MOKSLO IR VERSLO ORGANIZACIJŲ TINKLAVEIKA LIETUVOS BIOTECHNOLOGIJŲ SEKTORIUJE Alvydas Baležentis, Lina Skeberdytė

(1)

368

Management Theory and Studies for Rural Business and Infrastructure Development ISSN 1822-6760 / eISSN 2345-0355. DOI: 10.15544/mts.2015.32

2015. Vol. 37. No. 3: 368–380.

MOKSLO IR VERSLO ORGANIZACIJŲ TINKLAVEIKA LIETUVOS BIOTECHNOLOGIJŲ SEKTORIUJE

Alvydas Baležentis, Lina Skeberdytė

Mykolo Romerio universitetas Įteikta 2015 08 07; priimta 2015 09 07

Straipsnyje pateikiami mokslo ir verslo organizacijų tinklaveikos tyrimo rezultatai. Tyrimo tikslas – parengti mokslo ir verslo organizacijų tinklaveikos analizės metodiką ir įvertinti Lietuvos biotechnologijų sektoriaus organizacijų tinklaveiką. Tyrimo metodai: organizacijų vadovų (atstovų) vertinimai, socialinių tinklų analizė. Parengta mokslo ir verslo organizacijų tinklų tipologija, suda- ryta tinklaveikos analizės metodika. Taikant socialinių tinklų analizės metodiką, nustatyti mokslo ir verslo organizacijų tinklai Lietuvos biotechnologijų sektoriuje. Organizacijų vieta tinkle įvertinta pagal tokius centriškumo rodiklius: laipsnio centriškumo, Bonacicho centriškumo ir tarpusavio centriškumo.

Raktiniai žodžiai: tinklaveika, socialinių tinklų analizė, mokslo ir verslo organizacijos, ino- vacijų valdymas, biotechnologijų sektorius.

JEL kodai: O32, O31, D85.

1. Įvadas

Mokslo ir verslo organizacijų ryšiai – tai vadybos, inovacijų ekonomikos, mokslo ir žinių valdymo objektas. Socialinių tinklų prieiga yra vienas iš veiksmin- giausių požiūrių tarporganizaciniams ir tarpasmeniniams ryšiams tirti. Tyrimas atliktas Lietuvos biotechnologijų sektoriuje.

Tyrimo aktualumas. Inovacijų ekonomikoje įmonė jau nebėra pagrindinis inovacijų šaltinis. Inovacijos dažniausiai kuriamos įmonių, universitetų bei inovacijų paramos organizacijų sąveikoje. Atskirus mokslo ir verslo sąveikos aspektus nagrinėjo tiek užsienio tiek Lietuvos mokslininkai (Thune, 2006; Rampersad, 2008; Binkauskas, 2012; Vittoria, 2014). Išryškėja aktuali mokslinė problema – tirti mokslo ir verslo or- ganizacijų tinklaveiką: tinklo dalyvius, jų ryšius ir tinklaveikos proceso ypatumus.

Tyrimo problema – kokios mokslo ir verslo organizacijos yra svarbiausios Lietuvos biotechnologijų sektoriuje ir kokių ryšių tinklai sudaro sektoriaus tinklaveiką.

Tyrimo objektas: Lietuvos biotechnologijų sektoriaus mokslo, verslo ir ino- vacijų paramos organizacijų tinklo ryšiai.

Copyright © 2015 The Authors. Published by Aleksandras Stulginskis University, Lithuanian Institute of Agrarian Economics. This is an open-access article distributed under the terms of the Creative Commons Attribution- NonCommercial 4.0 (CC BY-NC 4.0) license, which permits unrestricted use, distribution, and reproduction in any me- dium, provided the original author and source are credited. The material cannot be used for commercial purposes.

(2)

369

Tyrimo tikslas – parengti mokslo ir verslo organizacijų tinklaveikos analizės metodiką ir įvertinti Lietuvos biotechnologijų sektoriaus organizacijų tinklaveiką.

Tyrimo uždaviniai: 1. Parengti mokslo ir verslo organizacijų tinklų tipologiją. 2. Pa- rengti mokslo ir verslo organizacijų tinklaveikos analizės metodiką. 3. Įvertinti Lie- tuvos Biotechnologijų sektoriaus organizacijų tinklaveiką. 4. Atlikti Lietuvos bio- technologijų sektoriaus mokslo ir verslo organizacijų formalių ir reikšmingų ryšių tinklo analizę.Tyrimo metodai: organizacijų vadovų / atstovų vertinimai, socialinių tinklų analizė. Tyrimo periodas – 2004–2014 m.

Tyrimo apribojimai. Lietuvos biotechnologijų sektorius yra tarpsektorinė ir tarpdalykinė sritis, apie kurios tinklaveiką nekaupiami jokie statistiniai duomenys.

Mokslo ir verslo organizacijų bendradarbiavimo ryšiai nustatyti pagal organizacijų vadovų (atstovų) vertinimus. Socialinių tinklų (tinklaveikos) analizė – tai besifor- muojanti ir palyginti nauja tyrimų kryptis.

2. Mokslo ir verslo organizacijų tinklų tipologija

Bendradarbiavimas mokslinių tyrimų ir eksperimentinės plėtros srityje yra vienas iš svarbiausių veiksnių, darančių įtaką mokslo ir verslo organizacijų veiklos rezultatams. Mokslo ir verslo organizacijų tinklaveika yra orientuota į mokslinės ir ko- mercinės vertės sukūrimą, todėl svarbu įvertinti socialinės mokslininkų struktūros reikšmę moksliniam produktyvumui ir gebėti šią struktūrą įgalinti.

Mokslo ir verslo organizacijų tinklaveika suteikia tokių pranašumų (Cimenler, 2014):

 prieiga prie sudėtingų problemų tyrimų, naujų išteklių, finansavimo;

 dalyvio matomumo ir atpažįstamumo didėjimas;

 greiti sprendimai sudėtinėms problemoms spręsti sukuriant sinerginį efektą tarp tinklo dalyvių;

 sparčiau pasiekiamas rezultatas mokslinėse disciplinose ir užtikrinama jo sklaida tarp disciplinų;

 mokslo žinių, intelektinio kapitalo vystymas, pvz., dalyvių išsilavinimas ir kvalifikacijos tobulinimas, jų socialinių ryšių ir tinklų su kitais mokslininkais kūrimas;

 atskirų individų mokslinio produktyvumo augimas bei karjeros galimybės;

 galimybė išplėsti mokslinio projekto apimtis.

Glaudūs ryšiai su mokslo organizacijomis taip pat buvo pripažinti naudingais ir įmonėms (Cassiman, 2007). Finansinė nauda yra pagrindinis bendradarbiavimo veiksnys verslo organizacijos požiūriu. Atsižvelgiant į tai, kad verslo sektoriaus pagrindinis tikslas yra finansinė nauda, didesnė mokslo ir verslo organizacijų sąveikos tikimybė yra tose srityse, kur vykdomi taikomieji moksliniai tyrimai. Mokslo ir verslo organizacijų sąveikos metu, žinios gali būti sukuriamos, įgyjamos, perduodamos, transformuojamos įvairaus pobūdžio formomis bei skirtingais kanalais. Atlikta nema- žai mokslinių tyrimų, kuriuose analizuojami atskiri kanalai.

Pasak T. Schmidt (2007), atspirties tašką, analizuojant mokslo ir verslo organi- zacijų bendradarbiavimą mokslo technologijų ir inovacijų srityje, suformulavo R. A. Hanneman ir M. Riddle (2000). Mokslininkai, išanalizavę literatūrą apie moks-

(3)

370

linių tyrimų ir eksperimentinė plėtros (toliau – MTEP) bendradarbiavimą, išskyrė dvi pagrindines partnerysčių grupes – formalius ir neformalius ryšius.

Metodinėse nurodymuose (Oslo vadovas, 2005) išskiriami tris tinklų tipai:

1) žinių tinklai, kurie palengvina informacijos mainus; 2) neformalūs tinklai, pagrįs- tus asmeniniais kontaktais ir kontaktais, susiformavusiais vykdant veiklą; 3) formalūs arba tikslingai organizuojami ir valdomi tinklai, koordinuojantys įvairius asociacijas, tyrimų centrus, universitetus, konsultantus ir kt.

Mokslo ir verslo organizacijų tinklaveika remiasi bendradarbiavimo ryšiais.

Pagrindiniai bendradarbiavimo ryšių tipai: formalūs ir neformalūs, reikšmingi ir ne- reikšmingi ryšiai. Formalūs ryšiai suprantami kaip oficialūs, sutartimis, pavedimu grįsti ryšiai ir įsipareigojimai (formalus bendradarbiavimas, projektų vykdymas ir pan.). Neformalūs ryšiai – tarporganizaciniai ryšiai (su vienu ar daugiau asmenų), grįsti įvairiais asmeninio pobūdžio kontaktais, kurie gali vesti / nevesti į formalų ben- dradarbiavimą.

Reikšmingumas tyrime siejamas su tiesiogine veiksnio įtaka mokslinės / ko- mercinės / inovatyvios produkcijos / procesų sukūrimui, patobulinimui, perdavimui, komercializavimui. Galutinė ryšio vertė – tai viešai paskelbti mokslinės veiklos rezultatai (mokslinės publikacijos, monografijos, patentai ir kt.), kurie yra materiali vertė.

Socialinių ryšių struktūroje svarbus yra nematerialios vertės aspektas: tinklaveikos metu, socialiniais ryšiais kuriama reputacija, pasitikėjimo bei kompetencijos ryšiai, kurie formuojasi siekiant formalių rezultatų. Siekiant išanalizuoti tarporganizacinių mokslo ir verslo ryšių formalaus bendradarbiavimo pobūdį, remiantis moksline litera- tūra, išanalizuotos ir į penkias grupes susistemintos bendradarbiavimo formos: moks- linė veikla, sklaida, mobilumas, akademinė veikla ir verslumas (1 lentelė).

1 lentelė. Mokslo ir verslo organizacijų sąveikos formos pagal veiklos rūšis

Veiklos grupė Veiklos rūšys

Mokslinė veikla

Bendraautorystė rengiant mokslines publikacijas Bendras mokslinių tyrimų vykdymas

Verslo užsakymai atlikti mokslinius tyrimus Ekspertinių konsultacijų teikimas

Jungtiniai, nacionaliniai, tarptautiniai projektai, programos Konsultacijos verslo sektoriui

Ekspertinis projektų vertinimas

Sklaida

Pranešimo skaitymas mokslinėje konferencijoje, dalyvavimas mokslo renginiuose

Narystė MTEP klausimus svarstančiose kolegialiose organizacijose Naudojimasis moksline infrastruktūra kitose organizacijose

Veikla įvairiose inovacijų platformose (inkubatoriai, mokslo parkai ir kt.) Dalyvavimas socialinių tinklų platformose

Mobilumas

Doktorantų įdarbinimas

Pareigos mokslo ir verslo organizacijoje Užsienio mokslininkų įdarbinimas Užsienio mokslininkų vizitai Stažuotė užsienyje

Akademinė veikla

Dėstymas aukštojoje mokykloje Mokslinių seminarų organizavimas Vadovavimas doktorantams

(4)

371

Veiklos grupė Veiklos rūšys

Doktorantų disertacijų gynimo komiteto narys

Verslumas

Pradedančiosios (angl. Start-up) pumpurinės (angl. Spin off) įmonės steigimas Žinių, technologijų arba kitų taikomųjų tyrimų komercializavimas

Tiesioginis mokslinis darbas su verslo, pramonės atstovais kuriant naujus, patobulintus produktus, paslaugas, procesus

Mokslinės veiklos galimybių pristatymas verslo sektoriui Įrangos įsigijimas

Verslo projektas kartu su verslo sektoriumi

Remiantis ryšių tipais, šiame tyrime parengta tokia mokslo ir verslo organiza- cijų tinklų tipologija (1 pav.): formalių reikšmingų ryšių tinklas, neformalių reikš- mingų ryšių tinklas, formalių nereikšmingų ryšių tinklas ir neformalių nereikšmingų ryšių tinklas.

Formali ir neformali tinklaveika – tai tikslingi veiksmai siekiant sukurti tam tikrą vertę. Tinklo dalyvius tarpusavyje sieja įvairaus reikšmingumo formalūs ir ne- formalūs ryšiai, iš kurių ne visi yra vienodai naudingi vertei sukurti. Būtent veikloje, per patirtį atliekant darbus arba užduotis, atsiskleidžia kiekvieno ryšio geba ir gali- mybės sukurti vertę. Veikloms įgyvendinti ir tikslams pasiekti yra svarbūs reikšmingi ryšiai.

Neformalių reikšmingų ryšių tinklas

Formalių reikšmingų ryšių tinklas

Neformalių nereikšmingų ryšių tinklas Formalių nereikšmingų ryšių tinklas

Formalūs Neformalūs

Ryšių formalumas

1 pav. Mokslo ir verslo organizacijų tinklų tipologija

Remiantis sisteminiu požiūriu, tinklaveika yra suvokiama kaip ciklinis procesas, kurio metu mokslo ir verslo organizacijų tinklo dalyviai, siekdami mokslinės / komercinės produkcijos, vykdydami šiam sektoriui būdingais veiklas,

Ryšių reikšmingumas Neformalūs Formalūs

(5)

372

tarpusavyje yra susiję formaliais ir neformaliais ryšiais. Pagal šių ryšių svarbą vertės sukūrimui ryšiai skiriasi savo svoriu ir taip formuojasi kiekvieno sistemos dalyvio ryšių tinklas.

MTEP kaip ir daugelis kitų veiklos sričių yra socialiai įtinklintas procesas, ku- riame tinklo dalyvių įsitinklinimas ir tinklo dalyvių pozicijos tinkle dinamika priklauso nuo jų sukuriamos materialios ir nematerialios vertės. Materiali vertė rodo tinklo daly- vių aktyvumą, rezultatyvumą, dalyvavimo veiklose lygį, o nemateriali vertė – pasitikė- jimo, kompetencijos ir reputacijos srautus, kurie itin svarbūs ilgalaikėje perspektyvoje.

Sukuriama materiali ir nemateriali vertė lemia tinklo dalyvių poziciją – galią – tinklo sistemoje. Galia yra suvokiama kaip tinklo dalyvio galimybių struktūruoti savo veiksmus tinkle (t. y. veikti tinklą) ir tinklo dalyvio veiksmų tinkle apribojimų (veiklos apribojimų) santykis. Branduolio (centrinėje) pozicijoje esančių tinklo dalyvių veiksmai tinkle yra mažiau apriboti nei periferijoje esančio dalyvio ir jis turi didesnę įtaką tinklui bei lemia pokyčius jame.

3. Mokslo ir verslo organizacijų tinklaveikos analizės metodika

Tyrime mokslo ir verslo organizacijų tinklas yra analizuojamas kaip sistema, kurios dalyviai yra tarpusavyje priklausomi hierarchine tvarka. Susiformavusi struk- tūra tuo pačiu metu įgalina ir apriboja tinklo dalyvius, t.y. tinklo dalyviai gali konstruoti savo ryšius bei veiklą tinkle tiek, kiek sistema jį įgalina. Nuo galios konstruoti tinklą priklauso tinklo dalyvio pozicija hierarchinėje tinklo sistemoje.

Lietuvos biotechnologijų sektoriaus mokslo ir verslo organizacijų tinklaveikos tyrimą sudaro du pagrindiniai etapai:

 tyrimo objekto identifikavimas;

 Lietuvos biotechnologijų sektoriaus mokslo ir verslo organizacijų tinklo ana- lizė: mokslo ir verslo organizacijų socialinių ryšių analizė.

Tyrimo objekto inentifikavimas etapai:

 biotechnologijų sektoriaus duomenys renkami iš mokslinės literatūros bei oficialių dokumentų, statistikos duomenų bazių;

 Lietuvos mokslo, verslo ir inovacijų paramos organizacijoms identifikuoti remiamasi Lietuvos biotechnologų asociacijos ir VšĮ „Versli Lietuva“ 2011 m. suda- rytu biotechnologijų sektoriaus mokslo ir verslo organizacijų sąrašu;

 duomenys patikrinami ir papildomi telefonu ir el. paštu apklausiant nurody- tas organizacijas ir jų padalinius, teiraujantis, ar organizacija vykdo veiklą biotechno- logijų srityje. Taip pat, duomenys pildomi remiantis atliktais moksliniais tyrimais, projektų ataskaitomis bei kita informacija;

 atsižvelgiant į tai, kad universitetų padaliniai pagal mokslines kryptis yra skirtingi ir savarankiški, siekiant sudaryti kuo tikslesnį savarankiškų tinklo dalyvių sąrašą, išskiriami jų fakulteto ir instituto / mokslo centro lygmens padaliniai, vykdan- tys veiklą biotechnologijų srityje.

Mokslo ir verslo organizacijų tinklo analizė atlikta taikant socialinių tinklų analizės metodiką. Analizė susideda iš šių etapų:

 ryšių tarp Lietuvos biotechnologijų sektoriaus mokslo, verslo ir inovacijų

(6)

373

paramos organizacijų nustatymas;

 remiantis mokslo ir verslo organizacijų tinklų tipologija, identifikuojami formalių / neformalių, reikšmingų / nereikšmingų ryšių tinklai;

 tinklai išanalizuojami taikant socialinių tinklų analizės metodiką. Biotechno- logijų sektoriaus mokslo ir verslo organizacijų tinklo sistemos galios sklaidos analizė ir svarbiausių tinklo dalyvių nustatymas.

Kiekvienai organizacijų grupei (mokslo, verslo ir inovacijų paramos organizacijoms) sudaromi atskiri klausimynai. Tarporganizaciniams ryšiams nustatyti ir įvertinti svarbiausias yra organizacijos vadovo vertinimas, todėl, siekiant užtikrinti duomenų patikimumą, tyrime dalyvauti tyrime buvo kviečiami tik organizacijų (ar jų padalinių) vadovai arba vadovų deleguotas asmuo, galintis išreikšti organizacijos poziciją.

Klausimyną sudaro trys klausimų grupių dalys. Pirmojoje klausimyno dalyje organizacijų vadovų / atstovų prašoma nurodyti asmeninius duomenis, išsilavinimą, darbovietę bei darbo patirtį. Antroji klausimyno dalis skirta tarporganizaciniams ry- šiams nustatyti, jų pobūdžiui (formalūs / neformalūs) ir reikšmingumui atskleisti. Or- ganizacijų vadovų / atstovų prašoma nurodyti, su kuriomis iš pirmajame tyrimo etape identifikuotų ir sąraše pateiktų organizacijų juos sieja ryšiai ir koks yra jų pobūdis.

Tyrime dalyvavusių organizacijų vadovų / atstovų taip pat prašoma nurodyti, kurie iš šių ryšių yra reikšmingi mokslinei / komercinei produkcijai sukurti. Trečioji klausimyno dalis skirta nustatyti pagrindinėms ryšių formoms, bendradarbiavimo priežas- tims bei apribojimams.

Lietuvos biotechnologijų sektoriaus organizacijų vadovų / atstovų vertinimų duomenys apdorojami ir analizuojami naudojant statistinį duomenų analizės paketą

„SPSS 20.0“ ir socialinių tinklų analizės programinį paketą UCINET 6 (Borgatti, 2002), skirtą socialiniams tinklams analizuoti ir vizualizuoti. Tinklo analizės progra- minė įranga remiasi grafų teorija. Socialiniams ryšiams ir jų analizės rezultatams vizualizuoti naudojama su UCINET 6 suderinta tinklų vizualizavimo programa NetDraw. Tinklų vizualizacija reikšminga, nes joje pateikiama svarbiausia integruota informacija apie organizacijos svarbumą, centriškumą tinkle, kurį rodo vizualizuoto organizacijos simbolio (apskritimo, kvadrato, trikampio) dydis.

Centriškumas yra vienas iš svarbiausių socialinių tinklų analizės rodiklių.

Straipsnyje tinklo dalyvių pozicijos tinkle, tinklo dalyvių hierarchija ir branduolys kiekviename tinkle nustatomas remiantis tokiais centriškumo rodikliais: laipsnio, Bo- nacicho ir tarpusavio centriškumo. Šie rodikliai atskleidžia tinklo dalyvių lygį bei įta- ką tinkle (2 lentelė).

(7)

374

2 lentelė. Tinklo dalyvių centriškumo rodiklių skaičiavimas

Centriškumo rodiklis Charakteristika Paaiškinimas Laipsnio centriškumas

(angl. Degree Centrality)

Tinklo dalyvio ryšių

skaičius Atskleidžiama informacija apie tinklo dalyvio įsitinklinimo lygį.

Bonacicho centriškumas (angl. Bonacich

Centrality)

Tinklo dalyvio „kaimyno“ ryšių skaičius

Vertinant tinklo dalyvio poziciją tinkle at- sižvelgiama į tinklo dalyvio „kaimyno“ ry- šių skaičių. Ryšys su daug savo ryšių turin- čiais „kaimynais“ ryšiai sukuria „populia- resnę“ socialinę terpę nei izoliuotas „kai- mynas“, tačiau paties tinklo dalyvio įtaka čia yra didesnė nei populiariojoje terpėje.

Tarpusavio centriškumas (angl. Betweenness Centrality)

Rodiklis nurodo, kurie tinklo dalyviai atlieka tarpininko funkciją tarp skirtingų dalyvių ar jų grupių

Rodiklis atskleidžia, kurie tinklo dalyviai turi didesnę įtaką nuo jų priklausantiems tinklo dalyviams.

Pagal šią metodiką atliktas tyrimas atskleidžia Lietuvos biotechnologijų sektoriaus tinklo dalyvius, susiformavusius mokslo ir verslo organizacijų ryšius ir tarpor- ganizacinio tinklo hierarchinę struktūrą bei leidžia paaiškinti tinklo dalyvių galios sklaidos tinkle raišką ir tinklaveikos ypatumus.

4. Lietuvos biotechnologijų sektoriaus organizacijų tinklaveika

Remiantis tyrime dalyvavusių Lietuvos biotechnologijų sektoriaus mokslo ir verslo organizacijų, vadovų / atstovų vertinimų rezultatais bei šiai veiklos sričiai reikšmingų inovacijų paramos organizacijų vadovų (atstovų) vertinimų rezultatais, šiame skyrelyje nustatomas ir analizuojamas Lietuvos biotechnologijų sektoriaus mokslo ir verslo organizacijų ryšių pobūdis (formalūs, neformalūs ryšiai) ir svertinė vertė (reikšmingi, nereikšmingi ryšiai) bei atskleidžiama ir tiriama hierarchinė tinklo struktūra, remiantis socialinių tinklų analizės metodika.

Siekiant nustatyti organizacijų, vykdančių veiklą biotechnologijų srityje, tinklo struktūrą, buvo apklausta 15 mokslo, 12 verslo ir 5 inovacijų paramos organizacijų vadovų / atstovų. Iš viso tyrime dalyvavo 32 organizacijos (3 ir 4 lentelės).

3 lentelė. Lietuvos biotechnologijų sektoriaus organizacijų tinklo organizacijų skaičius

Organizacijų grupė Identifikuotų organizacijų skaičius

Tyrime dalyvavusių organizacijų skaičius

Tyrime dalyvavusių organizacijų vadovų /

atstovų skaičius

Mokslo 27 15 36

Verslo 18 12 12

Inovacijų paramos 8 5 5

Iš viso 53 32 53

(8)

375

4 lentelė. Lietuvos biotechnologijų sektoriaus tinklo dalyviai

Organizacijų grupė

Organizacijos

kodas Organizacijos (padalinio) pavadinimas Santrumpos

Mokslo

U001-P002 Vilniaus universitetas / Biochemijos institutas VU BChI U001-P001 Vilniaus universitetas / Biotechnologijos institutas VU BtI U007-P024 Vytauto Didžiojo universitetas / Gamtos mokslų

fakultetas VDU GMF

U011 Inovatyviosios medicinos centras IMC

U002-P007 Lietuvos sveikatos mokslų universitetas / Medicinos

fakultetas LSMU MF

U002-P010 Lietuvos sveikatos mokslų universitetas /

Kardiologijos institutas LSMU KI

U001-P003 Vilniaus universitetas / Gamtos mokslų fakultetas VU GMF U002-P013 Lietuvos sveikatos mokslų universitetas / Neurologijos

klinika LSMU NK

U003-P014 Kauno technologijos universitetas /

Cheminės technologijos fakultetas KTU CHF

U009 Lietuvos žemdirbystės institutas LŽI

U013 Nacionalinis vėžio institutas NVI

U014 Fizinių ir technologijos mokslų centras FTMC U002-P009 Lietuvos sveikatos mokslų universitetas / Farmacijos

fakultetas LSMU FI

U006-P020

Aleksandro Stulginskio universitetas / Agronomijos fakulteto Biologijos ir augalų biotechnologijos institutas

ASU BABI

U006-P021

Aleksandro Stulginskio universitetas / Žemės ūkio inžinerijos fakulteto Energetikos ir biotechnologijų inžinerijos institutas

ASU EBII

Verslo

F007 Biotechpharma, UAB –

F001 Aconitum, UAB –

F003 Biok, UAB –

F004 Biomapas, UAB –

F009 Kamieninių ląstelių tyrimų centras, UAB –

F010 Nacionalinis kraujo centras, VšĮ –

F011 Probiosanus, UAB –

F012 Profarma, UAB –

F013 Sicor biotech / TEVA, UAB –

F017 Diagnolita, UAB –

F018 Nomads, UAB –

F019 Barnas, UAB –

Inovacijų paramos

PA001 „Saulėtekio slėnis“, VšĮ –

PA002 „Santaros slėnis“ asociacija –

PA024 „Versli Lietuva“, VšĮ –

PA026 Mokslo, inovacijų ir technologijų agentūra MITA

PA032 Lietuvos biotechnologų asociacija LBTA

(9)

376

Analizės objektas – tarporganizaciniai ir tarpsektoriniai ryšiai, bet ne tarpas- meniniai ryšiai. Iš viso organizacijų, padalinių vadovai (atstovai) įvertino 1198 tar- porganizacinius ryšius su 209 Lietuvos ir užsienio organizacijomis. Tai yra visas tyrimo metu atskleistas Lietuvos biotechnologijų sektoriaus organizacijų tinklas, apimantis visas identifikuotas Lietuvos organizacijas ir taip pat apklausos metu respon- dentų įvardintus kitus nacionalinius ir tarptautinius ryšius. Analizuojant visų paminė- tų ryšių duomenis matyti, kad daugiausia ryšių su kitomis organizacijomis turi mokslo organizacijos, o mažiausiai – verslo organizacijos (5 lentelė), tad ir didžiausias vi- dutinis ryšių vidurkis tenka mokslo organizacijoms. Daugiausia ryšių tarp tinklo da- lyvių turi tarpusavyje inovacijų paramos organizacijos (vidutiniškai 11) ir mokslo organizacijos (vidutiniškai 12). Verslo organizacijos nurodė, kad daugiausia (vidutiniš- kai 6) ryšių turi su inovacijų paramos organizacijomis, o mažiausiai (vidutiniškai 4) – su mokslo organizacijomis.

5 lentelė. Lietuvos biotechnologijų sektoriaus organizacijų ryšiai tarp organizacijų grupių

Galios sklaida Lietuvos biotechnologijų sektoriaus organizacijų tinkle anali- zuojama pagal tris centriškumo rodiklius, nurodytus tyrimo metodikoje. Pirmasis centriškumo rodiklis – laipsnio centriškumas (angl. Degree Centrality), t. y. vienas iš pagrindinių socialinių tinklų analizės rodiklių, apskaičiuojamas susumavus visus organizacijos ryšius. Analizuojant Lietuvos biotechnologijų sektoriaus organizacijų tinklą, nevertinant ryšių tipo ir svertinės vertės, nustatyta, kad tankiausias yra Vilniaus universiteto Biotechnologijų instituto ir inovacijų paramos organizacijos LMT ir MITA tinklas. Pagal šį rodiklį, mokslo organizacijos, kaip grupė, turi daugiau ryšių ir centrinės pozicijos, o verslo organizacijos yra mažiau įsitinklinusios.

Reikšmingiausios yra UAB „Biotechnpharma“, UAB „Profarma“ ir UAB „Sicor Biotech/TEVA“.

Abipusiškumo (angl. Reciprocity) rodiklis atskleidžia, kurie tinklo dalyviai abu nurodo egzistuojantį ryšį. Apskaičiuojant abipusiškumą siekta nustatyti, kurios organizacijos abi deklaruoja tarpusavio ryšį neatsižvelgiant į šio ryšio skirtingą svertinę vertę ir pobūdį. Nustatyta, kad egzistuoja silpnas mokslo-verslo organizacijų abipusis tiesioginis ryšys. Daugiausia tokių ryšių nurodė VU BChI (U001-P001).

Tačiau pažymėtina, kad šiuo požiūriu svarbią poziciją tinkle įgija inovacijų paramos organizacijos (LMT, MITA, Lietuvos biotechnologų asociacija).

Organizacijų grupė

Ryšiai su mokslo organizacijomis

Ryšiai su verslo organizacijomis

Ryšiai su inovacijų paramos organizacijomis

Iš viso Ryšių

skaičius Vidurkis Ryšių

skaičius Vidurkis

Mokslo 174 12 113 8 137 9 424 28

Verslo 48 4 98 8 76 6 222 19

Inovacijų

paramos 55 11 44 9 55 11 154 31

Iš viso 277 9 255 8 268 8 800 25

(10)

377

5. Mokslo ir verslo organizacijų formalių reikšmingų ryšių tinklo analizė Formalių reikšmingų ryšių tinklai žymi mokslinei produkcijai sukurti reikšmingų socialinių ryšių tinklą. Tokie ryšiai yra priskiriami prie stiprių ryšių, nes jie turi sąveikos istoriją, vertę, aukštesnį pasitikėjimo lygį. Tai yra vertę kuriantys kompetencijos ryšiai, todėl pateikiama detalesnė šių ryšių tinklo vizualizacija.

Formalūs reikšmingi ryšiai daugiausia sieja inovacijų paramos organizacijas su mokslo organizacijomis (17) ir verslo organizacijomis (11). Tiek mokslo, tiek ir verslo organizacijos reikšmingų formalių ryšių su inovacijų paramos institucijomis nurodė tik po kelias (6 lentelė).

6 lentelė. Formalūs reikšmingi ryšiai Lietuvos biotechnologijų sektoriaus organizacijų tinkle

Organiza- cijų grupė

Ryšiai su mokslo organizacijomis

Ryšiai su verslo organizacijomis

Ryšiai su inovacijų paramos organizacijos

Iš viso Skaičius Vidurkis Skaičius Vidurkis Skaičius Vidurkis Skaičius Vidurkis

Mokslo 75 5 23 2 28 2 126 8

Verslo 61 5 49 4 27 2 137 11

Inovacijų

paramos 88 17 54 11 29 6 171 34

Iš viso 224 7 126 4 84 3 434 13

Formalių reikšmingų ryšių tinklas rodo, kad inovacijų paramos organizacijos, savo veikloje bendradarbiaudamos su kitomis organizacijomis, dažniausiai naudojasi formaliais kanalais. Mokslo organizacijos formalių reikšmingų ryšių tinklą labiausiai yra išplėtojusios tarp mokslo organizacijų. Formalūs reikšmingi ryšiai retai sieja mokslininkus su įmonėmis. Verslo organizacijų formalūs ryšiai su mokslo organizacijomis yra dažniau vertinami kaip reikšmingais.

Taikant laipsnio centriškumo (angl. Degree Centrality) analizę, nustatyti svarbiausi formalių reikšmingų ryšių tinklo dalyviai pagal įeinančių ir išeinančių ryšių duomenis. Pagal šį rodiklį centrinė pozicija tinkle priklauso inovacijų paramos organizacijoms LMT, MITA ir „Versli Lietuva“, verslo organizacijoms – UAB Sicor Biotech/TEVA, UAB Biotechpharma ir mokslo organizacijoms – VU BChi, VU BTI.

Tarpusavio centriškumo rodiklis (angl. Betweenness Centrality) atskleidžia, kurie tinklo centrinę poziciją tinkle užima dėl tokios savo ryšių kombinacijos, kuomet jie tampa tarpininkais, kai vieni tinklo dalyviai nori pasiekti kitus. Šios pozicijos galia pasireiškia tuo, kad kiti tinklo dalyviai, negalėdami sąveikauti tiesiogiai, yra priversti tai daryti per tarpininką. Apskaičiavus formalių reikšmingų ryšių tinklo tarpusavio centriškumo rodiklius, nustatyta, kad dažniausiai tokiu tarpininku tinkle yra LMT, MITA, VU BChI ir BtI institutai, VšĮ „Versli Lietuva“, UAB Biotechpharma, UAB Profarma ir LSMU Farmacijos fakultetas.

Bonacicho centriškumas (angl. Bonacich Centrality). Šiuo rodikliu vertinamas ne tik tinklo ryšių skaičius, bet ir jų kaimynų turimi ryšiai. Aukštesnė centrinė pozicija suteikiama tam tinklo dalyviui, kurio kaimynai taip pat turi daugiau ryšių.

(11)

378

Šiuo atveju, tinklo centralizacija yra žema, tinklo branduolys yra platus, apimantis nemažą ratą organizacijų, sudarančių aktyvią socialinę terpę. Šių organizacijų socialinė terpė yra parankiausia vertę kuriančiam bendradarbiavimui plėtoti. Pagal šį rodiklį, centrinė pozicija formalių reikšmingų ryšių tinkle priklauso inovacijų paramos organizacijoms: LMT, MITA. Mokslo organizacijoms: VU BchI, VU BTI, Inovatyviosios medicinos centrui, UAB Profarma, UAB Biotechpharma, UAB Kamieninių ląstelių tyrimų centras.

Analizuojant įeinančių ir išeinančių formalių reikšmingų ryšių pasiskirstymą organizacijose, nustatyta, kad formalūs reikšmingi ryšiai mokslo ir verslo organizacijas dažniausiai sieja su LMT (25), MITA (23) ir VšĮ „Versli Lietuva“ (13).

Daugiausia įeinančių formalių reikšmingų ryšių turinčios mokslo organizacijos – VU Biotechnologijos (15) ir Biochemijos institutai (9) ir Gamtos mokslų fakultetas (13).

Vertinant ne Vilniaus universiteto padalinius, pažymėtini Lietuvos sveikatos mokslų universiteto Medicinos fakultetas (7) ir Kardiologijos institutas (8), o tarp verslo organizacijų šių ryšių daugiausia turi UAB „Biomapas“ (11) ir UAB

„Biotechpharma“ (11). Nustatyta, kad šios organizacijos sudaro tinklo socialinio ir intelektinio tinklo branduolį, nes įeinančiais ryšiais atskleidžiamas išorinis organizacijų vertinimas.

Analizuojant abipusius ryšius (angl. Reciprocal Ties) nustatyta, kad šie ryšiai sudaro 15,7 proc. visų formalių reikšmingų ryšių. Tokių ryšių yra 66 poros (2 pav.).

Keli abipusiai ryšiai tiesiogiai sieja mokslo ir verslo organizacijas. Visus tinklo dalyvius sieja inovacijų paramos organizacijos, kurios tarpusavyje taip pat yra susijusios abipusiais ryšiais.

2 pav. Lietuvos biotechnologijų sektoriaus organizacijų formalių, abipusiai reikšmingų ryšių tinklas

(12)

379

Inovacijų paramos organizacijos yra tarpininkai tarp mokslo ir verslo organizacijų, o tiesioginiai pasitikėjimo ir kompetencijos srautai tarp mokslo ir verslo organizacijų yra menki. Pagrindinis veikėjas šiame tinkle – MITA. Finansavimo siekimas skatina formalių ryšių formavimąsi. Abipusių formalių reikšmingų ryšių tinkle daugiausia šių ryšių turi VU Biotechnologijos ir Biochemijos institutai, LMT ir UAB „Profarma“ ir UAB „Biotechpharma“. Analizuojant tik mokslo-verslo organizacijų ryšius, nustatyti stiprūs abipusiai formalūs reikšmingi ryšiai, tarp kurių Vilniaus universiteto Biochemijos institutas atlieka svarbiausio tarpininko vaidmenį, sujungiant dalyvius į tinklo struktūrą.

Šiame straipsnyje pateikti Lietuvos biotechnologijų sektoriaus mokslo ir verslo organizacijų formalių reikšmingų ryšių tinklo analizės rezultatai. Pagal parengtą metodiką analogiškai analizuojami formalių nereikšmingų, neformalių reikšmingų ir neformalių nereikšmingų ryšių tinklai.

6. Išvados

1. Pagal ryšių pobūdį ir produktyvumą išskirti keturi tarporganizacinių ryšių tinklai: formalių reikšmingų ryšių, neformalių reikšmingų ryšių, formalių nereikš- mingų ryšių ir neformalių nereikšmingų ryšių. Šie tinklai identifikuoja keturis gali- mus tarporganizacinės sąveikos tipus ir leidžia nustatyti bei įvertinti ryšių, reikšmin- gų mokslinės produkcijos sukūrimui, struktūrą tarp mokslo, verslo ir inovacijų paramos organizacijų, vykdančių veiklą biotechnologijų srityje.

2. Daugiausia įeinančių ryšių turi inovacijų paramos organizacija MITA (27), Vilniaus universiteto Biotechnologijos institutas (24), Lietuvos mokslo taryba (21) Gam- tos mokslų fakultetas (21), Biochemijos institutas (18), LSMU medicinos fakultetas, UAB Sicor Biotech (18), Biotechpharma (18) ir Lietuvos biotechnologų asociacija (18).

3. Svarbiausi Lietuvos biotechnologijų sektoriaus mokslo ir verslo organizaci- jų formalių reikšmingų ryšių tinklo analizės rezultatai: formalūs reikšmingi mokslinės produkcijos sukūrimui ryšiai sudaro tarporganizacinės sąveikos pagrindą tarp mokslo, verslo ir inovacijų paramos organizacijų, vykdančių veiklą biotechnologijų srityje.

Svarbiausi tarpininkai, jungiantys mokslo ir verslo organizacijas šiame tinkle, yra inovacijų paramos organizacijos MITA ir LMT. Šio tinklo galios branduolyje yra LMT, MITA, VU BChI, VU BTI, „Biotechfarma“, „Sicor Biotech/TEVA“. Iš mokslo organizacijų daugiausia formalių reikšmingų abipusių ryšių turi VU BChI.

4. Mokslo ir verslo organizacijų tinklaveikos analizės rezultatai gali būti pa- naudoti inovacijų politikos tobulinimui formuojant „minkštąsias“ bendradarbiavimo sąlygas (tinklus, tiesioginius asmeninius kontaktus, komunikaciją, pasitikėjimą, kom- petenciją, patirtį bei inovacijų kultūrą) Lietuvos biotechnologijų sektoriuje.

Literatūra

Binkauskas, G. (2002). Universiteto inovacinio potencialo formavimo mechanizmas. Daktaro disertacija. Socialiniai mokslai (vadyba ir administravimas). – Vilnius: Vilniaus universitetas. 184 p.

Borgatti, P. (2005). Centrality and network flow // Social networks. No. 27: 55–71. – http://dx.doi.org/10.1016/j.socnet.2004.11.008 [2015 07 07].

(13)

380

Bongers, F., Hertog, P., den Vandeberg, R., Segers, J. (2003). Towards the measurement of interaction: Exploration of the possibilities for measuring technology exchange between public re- search institutions and companies/social organisations // Final Report to the Advisory Council for Science and Technology Policy Dialogic. – www.awt.nl/uploads/files/dialogic-56.pdf [2015 08 21].

Brennenraedts, B., Bekkers, R., Verspagen, B. (2006). The different channels of university- industry knowledge transfer: Empirical evidence from Biomedical Engineering // Working Paper.

Eindhoven. – http://cms.tm.tue.nl/Ecis/Files/papers/wp2006/wp0604.pdf [2015 08 17].

Cimenler, O. (2014). Social Network Analysis of Researchers' Communication and Collabo- rative Networks Using Self-reported Data. Doctoral Dissertation. Engineering. Tampa: University of South Florida. 135 p.

Cohen, W. M., Nelson, R. R., Walsh, J. P. (2002). Links and impacts: the influence of pub- lic research on industrial R&D // Management Science. Vol. 48 (1): 1–23. – http://dx.doi.org/10.1287/mnsc.48.1.1.14273 [2015 07 07].

Fuentes, C., Dutrénit, G. (2010). A. three-stage model of the Academy-Industry linking pro- cess: the perspective of both agents. Report from Circle. Lund University Sweden. – https ://ideas.repec.org/p/hhs/lucirc/2010_006.html [2015 08 20].

Hanneman, R. A., Riddle, M. (2005). Introduction to social network methods. – Riverside:

University of California, Riverside. 322 p.

Oslo Manual: Guidelines for collecting and interpreting innovation data. 2005. – http://epp.eurostat.ec.europa.eu/cache/ITY_PUBLIC/OSLO/EN/OSLO-EN.PDF [2015 08 18].

Rampersad, G. (2008). Management of Innovation Networks in Technology Transfer. Doc- toral Dissertation. Management. Adelaide: University of Adelaide. 253 p.

Schmidt, T. (2007). Motives for Innovation Co-operation – Evidence from the Canadian Su- rvey of Innovation. – http://econstor.eu/bitstream/10419/24570/1/dp07018.pdf [2015 18 21].

Thune, T. (2006). Formation of research collaborations between universities and firms. Doc- toral Dissertation. Management. – Oslo: Norwegian School of Management. 256 p.

Vittoria, M. P., Lavadera, G. L. (2014). Knowledge networks and dynamic capabilities as the new regional policy milieu. A social network analysis of the Campania biotechnology commu- nity in southern Italy“ // Entrepreneurship & Regional Development: An International Journal.

Vol. 26: 7–8. – http://dx.doi.org/10.1080/08985626.2014.964782 [2015 05 07].

NETWORKING BETWEEN RESEARCH AND BUSINESS ORGANISATIONS IN LITHUANIAN BIOTECHNOLOGY SECTOR

Alvydas Baležentis, Lina Skeberdytė Mykolas Romeris University

Received 07 08 2015; accepted 07 09 2015

The article presents the results of the analysis of the networking of research and business organisations. The purpose of the article is to prepare the methodological approach to analyze the networks of research and business organisations and to analyze the networking of the organisations in Lithuanian biotechnology sector. Methods of the research – evaluations of the heads (representa- tives) of the organisations, social network analysis. We have prepared the typology of the research and business networks and proposed the methodological approach for the analysis of the networks.

This methodology was applied in order to identify the networks of research and business organisations of the Lithuanian biotechnology sector. The network position of the organisations was evalua- ted according to following centrality measures of social networks: degree centrality, Bonacich centrality, betweenness centrality.

Key words: network, networking, social network analysis, research and business organisa- tions, innovation management, biotechnology.

JEL Codes: O32, O31, D85.