Предпосылки модели
На рис. 1. представлены основные действующие агенты рассматриваемой системы и структура их взаимодействий, выявленных в ходе эмпирических исследований и изучения предшествующих публикаций по рассматриваемой тематике.
Рисунок 1. Элементы агент-ориентированной модели университетской экосистемы
Во внимание принимаются два типа агентов: во-первых, ученые, создающие изобретения, которые могут быть использованы для патентных заявок (или, альтернативно, публикаций) и, впоследствии, для потенциального основания дочерней компании; во-вторых, TTO, устанавливающие меры, для побуждения ученых регистрировать какие-то из своих изобретений в качестве патентов.
Агенты ученых обладают различными индивидуальными характеристиками и могут выполнять множество действий. Индивидуальная академическая продуктивность/инновационность определяет частоту и вероятность «создания» изобретений. После факта изобретения, ученый-агент должен принять решение, опубликовать ли новую идею или подать ее в качестве патента. Это решение основывается на полезности агента в зависимости от его индивидуальных предпочтений и отношения к патентованию или публикации соответственно.
Согласно предполагаемой функции полезности (Stummer et al., 2015), отношение агента может меняться со временем и находится под влиянием: а) наличия денежных и неденежных стимулов и других мер; б) собственного предшествующего опыта (эффект обучения на опыте); в) индивидуальной чувствительности к социальным нормам и давлению; г) степени открытости, позволяющей отношениям коллег влиять на их собственное отношение к публикации в сравнении с патентованием.
Последнее может происходить посредством устного общения между двумя агентами, взаимосвязанными внутри сети, демонстрирующей типичные характеристики социальных сетей. Для моделирования данного процесса в основу берутся модифицированные алгоритмы (Barabási et al., 2002) и (Barabási & Bonabeau, 2003), которые учитывают территориальную близость - расстояние между узлами (Manna & Sen, 2002 и Stummer et al., 2015) - а также показатели когнитивного и иерархического сходства.
Агент TTO может использовать несколько мер для стимулирования патентования. Например, TTO может предлагать денежные или неденежные стимулы, организовывать информационные мероприятия и др. Повышение уровня информированности агентов-ученых посредством организации публичных мероприятий может повлиять на их отношение и общую готовность к патентованию. Кроме того, подобные мероприятия могут стимулировать личное общение между учеными. Прямые эффекты денежных или неденежных стимулов, очевидно, зависят от предпочтений людей, в то время как косвенные эффекты обусловлены социальными взаимодействиями. Воздействие стимулов на агента описывается кривой, демонстрирующей убывающую предельную полезность, как это часто постулируется экономической теорией (Frey & Neckermann, 2008).
Выбор включаемых в модель мер для поощрения академического патентования основывался на интервью с представителями TTO. Параметры этих мер, а также исходные характеристики агентов ученых оставались неизменными для всех сценариев. Параметры для процесса коммерциализации были взяты из литературы (например, вероятность основания компании на основе предыдущих патентных действий установлена в соответствии с выводами (Meyer, 2006)).
Каждый сценарий был повторен 1000 раз с использованием разных начальных значений для учета стохастических элементов. Горизонт моделирования был установлен на 10 лет. Авторы моделировали динамику в непрерывном времени, но агрегировали результаты (например, количество патентных заявок) на еженедельной основе.
Параметризация
В основу модели легли данные о двух крупных научных факультетах в конкретном университете. Один из факультетов (A) уже имел заметную историю академического патентования, в то время как в другом (B) подача патента была сравнительно редким событием. Для параметризации авторы собрали данные профессоров, кандидатов и докторов наук и аспирантов этих двух факультетов. Собранные данные включали в себя появление / частоту изобретений, которые могут быть запатентованы, опыт агентов в патентовании и публикации, их предпочтения в отношении различных типов стимулов, характеристики их коммуникативного поведения со своими коллегами, восприятие нормативного социального влияния, предполагаемый эффект от предыдущих мер TTO.
На рис. 2. представлен пример построенной социальной сети с учетом когнитивной дистанции между двумя факультетами.
Рисунок 2. Пример построенной социальной сети с учетом когнитивной дистанции между двумя факультетами
Результаты моделирования для различных типов мер
На рис. 3 представлены результаты моделирования для четырех сценариев. Средние значения, усредненные по всем повторениям, показаны темными жирными линиями, а результаты каждого запуска моделирования показаны светлыми тонкими линиями.
Рисунок 3. Результаты моделирования четырех сценариев
Сценарий 1 является базовым, в котором TTO не применяет никаких конкретных мер для поощрения академического патентования. В связи с предполагаемым ростом интереса к академическому патентованию, а также умеренному социальному влиянию во всех сценариях, предельное количество патентных заявок увеличивается даже в рамках базового сценария.
Сценарий 2 связан с неденежными мерами, которые включали внутреннее и внешнее признание, публичное объявление о патентной деятельности и сокращение учебной нагрузки. Результаты показывают, что этот тип меры приводит к наибольшему увеличению количества патентных заявок.
Сценарий 3 касается эффекта от денежных мер. Результаты говорят о значительном, но менее резком увеличении количества патентных заявок по сравнению с предыдущим сценарием. Относительная эффективность денежных или неденежных мер зависит от характеристик лежащей в основе социальной системы.
В сценарии 4 ученым-агентам были предложены информационные мероприятия, такие как тренинги или поддержка при подаче патента. Эти события были доступны и сообщались агентам начиная с 200 недели каждые 50–100 недель. Участие в этих мероприятиях также стимулировало дополнительные события личного общения между агентами. Этот комплекс мер показал относительно меньшую эффективность, чем предоставление денежных или неденежных стимулов. Это может объясняться тем, что, наиболее авторитетные и опытные ученые, в частности, не отдавали предпочтение этому типу меры и, таким образом, очень редко оказывались затронутыми ими при принятии решения о публикации или патентовании изобретения. По этой причине при реализации 4-го сценария намного труднее достичь критической массы ученых, которые действительно могут положительно повлиять на общее отношение к патентованию.
Поскольку академические патенты могут предоставить возможность для создания дочерних компаний, авторы также изучили (ожидаемое) количество таких компаний.
Среднее количество дочерних компаний, полученное для двух факультетов, представлено на рисунке 4.
Рисунок 4. Прогнозируемое среднее количество созданных дочерних компаний
Также помощью моделирования были проанализированы ситуации, когда меры ТТО продвигаются (осуществляется интенсивное информирование о них) только одному из факультетов.
Результаты показывают, что более эффективно сосредоточиться на факультете A, который демонстрирует большую склонность к патентованию. В этом случае количество патентных заявок немного выше, по сравнению со сценарием, когда оба подразделения одинаково информируются (см. таблицу №1).
Таблица 1. Результаты моделирования различных режимов третирования
Scenario |
Department A (%) |
Department B (%) |
Total effect (%) |
Scenario 5 (targeting Dept. A) |
+ 9.7 |
− 10.3 |
+ 4.4 |
Scenario 6 (targeting Dept. B) |
− 12.0 |
+ 10.1 |
− 6.1 |
Заключение
Многочисленные эмпирические исследования пролили свет на различные аспекты академического патентования. Однако, до выхода в свет рассматриваемой статьи не проводилось никакой работы по разработке средств принятия решений, которые могли бы поддержать управление TTO при планировании мер по стимулированию академического патентования в университетах. Одной из причин этого могут быть трудности, связанные с отслеживанием сложного поведения, присущего рассматриваемой социальной системе.
Авторами было предложено использовать для этих целей подход агент-ориентированного моделирования, который успешно применялся в других, аналогичных контекстах (например, при выборе наилучших мер для вывода на рынок и распространения новых продуктов). В работе демонстрируется применимость данного подхода и его потенциальная значимость для практики управления ТТО, а также для общества в целом, поскольку большее количество академических патентов приводит к увеличению передачи знаний между университетами и промышленностью. Стоит также отметить, что работа носит в большой степени иллюстративный характер. Авторы демонстрируют возможности предложенного инструментария для решения поставленных задач, но претендуют на предоставление достоверных количественных оценок, пригодных для непосредственного использования управленцами. Модель может быть расширена добавление дополнительных факторов, влияющих на распространение практики патентования.
Подробнее: Backs, S., Günther, M. & Stummer, C. Stimulating academic patenting in a university ecosystem: an agent-based simulation approach. J Technol Transf 44, 434–461 (2019). https://doi.org/10.1007/s10961-018-9697-x