Efektywność działalności badawczo-rozwojowej uczelni technicznych w Polsce

Autor

  • Irena Łącka Zachodniopomorski Uniwersytet Technologiczny w Szczecinie
  • Łukasz Brzezicki Uniwersytet Gdański

DOI:

https://doi.org/10.15584/nsawg.2020.3.13

Słowa kluczowe:

B R, efektywność, szkoły wyższe, DEA

Abstrakt

W gospodarce XXI w. opartej na wiedzy, długookresowy wzrost i rozwój gospodarczy zależą od umiejętności wykorzystywania wiedzy i technologii do tworzenia innowacji produktowych, procesowych, organizacyjnych, marketingowych, a nawet społecznych. Wiedza i technologia, kapitał ludzki oraz społeczny (umożliwiający transfer technologii ze świata nauki do gospodarki), stanowią dziś najważniejsze czynniki wytwórcze. Wśród różnych determinant wpływających na zdolność gospodarki do innowacji znajduje się działalność badawczo-rozwojowa (B+R) realizowana przez publiczne szkoły wyższe, m.in. uczelnie techniczne. Jednym z zadań tych podmiotów jest prowadzenie badań podstawowych, przemysłowych (stosowanych) i prac rozwojowych. Ich rezultaty powinny trafiać do przedsiębiorstw przemysłowych i usługowych jako możliwe do wykorzystania nowe rozwiązania. Działalność badawczo-rozwojowa szkół wyższych jest finansowana głównie ze źródeł publicznych, co skłania do próby oceny efektywności wykonywania tego zadania. Można to zrealizować za pomocą różnych metod, np. nieparametrycznej metody DEA. Celem artykułu jest pomiar za pomocą metody DEA efektywności działalności badawczo--rozwojowej publicznych uczelni technicznych w Polsce. Do badania przyjęto 14 uczelni, które podlegały w latach 2015–2017 Ministerstwu Nauki i Szkolnictwa Wyższego (MNiSW). Przeanalizowano efektywność szkół wyższych odnośnie do zgłaszania nowych rozwiązań patentowych oraz uzyskanych patentów. Uzyskane wyniki wskazują na bardzo niską i niską efektywność większości polskich szkół technicznych. Wynika to zarówno z małej liczby zgłoszeń patentowych, jak i małej liczby uzyskiwanych patentów. W badanym okresie grupa najbardziej efektywnych uczelni technicznych w obu aspektach liczyła jedynie 4–5 jednostek.

Bibliografia

Aghion, Ph., Howitt, P. (1992). A Model of Growth through Creative Destruction. Econo-metrica, 60/2, 323–351. DOI:10.2307/2951599.

Aghion, Ph., Howitt, P. (1999). Endogenous Growth Theory. London: MIT Press.

Anderson, T. R., Daim, T. U., Lavoie, F. F. (2007). Measuring the efficiency of university technology transfer. Technovation, 27, 306–318. DOI: 10.1016/j.technovation.2006.10.003.

Berbegal-Mirabent, J. (2018). The influence of regulatory frameworks on research and knowledge transfer outputs: An efficiency analysis of Spanish public universities. Journal of Engineering and Technology Management, 47, 68–80. DOI: 10.1016/j. jengtecman.2018.01.003.

Chuanyi, W., Xiaohong, L., Shikui, Z. (2016). The Relative Efficiencies of Research Universities of Science and Technology in China: Based on the Data Envelopment Analysis and Stochastic Frontier Analysis. Eurasia Journal of Mathematics, Science and Technology Education, 12(10), 2753–2770. DOI: 10.12973/eurasia.2016.02302a.

Cioacă, S., Nedelcu, A. C. (2015). R&D activities’ impact on economic growth: case study on Romania. International Journal of Education and Research, 3(3), 569–578.

Cooper, W. W., Seiford, L. M., Tone, K. (2007). Data Envelopment Analysis. A Comprehensive Text with Models, Applications, References and DEA-Solver Software. New York: Springer. DOI: 10.1007/978-0-387-45283-8.

Czerniak, J. (2013). Polityka innowacyjna w Polsce. Analiza i proponowane kierunki zmian. Warszawa: Difin.

De Witte, K., López-Torres, L. (2017). Efficiency in education: a review of literature and a way forward. Journal of the Operational Research Society, 68(4), 339–363. DOI: 10.1057/jors.2015.92.

Eicher, T. S., Turnovsky, S. J. (1999). Non-scale models of economic growth. Economic Journal, 109, 349–415. DOI: 10.1111/1468-0297.00454.

European Innovation Scoreboard (2019). Luxembourg: European Commission. Retrieved from: https://ec.europa.eu/docsroom/documents/38781 (2020.11.04).

Flegg, A. T., Allen, D. O., Field, K., Thurlow, T. W. (2004). Measuring the efficiency of British universities: a multi-period data envelopment analysis. Education Economics, 12, 231–249. DOI: 10.1080/0904529042000258590.

Florczak, W. (2009). Koncepcja wzrostu endogenicznego i gospodarki opartej na wiedzy w naukach ekonomicznych. Studia Prawno-Ekonomiczne, LXXX, 215–239.

Florczak, W. (2013). Modelowanie zrównoważonego rozwoju w makroekonomicznych modelach gospodarki Polski. Acta Universitatis Lodzienzis Folia Oeconomica, 294, 319–369.

Jones, C. (1995). R&D Based Models of Economic Growth. Journal of Political Economy, 103(4), 759–784. DOI: 10.1086/262002.

Khalozadeh, F., Kazemi, S. A., Movahedi, M., Jandaghi, G. (2011). Reengineering University – Industry Interactions: Knowledge–based Technology Transfer Model. Euro-pean Journal of Economics, Finance and Administrative Sciences, 40, 47–58.

Kodama, T. (2008). The role of intermediation and absorptive capacity in facilitating University-industry linkages an empirical study of TAMA in Japan. Research Policy, 37(8), 1224–1240. DOI: 10.1016/j.respol.2008.04.014.

Kuna-Marszałek, A., Lisowska, R. (2013). Działalność badawczo-rozwojowa jednostek naukowych i badawczo-rozwojowych w regionie łódzkim. Studia Prawno-Ekonomiczne, t. LC, 29–46.

Leitner, K.-H., Prikoszovits, J., Schaffhauser-Linzatti, M., Stowasser, R., Wagner, K. (2007). The impact of size and specialisation on universities’ department performance: a DEA anal sis applied to Austrian universities. Higher Education, 53, 517–538. DOI: 10.1007/s10734-006-0002-9.

Liu, J. S., Lu, L. Y. Y., Lu, W-M., Lin, B. J. Y. (2013). A survey of DEA applications. Omega, 41, 893–902. DOI: 10.1016/j.omega.2012.11.004.

Mok, K. H. (2005). Globalization and educational restructuring. University merging and changing governance in China. Higher University, 50, 57–88. DOI: 10.1007/s10734-004-6347-z.

Nowacki, F. (2013). Aktywność przedsiębiorcza uniwersytetu trzeciej generacji – uniwersytet czy przedsiębiorstwo. In: D. Burawski (Ed.), Uniwersytet trzeciej generacji. Stan i perspektywy rozwoju (pp. 25–38). Poznań: Europejskie Centrum Wspierania Przedsiębiorczości.

Obwieszczenie Marszałka Sejmu Rzeczypospolitej Polskiej z dnia 30 października 2017 r. w sprawie ogłoszenia jednolitego tekstu ustawy – Prawo o szkolnictwie wyższym (DzU 2017 poz. 2183).

Obwieszczenie Marszałka Sejmu Rzeczypospolitej Polskiej z dnia 8 grudnia 2017 r. w sprawie ogłoszenia jednolitego tekstu ustawy o zasadach finansowania nauki (DzU 2018 poz. 87).

Podręcznik Frascati 2015. Zalecenia dotyczące pozyskiwania i prezentowania danych z zakresu działalności badawczo-rozwojowej. (2018). Warszawa: GUS.

RAD-on (2020). Projekty naukowe w wybranym roku. Retrieved from: https://radon.nauka.gov.pl/raporty/szkolnictwo-wyzsze-i-nauka (2020.11.04).

Prędki, A. (2012). Geneza zbiorów możliwości produkcyjnych wykorzystywanych w DEA. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Poznaniu, 241, 126–137.

Prodan, I. (2005). Influence of Research and Development Expenditures on Number of

Patent Applications: Selected Case Studies in OECD Countries and Central Europe, 1981–2001. Applied Econometrics and International Development, 5–4, 5–20.

Romer, P. (1990a). Endogenous technological change. Journal of Political Economy, 98(5), 71–102.

Romer, P. M. (1990b). Human capital and growth: theory and evidence. Carnegie Rochester Conference Series on Public Policy, 32, 251–286. DOI: 10.1016/0167-2231(90)90028-J.

Rutkowska, A. (2013), Teoretyczne aspekty efektywności – pojęcie i metody pomiaru. Zarządzanie i Finanse, 11(1, 4), 439–453.

Seppo, M., Lilles, A. (2012). Indicators measuring university-industry cooperation. Discussion on Estonian Policy, 20(1), 204–225. DOI: 10.15157/tpep.v20i1.782.

Spencer, J. W. (2001). How relevant is university-based scientific research to private high-technology firms? A United States – Japan comparison. Academy of Management Journal, 44, 432–440. DOI: 10.2307/3069465.

Szmal, A. (2012). Identyfikacja dóbr intelektualnych podlegających komercjalizacji. Zeszyty Naukowe Politechniki Śląskiej. Seria: Organizacja i Zarządzanie, 60, 321–333.

Tone, K., Tsutsui, M. (2010). Dynamic DEA: A slacks-based measure approach. Omega, 38, 145–156. DOI:10.1016/j.omega.2009.07.003.

Wissema, J. G. (2005). Technostarterzy dlaczego i jak? Warszawa: PARP.

Wolszczak-Derlacz, J. (2013). Efektywność naukowa, dydaktyczna i wdrożeniowa publicznych szkół wyższych w Polsce – analiza nieparametryczna. Gdańsk: Wydawnictwo Politechniki Gdańskiej.

Wunsch-Vincent, S. (2012). Accounting for science–industry collaboration in innovation: existing metrics and related challenges. In: S. Dutta (Ed.), The Global Innovation Index 2012. Stronger innovation linkages for global world (pp. 97–108). Fontaine- bleau: WIPO.

Yang, G.-L., Fukuyama, H., Song, Y.-Y. (2018). Measuring the inefficiency of Chinese research universities based on a two-stage network DEA model. Journal of Informetrics, 12(1), 10–30. DOI: 10.1016/j.joi.2017.11.002.

Opublikowane

2020-11-13

Jak cytować

Łącka, I., & Brzezicki, Łukasz. (2020). Efektywność działalności badawczo-rozwojowej uczelni technicznych w Polsce. Nierówności Społeczne a Wzrost Gospodarczy, 3(63), 258–274. https://doi.org/10.15584/nsawg.2020.3.13

Numer

Dział

Artykuły