Стратегия цифровой трансформации отрасли науки и высшего образования кратко

Обновлено: 02.07.2024

В стратегию цифровой трансформации отрасли науки и высшего образования министерство включило семь проектов, сообщает CDO2Day.

Датахаб — это система управления данными сферы науки и высшего образования, цель которой — повышение качества данных и систематизация работы с ними для их использования в принятии управленческих решений, говорится в документе.

Архитектура цифровой трансформации — проект подразумевает координационное, методическое и информационное сопровождение организаций в сфере науки и высшего образования в реализации стратегии цифровой трансформации. Здесь Минобрнауки предлагает создать паспорта цифровой зрелости вузов, которые помогут гражданам решить, в какое заведение поступить.

Цифровой университет — проект, направленный на создание и развитие цифровых сервисов в сфере науки и высшего образования, охватывающих все виды бизнес-процессов. Министерство отмечает, что содержание многих учебных программ устаревает еще до момента их окончания. Например, в металлургии знания устаревают каждые 3,9 года, в машиностроении — 5,2 года, в химической промышленности — 4,8 года, в рекламе — пять лет, в бизнесе — два года. Согласно стратегии, создание цифровых сервисов в сфере образования поможет решить эту проблему.

Единая сервисная платформа науки — должна стать единой экосистемой сервисов для проведения исследований и разработок, повысить их качество и доступность. В рамках проекта предлагается создать единую биржу исследований и необходимой инфраструктуры, чтобы снизить затраты на издержки.

Маркетплейс программного обеспечения и оборудования — в этом разделе говорится о создании единой информационной среды взаимодействия образовательных организаций и поставщиков и вендоров оборудования и ПО, а также о создании единых инструментов мониторинга уровня цифровизации образовательных организаций.

Цифровое образование — проект, направленный на повышение уровня цифровых компетенций обучающихся, научно-педагогических работников, а также формирование компетентной команды управления процессом цифровой трансформацией образовательной организации.

Сервис хаб — единая сервисная система для цифровой трансформации бизнес-процессов Минобрнауки России и вузов. Цель проекта — управление ролями и структурой Минобрнауки, оптимизация, систематизация и регламентирование бизнес-процессов за счет создания информационной системы.

Документ, в котором подробно описана стратегия, опубликован на сайте ведомства.

Движение науки в сторону цифровой трансформации было предопределено еще в 1980-х годах — сменой парадигмы управления наукой и научным комплексом в развитых странах.

Не менее важным фактором для трансформации науки и исследований стало снижение отдачи от R&D в корпоративном секторе, особенно в химической и фармацевтической отраслях, происходящее в течение 30 лет. Поступательно падающая маржинальность традиционных отраслей промышленности и отток капитала в условно-­инновационные сферы / рынки привели к тому, что крупные корпорации начали активно искать и внедрять подходы и технологии, позволяющие повысить конверсию прикладных R&D в новые успешные продукты, и в течение последних 20 лет цифровые технологии и платформы играют в этом процессе ключевую роль.

На цифровизацию и цифровую трансформацию исследований повлияла также конкуренция: университеты и научно-­исследовательские центры, всячески побуждаемые государствами к работе с компаниями и корпорациями, в плане качества исследовательского результата — и, соответственно, используемых цифровых инструментов — вынуждены конкурировать с корпоративными R&D‑отделами (см. Рис. 1); в противном случае организациям и командам очень сложно получать коммерческие заказы на прикладные разработки.


Волшебная таблетка, которой нет
Естественно, универсальных, единых приоритетов в части цифровизации и цифровой трансформации для всех научных дисциплин не существует: исследователи из разных научных областей склоняются к разным наборам цифровых инструментов в зависимости от задач, которые им приходится решать.

Наконец, цифровые решения для проектного управления (и, соответственно, для повышения эффективности исследований) наиболее востребованы в гуманитарных дисциплинах, а также в прикладных исследованиях в области сельского хозяйства и биологии (подробнее см. Рис. 2).

Рисунок 2. Зоны приоритетов в области цифровизации по различным научным областям (балльная оценка на основании опроса исследователей)


Рисунок 3. Сферы исследовательской деятельности, в наибольшей степени выигрывающие от цифровизации (% респондентов, отметивших соответствующую сферу как выигрывающую от цифровизации)

Одна из самых известных инициатив по развитию открытой науки за счет цифровой составляющей — комплекс проектов и программ открытой науки под эгидой Европейского союза (EU's open science policy). Помимо чисто политических и идеологических оснований, задающих требования в области исследовательской этики, воспроизводимости научных результатов и пр., базой для реализации концепции открытой науки в ЕС, по замыслу Еврокомиссии, должны стать два основных компонента, связанных с цифровыми решениями и платформами.

Второй компонент поддержки международной коллаборации в парадигме открытой науки в ЕС — общеевропейский стандарт открытых исследовательских данных FAIR, согласно которому все данные, получаемые в ходе исследований, должны соответствовать универсальным требованиям к их использованию, импорту / экспорту, верификации и пр., в первую очередь — данные, получаемые в ходе коллаборативных исследований, спонсируемых Европейским союзом.

Вместе с тем ситуация в области международного научного сотрудничества делает развитие глобальных цифровых платформ и стандартов исследовательских данных, как минимум, проблематичным. Торговая и технологическая вой­на между США и Китаем уже привела к сокращению международных научных обменов между двумя странами — крупнейшими инвесторами в исследования и разработки.

Пандемия COVID‑19, вроде бы наглядно продемонстрировавшая все плюсы своевременного быстрого обмена результатами исследований, привела к обратному эффекту. В тех же США федеральный Офис по науке и технологиям принял методические рекомендации по кибербезопасности и борьбе с иностранным шпионажем в науке, согласно которым университеты и научные центры должны поддерживать максимальный уровень кибербезопасности, а также тщательно следить за неразглашением информации об исследованиях.

Самый распространенный вариант среди исследовательских команд (даже в ведущих мировых научных центрах и университетах) — универсальные приложения для планирования и бюджетирования, ставшие особенно популярными во время локдаунов из-за пандемии COVID‑19.

Например, некоторые команды и консорциумы в NASA начали использовать платформу Trello для планирования астрономических наблюдений и загрузки телескопов; приложения Trello, Jira и Asana — для распределения, аннотирования и комментирования задач, контроля дедлайнов и документов, а заодно — для разработки алгоритмов исследований. Схожий набор универсальных инструментов проектного управления уже используют исследователи во многих других научных областях, начиная с биотехнологий и клеточных исследований и заканчивая социологией.

Менее доступный, хотя и более комплексный вариант для проектного управления — открытые приложения-­платформы, разработанные специально для управления исследованиями и исследовательскими проектами. Сегодня шире всего применяется платформа Open Science Framework (OSF): она включает функционал по планированию исследовательского процесса (от дизайна экспериментов до распределения средств грантов), сбору и анализу данных, подготовке и публикации препринтов и пр. Именно эту платформу используют исследователи в Массачусетском технологическом институте.

Еще один пример масштабной платформы для управления исследованиями — американская Eureka, созданная Калифорнийским университетом в Сан-­Франциско и предназначенная для исследователей, работающих в области медицины и здравоохранения. Eureka включает портал для управления исследованиями, облачное хранилище, систему обработки и анализа данных, а также обеспечивает интеграцию со сторонними приложениями, сенсорами и внешними устройствами, подключаемыми по Bluetooth, в том числе для сбора данных с носимых устройств (геолокационные датчики, датчики температуры, данные о пульсе, давлении и т. д.).

Важным направлением в части повышения эффективности и результативности исследований в последние годы становятся платформы и приложения для управления научными данными (research data management), решающие проблемы эффективности и воспроизводимости исследовательских результатов.

Отчасти рост внимания к этой теме связан с формальными моментами: многие государственные и частные фонды требуют от получателей грантов предоставления планов по управлению данными — таково универсальное требование для всех научных центров и университетов США, получающих финансирование из Национального научного фонда (National Science Foundation) и Национальных институтов здравоохранения (National Institutes of Health). Схожие требования предъявляют к исследованиям Европейский совет по исследованиям (European Research Council), британские научные фонды и пр.

Что касается более комплексных вариантов платформ и информационных систем управления данными, то они, как правило, позволяют управлять научными данными на всех стадиях жизненного цикла исследования, от предварительного планирования (подготовки заявки на грант) до формирования отчетности. Системы такого рода позволяют осуществлять планирование, хранить данные, обеспечивая полную их безопасность, формировать единые или специализированные депозитории и пр.; именно такие решения используют Оксфордский университет и Университетский колледж Лондона.

Однако инновации, трансформирующие сам исследовательский процесс, лежат все же в другой цифровой сфере.

Пожалуй, самая известная цифровая экосистема такого рода развернута вокруг Большого адронного коллайдера в ЦЕРНе. Это Worldwide LHC Computing Grid (WLCG) — глобальная распределенная вычислительная инфраструктура, состоящая из более чем 800 тыс. компьютеров; она действует в 42 странах мира и включает вычислительные центры самого разного уровня, от центральной системы (Tier 0), расположенной в самом ЦЕРНе и проводящей обработку / калибровку первичных данных, до малых локальных центров, состоящих из одного-двух обычных компьютеров и обслуживающих локальные же группы исследователей (Tier 3).

Более того, в 2017 году по инициативе WLCG международный Фонд разработки ПО для физики высоких энергий (в руководство которого входят несколько представителей ЦЕРНа, Принстона, Университета Лундта и др.) разработал дорожную карту развития специализированного программного обеспечения, необходимого для обработки результатов экспериментов. Вычислительных мощностей уже недостаточно; физикам, работающим за гранью исследовательской интуиции и за пределами Стандартной Модели, нужны новые, сверхсложные цифровые инструменты и математические модели (См. дорожную карту).

Конечно, есть и менее сложные — и более прикладные — примеры такого рода. Один из самых ранних — цифровая платформа Центра материаловедения и инжиниринга (Center for Materials Science and Engineering) Массачусетского технологического института, созданная еще в 1998 году и работающая с большими массивами данных, которые генерируются максимально автоматизированным и роботизированным оборудованием Центра (спектрометры, атомно-­силовой микроскоп и пр.).

Тем не менее до широкого распространения таких систем еще далеко: как это ни парадоксально, абсолютное большинство рядовых исследователей вынуждены работать не с кастомизированными современными цифровыми платформами и информационными системами, способными обеспечить научные прорывы, а с сырыми данными и собственноручно написанным кодом или, в лучшем случае, с морально устаревшим ПО (например, из 3900 статей по геномике, вышедших в 2015 году, 60% были написаны на основе результатов, полученных с использованием очень, очень старого ПО).

По данным масштабного исследования Software Sustainability Institute, еще в 2014 году для семи из 10 исследователей во всех областях знаний наличие программного обеспечения было вопросом жизни и смерти: без ПО они просто не могли бы работать. При этом, по информации британского Института устойчивого развития программного обеспечения для исследований и разработок, 56% исследователей вынуждены разрабатывать собственное программное обеспечение, причем почти четверть из них не обладают необходимыми для этого навыками. А социологический опрос исследователей, проведенный ОЭСР в 2018 году, показал, что в среднем 70% всех исследований в мире включают либо данные, либо код, либо и то и другое (см. Рис. 4).

Читайте также: