem było bardzo duże zróżnicowanie przypadków: duża liczba rozpatrywanych, przynajmniej na
początku analizy, zmiennych opisujących przypadki oraz różnice pomiędzy przypadkami pod względem zmiennych o dużym potencjale
wpływu na wdrożenie (m.in. nastawienie naukowców współpracujących z CTW, poziom złożoności obszaru/technologii, powołanie nowego centrum vs. rozwinięcie działalności). Każda wyraźna różnica
pomiędzy centrami i ich otoczeniem otwierała konceptualną ścieżkę
do dalszego różnicowania (ponieważ za każdą zasadniczą różnicą stoi
wiele szczegółów, którymi centra i ich otoczenie mogły się różnić).
Wyzwaniem była również koordynacja zróżnicowanych metod i technik zastosowanych w ewaluacji. Wiązało się to z dużą liczbą działań
do wykonania przy stosunkowo nielicznej grupie zaangażowanego
50
personelu badawczego. Każdy członek Zespołu Badawczego koordynował jakąś część ewaluacji, biorąc odpowiedzialność za pracę innych
osób i ostateczny efekt.
Należy także wspomnieć o trudnościach wynikających z wykorzystania – w różnym stopniu i w różnych aspektach – partycypacyjnego
podejścia do ewaluacji. O partycypacji można mówić w związku z zachęcaniem przedstawicieli CTW do przeprowadzenia (po uprzednim
instruktażu ze strony Zespołu Badawczego) identyfikacji efektów działań (w tym tych nieplanowanych) w ramach autoewaluacji. Ostatecznie to zadanie nie zakończyło się sukcesem, a główną przyczyną było,
jak się wydaje, szerokie i otwarte podejście do definiowania efektów,
wymagające przemyślenia i zaangażowania ze strony partnerów, które
nie daje się zamknąć w postaci krótkiego, wyraźnego sformułowania
oczekiwań. Innym problemem była „podwójna” rola Zespołu Badawczego prowadzącego ewaluację. Z jednej strony, jako główny podmiot
odpowiedzialny za przygotowanie i wykonanie ewaluacji dążyliśmy
do zapewnienia bezstronności ocen i obiektywności wniosków. Z drugiej strony, każdy z członków Zespołu Badawczego był zaangażowany
we wsparcie procesu wdrożenia w poszczególnych CTW, doradzając
przedstawicielom CTW, konsultując ich inicjatywy i prowadząc jednocześnie obserwację uczestniczącą (roboczo mówiliśmy, że pełni rolę
„opiekuna centrum/obszaru”). Warto też podkreślić, że to, co wpływało na zwiększenie szans na sukces wdrożenia Modelu SPIN stanowiło
jednocześnie zagrożenie dla precyzji odpowiedzi na pytania badawcze
ewaluacji, m.in. dotyczące wyjaśnienia zaobserwowanych efektów.
W szczególności chodzi tu o:
ƥƥ współpracę pomiędzy poszczególnymi CTW i wynikające z niej
nakładanie się działań partnerów (np. wspólne działania promocyjne – konferencje, warsztaty);
ƥƥ bieżącą komunikację z decydentami, która wpływała na kształt
i zakres prowadzonych przez CTW działań (częściowo w ramach
projektu, częściowo poza nim);
ƥƥ działania prowadzone równolegle, lecz poza modelem SPIN (np.
w przypadku MCBE mniej więcej w tym samym czasie był realizowany był inny projekt, który zakładał budowę Małopolskiego
Laboratorium Budownictwa Energooszczędnego).
Ostatnią grupę wyzwań stanowiły ograniczenia formalne, które spowodowały, że zaistniała sytuacja była odmienna od stanu pożądanego (sytuacji idealnej, modelowej). Wyzwaniem wynikającym z samej
konstrukcji projektu był, istotny szczególnie z punktu widzenia porównawczej analizy przypadków, dobór przypadków – Centrów wdrażających Model SPIN. Z jednej strony, liczba centrów (4) skłaniała do
stawiania pytań o zróżnicowanie osiąganych przez nie efektów i czynniki za to odpowiedzialne, a z drugiej strony – uniemożliwiała pełne
zastosowanie specjalistycznych technik porównywania przypadków,
takich, jak QCA18. Decyzja o liczbie i charakterze partnerów biorących
udział w projekcie miała uzasadnienie w realizowanym przez Województwo Małopolskie programie rozwoju inteligentnych specjalizacji19 i wywarła duży wpływ na przeprowadzanie porównawczej analizy
przypadków, o czym szerzej w podrozdziale o ewaluacji ex–post.
Dodatkowo, ewaluacja wewnętrzna projektu musiała zostać zakończona i rozliczona jeszcze w trakcie (przedłużanego dwukrotnie) okresu wdrażania. W związku z tym część wykorzystanych danych jest
zgodna ze stanem na dzień 30 września 2014 roku i wnioski z ewaluacji (szczególnie w zakresie osiągniętych przez CTW efektów transferu wiedzy) prezentują wartości niekoniecznie ostateczne. Oczywiście,
18 Qualitative Comparative Analysis, znana również jako „analiza konfiguracyjna”. Por. także (Ragin, 1987).
19 Por. „Program Strategiczny Regionalna Strategia Innowacji Województwa Małopolskiego 2014–2020”, Departament Rozwoju Gospodarczego Urzędu Marszałkowskiego Województwa Małopolskiego, czerwiec
2015.
51
brak odstępu w czasie pomiędzy wdrożeniem a jego oceną poniekąd
stoi w sprzeczności z ideą ewaluacji ex–post, gdyż uniemożliwia ocenę wystąpienia długofalowych efektów oraz ocenę trwałości projektu.
Podjęty w tym zakresie wysiłek można wobec tego określić jako próbę
wykorzystania dostępnych danych do sformułowania przewidywań co
do efektów, jakie powinny pojawić się po zakończeniu projektu oraz
trwałości przedsięwzięcia biorąc od uwagę dostrzegalne w zebranym
materiale badawczym symptomy20. Jednocześnie, jak się przekonamy
w dalszej części rozdziału, w wyniku ewaluacji analizie zostały poddane zaistniałe zdarzenia, wybory i decyzje kształtujące w dużej mierze
charakter CTW, określające trajektorie ich rozwoju, różnicujące Centra pomiędzy sobą, a przede wszystkim pozwalające określić stopień
odstępstwa modelu wdrożonego od teoretycznego i sformułować ulepszoną wersję tego ostatniego.
3.Ewaluacja ex–ante
Ewaluacja ex–ante ma na celu wsparcie projektowania programu interwencji. Z jednej strony, na tym etapie możliwy jest wpływ na strategię wdrożenia: zapewnienie spójności z politycznymi celami strategicznymi, trafności interwencji oraz integralności z innymi działaniami
podejmowanymi w tym samym obszarze. Z drugiej strony, jest to etap
kluczowy dla dalszej oceny wdrażanego programu, gdyż wymusza
przemyślenie koncepcji monitoringu i dalszej ewaluacji. Na tym etapie
powinny zostać opracowane wytyczne do systemu monitoringowego
oraz powinien nastąpić przed–implementacyjny pomiar wskaźników
skuteczności interwencji.
20 Do formalnego zakończenia projektu (sierpień 2015 r.) Zespół Badawczy gromadził informacje napływające
z CTW i ich otoczenia, co pozwoli na weryfikację przynajmniej niektórych przewidywań. Przykładowo, MCBE
powiadomił Zespół Badawczy o rosnącym zainteresowaniu powtarzalnymi usługami Centrum (m.in. audyty
energetyczne, certyfikacja) i związanym z tym wyzwaniem wyszkolenia własnej kadry Centrum, która byłaby
zdolna do szybkiej reakcji na tego typu zlecenia. Sytuacja ta jest zgodna z wyrażonym w wynikach ewaluacji
oczekiwaniem, że wysoki stopień „produktowości” czy gotowości oferty MCBE powinien spotkać się z popytem po stronie odbiorców.
Zapewnienie spójności celów projektu z istniejącymi już dokumentami strategicznymi zostało zrealizowane na wcześniejszym etapie projektowania założeń interwencji, m.in. poprzez utworzenie CTW w strategicznych dla województwa obszarach rozwoju (tzw. inteligentnych
specjalizacjach), zdefiniowanych w Programie Strategicznym Regionalnej Strategii Innowacji Województwa Małopolskiego 2014–2020.
Identyfikacja inteligentnych specjalizacji opierała się m.in. na analizie
dostępności odpowiedniego rodzaju wiedzy i możliwości jej wykorzystania w regionie. Uwzględnienie w projekcie SPIN konkretnych
trzech dziedzin inteligentnych specjalizacji – nauk o życiu (MCB oraz
MOMT), energii zrównoważonej (MCBE) oraz technologii informacyjnych i komunikacyjnych (CISI) – było zamierzone i wynikało z chęci
osiągnięcia jak najlepszych przewag konkurencyjnych i podniesienia
poziomu innowacyjności w regionie.
pp Rysunek 11. Funkcje ewaluacji ex–ante w projekcie SPIN
Ewaluacja exante
Strategia
wdrożenia
Zapewnienie
spójności
z dokumentami
strategicznymi
Zapewnienie
trafności
interwencji
Dalsza ocena
Zapewnienie
spójności z innymi
działaniami
Pomiar wartości
wskaźników
Wytyczne do
systemu
monitoringu
Źródło: opracowanie własne na podstawie (Komisja Europejska, 2013).
Celem przeprowadzenia diagnoz obszarowych było zapewnienie trafności interwencji – chodzi o adekwatność strategii i celów programu
do potrzeb odbiorców. W efekcie udało się jasno zdefiniować główne
założenia wdrożenia oraz zbudować warianty/strategie obszarowe dla
każdego z Centrów, tak aby w możliwie najlepszy sposób pobudzić
procesy transferu wiedzy między nauką i biznesem przy wsparciu
władz regionalnych. Strategie obszarowe wskazywały jednostki, których celem było umacnianie transferu wiedzy w danym obszarze (np.
52
uczelniane Centra Transferu Technologii czy inne ważne podmioty
pośredniczące w transferze wiedzy) oraz podkreślały konieczność nawiązania współpracy z nimi. Natomiast wytyczenie głównych założeń
wdrożenia umożliwiło zaplanowanie procesu monitoringu oraz wyznaczenie głównych wskaźników skuteczności projektu SPIN.
Do najważniejszych wskaźników skuteczności projektu należały: liczba bezpośrednich współpracowników CTW (wielkość sieci bezpośred-
nich powiązań) oraz indeks transferu wiedzy między CTW a bezpośrednimi współpracownikami. Z tego względu zdecydowaliśmy się na
zastosowanie analizy sieci społecznych, aby w kolejnym etapie ustalić
potencjał Liderów CTW do transferowania wiedzy. Pozwoliło to nie
tylko na ustalenie początkowych wartości wskaźników skuteczności,
ale także na zdefiniowanie adekwatnych, możliwych do osiągnięcia
wartości docelowych wskaźników sukcesu interwencji mierzonych po
roku funkcjonowania CTW.
Diagnozy
Diagnoza jest jednym z ważnych etapów w strategicznym planowaniu realizacji projektu czy polityki (Górniak, 2007). Diagnozy miały na
celu opis uwarunkowań determinujących osiągnięcie sukcesu projektu. Dokonano analizy:
ƥƥ uwarunkowań systemowych dla transferu wiedzy (dokumentów
strategicznych na poziomie międzynarodowym i krajowym, warunkujących funkcjonowanie obszarów);
ƥƥ uwarunkowań regionalnych dla transferu wiedzy (określenie stanu transferu wiedzy, analiza dokumentów strategicznych na poziomie regionu);
ƥƥ zagranicznych modeli funkcjonowania ośrodków zajmujących
się transferem wiedzy.
Proces tworzenia diagnoz był zaprojektowany w taki sposób, aby
możliwe było sformułowanie wskazówek implementacyjnych. Jak
już wspomniano na początku podrozdziału, w wyniku diagnoz obszarowych powstała strategia wdrożenia, w której wytyczono główne założenia tego procesu. Zastosowanie wielu źródeł wiedzy i krótki
czas na opracowanie pierwszej wersji Modelu SPIN spowodowały, że
z perspektywy czasu oceniamy wykorzystanie wyników diagnoz jako
niepełne. Dodatkową trudnością było znalezienie odpowiednich ram
53
teoretycznych, które godziłyby wszystkie zastosowane podejścia zbierania danych. W przyszłości rekomendujemy zastosowanie węższego
podejścia do części diagnostycznej – mniej eksploracyjnego i nastawionego na zdobycie wiedzy dotyczącej mniejszej liczby zagadnień.
Ponadto, dla każdego z obszarów objętych interwencją (biotechnologia, medycyna translacyjna, budownictwo energooszczędne, inteligentne sieci informatyczne) wyznaczono strategie obszarowe,
w których określono kierunki działania, zidentyfikowano kluczowych
aktorów i występujące bariery dla transferu wiedzy. Materiał wzbogacono obszarowymi analizami SWOT. W naszym odczuciu materiał
z diagnoz obszarowych nie został odpowiednio wykorzystany przez
Liderów CTW (szerzej rozwinęliśmy ten wątek w rozdziale trzecim niniejszej publikacji).
Analiza sieci społecznych I Analiza sieci społecznych staje się coraz bardziej popularnym narzędziem wykorzystywanym w praktyce ewaluacyjnej (zob. np. Ledzion
et al., 2009; Olejniczak et al., 2008; PAG, 2012; Płoszaj, 2013). Głównym celem jej zastosowania w ewaluacji projektu SPIN była diagnoza stanu współpracy biznesu, samorządu i środowiska naukowego na
początku wdrożenia Modelu SPIN w czterech obszarach objętych interwencją21.
Cele szczegółowe badania, dla każdego z obszarów, zakładały:
ƥƥ zidentyfikowanie organizacji znajdujących się w sieci najważniejszych kontaktów osób tworzących CTW;
ƥƥ pomiar podstawowych charakterystyk sieci;
ƥƥ pomiar transferu wiedzy w sieciach.
21 Szczegółowe wyniki analizy sieci społecznych I są dostępne w publikacji (Drożdżak et al., 2013).
Badanie wykonano w lipcu i sierpniu 2013 r. Termin ten wyznaczono
ze względu na główny cel badawczy. Sztywno zdefiniowany był także
budżet badania. Pozostałe decyzje, m.in. dotyczące stosowanych technik badawczych, rekrutacji i przygotowania zespołu ankieterskiego,
narzędzia badawczego czy zdefiniowania granic sieci zapadły w wyniku dyskusji Zespołu Badawczego.
Postanowiliśmy, że połączymy techniki badawcze CATI oraz CAWI.
Zadecydował o tym szereg czynników: koszt realizacji (techniki tańsze w porównaniu do badań CAPI), czas realizacji (badania relatywnie krótkotrwałe dzięki braku konieczności odwiedzania respondenta
w określonym miejscu pobytu) oraz stosunkowo wysokie wskaźniki
realizacji badania (badania CATI).
Badanie przeprowadzali zrekrutowani specjalnie do tego zadania doświadczeni ankieterzy. Samodzielne zbudowanie zespołu ankieterskiego pozwoliło na przypisanie realizacji badań w poszczególnych
obszarach wiedzy zgodnie z doświadczeniami zawodowymi ankieterów. Dodatkowo, umożliwiło kontrolę pracy i szybkie udzielanie informacji zwrotnej w przypadku wątpliwości zespołu realizującego badanie.
Zdefiniowanie granic sieci wymagało podjęcia wielu decyzji. Przede
wszystkim zdecydowaliśmy się na wykorzystanie podejścia opartego na relacjach (relations–based approach), w tym wypadku relacjach
współpracy. Badanie rozpoczęło się od uzyskania danych od członków
nowo powstających CTW i rozszerzało swój zasięg na inne pomioty
współpracujące bezpośrednio z Centrum w danym obszarze technologicznym. Takie podejście umożliwiło przeprowadzenie czterech niezależnych badań – po jednym dla każdego z obszarów technologicznych.
Populację badaną stanowiły podmioty, które w ostatnich 36 miesiącach znalazły się w sieci współpracy obejmującej jeden z czterech
54
obszarów technologicznych. Przyjęto tak długi okres współpracy, ponieważ większość członków nowo powstających CTW wcześniej nie
zajmowała się komercjalizacją wiedzy. Podmioty wchodzące w skład
populacji stanowiły zarówno podmioty gospodarcze (przedsiębiorstwa), podmioty administracji publicznej (rządowej oraz samorządowej), jednostki naukowo–badawcze (w tym uczelnie, a także ich jednostki organizacyjne oraz pracownicy), klastry, parki technologiczne
oraz inne jednostki wskazane jako współpracownicy przez aktorów
obecnych w sieci. Jedynie przedstawiciele CTW byli proszeni o przedstawienie wyczerpującej listy współpracowników. Pozostałe podmioty
proszono o zidentyfikowanie jedynie najważniejszych współpracowników. Takie podejście wynikało z pobudek pragmatycznych, bowiem
większe podmioty w trzyletnim okresie działalności posiadały bardzo
dużą liczbę współpracowników i poszerzenie badania na wszystkie te
podmioty nie było na tyle wartościowe, by ponosić dodatkowe koszty
z tym związane. Sama współpraca była natomiast rozumiana szeroko
– od komunikacji (wymiany informacji), poprzez porozumienia ustne,
partnerstwa (formalne porozumienie o współpracy), aż po wdrożenia
technologii (komercjalizacje lub inne wymierne efekty współpracy).
4.Ewaluacja on–going
Ewaluacja on–going ma na celu wsparcie realizacji programu interwencji. Biorąc pod uwagę wymiar strategiczny, na etapie implementacji warto monitorować warunki wdrożenia pod kątem aktualności
celów interwencji. W przypadku projektu SPIN nie nastąpiły znaczące
zmiany kontekstowe, stąd główne cele projektu nie były ponownie definiowane w toku realizacji.
Monitoring rzeczowy (zwłaszcza dzięki pomiarowi poziomu realizacji celów) oraz obserwacja uczestnicząca umożliwiły poprawę jakości
zarządzania CTW i wprowadzanie strategicznych usprawnień. W tym
miejscu należy podkreślić, że redefiniowanie celów i zmiana strategii w trakcie wdrożenia niekoniecznie jest zjawiskiem negatywnym.
W toku implementacji może się bowiem okazać, że cele przestały być
realne do osiągnięcia lub przestały być atrakcyjne jako cele (pojawiły
się bardziej wartościowe szanse). W takich wypadkach cele powinny
być redefiniowane. Ważne jednak, aby decyzje tego typu były podejmowane na podstawie dowodów (np. analizy wskaźników monitoringowych) i prowadziły do bardziej użytecznych interwencji.
pp Rysunek 12. Funkcje ewaluacji on–going w projekcie SPIN
Ewaluacja
on-going
Strategia
wdrożenia
Zapewnienie
trafności
interwencji
Dalsza ocena
Poprawa
zarządzania
projektem
Pomiar wartości
wskaźników
Identyfikacja
czynników
sukcesu
Źródło: opracowanie własne na podstawie (Bienias et al., 2012).
Obserwacja uczestnicząca pozwoliła na identyfikację czynników sukcesu i porażki wdrożenia, a także efektów interwencji, które nie były
ujęte w celach projektu. Informacje tego typu są szczególnie istotne,
gdy mamy ambicje, aby formułować rekomendacje dotyczące tworzenia kolejnych interwencji danego typu. Zastosowana technika stanowiła także cenne źródło danych do analizy implementacji przeprowadzonej na etapie ewaluacji ex–post. Podobną funkcję miała pełnić
również autoewaluacja oparta na użyteczności, ale niestety nie udało
się jej w pełni zrealizować, o czym więcej w dalszej części podrozdziału.
55
Identyfikacja
nieplanowanych
efektów
Monitoring
Monitoring to ciągły i systematyczny proces, który pozwala na bieżące śledzenie przebiegu projektu oraz szybkie wykrywanie i reagowanie na ewentualne nieprawidłowości (Grzeszczyk, 2009). W ramach
procesu ewaluacji uwagę skupiono na monitoringu rzeczowym – analizowaniu wytworzonych w ramach projektu produktów oraz rezultatów. Monitorowanie finansowych aspektów działalności CTW było
zadaniem Urzędu Marszałkowskiego.
Monitoring rzeczowy został zaprojektowany w odniesieniu do pięciu
wymiarów Modelu SPIN (zob. tabela 7). Obejmował on ponad 200
wskaźników, których wartości były wpisywane przez personel administracyjny CTW i analizowane przez wyznaczonych pracowników
CEAPP UJ. Uzupełnianie informacji odbywało się za pomocą specjalnie skonstruowanego formularza w postaci pliku MS Excel. Dla każdego ze wskaźników została określona wartość docelowa oraz okres,
w którym wartość ta powinna zostać osiągnięta.
Ponadto, zdefiniowano portfel kluczowych wskaźników efektywności
wdrożenia, w skład którego wchodziły następujące wskaźniki (w nawiasie podane zostały wartości wskaźników osiągnięte sumarycznie
przez CTW):
ƥƥ liczba aplikacji o zewnętrzne finansowanie projektów z zakresu
TW przygotowanych wspólnie z odbiorcami (24);
ĠĠ Tabela 7. Cele oraz przykładowe wskaźniki monitoringu dla poszczególnych wymiarów Modelu SPIN
Moduł
Cel modułu
Wybrane wskaźniki
Kompetencyjny
Zwiększanie poziomu specjalistycznej wiedzy branżowej oraz kompetencji wśród
członków grup interesów
Liczba uczestników, którzy
uczestniczyli w przeprowadzonych działaniach szkoleniowo–rozwojowych
Procesualny
Zapewnienie umiejętności
strategicznego planowania,
organizowania i adekwatnego finansowania CTW
Sporządzenie dokumentu
zawierającego strukturę
organizacyjną oraz zadania
przypisane do poszczególnych stanowisk
Analityczny
Zapewnienie umiejętności
do tworzenia użytecznej
wiedzy niezbędnej do prowadzenia CTW (np. wiedzy
dotyczącej diagnozy potrzeb
czy ewaluacji działań)
Opracowanie raportu przedstawiającego wyniki diagnozy popytu na rozwiązania
technologiczne z danego
obszaru TW
Komunikacyjny
Zwiększenie zaangażowania
w proces transferu wiedzy
wewnętrznych aktorów (władze uczelni, inne jednostki
zajmujące się transferem
wiedzy, inni pracownicy
naukowi itd.) oraz tych
zewnętrznych (odbiorcy
wiedzy, podmioty pośredniczące)
Liczba uczestników konferencji, podczas których została zaprezentowana oferta
CTW
Zwiększenie skuteczności
transferu wiedzy poprzez
usprawnienie procedur i doprecyzowanie wewnętrznych
regulacji
Opracowanie raportu/notatki
dotyczącej słabych punktów
istniejących regulacji np.
W obszarze ochrony IP i/
lub praktyki ich stosowania
w związku z działalnością
Centrum
ƥƥ liczba projektów z zakresu TW, finansowanych ze źródeł zewnętrznych i realizowanych wspólnie z odbiorcami (8);
ƥƥ liczba porozumień o współpracy z zakresu TW pomiędzy odbiorcami a uczelnią (70);
ƥƥ liczba umów z zakresu TW podpisanych pomiędzy odbiorcami
a uczelnią (14);
ƥƥ liczba projektów z zakresu TW realizowanych z odbiorcami i zakończonych wdrożeniem (0).
Transakcyjny
56
Regularne uzupełnianie wskaźników monitoringu okazało się zadaniem uciążliwym dla pracowników CTW. Podczas wdrożenia zadania związane ze sprawozdawczością były przedmiotem częstych dyskusji. Można wskazać kilka powodów takiego stanu rzeczy. Przede
wszystkim monitoring był stosunkowo rozbudowany, jak już wspomniano obejmował ponad 200 wskaźników. Należy jednak podkreślić,
że jedynie trzy z nich wymagały uzupełniania co miesiąc. Pozostałe wartości należało dodawać kwartalnie lub rocznie. Niemniej jednak rozbudowany formularz sprawozdawczy nie był „przyjazny” dla
użytkowników. Należy także zaznaczyć, że formularz zaprojektowany
przez Zespół Badawczy miał być rozwiązaniem tymczasowym, do
czasu uruchomienia zaplanowanej w projekcie platformy wymiany
informacji (ostatecznie jednak, ze względu na ograniczony czas i dużą
liczbę interesariuszy nie doszło to do skutku). Dodatkowo, należy podkreślić, że stosunkowo duża liczba wskaźników dotyczyła produktów,
nie zaś wartości rezultatów. Taka dysproporcja między wskaźnikami
produktów i rezultatów wynikała z niepewności dotyczącej możliwości osiągnięcia tych drugich, zwłaszcza na wczesnych etapach rozwoju projektu. Ostatnią problematyczną kwestią okazała się niespójność
między wskaźnikami monitoringu wdrożonymi przez instytucję finansującą i CEAPP UJ. W części wskaźniki te były takie same, a konieczność kilkukrotnego ich raportowania powodowała frustrację w zespołach CTW. Na podstawie tych doświadczeń można wnioskować,
że lepiej sprawdziłoby się 1) zaprojektowanie stosunkowo niedużego
systemu monitoringowego, opartego w dużej mierze na kluczowych
wskaźnikach wdrożenia i niewielkiej liczbie dokumentów strategicznych oraz 2) zadbanie o odpowiednie zaprojektowanie formularza
sprawozdawczego, tak aby wizualnie sprawiał wrażenie krótkiej listy
uzupełnianej w danym punkcie czasowym wdrożenia. Konieczne jest
również 3) zapewnienie spójności sprawozdawania w sytuacji, gdy
istnieje więcej niż jeden podmiot monitorujący aktywność.
Obserwacja uczestnicząca
Obserwacja uczestnicząca jest techniką, w której badacz, do pewnego stopnia, przejmuje rolę członka obserwowanej grupy (Selltiz et al.,
1959). Pomysł jej zastosowania w badaniach ewaluacyjnych nie jest
nowy (Suchman, 1967). W praktyce jest ona jednak używana stosunkowo rzadko22. Powodem jest fakt, że ewaluacje w dalszym stopniu są
skupione na skuteczności interwencji, tj. stopniu osiągnięcia zdefiniowanych wcześniej celów, a obserwacja uczestnicząca jest techniką
stosunkowo mało przydatną w pozyskiwaniu wartości wskaźników.
Na etapie ewaluacji on–going, która skupia się w dużej mierze na dociekaniu problemów organizacyjnych i ich przyczyn, możliwe jest efektywne wykorzystanie podejść jakościowych (Bienias et al., 2012). Zastosowanie obserwacji uczestniczącej pozwala na: (1) wgląd w proces
wytwarzania danych, (2) lepszą interpretację danych oraz (3) formułowanie bardziej trafnych hipotez dotyczących związków przyczynowych. W projekcie SPIN obserwacja uczestnicząca zakładała bieżący
kontakt i wsparcie CTW, mediacje pomiędzy CTW a liderem projektu,
udział w spotkaniach praktyków (spotkania liderów i partnerów projektu) oraz uczestnictwo w Radzie CTW (organie wyznaczającym strategię działania jednostki).
W długotrwałych ewaluacjach stosowanie techniki obserwacji uczestniczącej może stać się problematyczne ze względu na rotację kadry.
Taka sytuacja miała miejsce w naszym przypadku. Nieocenionym źródłem wiedzy dla nowych osób były notatki z cotygodniowych spotkań
22 Wyjątkiem są obszary edukacyjne, gdzie popularnym narzędziem są tzw. wizytacje, oraz obszary związane
z poprawą stanu zdrowia (zob. np. Fry, 1973). Przegląd zastosowania techniki w badaniach ewaluacyjnych
można znaleźć w: (Kurz, 1983), w doświadczeniach polsko–niemieckich wykorzystana została np. w: (Płoszaj,
Sarmiento–Mirwaldt, 2014).
57
Zespołu Badawczego, na których omawiano bieżący stan wdrożenia.
Warto na początku ewaluacji przemyśleć strukturę takich notatek lub
sposób ich bieżącego kodowania, aby pod koniec wdrożenia analiza
materiału nie okazała się zbyt czasochłonna. Kolejnym wyzwaniem
w stosowaniu tej techniki jest możliwy konflikt ról uczestnika projektu
oraz jego ewaluatora. W tym wypadku rola Zespołu Badawczego była
tak zdefiniowana, że nie generowało to dodatkowych obciążeń.
Autoewaluacja
W zamyśle autoewaluacja przeprowadzana przez personel CTW miała
mieć formę ewaluacji opartej na użyteczności (Antosz et al., 2010), nakierowanej na pomiar wszystkich efektów interwencji. Zaangażowanie
CTW do tego etapu było zgodne z zastosowanym podejściem wspierającym partycypację. Wartością dodaną było także uwrażliwienie personelu CTW na kwestie związane z ewaluacją działalności jednostki
oraz wykorzystywaniem tych informacji do zarządzania strategicznego. Na potrzeby przeprowadzenia autoewaluacji Zespoły CTW zostały specjalnie przeszkolone (zorganizowano warsztaty z tego zakresu)
i otrzymały przystępnie napisany podręcznik na ten temat23. Mimo to
nie udało się uzyskać odpowiedniego rezultatu. Wydaje się, że technika ta jest zbyt skomplikowana dla początkujących praktyków.
Podejście wychodzące poza skuteczność, skoncentrowane na użyteczności jest godne polecenia nie tylko w przypadku projektów innowacyjnych–testujących. W projekcie SPIN cele zostały bardzo szeroko
zdefiniowane. Niemniej jednak można było zaobserwować szereg pozytywnych i negatywnych skutków implementacji, które w celach nie
zostały ujęte. Należą do nich: efekty związane z (1) kształtowaniem
dziedziny, np. wpływ na kształtowanie polityki, (2) pozyskiwaniem
środków, np. projekty finansowane ze źródeł zewnętrznych we współ23 (Drożdżak et al., 2013), podręcznik dostępny na stronie www.ceapp.uj.edu.pl/publikacje.
58
pracy z przedsiębiorstwami, (3) funkcjonowaniem uczelni, np. negatywny wpływ na działalność dydaktyczną24.
Warto także podkreślić, że przeprowadzenie analizy implementacji
(część ewaluacji ex–post) po nie do końca udanej autoewaluacji25 pozwoliło uwzględnić ten fakt i dokonać niezbędnych uzupełnień w obrazie wdrożenia z perspektywy CTW (m.in. dzięki realizacji wywiadów
z Liderami CTW).
5.Ewaluacja ex–post
Jeśli chodzi o ewaluację wewnętrzną, jednym z celów ewaluacji ex–
post był, co typowe dla ewaluacji tego typu, pomiar efektów wdrożenia Modelu SPIN w czterech obszarach technologicznych. W tym zakresie warto wskazać najważniejsze spośród osiągniętych rezultatów.
Są nimi:
ƥƥ zwiększony transfer wiedzy z uczelni do przedsiębiorstw w Małopolsce (m.in. wzrost liczby podmiotów współpracujących bezpośrednio z czterema CTW ze 148 do 509 w ciągu roku funkcjonowania CTW, 728 nawiązanych kontaktów biznesowych, 114
umów, porozumień i aplikacji o finansowanie projektów przygotowanych wspólnie z odbiorcami oferty CTW);
ƥƥ utworzenie czterech sieci powiązań i współpracy biznesu, samorządu i środowiska nauki;
ƥƥ zwiększony poziom wiedzy w zakresie wybranych technologii
wśród przedstawicieli grupy docelowej (m.in. 288 uczestników
szkoleń dla nadawców transferu wiedzy, w tym kadra projektu);
24 Szersza analiza nieplanowanych efektów w: (Antosz et al., 2015).
25W ramach autoewaluacji udało się uzyskać w zasadzie tylko niezbędne minimum informacji określone
w schemacie raportu z autoewaluacji (zresztą nie od wszystkich CTW). Gdyby przebieg autoewaluacji był
zgodny z założeniami, prawdopodobnie zakończyłaby się ona tuż przed przystąpieniem do opracowania
raportu końcowego z ewaluacji wewnętrznej.
ƥƥ upowszechnienie informacji wśród grup docelowych w zakresie
możliwości współpracy i transferu wiedzy w Małopolsce (m.in.
941 uczestników konferencji, ponad 78 tys. wydanych publikacji);
ƥƥ wypracowana propozycja nowych instrumentów wspierania innowacyjności w regionie – Model SPIN26.
Kwestią nadrzędną było jednak dla Zespołu Badawczego zrozumienie
i wyjaśnienie analizowanych zjawisk oraz osiągniętych efektów, tak
aby dopracować ostateczną wersję Modelu SPIN (wraz z założeniami
dotyczącymi jego wdrażania). Do realizacji tego zadania postanowiliśmy wykorzystać trzy metodologie: analizę implementacji, porównawczą analizę przypadków oraz analizę sieci społecznych. W dalszej
części rozdziału omówimy główne założenia ewaluacji wewnętrznej
ex–post w projekcie SPIN (występujące pod kryptonimem KoTeK),
szczegóły dotyczące realizacji poszczególnych modułów oraz wybrane,
krytyczne elementy ewaluacji, na które chcielibyśmy zwrócić szczególną uwagę w kontekście projektów innowacyjnych–testujących.
KoTeK – Komplementarność, Triangulacja, Koordynacja
Dążenie do możliwie pełnej inwentaryzacji i zrozumienia efektów projektu innowacyjnego–testującego skłoniły nas do zaprojektowania badań ewaluacyjnych korzystających z różnych danych, jakościowych
i ilościowych, na różnym poziomie agregacji, zbieranych wewnętrznie (przez członków Zespołu Badawczego) i zewnętrznie (np. druga
edycja badania w ramach analizy sieci realizowana przez firmę badawczą). To zróżnicowanie danych, w połączeniu ze skomplikowaną
naturą badanego zjawiska transferu wiedzy, wymagało szczególnej
dbałości o komplementarność – wzajemne dopasowanie i uzupełnia26 Szeroki przegląd i omówienie rezultatów projektu można znaleźć w raporcie z ewaluacji wewnętrznej, (Antosz et al., 2015).
59
nie się działań ewaluacyjnych. Komplementarność była przedmiotem
licznych i długich dyskusji wśród członków Zespołu Badawczego, ale
także z przedstawicielami administracji publicznej – lidera projektu,
do którego należał decydujący głos w kwestii zakresu i celowości prowadzonych działań. W rezultacie powstała mapa wzajemnych powiązań pomiędzy różnymi działaniami ewaluacyjnymi, dzięki której każdy z koordynatorów poszczególnych modułów ewaluacji wiedział, po
pierwsze, komu i w jakim celu będą jeszcze potrzebne zbierane bądź
analizowane w danym module dane, a po drugie – u kogo i w jakich
badaniach może szukać dodatkowego materiału badawczego umożliwiającego weryfikację formułowanych wniosków. Aby zilustrować to
przykładem, przyjrzyjmy się relacjom pomiędzy porównawczą analizą
przypadków (PAP) i analizą implementacji (AI). Z jednej strony, PAP
dostarczała korzyści AI, m.in. poprzez pomoc w odpowiedzi na pytanie o stopień zgodności osiągniętych przez CTW efektów z efektami
zakładanymi. Ponadto, wyniki PAP ułatwiały w ramach AI udzielenie
odpowiedzi na pytanie o stopień, w jakim odstępstwa efektów osiągniętych od zakładanych są wynikiem implementacji lub – alternatywnie – innych istotnych czynników. Z drugiej strony, AI zwracała uwagę na specyficzne dla obszarów czynniki związane z wdrożeniem (np.
przywództwo), pomagając w opracowaniu modeli logicznych tworzonych w ramach PAP. Oprócz tego, dzięki wynikom AI we wnioskach
z PAP można było brać pod uwagę, jako element różnicujący CTW,
stopień poprawności implementacji (w znaczeniu zgodności z wizją
decydentów).
W zasadzie każdy z realizowanych modułów badawczych przyczyniał
się, w mniejszym lub większym stopniu, do rozbudowania/wzbogacenia pozostałych modułów. Wzajemne uzupełnianie się poprzez poszczególne moduły badawcze było efektem świadomego przyjęcia
strategii triangulacji na poziomie danych i metod, a częściowo również
na poziomie osób i podmiotów prowadzących poszczególne działania
badawcze (por. Denzin, 2006; Flick, 2011). To konieczne, jeśli mamy
na uwadze zapewnienie wysokiej jakości danych w celu uzyskania
wartościowych wyników niektórych metod stosowanych w transferze
wiedzy, m.in. w analizie sieci. Ciekawy przypadek opisują Rodolfo
Baggio i Chris Cooper – dane zastane o relacjach między podmiotami w branży turystycznej, służące jako materiał wejściowy do analizy
sieci, były weryfikowane w wywiadach pogłębionych z osobami dobrze znającymi branżę, co doprowadziło do weryfikacji wytworzonych
na podstawie danych zastanych powiązań i pozwoliło na dodanie nowych (Baggio, Cooper, 2010). W naszym przypadku również wystąpiły „dobroczynne” efekty triangulacji, m.in. właśnie w kontekście
podnoszenia jakości danych wykorzystywanych w analizie sieci. Zdarzało się np. że opiekun obszaru, dzięki równoczesnemu prowadzeniu
wywiadów eksperckich w branży weryfikował listę podmiotów tworzących sieć, dodając kluczowe, a niezidentyfikowane w pierwszym
badaniu podmioty. Innym przykładem może być metodologia analizy implementacji, gdzie to samo zjawisko, a więc wdrożenie Modelu
SPIN (jego zrozumienie, przygotowanie i realizacja) było rozpatrywane z perspektywy różnych interesariuszy: osób opracowujących założenia wdrożenia, osób wdrażających, lidera projektu itd. Całościowy
obraz wdrożenia był wypadkową percepcji różnych aktorów, nałożoną
na siatkę pojęciową opracowaną zgodnie z głównymi zagadnieniami
analizy implementacji i celami ewaluacji wewnętrznej27.
Kolejną trudnością, z jaką należało się zmierzyć w trakcie realizacji
opisywanych badań ewaluacyjnych było zagadnienie koordynacji i zarządzania procesem badawczym przy ograniczonych zasobach: czasu,
personelu badawczego i środków finansowych. Duża liczba zadań wynikających z realizacji kilku modułów badawczych w ewaluacji ex–
27 Szerzej na ten temat można przeczytać w: (Szczucka, 2014).
60
post wymagała sprawnego zarządzania w Zespole Badawczym. Na
czele każdego z modułów badawczych stanął jego koordynator, który
był odpowiedzialny za przygotowanie harmonogramu i zakresu prac
do wykonania w ramach danego modułu badawczego. Następnie harmonogram ten był weryfikowany podczas dyskusji w gronie całego
Zespołu Badawczego m.in. pod kątem realności wykonania, nakładających się terminów, zagrożeń itp. W efekcie każdy członek Zespołu
Badawczego posiadał indywidualny plan zaangażowania w zadania
pochodzące z różnych modułów ewaluacji. Co ciekawe, każda osoba była zaangażowana (choć w różnym stopniu i w różnych rolach)
w każdy z modułów ewaluacji. Dzięki temu została wzmocniona rola
grupowej dyskusji w weryfikacji wniosków z poszczególnych działań
badawczych oraz został zapewniony właściwy przepływ informacji.
Ponadto, dzięki takiej organizacji pracy w przypadku wystąpienia zdarzeń losowych czy okresowej niedyspozycji kogoś z Zespołu (np. choroba, urlop), nie ma problemu z przejęciem obowiązków i kontynuacją
badań.
Innym poziomem koordynacji jest poziom narzędziowy. Mając na
uwadze m.in. wykorzystanie tych samych źródeł danych (danych zastanych, dokumentów, ale też informatorów badanych techniką wywiadu indywidualnego), uwzględniliśmy ten fakt w narzędziach badawczych poszczególnych modułów badawczych, odpowiadając na
związane z ich celami potrzeby informacyjne, np. poprzez zamieszczenie wybranych pytań ważnych dla porównawczej analizy przypadków
w scenariuszach wywiadów w analizie implementacji. Dzięki temu
uniknęliśmy m.in. narażania osób badanych na uciążliwości związane
z wielokrotnym badaniem, a co za tym idzie – niechętnego nastawienia do udziału w badaniach.
Koordynacja badań wymagała również rozwiązywania problemów
wynikających z bieżącej sytuacji (przesunięcia w czasie, przepływ
środków finansowych w ramach transz) i będących efektem uczenia
się Zespołu Badawczego. Taka sytuacja miała miejsce np. pomiędzy
pierwszym i drugim badaniem sieci. Należało dokonać wyboru między zapewnieniem maksymalnej porównywalności pomiędzy metodologią pierwszego i drugiego badania sieci, a wprowadzeniem zmian
podnoszących sprawność przebiegu drugiego badania i jakość pozyskiwanych w jego trakcie danych.
Porównawcza analiza przypadków (PAP)
Głównym celem tego modułu ewaluacyjnego był opis i ocena wpływu cech centrów i ich otoczenia na efekty w zakresie transferu wiedzy. Uznaliśmy, że zastosowanie metody studium przypadku znacznie wzbogaci prowadzoną ewaluację i wzmocni możliwość udzielenia
odpowiedzi na pytania o charakterze „jak” i „dlaczego” (Yin, 2014)28.
Ogólnie, przesłanką dla zastosowania metody studium przypadków
ewaluacji jest złożoność zjawiska, które chcemy opisać i wyjaśnić
(Yin, 2013). Studia przypadków są wykorzystywane m.in. do uzupełniania i udoskonalania teorii programu i teorii zmiany (Vellema et al.,
2013; Mookherji, LaFond, 2013). Studium przypadku, jako odpowiednia metoda badawcza, może być stosowana samodzielnie wszędzie
tam, gdzie uwaga badaczy skupia się na ewaluacji złożonych procesów lub złożonych implementacji. Dodatkową korzyścią jest wówczas
dostarczenie użytecznych informacji w sytuacji, gdy jest jeszcze zbyt
wcześnie, by obserwować rezultaty interwencji. Studium przypadku
może również pełnić rolę formatywną, pomagając w korekcie interwencji. Poza skupieniem na interwencji lub implementacji, studium
przypadku może służyć zarówno do oceny rezultatów interwencji, jak
i do wyjaśniania połączeń pomiędzy interwencją a rezultatami (Yin,
2014).
28 Wspomniany autor w swej publikacji podejmuje interesujący i godny polecenia wątek zastosowania me-
todologii studium przypadku w ewaluacji, omawiając m.in. możliwości stosowania studium przypadku
jako metody uzupełniającej lub zupełnie samodzielnej.
61
Do badań zostały wykorzystane liczne źródła danych oraz – co najistotniejsze – cztery przypadki wdrożenia Modelu SPIN, umożliwiające
porównywanie CTW i osiągniętych przez nie efektów29. Warto zwrócić
uwagę na długi okres realizacji porównawczej analizy przypadków, co
wynikało z: 1) konieczności wypracowania i testowania kilku narzędzi
badawczych uwzględniających 2) perspektywę opiekunów czterech
CTW i 3) realia funkcjonowania centrów, 4) wykorzystania w toku
przygotowania studium przypadku różnych metod i technik zbierania
danych (m.in. analiza danych zastanych, wywiady eksperckie, wywiady pogłębione) oraz 5) wykorzystania w raporcie końcowym wyników
uzyskanych w pozostałych badaniach, m.in. analizie sieci.
Przywiązywanie dużej wagi do specyfiki obszarowej wdrożenia było
od początku projektu jego ważnym elementem. Jednak brak możliwości wyboru CTW do porównawczej analizy przypadków determinował
konkretną konfigurację cech centrów i ich otoczenia, która wyznaczyła główne osie różnicowania wdrożeń i osiągniętych efektów. Z jednej strony, mieliśmy więc dwa różne przypadki z dziedziny life science
oraz dwa z dziedziny nauk technicznych. Z drugiej strony, trzy instytucje były utworzone specjalnie w związku z realizacją projektu, a jedna istniała już wcześniej. Rysujące się w tym względzie zasadnicze
zróżnicowanie przypadków skłoniło Zespół Badawczy do radykalnego ograniczania w trakcie analizy porównawczej liczby dodatkowych
cech różnicujących CTW i ich otoczenie.
Jednym z wyzwań metodologicznych w przypadku badania złożonego zjawiska jest redukcja tej złożoności do najistotniejszych wątków,
czynników, mechanizmów i interakcji. Jeżeli bowiem celem nadrzędnym prowadzonej ewaluacji ex–post będzie zrozumienie i wyjaśnienie analizowanych zjawisk oraz osiągniętych efektów, to, podobnie
29 Więcej na temat strategii porównywania wielu przypadków można przeczytać m.in. w: (Stake, 2006).
jak w przypadku modeli statystycznych, ocenianych m.in. pod kątem
możliwości zinterpretowania wyników uzyskiwanych przy ich użyciu,
konieczne jest odtworzenie i zaprezentowanie przebiegu interwencji
w postaci zrozumiałego modelu. Taki model może powstać wyłącznie w drodze dialogu i wypracowania kompromisu pomiędzy precyzją
wnioskowania i szczegółowością opisu a dążeniem do syntezy, generalizacji i uproszczenia. Często proces tworzenia modelu wyjaśniającego wymaga licznych iteracji – ponownego przepisywania i „przerysowywania” wniosków, elementów składowych (zmiennych i relacji
między nimi), aby w ostateczności „wydestylować” ze złożonej materii będącej przedmiotem badania czytelny obraz. W przypadku prowadzonej przez nas ewaluacji proces redukowania złożoności najlepiej zobrazować na przykładzie porównawczej analizy przypadków.
Przypadkami w naszej analizie były wdrożenia Modelu SPIN przez 4
CTW. Punktem wyjścia do różnicowania wdrożeń były dwa zestawy
cech: 11 cech opisujących otoczenie centrów oraz 12 cech różnicujących same centra. Zostały one opracowane na podstawie przeglądu
literatury i diagnoz obszarowych przeprowadzonych na etapie przygotowania pierwszej wersji Modelu SPIN. Dzięki porównaniu formularzy oceny cech, uzupełnionych przez opiekunów centrów z Zespołu Badawczego, z dalszej analizy usunięto kilka cech centrów i ich
otoczenia, które nie różniły się pomiędzy czterema wdrożeniami (np.
czynnik określony jako poziom dyspozycyjności naukowców współpracujących z CTW – wszędzie oceniony jednakowo nisko). W dalszej
kolejności, na podstawie literatury poświęconej badaniom transferu
wiedzy, wyselekcjonowano do kolejnych analiz czynniki uznawane za
najistotniejsze i jednocześnie wyraźnie różnicujące analizowane przypadki. W rezultacie do finalnej analizy porównawczej trafiły 3 cechy
otoczenia centrów oraz 5 cech centrów, czyli tylko około 1/3 pierwotnie rozpatrywanego zestawu cech. Zabieg ten wymagał m.in. przefor-
62
mułowania niektórych z nich: połączenia bądź zmiany przypisanego
do cech zestawu wartości opisujących natężenie cechy. W dalszej kolejności zestaw cech został nieznacznie (3–5 cech specyficznych dla
konkretnego CTW) rozbudowany na podstawie opracowanych przez
opiekunów obszarów modeli logicznych, których celem było zaproponowanie hipotez dotyczących osiągniętego przez poszczególne CTW
poziomu efektów w transferze wiedzy. Etap ten można interpretować
jako moment zatrzymania i zastanowienia w jednokierunkowym dotąd procesie upraszczania modelu efektów: czy na pewno o czymś nie
zapomnieliśmy? Czy uwzględniliśmy w wystarczającym stopniu specyfikę każdego z przypadków wdrożenia? Czy opiekunowie centrów,
mający stały kontakt z CTW, mają coś do dodania? Na ile ich hipotezy
wiążące cechy wdrożenia z efektami pokrywają się z cechami pozostawionymi w zredukowanym modelu porównawczym? Zaowocowało to wskazaniem dodatkowych cech specyficznych dla poszczególnych centrów i potencjalnie rzutujących na osiągnięte przez nie efekty.
W ostatnim etapie zaproponowaliśmy wyodrębnienie 3 modeli wdrożenia, ilustrowane 4 porównywanymi przypadkami, przy czym podkreśliliśmy znaczenie tych cech z ostatecznego zestawu, które w naszej opinii najsilniej różnicowały poszczególne przypadki wdrożeń.
Każdy z 3 wyodrębnionych modeli składał się z 4–5 cech opisujących
centrum i jego otoczenie (zob. tabela 8). Na koniec, aby uczynić przekaz jeszcze bardziej klarownym, modelom nadaliśmy metaforyczne
nazwy: Model 1 – „kotwica przeszłości w awangardzie brokeringu”,
Model 2 – „Poszukiwacz Zaginionej Arki”, Model 3 – „Produktowa
(bez)sprzedaż”30.
30 Czytelników zaintrygowanych tymi nazwami i zainteresowanych pogłębioną interpretacją modeli, w szczególności w odniesieniu do osiągniętych efektów w transferze wiedzy, odsyłamy do raportu: (Antosz et al.,
2015).
ĠĠ Tabela 8. Charakterystyka ostatecznych modeli wdrożenia
Model 1 – „Kotwica
przeszłości w awangardzie brokeringu”
Model 2 – „Poszukiwacz Zaginionej
Arki”
Model 3 – „Produktowa (bez)
sprzedaż”
Wcześniejsza wizja
organizacji nie związana bezpośrednio z ideą
transferu wiedzy
Relatywnie trudne
otoczenie dla danego
obszaru
Relatywnie wysoki poziom rozwoju
oferty
Stosunkowo niski stopień rozwoju potencjalnej oferty komercjalizacyjnej CTW
Brak klarownej propozycji wartości dla
potencjalnych odbiorców
Sprzyjające otoczenie prawno–instytucjonalne
Relatywnie trudne
otoczenie dla danego
obszaru
Nastawienie na
rozwój kompetencji
kadry CTW
Umiarkowany nacisk na aktywny
brokering
Położenie nacisku na
aktywny brokering oraz
zapewnienie systemu
finansowych bodźców
motywacyjnych dla
kadry
Zdeterminowany, zaangażowany i szybko
uczący się koordynator, „dojrzewający” do przejęcia roli
lidera
Umiarkowana
determinacja/
„uśpienie” liderów
Zaangażowany koordynator o kompetencjach
w zarządzaniu zespołem
W taki sposób od modeli porównawczych liczących ponad 20 cech (co
istotne, silna była pokusa dodawania kolejnych wymiarów różnicowania), doszliśmy do trzech, stosunkowo prostych modeli wyjaśniających.
63
Analiza implementacji (AI)
Analiza implementacji i jej najważniejsze wyniki zostały opisane
w drugim rozdziale niniejszej monografii. Dlatego też w tym miejscu
poświęcimy jej stosunkowo mało uwagi. Przede wszystkim należy
podkreślić, że jest to relatywnie rzadko stosowane podejście do badania programów publicznych. Jak jednak pokazały wyniki badań,
jest to podejście bardzo użyteczne w aspekcie podnoszenia jakości
zarządzania programami publicznymi. Pozwala bowiem na identyfikację kluczowych czynników sukcesu wdrożenia i zależności pomiędzy
nimi. Podpowiada więc, na jakie elementy zwracać uwagę w kontekście przyszłych wdrożeń.
Analiza sieci społecznych II
Druga część analizy sieci społecznych (po–implementacyjna) miała
na celu ocenę zmian struktury sieci powiązań oraz poziomu transferu wiedzy, które wystąpiły po 12 miesiącach wdrożenia. Badanie to
było z wielu względów łatwiejsze, gdyż w pierwszej części opracowano główne założenia, przygotowano narzędzie badawcze, sporządzono
także szereg instrukcji dla ankieterów, które były bardzo przydatne
podczas szkolenia kadry realizującej wywiady rok później.
Po doświadczeniach z pierwszej części badania zdecydowaliśmy
o wprowadzeniu wielu zmian w badaniu. Zmiany te nieco ograniczyły
możliwość porównywania wyników obu części, jednak jej nie wykluczyły. Postanowiliśmy zaangażować firmę badawczą do realizacji wywiadów. Przy wzmożonej pracy Zespołu Badawczego także w innych
wymiarach, uniknęliśmy dzięki temu obciążenia i utrzymaliśmy odpowiedni poziom kontroli i nadzoru. Dalej, zrezygnowaliśmy z podejścia
stosowania dwóch technik, ograniczając się tylko do badań CATI. Była
to technika dająca zdecydowanie lepsze efekty. Dołączenie CAWI wiązałoby się z opracowaniem i testowaniem innej wersji kwestionariusza ankiety, zbieraniem dodatkowych informacji o podmiotach w sieci
(adres email) itd. Co więcej, usunęliśmy jedno pytanie z kwestionariusza ankiety (dotyczące sposobu zainicjowania współpracy), co skróciło czas przeprowadzania badania. W zamian w wersji dla CTW dodano pytanie o to, czy współpraca z danym podmiotem miałaby miejsce,
gdyby projekt SPIN nie był zrealizowany. W efekcie, tanim kosztem,
zidentyfikowano ten fragment sieci współpracy, na który wpływ miało
wdrożenie Modelu SPIN. Zastosowane podejście polegające jedynie
na analizie deklaracji jest narażone na szereg zniekształceń ze strony
respondentów (celowych i mimowolnych) i nie może być traktowane
jako pomiar efektu netto sensu stricte. Taki schemat uznano jednak za
najlepszy, biorąc pod uwagę uwarunkowania badania i brak możliwości pomiaru efektu netto wdrożenia Modelu SPIN.
Redukcja złożoności
Kontynuując wątek redukcji złożoności, rozpoczęty w części dotyczącej porównawczej analizy przypadków, należy odnieść się do podejścia zastosowanego wobec efektów wdrożenia Modelu SPIN. Ogólnie,
lista efektów – tych planowanych i nieplanowanych, przewidzianych
i nieprzewidzianych – w przypadku projektów innowacyjnych–testujących, dodatkowo angażujących wielu partnerów, może być długa
i zróżnicowana. Zastosowane podejście można opisać jako dwutorową redukcję do: 1) „ujęcia ścisłego” – z perspektywy wskaźników
oraz 2) „ujęcia uzupełniającego” – w postaci typologii. Ujęcie ścisłe
opierało się na pomiarze efektów na poziomie 5 kluczowych wskaźników efektywności31. Dodatkowo, w ramach analizy sieci wskaźniki
31 Dla przypomnienia, były to: (1) Liczba aplikacji o zewnętrzne finansowanie projektów z zakresu TW przygotowanych wspólnie z odbiorcami, (2) Liczba projektów z zakresu TW, finansowanych ze źródeł zewnętrznych
i realizowanych wspólnie z odbiorcami, (3) Liczba porozumień o współpracy z zakresu TW pomiędzy odbiorcami a uczelnią, (4) Liczba umów z zakresu TW podpisanych pomiędzy odbiorcami a uczelnią oraz (5) Liczba
64
te zostały wykorzystane do wyliczenia „Indeksu Transferu Wiedzy”
(ITW)32 – syntetycznej miary uwzględniającej, w największym skrócie, większą wagę „twardych” wskaźników transferu wiedzy, jak liczba wdrożeń czy podpisanych umów. Ujęcie uzupełniające polegało na
wyodrębnieniu 3 typów efektów osiągniętych przez centra wdrażające
Model SPIN, przy czym każdy z typów agregował w sobie zróżnicowane, szczegółowe wskaźniki pochodzące m.in. ze sprawozdawczości
centrów, ich budżetów czy wyników analizy sieci. Typy efektów wyodrębniono kierując się swoistym kontinuum: od efektów najbardziej
pożądanych z punktu widzenia celów projektu SPIN, do najmniej pożądanych. Najbardziej pożądanymi efektami były 1) tzw. efekty sprzedażowe, tj. przypadki wdrożeń lub komercjalizacji wiedzy naukowej, do
jakich doszło w okresie wdrożenia. Pośrednią kategorią były 2) efekty
zwiększające potencjał wdrożeniowy (m.in. rozbudowa sieci kontaktów, podpisywanie porozumień o współpracy, wspólne aplikowanie
o projekty itp.). Najmniej pożądaną (podkreślmy jeszcze raz: z punktu
widzenia celów projektu) kategorią były natomiast 3) efekty zwiększające potencjał naukowy (m.in. aplikowanie i realizacja projektów
badawczych bez współpracy z partnerami biznesowymi/bez wdrożeń).
Ewaluacja wewnętrzna ex–post a ewaluacja zewnętrzna
Na koniec warto omówić relację pomiędzy prowadzoną przez Zespół
Badawczy ewaluacją wewnętrzną ex–post a ewaluacją zewnętrzną
produktu finalnego. Wątek ten jest ważny, ponieważ:
1. Ewaluacja zewnętrzna projektów innowacyjno–testujących jest
obligatoryjna (a ponadto jest dobrą praktyką).
2. Przemyślenie granic i wzajemnych relacji pomiędzy ewaluacją
zewnętrzną i ewaluacją wewnętrzną powinno nastąpić możliwie
projektów z zakresu TW realizowanych z odbiorcami i zakończonych wdrożeniem.
32 Szczegółowy sposób wyliczenia ITW można znaleźć w opracowaniu: (Antosz et al., 2015, s.16).
szybko33, tak aby możliwe było wczesne doprecyzowanie celów
ewaluacji.
Rok po rozpoczęciu wdrożenia Modelu przez CTW, uwzględniając
wnioski z różnych działań ewaluacyjnych prowadzonych w tym okresie, doprecyzowaliśmy pytania badawcze na potrzeby ewaluacji zewnętrznej oraz sformułowaliśmy rekomendacje dotyczące jej realizacji34. Logikę tych działań przedstawia poniższy schemat (zob. rysunek
13).
Biorąc pod uwagę fakt łącznego wykorzystania wniosków z ewaluacji wewnętrznej i zewnętrznej w celu opracowania ulepszonej wersji
Modelu SPIN, należy podkreślić, że pojawiło się wiele poznawczych
i metodologicznych korzyści będących konsekwencją przyjęcia takiego schematu. Po pierwsze, mogliśmy zweryfikować i uzupełnić wnioski uzyskane w ewaluacji wewnętrznej. Miało to szczególne znaczenie w przypadku badania przedstawicieli CTW, w tym ich liderów,
badanych przez Zespół Badawczy w ramach analizy implementacji
oraz przedstawicieli ewaluatora zewnętrznego. Przykładowo, respondenci mieli krytyczny stosunek do sprawozdawczości i autoewaluacji,
o czym jawnie rozmawiali z ewaluatorem zewnętrznym, a wobec Zespołu Badawczego, odpowiedzialnego za opracowanie i monitorowanie sprawozdawczości, zachowywali powściągliwość. Uniknęliśmy
w ten sposób obciążenia wyników ewaluacji ze względu na formalne i nieformalne (np. sympatia, niechęć bądź rezerwa) relacje Zespołu Badawczego z personelem ewaluowanych CTW. Po drugie, mimo
mocno ograniczonego czasu na realizację ewaluacji zewnętrznej, jej
Wykonawca zadbał o wzbogacenie wachlarza źródeł danych i stosowanych metod badawczych m.in. o badanie CAWI odbiorców ofer33 W opisywanym przypadku uszczegółowianie koncepcji ewaluacji zewnętrznej zaczęło się ponad rok wcześniej w stosunku do daty przekazania przez Wykonawcę raportu z ewaluacji zewnętrznej.
34 Z powodu opóźnień i przesunięć w harmonogramie realizacji projektu nie wszystkie z nich udało się ostatecznie uwzględnić i wykorzystać – Wykonawca miał na realizację zadania zaledwie 2 miesiące.
65
ty CTW, analizę przypadków wdrożenia modeli zbliżonych do SPIN
(model inLab w woj. kujawsko–pomorskim oraz model Connection
w woj. łódzkim) i warsztat heurystyczny. Dzięki temu zyskaliśmy cenne punkty odniesienia dla części wniosków z ewaluacji wewnętrznej,
zwłaszcza w zakresie efektywności finansowej oraz możliwości uzupełnienia modelu i zestawu wskaźników stosowanych w ewaluacji.
Badanie CAWI odbiorców oferty CTW pozwoliło poszerzyć wnioski
w zakresie użyteczności i trwałości efektów interwencji. Uzyskaliśmy
również informację zwrotną o skuteczności i wartości niektórych działań prowadzonych w ramach ewaluacji zewnętrznej, m.in. z rekomendacją ograniczenia sprawozdawczości i uproszczenia autoewaluacji.
Podsumowując wzajemne korzyści płynące ze starannego zaplanowania relacji między ewaluacją zewnętrzną i wewnętrzną, trzeba też podkreślić, że realizacja ewaluacji zewnętrznej o dużym ładunku informacyjnym w tak krótkim czasie (2 miesiące od podpisania umowy) nie
byłaby możliwa, gdyby nie prowadzono ewaluacji wewnętrznej bądź
niestarannie dokumentowano jej przebieg.
Podsumowanie
Zgodnie z naszymi intencjami celem trzeciego rozdziału prezentowanej
monografii było zaprezentowanie złożonego schematu działań ewaluacyjnych zastosowanych w projekcie „SPIN – Model transferu innowacji w Małopolsce”. Omówiliśmy te działania w chronologicznym
podziale na okres ewaluacji ex–ante, on–going i ex–post. Dla każdego
z tych okresów opisaliśmy najważniejsze prowadzone działania, wskazując zastosowane przez nas rozwiązania, pojawiające się wyzwania
oraz różne problemy i wątpliwości. Pomimo specyficznego przedmiotu
ewaluacji, którym był transfer wiedzy z uczelni do otoczenia gospodarczego, a który w wielu momentach decydował o wyborze takich,
a nie innych rozwiązań, staraliśmy się nasze przemyślenia uczynić
pp Rysunek 13. Proces określenia relacji ewaluacji zewnętrznej do działań ewaluacyjnych prowadzonych przez Zespół Badawczy
Główne pytania
ewaluacyjne
Zalecenia dotyczące realizacji
ewaluacji zewnętrznej (EZ)
• dot. bilansu zysków i strat
• dot. efektywności finansowej
• dot. funkcjonowania CTW po
zakończeniu projektu
• dot. sposobu planowania
i wdrażania Modelu
• Informacje przydatne do odpowiedzi
na pytania badawcze EZ
• Uszczegółowienie pytań
badawczych EZ
• Wyzwania poznawcze i realizacyjne
dla EZ
1 rok prowadzenia działań
ewaluacyjnych
• Sprawozdawczość
• Ocena dokumentacji sporządzonej
przez CTW
• Autoewaluacja
• Porównawcza analiza przypadków
• Analiza sieci
• Obserwacja uczestnicząca
66
przydatnymi dla osób zainteresowanych ewaluacją projektów innowacyjnych–testujących i ewaluacją w ogóle. Mamy nadzieję, że dzięki
takiej prezentacji materiału cenne wskazówki uzyskają nie tylko osoby chcące zaprojektować równie złożony proces ewaluacyjny, ale też
osoby poszukujące odniesień do poszczególnych etapów ewaluacji,
metod i technik badań ewaluacyjnych.
Podsumowując rozważania prowadzone w niniejszym rozdziale, widząc tak szeroki i niestandardowy zakres wykonanych prac, można
zadać sobie pytanie ze znanej piosenki: czy warto było?35 Biorąc pod
uwagę wszystkie działania ewaluacyjne, ich wzajemną komplementarność i triangulację metodologiczną, można stwierdzić, że wszystkie cele ewaluacji zostały zrealizowane, w raportach i arkuszach ocen
pojawiły się odniesienia do wszystkich kryteriów ewaluacyjnych,
a wnioski z ewaluacji cechuje powtarzalność i pogłębiony charakter.
Wiadomo również, w jaki sposób uzupełnić bądź zmodyfikować Model
SPIN, aby zwiększyć jego walory jako wartościowego i uniwersalnego
instrumentu polityki publicznej w zakresie transferu wiedzy z uczelni
do biznesu36. A więc warto było!.
Zdajemy sobie przy tym sprawę, że dostępne w projektach innowacyjnych–testujących zasoby nie zawsze umożliwią replikację całego
schematu opisanej powyżej ewaluacji czy choćby pełne wykorzystanie zaprezentowanego instrumentarium. Niewątpliwie do czynników
utrudniających realizację proponowanego schematu należą:
ƥƥ kosztochłonność;
ƥƥ czasochłonność;
35 Nawiązanie do refrenu piosenki zespołu O.N.A „Kiedy powiem sobie dość” z 1996 r. (muzyka – G. Skawiński,
słowa – A. Chylińska).
36 Opinia eksperta zewnętrznego dokonującego walidacji produktu finalnego podkreśla przede wszystkim konieczność zapewnienia działań wzmacniających łatwość zastosowania modelu (przede wszystkim od strony
finansowej) i trwałość proponowanych rozwiązań, m.in. poprzez dopracowanie scenariuszy usamodzielniania finansowego CTW.
67
ƥƥ konieczność odpowiedniego przygotowania i wyboru doświadczonego Zespołu Badawczego.
W naszym przypadku mówimy o korzystnej sytuacji, w której liderem projektu był Urząd Marszałkowski Województwa Małopolskiego,
partnerami największe uczelnie w województwie, a realizacja projektu
i jego marka (SPIN) była elementem długofalowego budowania przewagi konkurencyjnej regionu w zakresie wsparcia innowacyjności
gospodarki. Ambitne i dalekosiężne cele pozwoliły na zapewnienie
ewaluacji należytego znaczenia oraz – co nie mniej istotne – budżetu. Gdyby dylemat polegał na konieczności wyboru skromniejszego
zestawu metod i badań ewaluacyjnych, na podstawie doświadczeń
z ewaluacji projektu SPIN rekomendujemy:
1) Dążenie – mimo ograniczeń – do opracowania systemu pełnej ewaluacji projektu, obejmującej okres ex–ante, on–going i ex–post.
Przeprowadzenie pełnego cyklu ewaluacji, nawet przy skromniejszych
zasobach i ograniczonej liczbie badań czy zastosowanych metod
i technik badawczych, daje pełniejszy i trafniejszy obraz interwencji,
jej kontekstu i osiągniętych w tym kontekście efektów. Nawet najlepiej wykonana ewaluacja ex–post nie zagwarantuje tego.
2) Podejście nastawione na konfirmację na etapie diagnostycznym.
Szeroka diagnoza z nastawieniem eksploracyjnym nie została wykorzystana w późniejszych pracach Zespołu Badawczego. Wynikało to
z braku czasu – zaplanowano zbyt mało czasu na opracowanie pierwszej wersji Modelu SPIN oraz wersji obszarowych wdrożenia. Węziej zakrojone diagnozy, nastawione raczej na konfirmację pewnych
pomysłów dotyczących tego, jak Model SPIN może wyglądać, są lepsze niż szerokie podejście.
3) Przeprowadzenie analizy implementacji.
Biorąc pod uwagę liczne ryzyka związane z osiągnięciem sukcesu
wdrożenia w projektach innowacyjnych–testujących (również dotyczące samej definicji sukcesu, co pokazano w pierwszym rozdziale
publikacji), badanie to pozwoliłoby uzyskać wiedzę niezbędną do lepszego zaplanowania wdrożenia testowanych rozwiązań w przyszłości.
Ponadto, zwrócenie uwagi na czynniki odgrywające główną rolę w implementacji mogłoby znacząco podnieść wartość ewaluacji projektu.
4) Ograniczenie zaangażowania Zespołów CTW w ewaluację.
Włączenie Zespołów CTW w ewaluację projektu może przynieść wiele korzyści każdej ze stron projektu. Ewaluatorzy współpracujący ze
świadomymi wagi procesu oceny partnerami otrzymują na bieżąco
właściwe dane. Uświadomieni i zaangażowani partnerzy wykształcają
w swojej organizacji kulturę zarządzania opartego na dowodach. Zadania wyznaczone Zespołom CTW nie mogą być jednak na początku
zbyt ambitne. Na przykładzie projektu SPIN widać, że kadra CTW odpowiedzialna za uzupełnianie wartości wskaźników monitoringowych
oraz wykonanie autoewaluacji opartej na użyteczności projektu nie
poradziła sobie z tymi zadaniami. Proponujemy zatem ograniczenie
zadań Zespołów CTW w tym zakresie do uzupełniania kluczowych
wskaźników efektywności oraz, gdzie to możliwe, wskaźników efektów (np. liczba nawiązanych kontaktów, podpisanych umów itp.),
a nie wskaźników działań (np. napisanie raportu z analizy otoczenia
zewnętrznego). Istotną kwestią jest również stosowanie takich narzędzi służących do gromadzenia informacji, które są przyjazne dla użytkownika.
5) Wykorzystanie obserwacji uczestniczącej lub analizy danych zastanych.
68
W celu skompensowania ewentualnych braków informacyjnych polecamy, jeśli to możliwe, zastosowanie obserwacji uczestniczącej, która
jest nastawiona na tłumaczenie mechanizmów, a wnioski z niej płynące są przydatne w modyfikacji strategii działania w projekcie. Jeśli
nie ma takiej możliwości, zalecamy analizę danych zastanych – wykorzystanie różnego typu dokumentów przygotowanych na potrzeby
wdrożenia, notatek ze spotkań projektowych i spotkań partnerów itd.
6) Wykorzystanie w ramach ewaluacji ex–post przynajmniej dwóch
różnych metod pozyskiwania i analizy danych pierwotnych.
Dobór metod zawsze powinien być dostosowany do treści projektu
i możliwości przeprowadzenia analiz. Wybór powinien każdorazowo
uwzględniać konkretne pytania badawcze. Ważne jednak, by spróbować osiągnąć korzyści, jakie daje komplementarne zastosowanie różnych metod oraz triangulacja.
7) Staranne przygotowanie założeń do koncepcji ewaluacji zewnętrznej oraz procedury wyboru ewaluatora zewnętrznego.
Niemal zawsze w złożonej i zmieniającej się rzeczywistości projektów
innowacyjno–testujących pojawią się deficyty informacyjne, których
nie można ani przewidzieć, ani zredukować bazując wyłącznie na ewaluacji wewnętrznej. Dlatego niezmiernie ważne jest to, aby pozostawić
sobie możliwość uzupełnienia tych braków w ramach ewaluacji zewnętrznej.
III. WYWIAD GOSPODARCZY
W KOMERCJALIZACJI WIEDZY NA
PRZYKŁADZIE PROJEKTU SPIN
1.Wprowadzenie
W tym rozdziale analizujemy jeden z czynników sukcesu w komercjalizacji nauki – dobrze zorganizowany wywiad gospodarczy. Rozdział
ten – podobnie jak pozostałe w tej monografii – powstał na bazie doświadczeń z realizacji projektu SPIN, którego celem było wzmocnienie
transferu wiedzy z uczelni do otoczenia społecznego i gospodarczego.
Jak już wspominaliśmy, kluczowym elementem projektu było powołanie do życia czterech Centrów Transferu Wiedzy (CTW), których zadaniem było (i jest, jako że CTW kontynuują swoją działalność) zapewnienie przepływu wiedzy między naukowcami a uczestnikami życia
gospodarczego. W tym rozdziale proponujemy spojrzeć na to zadanie
w kategoriach wyzwania biznesowego. Zatem koncentrujemy się na
jednej z możliwości realizacji transferu wiedzy, jaką jest ścieżka komercjalizacji. Jej celem – w naszym rozumieniu – jest sprzedaż takiej
wiedzy, usług badawczych czy technologii, dzięki którym firmy mogą
usprawniać swoje procesy, stając się bardziej konkurencyjnymi. W tej
wersji CTW musi wykreować ofertę i znaleźć klientów.
Warto podkreślić, że CTW tworzone w projekcie SPIN miało zafunkcjonować w ramach konkretnego środowiska naukowego wewnątrz
szkoły wyższej – nie będziemy zatem w tym rozdziale poruszać tematyki tworzenia firm typu spin–off, czy spin–out; choć wyzwania w tym
wypadku są do pewnego stopnia zbliżone do tych związanych z budową Centrum Transferu Wiedzy. W obu przypadkach chodzi o stworzenie oferty biznesowej w oparciu o takie zasoby naukowe, jak naukowcy
69
z ich fachową wiedzą, patenty, technologie czy specjalistyczny sprzęt
badawczy i umiejętność jego obsługi.
Istnieje wiele czynników decydujących o powodzeniu takiego przedsięwzięcia. W tym rozdziale skupiliśmy się na roli wywiadu gospodarczego w tworzeniu CTW i w komercjalizacji wiedzy w ogóle. Praktykę wywiadu gospodarczego postrzegamy jako jedno z brakujących
ogniw zbliżania nauki do świata biznesu37. W przypadku budowania
CTW wykorzystanie tej praktyki jest szczególnie ważne w początkowych etapach tego procesu, kiedy podejmowane są decyzje strategiczne na temat kierunków rozwoju Centrum. Jednak, ze względu na
dużą dynamikę zmian w świecie wolnych przepływów gospodarczych,
równie ważne jest, aby doprowadzić do stworzenia stale funkcjonujących systemów pozyskiwania i analizowania informacji o firmach,
rynkach i przemysłach oraz wykorzystywania wyników tych analiz do
podejmowania decyzji co do kierunków realizowanych badań czy charakteru tworzonej oferty dla potencjalnych klientów. Funkcje te może
realizować właśnie dobrze prowadzony wywiad.
Wywiad gospodarczy może kojarzyć się z praktykami wątpliwymi
etycznie – będącymi na granicy prawa lub wręcz nielegalnymi. Jednak
w świecie otwartego przepływu informacji istnieje wiele źródeł, których wykorzystanie jest dopuszczalne prawnie i wręcz zasadne, jako
że może pomóc w rozumieniu świata przepływów finansowych oraz
zachowań aktorów działających w konkretnych branżach. Innymi słowy, chodzi o uruchomienie pewnych procesów gromadzenia i analizo37 Jedną z przesłanek uzasadniających podejmowanie tematyki wywiadu gospodarczego w kontekście komercjalizacji nauki jest fakt, że w badaniach dotyczących barier współpracy na linii nauka–biznes regularnie
pojawia się stwierdzenie, iż polscy naukowcy nie do końca rozumieją realia rynku, czy też nie posiadają
wiedzy o praktycznych aspektach prowadzenia biznesu. W związku z tym szansa, że badania przez nich
realizowane rozwiążą praktyczne problemy przedsiębiorstw jest niewielka. Jedno z pierwszych badań opinii
w tym temacie – zrealizowane w 2006 r. badanie opinii „Bariery współpracy przedsiębiorców i ośrodków naukowych” – pokazało, że ponad 40% przedsiębiorców uważało, iż „naukowcy nie znają realiów biznesowych
oraz rynku, na którym działa przedsiębiorstwo”. Podobne wnioski wyciągano z projektów kompetencyjnych,
których odbiorcami byli naukowcy (zob. np. projekt „Komercjalizacja nauk innowacyjnych” z 2011 r., którego
funkcją było lepsze przygotowanie 500 naukowców do współpracy z biznesem). Tożsame tezy pojawiły się
w diagnozach barier współpracy realizowanych na potrzeby projektu SPIN (Antosz et al., 2012).
wania informacji, dzięki którym świat naukowy lepiej zrozumie świat
firm i jego potrzeby. W konsekwencji organizatorzy CTW38 zyskają
wiedzę na temat kierunków poszukiwań naukowych, które będą związane bezpośrednio z potrzebami branży, co zwiększy szanse na współpracę.
kierunkowe rekomendacje dla procesów związanych z komercjalizacją
wiedzy.
Niniejszy rozdział został podzielony na cztery części. W pierwszej
z nich rozwijamy opis wyzwania, z jakim wiąże się tworzenie Centrum
Transferu Wiedzy na uczelni, korzystając z nomenklatury ekonomicznej. W tej części szczególnie ważne jest rozróżnienie między „zasobami” a „aktywami”, które – w naszej opinii – pozwalają lepiej zrozumieć
naturę pracy jednostek, takich jak Centrum Transferu Wiedzy czy innych podmiotów, których głównym celem jest komercjalizacja wiedzy.
Takie ujęcie sprawy pozwala również na precyzyjniejsze zrozumienie
ryzyka związanego z tworzeniem tego typu jednostki oraz uzasadnia
wykorzystanie praktyki wywiadu gospodarczego jako narzędzia zarządzania tym ryzykiem.
Opisując Centrum Transferu Wiedzy, można posługiwać się metaforą
interfejsu. Centrum jako takie nie tworzy nowej wiedzy czy nowych
technologii wprost, a jego siła polega raczej na uruchomieniu kontaktów między naukowcami a organizacjami społecznymi i biznesowymi39. Innymi słowy, podstawową funkcją CTW jest „łączenie dwóch
Drugą część poświęcamy ogólnemu opisowi tego, jak należy rozumieć
wywiad gospodarczy, a także prezentujemy aktualne zastosowania
wywiadu gospodarczego w dziedzinie komercjalizacji wiedzy, dostarczając dowodów na rzecz celowości takiego podejścia.
W trzeciej części referujemy doświadczenia projektu SPIN, w ramach
którego utworzono w Małopolsce cztery Centra Transferu Wiedzy.
W tej części omawiamy, w jaki sposób realizowano funkcję pozyskiwania informacji o rynkach i podmiotach na nich działających w konkretnym przypadku i wskazujemy na pewne luki związane z realizacją takiego podejścia. Luki te proponujemy postrzegać jako lekcje, na
bazie których – w ostatniej części rozdziału – budujemy wnioski oraz
38 Czy też innych przedsięwzięć mających na celu transfer wiedzy.
70
6.Centrum Transferu Wiedzy – od
czego zależy powodzenie
stron układanki”, jaką jest komercjalizacja potencjału naukowego40.
Aby jednak CTW było skuteczne w przyciąganiu przedsiębiorstw,
musi stworzyć ofertę na bazie zasobów zidentyfikowanych w bliskim
otoczeniu.
Tym samym zakłada się, że Centrum Transferu Wiedzy zbuduje kapitał komercjalizacyjny w oparciu o działania podejmowane przez jego
kadrę zarządzającą, które będą nakierowane na aktywizację potencjału uczelni i jego monetyzację. Zakres pojęcia „potencjał uczelni”
można rozumieć przede wszystkim osobowo – trzon stanowią bowiem naukowcy, którzy posiadają konkretną wiedzę, umiejętności lub
know–how, patenty, czy też dostęp do specjalistycznego sprzętu badawczego. Liderzy CTW, wspomagani przez zatrudnianych brokerów,
stoją przed wyzwaniem wyselekcjonowania z zasobów uniwersytec39 Wizja CTW ujęta w tym zdaniu jest wizją dominującą, która stanowi jednocześnie podstawowe założenie
Modelu SPIN. Warto jednak pamiętać, że CTW mają być jednostkami elastycznymi i zdolnymi dopasować
się do zmieniających się okoliczności. W związku z tym możliwe jest, że CTW – na pewnym etapie swojego
rozwoju – będzie zatrudniało własną kadrę naukową na wyłączność i w ten sposób dbało o swoje kluczowe
kompetencje.
40 Używamy sformułowania potencjał naukowy (ew. akademicki), ponieważ zależy nam na podkreśleniu, że
komercjalizacji może podlegać nie tylko skodyfikowana wiedza, ale również innego rodzaju zasoby zgromadzone w ramach uczelni. Użycie sformułowania bardziej abstrakcyjnego (potencjał vis–a–vis wiedza) pozwala także na zwrócenie uwagi, że być może istnieją pewne potencjały akademickie, które mogą zostać
poddane komercjalizacji, a które nie zostały jeszcze nazwane, i – co za tym idzie – odkryte. W tym rozdziale
omawiamy różne kategorie potencjałów, choć głównie mamy na myśli wiedzę skodyfikowaną, konkretne
technologie, instrumenty badawcze oraz umiejętności (np. obsługi sprzętu badawczego czy analizowania
materiału pozyskanego przy jego użyciu). Bazujemy na założeniu, że potencjał naukowy jest przekształcany
w konkretne rozwiązania, które – jeżeli będą wdrożone przez odbiorców – mogą zyskać miano innowacji.
kich tych, które – w przewidywalnym okresie czasu i po zrealizowaniu odpowiednich działań – będą mogły stworzyć katalog produktów
możliwych do sprzedaży na rynku. Należy podkreślić, że zasoby same
z siebie często nie stanowią jeszcze oferty rynkowej.
pp Rysunek 14. Proces definiujący działalność CTW z perspektywy
kadry zarządzającej
wiedza,
umiejętności,
know-how, patenty,
sprzęt badawczy
wizja rekombinacji
zasobów w celu
stworzenia oferty
rynkowej
realizacja wizji
komunikacja,
dystrybucja i
sprzedaż oferty
Ewaluacja pilotażowego wdrożenia Modelu SPIN prowadzi do wniosków, że wybór tzw. „technologii do komercjalizacji” (choć trzeba
pamiętać, iż może to być również kapitał miękki w postaci zespołu
naukowców posiadającego jakąś unikatową wiedzę czy know–how),
która zostałaby objęta wsparciem organizacyjnym i brokerskim w dużym stopniu determinuje to, w jakim zakresie powiedzie się realizowany w danym CTW proces komercjalizacji. Główną rolę odgrywają takie czynniki, jak: (i) stopień rozwoju danej technologii oraz (ii)
dopasowanie rynkowe (product–market fit). Co istotne, są to kwestie
ściśle ze sobą powiązane – im wcześniejszy poziom rozwoju danej
„technologii”, tym trudniej doprowadzić do stworzenia na jego bazie
produktu/oferty, a w konsekwencji wskazać potencjalny rynek zbytu.
W związku z tym niemożliwa staje się ocena tego, czy produkt jest do
rynku dopasowany.
Kluczowym elementem naszkicowanej wyżej układanki jest zatem
znajomość rynku. Jeżeli bowiem mówimy o wyobrażeniu sobie takich
ścieżek rekombinacji zasobów uczelnianych, na których końcu otrzymamy „sprzedawalne” produkty, to na zasoby trzeba spojrzeć właśnie
przez pryzmat potrzeb rynkowych. Tylko wówczas możliwe jest wymyślenie i zrealizowanie takich procesów, które przekształcą zasoby
71
w konkretne aktywa. Należy przy tym pamiętać, że tylko aktywa mogą
być wyceniane rynkowo, podczas gdy zasoby są jedynie pewnym potencjałem, który może zostać w aktywa przekształcony po uruchomieniu i przeprowadzeniu odpowiednich procesów (Hausner, Zmyślony
2015, s. 26). Innymi słowy, wyzwaniem dla organizatorów CTW jest
wymyślenie i realizacja takich procesów (idąc za nomenklaturą ekonomiczną, można je nazwać procesami produkcyjnymi), dzięki którym
zasoby będą osiągać wartość rynkową.
pp Rysunek 15. Zamiana zasobów w aktywa
Zasoby: wiedza,
umiejętności,
know-how, patenty,
sprzęt badawczy
Wybór
konkretnych
zasobów
Zaprojektowanie
konkretnych
procesów
produkcyjnych
Przeprowadzenie
procesów
Aktywa o
wartości
rynkowej
Takie ujęcie głównego celu powoduje, że powodzenie przedsięwzięcia, jakim jest utworzenie i rozwój CTW jest obarczone ryzykiem. Po
pierwsze, istnieje zagrożenie wyboru nieodpowiednich zasobów, a po
drugie – uruchomienia niewłaściwych procesów. Te niewłaściwe wybory na początkowych etapach rozwoju CTW (lub przy komercjalizacji
w ogóle) zwiększają ryzyko, że nie dojdzie do sytuacji, w której CTW
będzie dysponowało aktywami o wartości rynkowej. Powstaje zatem
zasadnicze pytanie, jak to ryzyko minimalizować.
Postrzeganie zasobów i procesów
Aby odpowiedzieć na to pytanie w sposób precyzyjny, trzeba zastanowić się, na czym polega zadanie wyboru zasobów. Pytanie to ma
wymiar operacyjny i dotyczy możliwości wygenerowania wskazówek
dotyczących tego, na co ma zwracać uwagę osoba tworząca ewidencję
zasobów uczelnianych. Według logiki prezentowanej w tym rozdziale trzeba przyjąć, że zasób sam w sobie nie ma wartości rynkowej,
a jest jedynie potencjałem. Ponadto, do wytworzenia jednego produk-
tu o wartości rynkowej zwykle potrzeba wielu zasobów, co dodatkowo
komplikuje zadanie dostrzeżenia zasobów nie tylko jako osobnych bytów, ale pewnych konkretnych konstelacji. Innymi słowy, osoby odpowiedzialne za mapowanie zasobów powinny być wyposażone w umiejętność patrzenia w kategoriach rynkowych szans, czy też możliwości.
Oczywiście, posiadanie tej umiejętności jest ściśle związane z wiedzą
na temat samego rynku lub na temat przemysłów.
Zatem istotne jest myślenie w kategoriach odbiorców – musimy bowiem odpowiedzieć na pytania dotyczące:
ƥƥ klientów – potencjalnych odbiorców danego rozwiązania, których
charakteryzują konkretne potrzeby;
ƥƥ konkurencji – podmiotów, które są już aktywne w danej branży
i oferują rozwiązania zaspokajające potrzeby klientów lub pracują nad stworzeniem takich rozwiązań;
ƥƥ przemysłu – czyli grupy podmiotów działających w danej branży,
tj. tworzących ekosystem organizacji pracujących na rzecz rozwiązania podobnych problemów;
ƥƥ regulacji prawnych – narzuconych przez instytucje publiczne
obowiązków na podmioty realizujące konkretne działania związane z danym przemysłem (Amit, 2009).
Im większą wiedzą dysponujemy w obszarach zaznaczonych powyżej,
tym lepiej możemy zidentyfikować możliwości biznesowe potencjału,
jakim dysponuje dane środowisko naukowe. Wiedza o rynku pozwala
widzieć problemy, niedociągnięcia i niedoskonałości funkcjonujących
rynkowo rozwiązań, co może stanowić inspirację do tworzenia wizji
zmiany, a co za tym idzie – wyznaczenia roli działań o charakterze naukowym czy akademickim w tym procesie.
72
7.Wywiad gospodarczy
Podstawa strategii
Centrum Transferu Wiedzy stoi przed wyzwaniem wykreowania oferty, z którą odnajdzie się na rynku. Mówiąc współczesnym językiem
biznesowym, CTW ma „znaleźć swój biznes”. Decyzje dotyczące tego,
jakie produkty i komu konkretnie oferować, to decyzje tzw. poziomu
strategicznego, których trafność zależy (jak argumentowaliśmy powyżej) m.in. od zrozumienia otoczenia rynkowego. A to zrozumienie
jest właśnie podstawową funkcją wywiadu gospodarczego, zwanego
także wywiadem handlowym czy wywiadem konkurencyjnym (wtedy,
gdy skupia się wyłącznie na analizie tzw. konkurencji).
Dodatkowo należy wyjaśnić, że praktyka wywiadu gospodarczego jest
ściśle związana ze strategią. Chodzi bowiem o podjęcie decyzji fundamentalnych dotyczących tożsamości (twórcy organizacji muszą ją
w jakimś sensie wymyślić) i kierunków rozwoju organizacji, tak aby
– jak przekonuje Michael Porter – doprowadzić do sytuacji, w której
organizacja staje się w jakimś sensie unikatowa:
„Firma może stać się lepsza od rywali jedynie, kiedy odróżni się od
nich i będzie w stanie tę różnicę utrzymać. (…) Sensem strategii jest
wybór, by działać inaczej niż czynią to konkurenci” (Porter, 1996).
Sformułowanie „wymyślenie siebie” dobrze ujmuje charakter tego,
czym jest strategia i pokazuje jej sens, także w przypadku komercjalizacji potencjału naukowego. Aby go lepiej wyjaśnić, można odwołać się do przykładu amerykańskiej firmy DuPont określanej mianem
inicjatora (czy inspiratora) współczesnego doradztwa strategicznego
(McKenna, 2012). Firma posiadała monopol na dystrybucję materiałów wybuchowych, a wybuch I wojny światowej wzmocnił jej pozycję
– w tym czasie firma, napędzana rosnącym popytem, rozkwitła. Kiedy
jednak wojna dobiegła końca, DuPont stanęło przed wyzwaniem: albo
zmniejszyć skalę swojej działalności, albo „wymyślić się na nowo”.
Jak pisze Christopher McKenna41, wówczas zaczęto zastanawiać się
nad tym, czy technologie posiadane przez firmę mogą zostać wykorzystane w celach innych niż pierwotnie zakładano. Dokonano szeroko
zakrojonej analizy możliwości technologicznych: pod uwagę wzięto
m.in. informacje o przemyśle samochodowym (DuPont był również
właścicielem General Motors, więc dotarcie do informacji o tym sektorze było stosunkowo łatwe). W efekcie firma doszła do wniosku,
że technologie, którymi dysponuje mogą zostać wykorzystane do produkcji np. nylonu, farb, czy też bezbarwnych lakierów (Ibidem).
Istniejące wówczas firmy konsultingowe, takie jak McKinsey czy Booz
Hamilton, zainteresowały się podejściem DuPont do analizy zasobów.
Stanowiło ono nowość, ponieważ do tego czasu firmy konsultingowe
skupiały się głównie na analizie i optymalizacji procesów produkcyjnych. Nie zajmowały się pytaniami z poziomu strategicznego, czyli pytaniami o tożsamość czy rozwój biznesu w innych kierunkach. Przypadek DuPont dowiódł, że te same zasoby mogą być wykorzystywane
w różnych celach, a firma może dokonywać zmian w swoich wyborach
strategicznych w zależności od przeobrażeń w otoczeniu biznesowym.
Kluczowa przy tym jest teza, że zmian tych nie można wprowadzać
bez analizy samego otoczenia i bez wiedzy na temat praktyk, celów
i ambicji innych firm.
Współczesne podejście do użycia wywiadu handlowego jako narzędzia planowania strategicznego na gruncie teoretycznym rozwinął
cytowany poyżej Michael Porter (1980). W latach 80. XX w. zaczęły
powstawać pierwsze komórki odpowiedzialne za zbieranie informacji
handlowej w korporacjach, a także niezależne agencje wywiadowcze
41 Dyrektor Centre for Professional Service w Said Business School w Oxfordzie.
73
świadczące usługi konsultingowe. W 1996 r. w USA powstał program
certyfikacji agentów wywiadowczych Fuld–Gilad–Herring Academy.
Elementy wywiadu znajdują się w planach studiów wielu kierunków
ekonomicznych.
Chęć poszerzenia wiedzy na temat środowiska biznesowego wynikała
ze zwiększającej się świadomości, że sukces przedsiębiorstwa w coraz większej mierze będzie zależeć od tego, (1) jak dobrze zrozumie ono
swoje procesy biznesowe oraz (2) jak trafnie zidentyfikuje potencjalnych klientów, (3) źródła dochodu i (4) przyszłe trendy.
Wraz z powołaniem wyspecjalizowanych komórek, w korporacjach
rozpoczęto budowę sformalizowanych systemów zarządzania informacjami. Z jednej strony, wynikało to z potrzeby uporządkowania coraz
większych zasobów wiedzy wewnętrznej (generowanej przez operacje
organizacji). Z drugiej strony, wypracowanie pewnych rozwiązań systemowych ułatwiało pozyskiwanie kluczowych dla strategii informacji
ze świata zewnętrznego. W tej kwestii wzorem dla przedsiębiorstw
w zakresie prowadzenia działań wywiadowczych był profesjonalny
wywiad wojskowy, którego celem od stuleci było uzyskanie informacji o zagrożeniach i przygotowanie planów awaryjnych. W szczególności, co zostało zaadaptowane przez przedsiębiorstwa, w wojsku
opracowywano plany działania uruchamiane w oparciu o systemy
wczesnego wykrywania zagrożenia. Te systemy mogły działać tylko
wówczas, gdy na podstawie zebranych danych strategom udało się
odczytać sygnały świadczące o przyszłym zagrożeniu odpowiednio
wcześnie (Sutherland, 1988, s. 280). W związku z potrzebą zagwarantowania większych mocy obliczeniowych do analizowania ogromnej
ilości danych systemy zarządzania informacjami stawały się coraz bardziej skomputeryzowane. Obecnie analizę danych przy wykorzystaniu
specjalistycznego oprogramowania, dokonywaną przez specjalistów
IT i ekonometryków, określa się jako business intelligence42.
źródłem informacji o bardziej praktycznych problemach badawczych,
zbliżając w ten sposób naukę do gospodarki.
Można zaryzykować stwierdzenie, że w pewnym sensie to rozwój konkurencji wymusił konieczność gromadzenia, systematyzowania i analizowania informacji na temat otoczenia. Jeżeli bowiem zadaniem każdego biznesu jest dotarcie ze swoją ofertą do klientów i przekonanie
ich, że jest ona adekwatna do ich potrzeb, to trzeba powiedzieć, że
potrzeby te muszą zostać zauważone, dobrze zrozumiane, a rozwiązanie mające na celu ich zaspokojenie musi być w jakimś sensie lepsze
od tego funkcjonującego do tej pory. Firma wchodząca w obiegi gospodarcze musi przekonać działające w tych obiegach podmioty do
zmiany zachowań.
Rozwój metod pozyskiwania informacji
W kontekście komercjalizacji wiedzy należy dodać, że zadanie wpasowania się w rynek z produktami mającymi swoje zakorzenienie w potencjale akademickim jest wyzwaniem wyjątkowym. Rozwiązania badawczo–rozwojowe oferowane firmom produkcyjnym muszą opierać
się nie tylko na znajomości branży, ale często także na znajomości
konkretnej firmy, jej procesów, problemów i ambicji. To konieczne,
ponieważ „dla każdej dobrze prowadzonej firmy badania i rozwój mają
funkcje czysto komercyjne – chodzi o katalizowanie osiągania celów
biznesowych firmy poprzez tworzenie lepszych produktów, wzmocnienie procesów operacyjnych (…)” (Business Case Studies: Research
and Development). Zatem dobre poznanie wewnętrznej mechaniki firmy jest warunkiem skutecznego przekonywania, że warto wspólnie
podjąć działania, których wynikiem może być usprawnienie działalności. Zadanie to jest wyjątkowo trudne do realizacji na uczelni, której kultura jest raczej nastawiona na tworzenie wiedzy abstrakcyjnej.
Stąd wyjątkowa rola metod wywiadu gospodarczego, które mogą być
42 Business intelligence o wiele częściej jest kojarzone z analizą danych wewnętrznych organizacji niż danych
pozyskanych z otoczenia zewnętrznego.
74
W tej części rozdziału przedstawiamy podstawowe metody i narzędzia
wykorzystywane w toku wywiadu gospodarczego, ze szczególnym
uwzględnieniem tych elementów, które mogą zostać zaadaptowane przez CTW. Kwestie dotyczące użycia rozbudowanych systemów
oprogramowania do analizy danych zostały potraktowane powierzchownie, ponieważ ich implementacja może być bardzo efektywna,
ale jest możliwa dopiero po ugruntowaniu w ramach organizacji nawyków związanych z prowadzeniem działań wywiadowczych.
Podstawowe metody
Początkowo metody pozyskiwania informacji o otoczeniu biznesowym
sprowadzały się głównie do dwóch typów działań: prowadzenia rozmów oraz czytania ogólnie dostępnych publikacji (prasy, ewentualnie
dokumentów prawnych). Warto zwrócić szczególną uwagę na rozmowy (czy wywiady) prowadzone z przedstawicielami konkurencyjnych
firm (działających na tym samym rynku) lub klientami tych firm. Analiza wyników tych rozmów pozwala uzyskać wiedzę o ofercie i sposobach prowadzenia biznesu przez konkurencję oraz o poziomie satysfakcji klientów z aktualnej oferty. Rozmowy mogą być też prowadzone
z dostawcami, podwykonawcami lub partnerami konkurencji bądź
danej organizacji. Wywiadowca powinien starać się uzyskać cenne
informacje gospodarcze zarówno od osób wcześniej mu znanych (np.
pracujących w danej firmie), jak i obcych, poznanych podczas oficjalnych spotkań branżowych, np. na targach. Z punktu widzenia etyki
i długookresowego powodzenia przedsięwzięcia niezwykle ważne jest,
aby osoba odpowiedzialna za zbieranie informacji nie ukrywała swojej tożsamości w trakcie rozmowy. Oznacza to, że jeśli zostanie spyta-
na o cel zadania konkretnego, szczegółowego pytania, powinna przyznać, że „zbiera informacje na temat branży”. W przypadku zbierania
informacji dla uczelni wywiadowca jest w sytuacji uprzywilejowanej,
ponieważ szkoły wyższe nie są postrzegane przez przedstawicieli firm
jako konkurencja – wobec tego chętniej dzielą się oni informacjami.
Drugim źródłem informacji są otwarte źródła informacji (OSINT – ang.
open source intelligence) – chodzi tu analizowanie wszelkich publicznie dostępnych materiałów, czy artykułów dotyczących firm związanych z daną branżą. Wraz z rozwojem całego sektora firm doradczych
zaczęto również zamawiać badania dotyczące konkurencji lub całych
branż, których wyniki – podane w formie raportów – inkorporowano
w proces podejmowania decyzji.
Kluczem do przeprowadzenia skutecznych działań wywiadowczych
jest oparcie ich o systematyczne poszukiwania i rezygnacja z podążania wyłącznie za „przeczuciem”. Bardzo często kadra zarządzająca
przedsiębiorstw „ma przeświadczenie”, że ich firma plasuje się tak,
a nie inaczej w stosunku do konkurencji, ale te „intuicyjne” porównania zazwyczaj bazują na zasobach informacyjnych, które cechuje
asymetria: menedżerowie wiedzą bardzo dużo o procesach w swoim
przedsiębiorstwie, ale posiadają tylko wybiórcze informacje o procesach przebiegających u konkurentów. Uzupełniają tę wybiórczą wiedzę znajomością mechanizmów działania własnej organizacji, ekstrapolując je (często niesłusznie) na organizacje zewnętrzne. Tak więc
pierwszym etapem prowadzenia wywiadu gospodarczego (zwłaszcza
dotyczącego konkurencji) jest ciągłe, systematyczne porównywanie
odpowiednich elementów działalności „naszej” i „innych”. Każdy
element po stronie „naszej” powinien zostać połączony i porównany
z konkretnym elementem strony „ich”.
75
Wywiad wewnętrzny
Wywiad konkurencyjny rozpoczyna się wewnątrz organizacji – od sformułowania zasadniczych pytań, na które następnie szukamy odpowiedzi. W przypadku CTW pytania mogą być następujące: Czym nasze
produkty wyróżniają się w porównaniu do aktualnej oferty rynkowej?
Jaka jest nasza przewaga konkurencyjna w porównaniu do innych?
Kim są nasi potencjalni partnerzy? Nad czym aktualnie pracują?
Poszukiwania odpowiedzi na tak sformułowane pytania (obszary problemowe) tradycyjnie są prowadzone w ramach analizy SWOT lub
analizy pięciu sił Portera, choć istnieje cały wachlarz bardziej skomplikowanych metod, angażujących zazwyczaj specyficzne oprogramowanie (np. analizy krzywych kosztów dostaw czy Structure Conduct
Performance).
Kolejnym krokiem – po przygotowaniu strategicznych pytań i określeniu szczegółowego planu zbierania informacji w ramach danych wymiarów – jest zebranie od różnych komórek własnej organizacji istotnych danych. Aktualnie coraz więcej uczelni wprowadziło już systemy
informatyczne służące do tzw. business intelligence, czyli zarządzania
dużymi zbiorami ustrukturyzowanej informacji wewnętrznej. Jednak
często ten krok nastręcza wielu problemów – dzieje się tak, ponieważ
mimo iż teoretycznie osoba odpowiedzialna za przygotowanie wywiadu zwykle ma prawo wglądu do wszystkich dokumentów, to zadanie
poznania kluczowych szczegółów funkcjonowania różnych wydziałów
przedsiębiorstwa jest możliwe tylko z pomocą (i z komentarzem) pracowników tych działów. Dostęp do suchych faktów np. dotyczących
wyników finansowych nie wystarczy do przygotowania gruntownej
analizy. Konieczne jest poznanie kontekstu dzięki pomocy osób bezpośrednio odpowiedzialnych za dany aspekt działalności organizacji
(np. jakie są dane historyczne, opinie). Podczas rozmów z pracowni-
kami należy poświęcić dużo czasu także na zbieranie informacji nieformalnych, włącznie z plotkami dotyczącymi sytuacji w innych organizacjach z branży. Do informacji nieformalnych należy oczywiście
zachować dystans i spróbować je później zweryfikować przy pomocy
innych metod – jednak warto pamiętać, że często nieformalna informacja może nakierować wywiadowcę na właściwe tropy.
Wywiad zewnętrzny
Wywiadowcy mogą zdobywać wiedzę o otoczeniu wykorzystując zarówno dane ukryte, czyli takie, które nie są publicznie ujawnione (ich
uzyskiwanie jest możliwe głównie poprzez wywiady), jak i te podane do wiadomości wszystkich zainteresowanych. Korzystanie z tego
drugiego typu zasobów informacji określamy mianem tzw. wywiadu
open–source (OSINT). Celem zastosowania OSINT jest uświadomienie sobie znaczenia tych danych dla organizacji zanim zrobią to
inni, a także wyciągnięcie z publicznie dostępnych danych wniosków
i zauważenie sygnałów, które nie są podane wprost i nie każdy może
je odczytać. Stąd niezwykle ważną rolę odgrywa w tym przypadku
czynnik osobowy. Odpowiednie przygotowanie osób zbierających
informacje polega na zapoznaniu ich z odpowiednimi metodami filtrowania obserwowanych danych. Niebagatelną rolę odgrywa także
doświadczenie danej osoby – zarówno w obszarze analizowania rynków, jak i zarządzania konkretnymi firmami w danej branży. Połączenie doświadczenia decydenckiego z analitycznym zwiększa szansę na
to, że dana osoba będzie rozumiała wielowymiarowe i złożone procesy
stojące za obserwowanymi faktami rynkowymi (por. np. Schwager,
2012).
Do OSINT należą wszelkiego rodzaju media branżowe, w których
można znaleźć zarówno informacje sponsorowane (edytowane) przez
podmioty z branży, jak i doniesienia reporterskie o nietypowych zja-
76
wiskach. W wypadku informacji podawanych do publicznej wiadomości przez samą organizację należy zastanowić się, jaki mógł być
cel przekazania takiej, a nie innej informacji i jak wpływa ona na otoczenie, np. otoczenie CTW. Podobnym źródłem informacji jest prasa
codzienna, która zapewnia wiadomości o otoczeniu makro, lub prasowe raporty o stanie finansowym spółek z branży. Ważnym źródłem
wiedzy są także publicznie dostępne rejestry, np. oficjalna Centralna
Ewidencja i Informacja o Działalności Gospodarczej, rejestry sądowe
czy Krajowy Rejestr Długów. Często wywiad jest skuteczniejszy, jeśli
ogranicza się przestrzennie tylko do niewielkiego obszaru – wówczas
łatwiej jest wychwycić zależności pomiędzy podmiotami rynkowymi
i ich otoczeniem (tzw. location intelligence). Jeżeli posiadamy duże
ilości cyfrowych informacji tekstowych, to do analizy tekstu można
wykorzystać oprogramowania służące do text i data mining43.
Niektórzy badacze od kilku lat mówią o „wersji 2.0” wywiadu handlowego. Określają w ten sposób takie aspekty wywiadu, jak śledzenie
w internecie opinii na temat innych podmiotów na forach, wykorzystywanie portali społecznościowych przez całe zespoły pracowników,
ale także monitorowanie oficjalnych stron internetowych podmiotów
z branży, a w szczególności działów public relations (Trujillo, Mate,
2012). Należy także być „wyczulonym” na wszelkie informacje dotyczące planowanych zmian prawnych dotyczących szeroko pojętego
środowiska danej organizacji. Zatem do źródeł OSINT należy zaliczyć
również publikacje instytucji prawodawczych.
W przeciwieństwie do OSINT, niejawne źródła informacji obejmują
m.in. zasoby komercyjnych hurtowni wywiadowczych prowadzonych
43 W tym rozdziale stosujemy definicję data mining przyjętą przez Publishing Research Consortium, którą cytujemy w tym miejscu w języku angielskim: „Data mining is an analytical process that looks for trends and
patterns in data sets that reveal new insights. These new insights are implicit, previously unknown and potentially useful pieces of information. The data, whether it is made up of words or numbers or both, is stored
in relational databases. It may be helpful to think of this process as database mining or as some refer to it
‘knowledge discovery in databases’. Data mining is well established in fields such as astronomy and genetics” (European Commission, 2014, s. 10).
przez wyspecjalizowane agencje konsultingowe. Do analizy danych
pozyskiwanych z hurtowni wywiadowczych zazwyczaj wykorzystuje
się techniki data mining i opracowywania metadanych. Przetwarzanie
informacji z agencji wywiadowczych na ogół jest wspierane przez narzędzia technologiczne do business intelligence w procesie określanym
jako OLAP (on–line analytical processing). Pozwalają one na szybkie
wychwycenie zależności, mapowanie trendów dzięki analizie big data
i przeprowadzanie symulacji analizy skomplikowanych systemów
zdarzeń (event stream processing) (Loshin, 2013, s. 320).
Ostatnią fazą cyklu zdobywania informacji wywiadowczych jest krytyczna analiza uzyskanych danych, porównanie (sprawdzenie czy informacje z różnych źródeł nie wykluczają się), przypisanie poszczególnym źródłom wiarygodności i przekazanie tak zinterpretowanych
wyników kadrze zarządzającej.
Wywiad gospodarczy w komercjalizacji wiedzy (BizzInn, VIB
i Bridge)
Praktyki kojarzone z wywiadem gospodarczym są już aktywnie wykorzystywane w procesie komercjalizacji wiedzy naukowej (Veugelers,
Bury, Viaene 2010). Gdzieniegdzie można się spotkać z terminem spinout intelligence (ang. commercial intelligence – zwrot tłumaczony jako
właśnie „wywiad gospodarczy”), który wskazuje na pozyskiwanie takich informacji, które pomogą nie tylko w komercjalizacji wiedzy, ale
także w założeniu firmy w oparciu o produkty generowane na bazie
potencjału akademickiego. Zasadniczo jednostki uczelniane odpowiedzialne za komercjalizację badań mogą wybrać jedną z trzech form
korzystania z wywiadu gospodarczego, czyli: (1) zlecać usługę przygotowania wywiadu zewnętrznym firmom konsultingowym (2) korzystać z danych i oprogramowania do business intelligence dostępnego
w pionie planowania strategicznego macierzystych jednostek lub (3)
77
podejmować działania wywiadowcze samodzielnie, docelowo tworząc
specjalne komórki odpowiedzialne za prowadzenie wywiadu (trend
ten jest wyjątkowo widoczny w krajach anglosaskich; poniżej prezentujemy listę wybranych uniwersytetów, które mają swoich strukturach
jednostki odpowiedzialne za prowadzenie wywiadu gospodarczego;
zob. tabela 9).
ĠĠ Tabela 9. Wybrane uniwersytety wykorzystujące elementy wywiadu handlowego
Typ jednostki zajmującej się wywiadem
Business intelligence
jako komórka w dziale
zarządzania/planowania
strategicznego
Wywiad jako część działań organizacji komercjalizującej
Uniwersytet
Nazwa organizacji odpowiedzialnej za komercjalizację wiedzy i prowadzącej
działania wywiadowcze
Griffith University
(Australia)
Griffith Business Intelligence
The George Washington University (USA)
Business Intelligence
University of Nottingham (Anglia)
Business Intelligence Unit
Imperial College
London, sieć szpitali uniwersyteckich
(Anglia)
Innovations Technology
Transfer Office
Kingston University
(Anglia)
Oprócz Technology Transfer
osobną komórką jest „Consultancy and Research”
University of Edinborough (Szkocja)
Commercial Relations Team
University of Warwick
(Anglia)
Warwick Ventures
ĠĠ Tabela 10. Działalność wywiadowcza BizzInn
Zakres działań wywiadowczych realizowanych przez BizzInn
Obszary działań
wywiadowczych
Krótki opis
Ewaluacja i analiza
rynku
Postępowanie wywiadowcze w zakresie oceny wielkości rynków komercyjnych i zapotrzebowania na
konkretne innowacje
Identyfikacja partnerów
Pozyskiwanie i porządkowanie informacji o potencjalnych partnerach, klientach czy współpracownikach
Usługi doradcze
Usługi doradcze w zakresie ewaluacji dojrzałości
rynkowej danej innowacji oraz doboru odpowiedniej strategii komercjalizacyjnej
Proof of Concept
Doradztwo w zakresie rozumienia koncepcji proof
of concept oraz zbierania odpowiedniego materiału
dowodowego w danych okolicznościach
Rozwój zespołu komercjalizacyjnego
Pozyskiwanie talentów do zarządzania komercjalizacją danej innowacji
Planowanie biznesowe
Wsparcie w opracowaniu biznesplanów i weryfikowania ich założeń
Fundraising
Pozyskiwanie informacji o źródłach finansowania
pomocnych przy komercjalizacji innowacji, także o funduszach inwestycyjnych czy inwestorach
prywatnych zainteresowanych danym obszarem
innowacji
Źródło: opracowanie własne na podstawie danych ze strony internetowej http://
www.bizzinn.org /spinout_intelligence.php (9.07.2015).
Warto zauważyć, że każda z powyższych działalności wymaga aktywnego pozyskiwania informacji ze świata zewnętrznego. Informacja ta
musi być dopasowana do wyzwania komercjalizacyjnego. Warto także zwrócić uwagę, że analiza i ewaluacja rynku są wymienione jako
78
pierwsze, ponieważ kluczowe dla powodzenia przedsięwzięcia, jakim
jest komercjalizacja jest uzyskanie odpowiedzi na pytanie, czy istnieje
rynek na daną innowację. Jeśli istnieje, to warto zbadać, jakie podmioty już na nim funkcjonują. Jeśli nie, to wywiadowcy szukają przesłanek przemawiających za tym, że dana innowacja może taki rynek
stworzyć, np. poprzez określenie dla jakich produktów może ona być
substytutem. Pozyskane w ten sposób informacje mogą zawierać konkretne dane na temat tego, jak bardzo ryzykowne jest przedsięwzięcie
komercjalizacyjne w danym przypadku, ale jednocześnie mogą pomóc
w zbudowaniu strategii poprzez właśnie wskazanie potencjalnych
rynków, czyli zastosowań.
Wydaje się, że podejście to jest osadzone w głębszym zrozumieniu
procesu krystalizowania się pomysłów na innowacje, spójnym ze
stanowiskiem zaprezentowanym w książce Where Good Ideas Come
From: The Natural History of Innovation (Johnson, 2010). Johnson, jak
twierdzi, przeanalizował proces powstawania innowacji od strony środowiskowej. Innymi słowy, podjął próbę określenia, jakiego rodzaju
warunki społeczne sprzyjają powstawaniu innowacji. Twierdzi on, że
organizmy i sytuacje społeczne, które promują wolną wymianę pomysłów są katalizatorami innowacji. Nie jest to myślenie rewolucyjne,
jednak Johnson wprowadza kategorię „powolnego przeczucia” (z ang.
slow hunch), która – być może głębiej, niż inne teorie – wyjaśnia, dlaczego tak właśnie jest.
Każde przeczucie (czy wstępna intuicja) może mieć w sobie potencjał
na innowację, która wejdzie do użytku rynkowego czy społecznego.
Wstępna intuicja jest bowiem zarysem jakiejś konstatacji, czy też tezy
na temat rzeczywistości. Teza ta musi jednak zostać zweryfikowana,
a odbywa się to poprzez jej zderzanie z informacjami na temat rzeczywistości płynącymi z innych źródeł – czyli z przeczuciami innych.
Poprzez zderzenia te wstępne przeczucia (wstępne tezy) ulegają wery-
fikacji i są odpowiednio przekształcane – im szybsze tempo interakcji,
tym krótszy czas osiągnięcia dojrzałości pomysłu. Johnson twierdzi,
że osiąganie dojrzałości przez niektóre idee może trwać długo, np. wymienia usługę world wide web, która została wymyślona przez Tima
Burners Lee na przestrzeni kilku dekad. Jednak kluczowe dla zrozumienia tego podejścia jest uznanie, że (1) wstępne intuicje czy przeczucia wymagają informacji zewnętrznych, aby osiągnąć dojrzałość,
a (2) prędkość i adekwatność pozyskiwania tych informacji wpływa
na to, czy dana idea rozwinie się w innowację w ogóle i jak szybko się
to stanie (Ibidem).
Bazując na teorii Johnsona, można myśleć o wywiadzie gospodarczym
jako o narzędziu dostarczania informacji do środowiska naukowego –
informacji, które są odpowiednie i zarazem konieczne do komercjalizacji potencjału tego środowiska. Przeczucia naukowe muszą bowiem
zderzać się z przeczuciami świata gospodarki, jeżeli mają doprowadzić do stworzenia rozwiązań przyjmowanych przez firmy.
pp Rysunek 16. Rola wywiadu gospodarczego w tworzeniu i komercjalizacji innowacji
przeczucia
naukowe
wywiad
gospodarczy
innowacje
Istnieją dowody na to, że instytuty naukowe zaczynają stosować narzędzia z zakresu wywiadu gospodarczego nie tylko w celu pozyskiwania
informacji na temat tego, które kierunki badań mogą być rozwojowe.
Instytuty monitorują również rynek technologii, które mogą usprawniać postępowanie badawcze prowadzone w ramach instytucji. Jest to
szczególny przypadek zastosowania technik wywiadowczych określa-
79
ny mianem wywiadu technologicznego. Jego funkcją jest możliwość
pozyskania dla jednostki rozwiązań – szczególnie z zakresu technologii informatycznych i komunikacyjnych (TIK) – które przyspieszą
pewne procesy badawcze i będą katalizatorem dla osiągania wyników
w pracach badawczych. Innymi słowy, chodzi tu o takie zastosowanie
TIK, które przyspieszy proces zderzania wielu informacji płynących
z wielu źródeł zajmujących się tym samym tematem.
Przykładem takiej instytucji jest belgijski instytut VIB, który organizuje prace 65 grup badawczych, w ramach których pracuje ponad
1100 naukowców – głównie w zakresie tzw. life sciences (Veugelers et
al., 2010, s. 336). Instytut ten odnosi znaczące sukcesy na polu transferu technologii, jednak boryka się z problemami optymalizacji metod
pozyskiwania technologii wykorzystywanych w procesie badawczym.
Zwykle decyzje te były podejmowane na zasadzie ad hoc – w oparciu
o potrzeby zgłaszane przez poszczególne grupy badawcze. Zaobserwowano jednak, że technologie były pozyskiwane zbyt późno w porównaniu z innymi (konkurencyjnymi) instytutami, które dzięki czynnikowi
czasu mogły dokonać znaczących postępów w pracach naukowych.
Brak umiejętności szybkiego pozyskiwania technologii katalizujących
postępowanie badawcze został określony jako obniżanie produktywności naukowej (Ibidem).
Wobec powyższego zarząd instytutu zdecydował się na systematyczne prowadzenie wywiadu technologicznego, którego funkcją jest stałe
pozyskiwanie i aktualizowanie odpowiedzi na dwa podstawowe pytania: (1) jakie technologie wspomagające postępowanie badawcze są
dostępne oraz (2) które z tych technologii mogą być z korzyścią wykorzystane przez instytut. Pierwsza kwestia wiąże się z koniecznością
prowadzenia nie tylko ciągłego monitoringu, ale także wywiadu nastawionego na obserwowanie innych instytutów badawczych o podobnym profilu. Natomiast druga kwestia wymaga stałej komunikacji
między osobami realizującymi wywiad a zespołami badawczymi – tak,
aby możliwie szybko proponować rozwiązania technologiczne.
Ten sposób postępowania pokazuje, że instytuty badawcze nastawione na komercjalizację wiedzy funkcjonują w środowisku konkurencji. Umiejętność znalezienia odpowiedzi na pewne pytania badawcze
szybciej od innych zespołów badawczych będzie często decydowała
o możliwości komercjalizacji wiedzy/technologii, która została stworzona właśnie w oparciu o te odpowiedzi. Wywiad gospodarczy pokazuje zatem nie tylko możliwości urynkowienia wiedzy, ale może także
prowadzić do usprawnienia procesów wewnątrzorganizacyjnych.
Na gruncie polskim zasadność stosowania wywiadu gospodarczego
i analityki biznesowej w komercjalizacji nauki została potwierdzona
dzięki realizacji projektu BRIdge Mentor44 prowadzonego przez firmę
PwC we współpracy z Narodowym Centrum Badań i Rozwoju. Celem
tego projektu jest dostarczenie naukowcom profesjonalnych usług doradczych, tak aby możliwe stało się określenie potencjału rynkowego
danych zasobów naukowych (PwC, 2013). Innymi słowy, naukowcy
mogli zamówić analizę prowadzonych przez nich działań pod kątem
możliwości ich komercjalizacji. Zasoby naukowe, które przechodzą
wstępne analizy (uzyskują ocenę pozytywną) są wprowadzane na dalsze etapy komercjalizacji przez konsultantów – doradzają oni w kwestii możliwych ścieżek i modeli komercjalizacji, a także szukają potencjalnych inwestorów dla rynkowej walidacji prowadzonego projektu
(Ibidem). Takie działania nie byłyby możliwe bez stałego i systemowego procesu zbierania informacji o aktorach rynkowych i ich aktywności – czyli bez systemowego wywiadu gospodarczego.
44 Strona internetowa projektu: http://www.pwc.pl/pl/bridge–mentor/index.jhtml.
80
8.Funkcje wywiadu i wybór strategii w projekcie SPIN
Systemowe rozwiązanie dotyczące przygotowania strategii komercjalizacji wiedzy
W trakcie pilotażu projektu SPIN również wykorzystywano narzędzia
realizujące niektóre funkcje wywiadu gospodarczego – w tym przypadku gromadzono i porządkowano informacje o otoczeniu danego
Centrum Transferu Wiedzy. W tej części rozdziału chcemy opisać,
jakie narzędzia użyto, jaką zastosowano metodologię postępowania
wywiadowczego i analitycznego oraz w jaki sposób zdobyta wiedza
została wykorzystana przez decydentów zaangażowanych we wdrażanie modelu.
Należy przypomnieć, że w omawianym projekcie zdecydowano się
na utworzenie czterech Centrów Transferu Wiedzy. Każde z Centrów
stanęło przed wyzwaniem przedstawienia koncepcji swojego funkcjonowania na okres trwania projektu. Koncepcja ta została powiązana
z odpowiednimi wskaźnikami, które były podstawą rozliczenia jej realizacji przed grantodawcą, czyli Wojewódzkim Urzędem Pracy.
Każde z Centrów miało wsparcie ze strony zespołów analitycznych,
których zadaniem było wykonanie tzw. „diagnoz obszarowych” polegających na zebraniu i analizie danych o otoczeniu naukowym, prawnym i biznesowym. Na bazie tych diagnoz opracowano tzw. „warianty
obszarowe”, które powstawały we współpracy z Liderami poszczególnych CTW i – ostatecznie – zawierały elementy strategii CTW. W poniższej tabeli zmieściliśmy, w układzie chronologicznym, poszczególne etapy opracowania koncepcji CTW (zob. tabela 11).
ĠĠ Tabela 11. Opracowanie koncepcji funkcjonowania CTW – harmonogram
Etap
Krótki opis
Decyzja o powołaniu Centrum
Transferu Wiedzy w danej dziedzinie i wyznaczenie Liderów
CTW
Decyzja ta zapadała na poziomie negocjacji bilateralnych między zarządem
województwa a reprezentantami środowisk naukowych wpisujących się
w inteligentne specjalizacje regionalne
Wykonanie diagnozy obszarowej
przez Centrum Ewaluacji i Analiz
Polityk Publicznych UJ
Zespół Centrum Ewaluacji i Analiz Polityk Publicznych UJ wykonywał działania wywiadowcze przy wykorzystaniu dostępnych raportów i opracowań
dotyczących danego obszaru, poprzez
prowadzenie pogłębionych wywiadów
z interesariuszami z danego obszaru,
a także w trakcie warsztatu strategicznego, w którym uczestniczyli interesariusze związani z danym obszarem
Opracowanie wariantu obszarowego dla każdego CTW, zawierającego elementy strategii i wskaźniki wdrożenia
Zespół CEAPP UJ opracowywał wariant obszarowy we współpracy z konkretnym CTW
Źródło: opracowanie własne na podstawie (Drożdżak et al., 2013)
Jak wynika z powyższych rozważań, funkcje wywiadowcze w projekcie SPIN zostały zrealizowane poprzez wykonanie diagnoz i określenie
wariantów obszarowych. Celem diagnoz obszarowych było uzyskanie
odpowiedzi na pytania o (1) specyfikę transferu wiedzy w danym obszarze, (2) istotne grupy podmiotów dla transferu wiedzy w danym
obszarze oraz (3) bariery dla transferu wiedzy w danym obszarze.
W procesie diagnostycznym realizowanym na potrzeby czterech CTW
przeanalizowano 53 dokumenty źródłowe, przeprowadzono 76 wywiadów pogłębionych oraz zorganizowano 4 warsztaty strategiczne (po
81
jednym dla każdego z obszarów). Następnie uzyskane w ten sposób
informacje zostały wykorzystane do wyróżnienia wariantów obszarowych definiowanych jako „koncepcja działań intensyfikujących transfer wiedzy w danym obszarze” oraz jako „zarys strategii funkcjonowania danego Centrum Transferu Wiedzy” (Szczucka, 2013, s. 3). Stąd
w wariantach obszarowych znalazły się takie elementy, jak (1) specyfika samego obszaru, (2) jego kluczowe wyzwania, (3) rekomendowany
kierunek działań i cele, (4) analiza interesariuszy oraz rekomendacje
działań dopasowane do ważnych grup, (5) kryteria i mierniki sukcesu
oraz (6) warunki realizacji celów i (7) wskaźniki umożliwiające monitoring wdrożenia.
Można zatem powiedzieć, że metody i narzędzia wywiadu gospodarczego zostały w pilotażowym wdrożeniu Modelu SPIN zastosowane.
Przyjęty tok postępowania (harmonogram) pozwalał na pozyskanie
informacji o otoczeniu zewnętrznym, które następnie zostały wykorzystane do sformułowania założeń co do strategicznych kierunków rozwoju CTW – czyli samego procesu transferu i komercjalizacji wiedzy.
Systemowy projekt a wdrożenie
W odczuciu osób uczestniczących w realizacji działań wywiadowczych i analitycznych wiedza zebrana w procesie tworzenia wariantów
obszarowych nie została jednak optymalnie wykorzystana przez Liderów CTW. W konsekwencji kompleksowe i obszerne informacje nie
zostały w sposób optymalny wprowadzone w procesy, które miały doprowadzić do wytworzenia aktywów na bazie zasobów uczelnianych
w obszarach, w których Centra realizowały swoje działania.
W tej części rozdziału przedstawimy 3 główne grupy przyczyn zaistnienia takiej sytuacji. Zbiory te wytypowaliśmy na podstawie doświadczeń z realizacji projektu SPIN – doświadczeń opiekunów obszarowych czterech Centrów Transferu Wiedzy.
Proces decyzyjny wyboru CTW
Popyt na rekomendacje i podwójna rola zespołów analitycznych
W pierwszej kolejności należy zwrócić uwagę na proces decyzyjny,
którego efektem był wybór czterech zespołów odpowiedzialnych za
utworzenie i rozwój CTW. Proces ten rozpoczął się na długo przed
podjęciem systematycznych działań wywiadowczo–analitycznych.
Według dostępnej wiedzy, władze regionalne spotykały się z Rektorami największych krakowskich uczelni w celu wytypowania zespołów
badawczych, których prace wpisywałyby się w ramy inteligentnych
specjalizacji regionalnych. W wyniku nieformalnych spotkań zostały
wybrane cztery45 zespoły, które wchodziły do projektu już ze wstępnie
Diagnozy i warianty obszarowe były wpisane w logikę realizacji projektu w sposób odgórny i nie wynikały z bezpośrednich potrzeb zgłaszanych przez zespoły odpowiedzialne za stworzenie i rozwój CTW.
Innymi słowy, Zespoły CTW – w opinii opiekunów obszarowych – nie
czuły potrzeby pozyskiwania większej ilości wiedzy o swoim otoczeniu biznesowym w sposób zaproponowany przez Centrum Ewaluacji
i Analiz Polityk Publicznych UJ. Brak motywacji do wzbogacania wiedzy o otoczeniu po części był związany z problemem opisanym powyżej – chodzi o to, że CTW zostały raczej mianowane politycznie do
uczestniczenia w projekcie SPIN.
zdefiniowaną wizją rozwoju CTW. Należy jednak zaznaczyć, że proces przedstawienia, weryfikacji i rozwoju wstępnej wizji CTW nie był
usystematyzowany – przebiegał on w sposób nieuporządkowany.
Innymi słowy, decyzja o zaangażowaniu danych zespołów do pilotażowego wdrożenia projektu SPIN została podjęta nie w oparciu o systemowe analizy dotyczące tego, czy dane zespoły mają konkretne
pomysły na intensyfikowanie transferu wiedzy i jej komercjalizację
w regionie oraz czy te pomysły są adekwatne względem aktualnej diagnozy rzeczywistości gospodarczej, a raczej na podstawie rekomendacji z poziomu politycznego.
Zgodnie z naszą wiedzą nie były prowadzone żadne metodyczne analizy oparte o wywiad gospodarczy na etapie włączania CTW do projektu SPIN, które pomogłyby określić, na ile zespoły wybrane do realizacji CTW mają w swoim otoczeniu zasoby umożliwiające zastosowania
rynkowe. Te analizy – pod postacią opisanych wyżej diagnoz obszarowych – były prowadzone dopiero po zakwalifikowaniu poszczególnych
CTW.
45 W pierwszej kolejności zostały wybrane trzy zespoły – Małopolskie Centrum Biotechnologii dołączyło do
projektu na dalszych etapach prac.
82
Za element dodatkowo komplikujący sytuację można uznać fakt, że
CEAPP UJ pełniło w projekcie rolę związaną nie tylko z analizą i doradztwem, ale również monitorowaniem aktywności Centrów i raportowaniem postępów do lidera projektu, czyli do Urzędu Marszałkowskiego. Fakt ten mógł zadziałać antagonizująco i ograniczyć otwartość
Zespołów CTW względem członków CEAPP UJ. Doradztwo mogło
być postrzegane bardziej jako praktyka „wytykania błędów” niż przekazywania konstruktywnych uwag osadzonych w analizie otoczenia
i potencjału CTW. Dodatkowo, taka sytuacja mogła ograniczać realne
zapotrzebowanie na rekomendacje po stronie CTW.
Kompetencje odbiorców i proces konsultacyjno–doradczy
Analizując proces doradczy oparty o diagnozy i warianty obszarowe
w projekcie SPIN, należy również zwrócić uwagę, że Zespoły CTW
rzadko były zaznajomione ze specjalistycznym językiem biznesowym,
językiem wywodzącym się z nauk o zarządzaniu, czy szerzej – z socjologii komercjalizacji i innowacji, którym posługiwali się analitycy związani z CEAPP UJ. W efekcie, osoby prowadzące CTW (które
zwykle były rekrutowane z kadry akademickiej zajmującej się danym
obszarem badawczym od strony naukowej) stanęły przed wyzwaniem
zrozumienia specjalistycznych raportów analitycznych. Sam proces
doradztwa ograniczył się do zaprezentowania wyników diagnozy obszarowej i wariantów obszarowych w trakcie pojedynczego spotkania,
a następnie prowadzono nieformalne rozmowy i konsultacje. Można
powiedzieć, że proces w dużym stopniu odzwierciedlał założenie46, że
„sukces doradztwa polega niemal wyłącznie na ekspertyzie analitycznej oraz jest uzależniony od umiejętności stworzenia przekonywujących raportów” (Turner, 1982). Jak zauważyli opiekunowie obszarów,
kadra CTW nie zapoznawała się z raportami dogłębnie, przez co nie
zmieniano założeń strategicznych wypracowanych wewnętrznie w zespołach. Co ciekawe, w niektórych Centrach zaobserwowano proces
uczenia się w obliczu „zbliżania się do rynku”, jednak mógł on zostać
wzmocniony przez internalizację wiedzy pozyskiwanej w bardziej systematycznym wywiadzie gospodarczym zrealizowanym przez CEAPP
UJ.
Podsumowując, można powiedzieć, że obszerne działania wywiadowczo–analityczne podejmowane w pilotażowym wdrożeniu modelu SPIN
nie zostały wykorzystane w sposób optymalny na rzecz wzmacniania
koncepcji strategii dla poszczególnych CTW i ich rozwoju. Do głównych powodów należy zaliczyć: (1) zbyt duże upolitycznienie procesu
wyboru kadry CTW oraz niewykorzystanie narzędzi wywiadowczych
i analitycznych na tym etapie procesu, a włączenie ich dopiero po wyborze tych jednostek, (2) podwójną rolę (także kontrolną) jednostki
odpowiedzialnej za doradztwo w zakresie strategii, a w konsekwencji
(3) dystans CTW względem przypisanych im odgórnie doradców; ponadto (4) proces doradczy został oparty o założenie, że CTW przejmą
wiedzę na temat procesów rynkowych i aktualnej sytuacji rynkowej
wraz z prezentacją raportów przez specjalistów CEAPP UJ.
Powyższe wnioski znajdują potwierdzenie w raporcie ewaluacyjnym
przygotowanym przez członków CEAPP UJ (Antosz et al., 2015), a także w wypowiedziach niektórych osób odpowiedzialnych za wdrożenie
modelu SPIN na poziomie obszaru, udzielanych podczas wywiadów
pogłębionych prowadzonych właśnie na potrzeby ewaluacji procesu
implementacji.
pp Rysunek 17. Proces wyboru zespołów do stworzenia CTW
Potrzeba
powołania
CTW
Konsultacje z
Rektorami
uczelni
Konsultacje
wewnątrzuczelniane
46 Co istotne, nie było to założenie poczynione explicite, a raczej wynik okoliczności projektowych, w przypadku których dużą rolę odegrał harmonogram realizacji projektu. Warto dodać, że harmonogram nie wyróżniał
etapów precyzowania wizji i ustalania strategii CTW od kategorii działań operacyjnych. W związku z tym
kadra wdrażająca CTW niemal od razu przystąpiła do działań operacyjnych (mobilizowana wielością spraw
koniecznych do załatwienia), co dodatkowo działało negatywnie na jej motywację, aby zająć się kwestiami
strategicznymi.
83
Rekomendacje
konkretnych
zespołów
badawczych
Wybór zespołów
badawczych
Podsumowanie – pozyskiwanie a internalizacja informacji o świecie gospodarczym
W niniejszym rozdziale próbowaliśmy przedstawić argumenty przemawiające za tezą, że dobrze zorganizowany wywiad gospodarczy jest
jednym z ważniejszych czynników sukcesu komercjalizacji wiedzy.
Jeżeli bowiem naukowcy stawiają sobie za cel przekonanie firm, że
warto z nimi współpracować, to muszą „wytworzyć” produkty/usługi,
które będą bezpośrednią odpowiedzią na potrzeby przedsiębiorstw.
Transfer wiedzy wymaga rozbudowanego aparatu intelektualnego
i badawczego po stronie uczelni, jednak w równym stopniu wymaga
on wiedzy na temat rynków, tj. aktualnej sytuacji w praktyce gospodarczej. Wywiad gospodarczy należy traktować właśnie jako narzędzie
pozyskiwania i aktualizowania wiedzy na temat firm, rynków i branż.
W prezentowanym rozdziale wskazaliśmy, że techniki i metody wywiadu gospodarczego są stosowane nie tylko przez zagraniczne uniwersytety, ale także przez polskie uczelnie – w interwencjach nastawionych na transfer wiedzy. Przykładem jest opisywane przez nas
testowe wdrożenie Modelu SPIN w Małopolsce. Przeprowadzony pilotaż pokazuje, że zastosowanie technik wywiadowczych i analizy danych o otoczeniu biznesowych jest obarczone wieloma ryzykami, których materializacja powoduje, że funkcje wywiadu nie są realizowane
w sposób optymalny. Innymi słowy, kluczem jest nie tylko pozyskiwanie wiedzy o otoczeniu, ale zapewnienie, że wiedza ta będzie w sposób relatywne szybki internalizowana przez osoby odpowiedzialne
za przygotowywanie przedsięwzięć komercjalizacyjnych. Aby tak się
stało, konieczne jest (1) właściwe zaprojektowanie procesu tworzenia
koncepcji komercjalizacji, który będzie od samego początku osadzony
w analizie sytuacji rynkowej, (2) odpowiednie przygotowanie odbior-
84
ców informacji (zarówno pod kątem wiedzy, jak i postaw i nastawienia
do praktyk wywiadowczo–analitycznych), (3) wyznaczenie klarownej
roli konsultantów zewnętrznych w tym procesie, a także (4) rozciągnięcie w czasie samego procesu, tak aby wytworzona została stała więź między doradcami a osobami realizującymi przedsięwzięcia
komercjalizacyjne. Wówczas można mieć nadzieję, że odpowiednie
informacje o rynku nie tylko zostaną pozyskane, ale także zostaną zinternalizowane i wykorzystane w celu tworzenia konkurencyjnej oferty
zakorzenionej w zasobach naukowych.
Zakończenie
W popularno–naukowej pracy poświęconej wprowadzaniu zmian bracia Heath47 wykorzystali analogię do jeźdźca na słoniu. W ich opinii,
trwałe przemieszczanie się słonia można osiągnąć poprzez trzy kategorie działań.
Po pierwsze, bardzo klarowane wskazówki dla jeźdźca (argumenty
racjonalne): proste przedstawienie pierwszych kroków i ostatecznego
celu.
Po drugie, zaangażowanie słonia (emocjonalne): upewnienie się, że
odbiorcy działań mają poczucie potrzeby zmiany, wprowadzanie jej
krok po kroku, stopniowo, ograniczając dotkliwość zmian, a także zapewnienie pozytywnych bodźców przy każdym, nawet najmniejszym
sukcesie.
Po trzecie, właściwe zdefiniowanie ścieżki (sytuacji, w jakiej znajdują
się odbiorcy działań i kontekstu). Wskazówka ta odnosi się do osób
lub podmiotów wprowadzających zmianę. Jeśli chcą zrobić to skutecznie, powinni właściwie zrozumieć sytuację, na którą oddziałują.
A konkretnie, warto redefiniować będący punktem wyjścia problem
związany z ludźmi jako problem sytuacyjny. Problem nie wynika bowiem z wrodzonych cech osób, ale z interakcji ich cech z sytuacją,
w której się znajdują. Ponadto – jak pokazują opisane w książce braci
Heath przypadki – to, co jest postrzegane jako opór, często jest brakiem jasności odnośnie właściwego sposobu postępowania. A to, co
jest postrzegane jako lenistwo, często jest po prostu wyczerpaniem.
Niniejsza publikacja zawiera przede wszystkim wskazówki dla „jeźdźca”. Wynika to w dużej mierze z cech monografii naukowej, której
47 Chip Heath i Dan Heath – Pstryk. Jak zmieniać, żeby zmienić? (2011).
85
specyfika determinuje skoncentrowanie się na przekazaniu wiedzy.
Wskazaliśmy wagę czynników, które należy wziąć pod uwagę przy
planowaniu i realizacji wdrożenia. Opisaliśmy doświadczenia związane z dostarczaniem wiedzy o efektach interwencji (ewaluacja). Na
koniec podkreśliliśmy znaczenie odpowiedniego rozpoznania kierunku, w którym warto zmierzać (z wykorzystaniem wywiadu gospodarczego).
Jednocześnie zwracaliśmy uwagę na czynniki ważne z punktu widzenia przemieszczania się „słonia”: odpowiednie zaangażowanie wszystkich ważnych interesariuszy, motywacja do działania i przywództwo.
Pisząc o modelach mentalnych i właściwym zdefiniowaniu zmiany,
wpisaliśmy się w sugestię właściwego zdefiniowania ścieżki.
Jak zaznaczyliśmy we wstępie, zmiana, o której mowa jest niezbędna
dla rozwoju społeczno–gospodarczego naszego kraju, a jej przyspieszenie jest z wielu powodów pożądane. Podstawowe zasoby potrzebne
do jej wprowadzenia także są dostępne: fundusze i deklaracje zaangażowania ze strony wszystkich interesariuszy. Sukces tego przedsięwzięcia wcale nie jest jednak pewny. Tym bardziej wymaga ono uwagi i namysłu. A także – wynikających z nich działań.
Literatura
Amit, R. (2009). How Entrepreneurs Identify New Business Opportunities, University of Pennsylvania (dostępne na: http://knowledge.wharton.upenn.edu/
article/how-entrepreneurs-identify-new-business-opportunities/).
Antosz, P., Drożdżak, Z., Górniak, J., Orkisz, W., Worek, B., (2010). Ewaluacja
oparta na użyetczności - analiza w kontekście realizacji zasady good governance
w wybranych programach operacyjnych. Kraków: CEAPP UJ.
Antosz, P., Bednarowska, M., Bukowski, A., Drożdżak, Z., Felcis, E., Górniak,
J., Grzymała-Moszczyńska, J., Krupnik, S., Łukasiewicz, K., Łukowska, M.,
Rudnicki, S., Skórska, P., Strycharz, J., Szczucka, A., Szklarczyk, D. (2012). W
kierunku skuteczniejszego transferu wiedzy: diagnoza w obszarach objętych projektem SPIN, Kraków: CEAPP UJ (dostępne na: http://www.spin.malopolska.
pl/model-spin-i-strategia.html).
Antosz, P., Krupnik, S., Łukasiewicz, K., Szklarczyk, D., (2015). Sieci współpracy biznesu, nauki i samorządu w obszarach: inteligentne sieci energetyczne,
budownictwo energooszczędne, biotechnologia oraz medycyna translacyjna. Raport z badania prowadzonego w ramach projektu „SPIN - Model transferu innowacji w Małopolsce” Kraków: CEAPP UJ.
Antosz, P., Krupnik, S., Strycharz, J., Szczucka, A., Szklarczyk, D., (2015).
Raport z ewaluacji wewnętrznej projektu „SPIN - Model transferu innowacji w
Małopolsce”. Kraków: CEAPP UJ (dostępne na: http://www.spin.malopolska.
pl/publikacje.html).
Antosz, P., Krupnik, S., Strycharz, J., Szklarczyk, D. (2015a). Jak wdrożyć Model SPIN. Kraków: Urząd Marszałkowski Województwa Małopolskiego (dostępne na: http://www.spin.malopolska.pl/publikacje.html).
Antosz, P., Krupnik, S., Strycharz, J., Szklarczyk, D. (2015b). Jak założyć i
rozwijać Centrum Transferu Wiedzy. Przewodnik użytkownika. Kraków: Urząd
Marszałkowski Województwa Małopolskiego (dostępne na: http://www.spin.
malopolska.pl/publikacje.html).
Baggio, R., Cooper, C. (2010). Knowledge transfer in a tourism destination: the
effects of a network structure. The Service Industries Journal No. 30.
Bayes-Brown, G. (2013). Technology Transfer Regions: UK and Scandinavia.
(dostępne na: http://www.globaluniversityventuring.com/article.php/2926/
technology-transfer-regions-uk-and-scandinavia).
86
Bienias, S., Strzęboszewski, P., & Opałka, E. (Eds.). (2012). Ewaluacja. Poradnik dla pracowników administracji publicznej. Warszawa: Ministerstwo Rozwoju Regionalnego.
Bober, J., Górniak, J., Mazur, S., Zawicki, M. (2008a). Programowanie strategiczne i jego realizacja jako narzędzia polityki rozwoju. Warszawa: Ministerstwo Rozwoju Regionalnego.
Bober, J., Górniak, J., Mazur, S., Zawicki, M. (2008b). Plan wzmacniania zdolności strategicznych w polskiej administracji publicznej. Identyfikacja potrzeb,
działania oraz niezbędne środki. Warszawa: Ministerstwo Rozwoju Regionalnego.
Brink, M., Meijerink, S. (2006). Implementing Policy Innovations. Resource dependence, struggle for discursive hegemony and institutional inertia in the Dutch
river policy domain . Nijmegen: Radboud University Nijmegen.
Business Case Studies, hasło: Research and Development (dostępne na: http://
businesscasestudies.co.uk/business-theory/operations/research-and-development.html#ixzz3fJ9tQzPc).
Campbell, A.M. (2007), How to set up a technology transfer office: experiences from Europe w: Intellectual Property Management in Health and Agricultural
Innovation: A Handbook of Best Practices (Eds. A Krattiger, RT Mahoney, L
Nelsen et al.). MIHR: Oxford, U.K., and PIPRA: Davis, U.S.A, (dostępne na:
http://www.iphandbook.org/handbook/ch06/p03/).
CEAPP UJ. (2013). Strategia wdrażania projektu „SPIN - Model transferu innowacji w Małopolsce”. Kraków: Urząd Marszałkowski Województwa Małopolskiego (dostępna na: http://www.spin.malopolska.pl/model-spin-i-strategia.
html)
Dahrendorf, R. (1958). Towardsa Theory of Social Conflict. Journal of Conflict
Resolution 2:2.
Debackere, K. (2012). The TTO, a University Engine Transforming Science
into Innovation. Advice Paper No. 10 (January 2012). Leuven: League of European Research Universities.
Denzin, N. (2006). Sociological Methods: A Sourcebook. Chicago: Aldine Transaction.
Drożdżak, Z., Górniak, J., Krupnik, S., Łukasiewicz, K., Szczucka, A., Szklarczyk, D. (2013). SPIN: Innowacyjny model transferu wiedzy, Kraków: CEAPP UJ
(dostępne na: http://www.spin.malopolska.pl/model-spin-i-strategia.html).
Drożdżak, Z., Krupnik, S., Łukasiewicz, K., Szczucka, A., Szklarczyk, D. (2013).
Sieci współpracy biznesu, nauki i samorządu w obszarach: inteligentne sieci energetyczne, budownictwo energooszczędne, biotechnologia, medycyna translacyjna. Raport z badania prowadzonego w ramach projektu „SPIN - Model transferu
innowacji w Małopolsce”, Kraków: CEAPP UJ.
European Commission (2013). Research and Innovation performance in EU
Member States and Associated countries: Innovation Union progress at country
level 2013. Brussels: European Union.
European Commission (2014). Standardisation in the area of innovation and
technological development, notably in the field of Text and Data Mining. Report
from the Expert Group, DG for Research and Science. Brussels: European
Union.
Felcis, W., Drożdzak, Z., Antosz, P., (2012), Użyteczność jako kryterium ewaluacji polityk publicznych, Zarządzanie Publiczne 1(17)2012.
Ferry, M., Olejniczak, K. (2008). Wykorzystanie ewaluacji w zarządzaniu programami unijnymi w Polsce. Warszawa: Ernst&Young.
Flick, U. (2011). Jakość w badaniach jakościowych. Warszawa: PWN.
Foray, D., Paul, D., Hall, B. (2009). Smart Specialisation – The Concept. Knowledge Economists Policy Brief No 9.
Fry, L. (1973). Participant Observation and Program Evaluation. Journal of
Health and Social Behavior , 14 (3), 274-278.
Fuld, L.M. (2010). The Secret Language of Competitive Intelligence: How to see
through and stay ahead of business disruptions, distortions, rumors and smoke
screens, Indianapolis: Dog Ear Publishing LLC.
Geodecki, T., Krupnik, S., Otręba A., Szczucka A., Szklarczyk D., (2010). Bariery w realizacji inwestycji MŚP w obszarze B+R. Małopolskie Studia Regionalne, Kraków: Departament Polityki Regionalnej, Urząd Marszałkowski Województwa Małopolskiego.
Geodecki, T. Geodecki T., Gorzelak G., Górniak J., Hausner, J., Mazur S.,
Szlachta J., Zaleski J. (2012). Kurs na innowacje. Jak wyprowadzić Polskę z
rozwojowego dryfu?, Kraków: Fundacja GAP.
Georghiou, L. (1998). Issues in the evaluation of innovation and technology policy. (w:) Policy Evaluation in Innovation and Technology: Towards Best Practices. Paris: OECD Publishing.
87
Ghofrani, H., Osterloh, I., & Grimminger, F. (2006). Sildenafil: from angina to
erectile dysfunction to pulmonary hypertension and beyond. Nature Reviews
Drug Discovery (5), 689-702.
Gilad, B. (2003). Early Warning: Using competitive intelligence to anticipate
market shifts, control risk and create powerful strategies, New York: AMACOM.
Górniak, J. (2007a). Diagnoza oraz strategia i jej kwantyfikacja (cele, priorytety,
wskaźniki) w: Górniak J., Korporowicz L., Kowalczyk A., Szlachta J., Zaleski
J., Ewaluacja ex ante – podsumowanie doświadczeń administracji polskiej, Warszawa: MRR.
Górniak, J. (2007b). Ewaluacja w cyklu polityk publicznych. (w:) S. Mazur, Ewaluacja funduszy strukturalnych - perspektywa regionalna. Kraków: Uniwersytet
Ekonomiczny.
Grimm, H., Jaenicke, J. (2012). What drives patenting and commerzialisation
activity at East German universities? The role of new public policy, institutional environment and individual prior knowledge. The Journal of Technology
Transfer No. 37(4).
Grosse, T.G. (2008). Europeizacja a lokalne uwarunkowania administracyjne.
Zarządzanie publiczne 1(3)/2008.
Grzeszczyk, T. (2009). Ocena Projektów Europejskich 2007-2013. Warszawa:
Placet.
GUS (2015). Nauka i Technika w 2013 r. Warszawa: Główny Urząd Statystyczny.
Gust-Bardon, N. (2012). Regional Development in the Context of an Innovation
Process. Karlruhe: Frauenhofer ISI.
Hausner, J., Zmyślony, M. (2015). Firma-idea: Nowe podejście do wartości w
biznesie, Kraków: Agencja Artystyczna GAP.
Heath, Ch., Heath, D. (2011). Pstryk. Jak zmieniać, żeby zmienić? Kraków: Znak.
Hensel, P. (2011). Kulturowe bariery reformowania administracji publicznej –
wyniki badania empirycznego. Zarządzanie Publiczne 4(18)/2011.
Hill, M., Hupe, P. (2002). Implementing Public Policy. London: Sage Publication, Ltd.
Johnson, S. (2011). Where Good Ideas Come From: The Natural History of Innovation, New York: Riverhead Books.
Komisja Europejska. (2013). The Programming Period 2014-2020. Monitoring
and Evaluation of European Cohesion Policy. European Regional Development
Fund. European Social Fund. Cohesion Fund. Guidance document on ex-ante
evaluation.
Krajowa Instytucja Wspomagająca. (2012). Miniprzewodnik po ewaluacji projektów innowacyjnych PO KL. Warszawa: Krajowa Instytucja Wspomagająca.
Krajowa Jednostka Ewaluacji (2014). Proces ewaluacji Polityki Spójności w Polsce 2004-2014. Warszawa: Ministerstwo Infrastruktury i Rozwoju.
Miner, A., Gong, Y., Ciuchta, M., Sadler, A., Surdyk, J. (2003). Promoting university startups: international patterns, vicarious learning and policy implications. The Journal of Technology Transfer No. 37(2).
MIR (2014). Program Operacyjny Inteligenyny Rozwój. Warszawa: Ministerstwo
Infrastruktury i Rozwoju.
Krupnik, S. (2014). Uaktualniona koncepcja ewaluacji w projekcie SPIN, w tym
koncepcja ewaluacji zewnętrznej. Kraków: CEAPP UJ.
Mookherji, S., La Fond, A. (2013). Strategies to maximize generalization from
multiple case studies: Lessons from the Africa Routine Immunization System
Essentials (ARISE) project. Evaluation No. 19.
Kurz, D. (1983). The use of participant observation in evaluation research.
Evaluation and Program Planning No. 6.
OECD (2013). Commercialising Public Research: New Trends and Strategies.
OECD Publishing (dostępne na: http://dx.doi.org/10.1787/9789264193321-en).
Lambert, R. (2003). Lambert Review of Business-University Collaboration. Final
report. Norwich: Her Majesty’s Stationery Office.
Olejniczak, K., Ledzion, B., Kościelecki, P., Płoszaj, A., Pander, W., Domaradzka, A. (2008). Raport końcowy z badania ewaluacyjnego: „Ocena udziału
polskich partnerów w projektach realizowanych w ramach programu INTERREG
IIIB CADSES”. Warszawa: Ministerstwo Rozwoju Regionalnego.
Ledzion, B., Olejniczak, K., Pander, W. (2009). Ewaluacja pierwszego etapu
wdrażania Działania 5.1 Programu Operacyjnego Kapitał Ludzki. Warszawa:
Kancelaria Prezesa Rady Ministrów.
Link, A., Siegel D.S., Write, M. (2015). The Chicago Handbook of University
Technology Transfer and Academic Entrepreneurship. Chicago and London: The
University of Chicago Press.
Lipsky, M. (2010). Street-Level Bureaucracy. Dilemmas od the individual in public services. New York: Russell Sage Foundation.
Loshin, D. (2013). Business intelligence: The Savvy Manager’s Guide, Silver
Spring: Morgan Kaufmann (Elsevier), Waltham.
Matland, R.E. (1995). Synthesizing the Implementation Literature: The Ambiguity-Conflict Model od Policy Implementation. Journal of Public Administration Research and Theory No. 5.
Mazmanian, D., Sabatier, P. (1981). Effective Policy Implementation. Lexington:
Lexington Books.
McKenna, C. (2012). A brief history of strategy consulting, Paris Tech Review
(02.02.2012) (dostępne na: http://www.paristechreview.com/2012/02/02/history-strategy-consulting/).
88
Mihalic, S., Irwin, K., Fagan, A., Ballard, D.E. (2004). Successful Program Implementation: Lessons From Blueprints. Juvenile Justice Bulletin, July 2004.
Owen, D.-H., Wahl, Z. (2011). Defining Four Pillars for Successful Applied. (w:)
J.R. Howlett, Innovation through Knowledge Transfer 2010. Berlin Heidelberg:
Springer.
PAG Uniconsult Sp. z o.o., Laboratorium Badań Społecznych Sp. z o.o. (2012).
Ewaluacja komplementarności i efektywności wsparcia instytucji otoczenia biznesu (IOB) świadczących usługi dla przedsiębiorców. Warszawa: Ministerstwo
Rozwoju Regionalnego.
Perkman, M., West, J. (2015). Open Science and Open Innovation. Sourcing
Knowledge from Universities. (w:) A. Link, D.S. Siegel, M. Write, The Chicago
Handbook of University Technology Transfer and Academic Entrepreneurship.
Chicago and London: The University of Chicago Press.
Płoszaj, A. (2013). Sieci instytucji otoczenia biznesu. Warszawa: Wydawnictwo
Naukowe Scholar.
Płoszaj, A., Sarmiento-Mirwaldt, K. (2014). Building Social Capital in the Polish-German border region: An Evaluation of the Effectiveness of EU-funded
Small Projects. EUROREG Reports and Analyses 6/2014.
Porter, M. (1980). Competitive Strategy: Techniques for Analyzing Industries and
Competitors. New York: Free Press.
Porter, M. (1996). What is Strategy? Harvard Business Review No. 6 (dostępne
na: https://hbr.org/1996/11/what-is-strategy).
vation.pitt.edu/sites/default/files/Transatlantic%20Commercialization%20
Trends%20Monograph.pdf).
Pressman, J.L., Wildavsky, A. (1984). Implementation. How Great Expectation
in Washington Are Dashed in Oakland. Berkeley: University of California Press.
Vellema, S., Ton, G., de Roo, N., van Wijk, J. (2013). Value chains, partnerships and development: Using case studies to refine programme theories. Evaluation No. 19.
Pultz, H., Treib, O. (2006). Implementing Public Policy. (w:) F. Fisher, G.J. Miller, M.S. Sidney, Handbook of Public Policy Analysis: Theory, Politics, and Methods. Boca Raton: CRC Press.
PwC (2010). Projekt Bridge Mentor: Propozycja Współpracy, Price Waterhouse
Coopers (dostępne na: http://read.pwc.com/i/162885-projekt-bridge-mentor-propozycja-wsp%C3%B3%C5%82pracy).
Schwager, D.J. (2012). Market Sense and Nonsense: How the Markets Really
Work (and How They Don’t), Hoboken: Wiley.
Selltiz, C., Wrightsman, L., Cook, S. (1959). Research methods in social relations. New York: Holt, Rinehart and Winston.
Winter, S.C. (2006). Implementation. (w:) B.G. Peters, J. Pierre, The handbook
of public policy, London: SAGE Publications Ltd.
Woźnicki, J. (2012). Nowa dyscyplina – „nauki o polityce publicznej” usytuowana w dziedzinie nauk społecznych. Nauka (1).
Yin, R. (2014).Case study research: design and methods (5th ed.). Thousand
Oaks: SAGE Publications.
Stake, R. (2006). Multiple case study analysis. New York: The Guillford Press.
Yin, R. (2013). Validity and generalization in future case study evaluations.
Evaluation No. 19.
Sutherland, J.W. (1988). Intelligence-driven strategic planning and positioning. Technological Forecasting and Social Change No. 34.
Zawicki, M., Chrabąszcz, R. (2014). Nauki o polityce publicznej. (w:) M. Zawicki
(red.) Wprowadzenie do nauk o polityce publicznej. Warszawa: PWE.
Suchman, E. (1967). Evaluative research: Principles and practice in public service and social action programs. New York: Russell Sage.
Ziemniewicz, K. (1999). Współczesne koncepcje i metody zarządzania. Warszawa: PWE.
Szczucka, A. (2013). Centrum Promocji Inteligentnych Systemów Informatycznych. Wariant obszarowy Modelu SPIN, Kraków: CEAPP UJ (dostępne na:
http://www.spin.malopolska.pl/model-spin-i-strategia.html)
Żylicz, M. (2013). Co stymuluje innowacje – czego Polska jeszcze nie zrobiła?
Nauka 4/2013.
Szczucka A. (2014). Analiza implementacji w projekcie „SPIN – Model transferu
innowacji w Małopolsce”, Kraków: CEAPP UJ.
Turner, A. (1982). Consulting is more than giving advice. Harvard Business Review No. 60(5) (dostępne na: https://hbr.org/1982/09/consulting-is-more-thangiving-advice).
Trujillo, J., Mate, A. (2012). Business Intelligence 2.0: A general overview.
Business Intelligence: Lecture Notes in Business Information Processing No. 96.
University-driven commercialization and entrepreneurship. A transatlantic comparison of commercial innovation development (2006), materiały z konferencji 4-5 maja 2006 r., Dublin City University (dostępne na: http://www.inno-
89
Veugelers, M., Bury, J., Viaene, S. (2010). Linking technology intelligence to
open innovation, Technological Forecasting and Social Change No. 77(2).
Informacja o autorach
Patrycja Antosz – psycholog i socjolog, doktorantka w Zakładzie
Socjologii Gospodarki, Edukacji i Metod Badań Społecznych w Instytucie Socjologii Uniwersytetu Jagiellońskiego. Od 2010 r. współpracuje z Centrum Ewaluacji i Analiz Polityk Publicznych Uniwersytetu Jagiellońskiego jako ekspert w projektach z obszaru polityk publicznych
ukierunkowanych na rozwój metodologii badań społecznych, analizy
rynku pracy oraz wspieranie innowacyjności w regionie. W tym okresie
wielokrotnie realizowała projekty zlecane przez ministerstwa i agencje
rządowe m.in. Kancelarię Prezesa Rady Ministrów, Ministerstwo Rozwoju Regionalnego czy Polską Agencję Rozwoju Przedsiębiorczości.
W badaniach Bilansu Kapitału Ludzkiego zajmuje się kwestiami związanymi z organizacją i kontrolą metodologiczną realizowanych badań
ogólnopolskich, a także analizami różnych zagadnień merytorycznych.
W projekcie SPIN była odpowiedzialna za badania sieci, pełniła rolę
analityka i opiekuna wdrożenia w obszarze medycyny translacyjnej.
Współpracowała w tym zakresie z Małopolskim Ośrodkiem Medycyny Translacyjnej utworzonym przy Collegium Medicum Uniwersytetu
Jagiellońskiego.
Profesor Jarosław Górniak – twórca i kierownik Centrum Ewaluacji i Analiz Polityk Publicznych Uniwersytetu Jagiellońskiego. Profesor w dziedzinie nauk społecznych, specjalizuje się w metodach badań społecznych, metodologii ewaluacji i analizy polityk publicznych,
socjologii gospodarki i organizacji oraz statystycznej analizie danych.
Z przeprowadzonych przez niego badań i ekspertyz wielokrotnie korzystały duże międzynarodowe organizacje, takie jak ONZ (Program
Narodów Zjednoczonych ds. Rozwoju), Bank Światowy, Komisja Europejska oraz SPSS Inc. Poza działalnością na skalę międzynarodową,
90
wielokrotnie realizował projekty zlecane przez polskie urzędy i agencje
rządowe m.in. Kancelarię Premiera, Ministerstwo Finansów, Ministerstwo Rozwoju Regionalnego oraz Polską Agencję Rozwoju Przedsiębiorczości. W projekcie SPIN pełnił rolę kierownika merytorycznego
projektu.
Seweryn Krupnik – doktor nauk społecznych, certyfikowany kierownik projektów, trener i coach. Jest zaangażowany w działalność
Centrum Ewaluacji i Analiz Polityk Publicznych Uniwersytetu Jagiellońskiego. Specjalizuje się w badaniach związanych zarówno z politykami publicznymi ukierunkowanymi na wzrost innowacyjności
polskiej gospodarki (zwłaszcza transfer wiedzy z uczelni do przedsiębiorstw, dotacje dla przedsiębiorstw), jak i wykorzystaniem ewaluacji
opartej na teorii programu. Realizował projekty zlecane m.in. przez
Ministerstwo Rozwoju Regionalnego, Ministerstwo Środowiska, Polską Agencję Rozwoju Przedsiębiorczości, Narodowe Centrum Badań
i Rozwoju, Urząd Marszałkowski Województwa Małopolskiego, Wojewódzki Urząd Pracy w Krakowie, Regionalny Ośrodek Polityki Społecznej w Krakowie czy organizacje międzynarodowe (np. Erasmus
Student Network International). W projekcie SPIN pełnił rolę koordynatora merytorycznego działań CEAPP UJ.
Jan Strycharz – ekonomista, doktorant w Katedrze Gospodarki
i Administracji Publicznej Uniwersytetu Ekonomicznego w Krakowie.
W ramach pracy naukowej zgłębia relacje między gospodarką, kulturą, przedsiębiorczością i innowacyjnością. Współautor programu
i kierownik studiów podyplomowych Akademia Liderów Kultury realizowanych przez Małopolską Szkołę Administracji Publicznej Uniwersytetu Ekonomicznego w Krakowie, a także wielu innych programów
szkoleniowych rozwijających kompetencje przedsiębiorcze. Ponadto,
dyrektor programowy w Fundacji Warsztat Innowacji Społecznych.
Autor, lider i uczestnik wielu projektów badawczych i doradczych
w obszarze ekonomii kultury i ekonomii innowacji. Regularnie współpracuje jako ekspert z Centrum Ewaluacji i Analiz Polityk Publicznych
Uniwersytetu Jagiellońskiego, Uniwersytetem Papieskim Jana Pawła
II oraz Krakowskim Parkiem Technologicznym. W projekcie SPIN pełnił rolę analityka i opiekuna obszaru biotechnologia, współpracując
z Małopolskim Centrum Biotechnologii.
Anna Szczucka – socjolog i antropolog, doktorantka w Zakładzie
Socjologii Gospodarki, Edukacji i Metod Badań Społecznych w Instytucie Socjologii Uniwersytetu Jagiellońskiego. Od 2007 r. współpracuje z Centrum Ewaluacji i Analiz Polityk Publicznych Uniwersytetu Jagiellońskiego jako koordynator i ekspert w projektach z obszaru
polityk publicznych ukierunkowanych na wspieranie innowacyjności, rozwój regionalny, gospodarkę opartą na wiedzy oraz kształcenie
przez całe życie. W tym okresie wielokrotnie realizowała projekty zlecane przez ministerstwa i agencje rządowe m.in. Ministerstwo Finansów, Ministerstwo Rozwoju Regionalnego, Polską Agencję Rozwoju
Przedsiębiorczości, a także administrację regionalną: Urząd Marszałkowski Województwa Małopolskiego, Regionalny Ośrodek Polityki
Społecznej w Krakowie oraz Wojewódzki Urząd Pracy w Krakowie.
Jest członkiem zespołu Bilans Kapitału Ludzkiego, realizującego jedne z największych badań rynku pracy w Polsce. W projekcie SPIN
była współautorką koncepcji Modelu SPIN, pełniła rolę analityka
i opiekuna wdrożenia w obszarze inteligentnych sieci energetycznych.
Współpracowała w tym zakresie z Centrum Inteligentnych Systemów Informatycznych utworzonym na Akademii Górniczo–Hutniczej
w Krakowie.
91
Dariusz Szklarczyk – socjolog, badacz i analityk, asystent naukowy w Centrum Ewaluacji i Analiz Polityk Publicznych Uniwersytetu
Jagiellońskiego. Specjalizuje się w socjologii gospodarki, badaniach
rynku pracy, rozwoju lokalnego i dialogu społecznego. Jako ekspert
brał udział w licznych projektach realizowanych przez jednostki naukowe, agencje badawcze, organizacje pozarządowe oraz administrację
publiczną, m.in. Uniwersytet Jagielloński, Wyższą Szkołę Europejską
im. ks. Józefa Tischnera w Krakowie, Bank Światowy, Klub Jagielloński, Urząd Miasta Krakowa, Urząd Marszałkowski Województwa Małopolskiego, Polską Agencję Rozwoju Przedsiębiorczości czy Centrum
Rozwoju Zasobów Ludzkich. W projekcie SPIN pełnił rolę eksperta
i opiekuna obszaru budownictwa energooszczędnego, współpracując
z Małopolskim Centrum Budownictwa Energooszczędnego Politechniki Krakowskiej.

Przyspieszyć niezbędne - Doświadczenia z projektu SPIN

Transkrypt

Podobne dokumenty

Czyste technologie węglowe: zielony impuls dla polskiego sektora

To Miejsce

Drukowanie strony

uzupelnienia (jadrowe)

Pobierz artykuł w pdf