Андрей Юревич - Социальная психология знания

Отрицательный метакапитал, используемый для противодействия развитию

Использование человеческого метакапитала, направленного на противодействие развитию человеческого капитала других субъектов, во многих случаях объясняется тем, что эти другие воспринимаются как конкуренты, соперники, враги.

О необходимости секретности и противодействия врагу, пытающемуся добыть ценные знания и овладеть ценными умениями (т. е. увеличить свой человеческий капитал, используемый для нанесения ущерба, а значит, оцениваемый как отрицательный), известно со времен древних цивилизаций. Достаточно вспомнить запреты и наказания вплоть до смертной казни за попытки выведать или выдать охраняемые сакральные или технологические знания (например, о производстве и технике применения греческого огня и т. п.).

Логика сокрытия ценного знания от потенциального противника (конкурента) полностью сохраняет актуальность и в современном мире. В недавнем интервью Беккер выразил мнение, что «нужно быть осторожнее со студентами из некоторых исламских стран, особенно если студенты желают специализироваться в таких щепетильных сферах, как ядерная физика, в которых мы обязаны быть более бдительными. <���…> Я готов поддержать порядок, при котором в ходе отбора студентов мы будем учитывать не только их квалификацию, но и страну происхождения, поскольку это обстоятельство может содержать потенциальную угрозу» (см.: Интервью с Гэри Беккером, 2010, с. 11). Подчеркнем: в высшей степени показательно, что это говорит Нобелевский лауреат по экономике, один из создателей теории человеческого капитала, занимающий рефлексивную позицию в вопросах обучения и образования.

Действуя в этой логике, США в конце 1990-х годов приняли санкции против ряда российских вузов, подозреваемых в обучении ядерным технологиям студентов из определенных стран, в том числе из Ирана (Санкции…, 1999). Следующим этапом развертывания конфликта стало заявление представителей российской стороны, что они не согласны с этими санкциями. В рамках конкретных действий, выражающих это несогласие, из одного из вузов были уволены американские преподаватели, работавшие там по контракту, и процесс обучения ими студентов был прекращен. Завершающий (точнее, условно завершающий) этап состоял в том, что после вмешательства российского Министерства образования американские преподаватели были восстановлены на работе, а часть иностранных студентов отчислена.

Переходя от области образования к науке – той области, где новые знания создаются, – можно убедиться, что их сокрытие как одно из средств управления человеческим капиталом конкурентов имеет место и здесь. Например, член экспертного совета концерна «Наноиндустрия» член-корреспондент РАН И. В. Мелихов подчеркивает, что ни одна из национальных нанотехнологических программ не предполагает широкого обмена накопленными знаниями с другими странами: общедоступны лишь второстепенные данные и самые общие сведения о наночастицах – ликбез для начинающих, которым заведомо не догнать лидеров (Мелихов, 2007).

При этом ситуация с сокрытием знаний от конкурентов представляется значительно лучше отрефлексированной применительно к науке, чем к образованию. Имеется много работ, один из последних обзоров которых дал К. Г. Хуанг (Huang, 2011). Он показывает, как после работы Р. Мертона «The Normative Structure of Science» («Нормативная структура науки»), (1942; переизд. 1973) в социологии и экономике науки стали развиваться представления об амбивалентности, двойственности и противоречивости различных аспектов научной деятельности, в том числе связанных с необходимостью, с одной стороны, кооперироваться и обмениваться знаниями, а с другой – скрывать знания от конкурентов, будь то индивидуальные исследователи, работающие в соседней лаборатории, исследовательские группы в других университетах или же корпорации, борющиеся за первенство в получении и коммерческом использовании высокотехнологических знаний.

Для сокрытия знания исследователи используют целый ряд приемов:

– умолчания при обсуждениях и неформальном общении с коллегами;

– задержка публикации (естественно, с неизбежным риском, что конкурент может успеть опубликоваться раньше, но исследователь-первооткрыватель в некоторых случаях готов идти на этот риск);

– первоначальная публикация в малоизвестном и малочитаемом издании с целью застолбить приоритет без огласки, пока не привлекая внимания к исследованию, и тем самым получить время для дальнейшей отработки идей, подходов, процедур;

– неполное описание процедур и результатов, в том числе сознательный отказ кодифицировать для других исследователей и распространять самое ценное «живое» знание, полученное непосредственно в опыте и не выводимое из предшествующих моделей, известных конкурентам; и т. д. (Dasgupta, David, 1994). Все это относится к так называемой теневой научной методологии, в терминах А. В. Юревича (Юревич, б.д.).

Текст предоставлен ООО «ЛитРес».

Прочитайте эту книгу целиком, купив полную легальную версию на ЛитРес.

Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.

Текст главы написан Д. В. Ушаковым совместно с С. Г. Куливцом.

В этой главе понятия компетентность и компетенция употребляются как синонимы.

Под задачей мы понимаем вид товаров/услуг, которые будут произведены/оказаны. Везде далее, говоря о задачах, мы будем для удобства использовать слова, интерпретирующие их как производство товаров, однако это не отменяет интерпретацию, связанную с оказанием услуг.

Подробнее о параметрах модели определения качества товара говорится в следующем разделе.

В таблице 1, в столбце SS представлены результаты расчета:

– внутригрупповой дисперсии (Columns), характеризующей изменение средних в каждой из трех групп различных значений параметра Ii;

– межгрупповой дисперсии (Error), характеризующей рассеяние значений Di вне влияния фактора Ii;

– общей выборочной дисперсии (Total).

В столбце df приведено число степеней свободы по каждому виду дисперсии. В столбце MS – среднее значение суммы квадратов разностей по каждому виду дисперсии, определяемое как отношение SS/df. В столбце F – значение статистики Фишера для MS. Значение уровня значимости p(Prob > F) для рассчитанного значения статистики F приведено в последнем столбце.