ЮФУ
ул. М. Горького, 88, к. 211
г.Ростов-на-Дону, Россия
344002
+7 (863) 250-59-54
Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

TERRA ECONOMICUS

  • Главная
  • Архив номеров
  • 2019
  • Номер 2
  • Aгент-ориентированная модель профессиональной экспертизы и принятия решений о поддержке индивидуальных общественно значимых инициатив

АГЕНТ-ОРИЕНТИРОВАННАЯ МОДЕЛЬ ПРОФЕССИОНАЛЬНОЙ ЭКСПЕРТИЗЫ И ПРИНЯТИЯ РЕШЕНИЙ О ПОДДЕРЖКЕ ИНДИВИДУАЛЬНЫХ ОБЩЕСТВЕННО ЗНАЧИМЫХ ИНИЦИАТИВ

TERRA ECONOMICUS, , Том 17 (номер 2),
Цитирование: Клейнер, Г. Б., Рыбачук, М. А., Ушаков, Д. В. (2019). Агент-ориентированная модель профессиональной экспертизы и принятия решений о поддержке индивидуальных общественно значимых инициатив // Terra Economicus, 17(2), 23–39. DOI: 10.23683/2073-6606-2019-17-2-23-39

Распространенной мировой практикой является поддержка научных исследований с помощью механизмов конкурсного финансирования, осуществляемого через научные фонды. При этом принятие решений о поддержке или отказе финансирования научного проекта осуществляется по результатам многоэтапной экспертизы, которая является ключевой частью конкурсной системы финансирования и проводится самим научным сообществом (peer review). Важно учесть, что на решения каждого эксперта, оказывающегося в ситуации выбора, влияют его индивидуальные экономикопсихологические характеристики. Обычно учетом данных характеристик пренебрегают, но, по нашему мнению, их не стоит недооценивать. В данной статье представлена агент-ориентированная модель профессиональной экспертизы и принятия решений о финансовой поддержке научных проектов со стороны научных фондов с учетом экономико-психологических характеристик агентов-экспертов и репутационных последствий принимаемых ими решений. В модели учтены такие индивидуальные экономико-психологические характеристики агентов, как «индивидуализм – коллективизм», «удовлетворенность – неудовлетворенность» и др. Учитываются также качество проектов, квалификация исследователей, их склонность к субъективности и объективности в процессе оценки проектов в зависимости от экономико-психологических характеристик. Обратные связи модели реализованы через изменение репутации исследователей в зависимости от степени объективности оценок проектов, в том числе путем сравнения репутации исследователя со средней репутацией его ближайшего окружения. На основании изменения репутации исследователей, в зависимости от их принадлежности к классу зависимых (преследующих интересы научной школы) или классу независимых (проводящих объективную оценку научных проектов), делаются выводы об изменении состава групп исследователей внутри научного сообщества. Сформулированы рекомендации по дальнейшему развитию модели и ее использованию для прогнозирования исходов локальных ситуаций в автономных социально-экономических системах.


Ключевые слова: агент-ориентированное моделирование; экономико-психологические характеристики; конкурсное финансирование научных проектов; коллегиальная экспертиза; индивидуализм эксперта; репутация эксперта

Список литературы:
  • Балышев, А. В., & Коннов, В. И. (2010). Сравнительный анализ порядка проведения экспертизы научных проектов в национальном научном фонде США и РФФИ // Экономическая наука современной России, (3), 113–124.
  • Бахтизин, А. Р. (2015). Агент-ориентированные модели: теория и практика // Анализ и моделирование экономических и социальных процессов: Математика. Компьютер. Образование, 22(3), 76–83.
  • Белявский, О. В. (2018). Проблемы правового регулирования грантовой поддержки фундаментальных научных исследований в Российской Федерации // Труды Института государства и права Российской академии наук, 13(4), 170–189.
  • Борисов, В. В. (2011). Принципы конкурсного финансирования инициативных научных проектов // Наука. Инновации. Образование, (10), 9–24.
  • Букина, И. С., & Черных, С. И. (2016). Государственные фонды поддержки науки: финансовые и организационные аспекты развития // Инновации, (9), 15–20.
  • Журавлев, А. Л., & Позняков, В. П. (2004). Экономическая психология: теоретические проблемы и направления эмпирических исследований // Психология. Журнал высшей школы экономики, 1(3), 46–64.
  • Ильина, И. E. (2015). Анализ деятельности научных фондов, обеспечивающих поддержку фундаментальных исследований в России // Наука. Инновации. Образование,(18), 179–202.
  • Ильина, И. Е., & Жарова, Е. Н. (2017). Инструменты поддержки исследований и разработок ведущих отечественных и зарубежных научных фондов // Интеграция образования, 21(2), 164–183. DOI: 10.15507/1991-9468.087.021.201702.164–183. Индикаторы науки: 2018: Статистический сборник (2018). М.: НИУ ВШЭ, 320 с.
  • Куливец, С. Г., & Ушаков, Д. В. (2016). Моделирование взаимоотношений между когнитивными способностями и экономическими достижениями // Психология. Журнал Высшей школы экономики, 13(4), 673–685.
  • Лазар, М. Г., & Стрельцова, Е. А. (2015). Грантовая система финансирования российской науки: итоги одного социологического опроса // Социология науки и технологий, 6(3), 38–49.
  • Ларин, С. Н., & Жилякова, Е. В. (2011). Пути совершенствования механизмов независимой экспертизы и финансовой поддержки инициативных научных исследований // Национальные интересы: приоритеты и безопасность, (35), 11–20.
  • Макаров, В. Л., Бахтизин, А. Р., Сушко, Е. Д., Васенин, В. А., Борисов, В. А., & Роганов, В. А. (2016). Агент-ориентированные модели: мировой опыт и технические возможности реализации на суперкомпьютерах // Вестник Российской академии наук, 86(3), 252–252.
  • Миндели, Л. Э., & Черных, С. И. (2016). Финансирование фундаментальных исследований в России: современные реалии и формирование прогнозных оценок // Проблемы прогнозирования, (3), 111–122.
  • Олейник, А. Н. (2018). Научные трансакции в сравнительной перспективе // Вопросы экономики, (9), 52–69.
  • Олейник, А. Н. (2019). Научные трансакции: сети и иерархии в общественных науках: монография. М: ИНФРА-М, 300. DOI: 10.12737/monography_5bc467f9c006b8.31611531.
  • Полтерович, В. М. (2011). Миссия экономического журнала и институт рецензирования // Журнал Новой экономической ассоциации, (12), 194–197.
  • Федотов, А. В., & Васецкая, Н. О. (2016). Государственная поддержка научных исследований в России – потери, достижения и проблемы // МИР (Модернизация. Инновации. Развитие), 7(1), 19–28. DOI: 10.18184/2079-4665.2016.7.1.19.28.
  • Фрадков, А. Л. (2013). Блеск и нищета формальных критериев научной экспертизы, с. 346–360 / В кн.: Управление большими системами: Сборник трудов, № 44.
  • Цыганов, С. А., Рудцкая, Е. Р., & Хрусталёв, Е. Ю. (2012). Совершенствование конкурсных механизмов поддержки и финансирования научной, научно-технической и инновационной деятельности // Национальные интересы: приоритеты и безопасность, (11), 2–16.
  • Шестопал, А. В., & Коннов, В. И. (2014). Практическая эпистемология: роль рецензирования в организации научной деятельности // Вестник МГИМО Университета, (1), 198–207.
  • Юдин, Б. Г. (2007). Что дает российской науке конкурсное финансирование исследований? // Наука. Инновации. Образование, (3), 12–16.
  • Banitz, T., Gras, A., & Ginovart, M. (2015). Individual-based modeling of soil organic matter in NetLogo: transparent, user-friendly, and open // Environmental modelling & software, 71, 39–45.
  • Federal Research and Development Funding: FY2018 (2018). Congressional Research Service, January 25. (https://fas.org/sgp/crs/misc/R44888.pdf –Access date: 30.04.2019).
  • Ganguli, I. (2017). Saving Soviet Science: The Impact of Grants When Government R&D Funding Disappears // American Economic Journal: Applied Economics, 9(2), 165–201. DOI: 10.1257/app.20160180.
  • Gaudou, B., Lang, C., Marilleau, N., Savin, G., Coyrehourcq, S. R., & Nicod, J. M. (2017). Netlogo, An Open Simulation Environment // Agent-based Spatial Simulation with NetLogo, 2, 1–36.
  • Gropp, R. E., Glisson, S., Gallo, S., & Thompson, L. (2017). Peer review: A system understress // BioScience, 67(5), 407–410. DOI: 10.1093/biosci/bix034.
  • Li, D., & Agha, L. (2015). Big names or big ideas: Do peer-review panels select the best science proposals? // Science, 348(6233), 434–438. DOI: 10.1126/science.aaa0185.
  • Morey, R. D., Chambers, C. D., Etchells, P. J., Harris, C. R., Hoekstra, R., Lakens, D., Lewandowsky, S., Coker Morey, C., Newman, D. P., Schonbrodt, F., Vanpaemel, W., Wagenmakers, E., & Zwaan, R. (2016). The Peer Reviewers’ Openness Initiative: incentivizing open research practices through peer review // Royal Society Open Science, 3(1), 150547. DOI: 10.1098/rsos.150547.
  • Rennie, D. (2016). Let’s make peer review scientific // Nature News, 535(7610), 31–3. DOI: 10.1038/535031a.
  • Thiele, J. C. (2014). R marries NetLogo: introduction to the RNetLogo package // Journal of Statistical Software, 58(2), 1–41.
  • Thiele, J. C., & Grimm, V. (2010). NetLogo meets R: Linking agent-based models with a toolbox for their analysis // Environmental Modelling & Software, 25(8), 972–974.
  • Wilensky, U., & Rand, W. (2015). An introduction to agent-based modeling: modeling natural, social, and engineered complex systems with NetLogo. Cambridge, Massachusetts London, England: The MIT Press, 504 p.
Издатель: Южный Федеральный Университет
Учредитель: Южный федеральный университет
ISSN: 2073-6606