Метрики для раннего прогнозирования успешности R&D

Описан новый математический подход к прогнозированию перспективности исследований и разработок (R&D) в сфере науки и технологий. На выборке текстов, описывающих известные R&D за период с 1955 по 2014 гг., показано, что вероятность успешного прогноза традиционными методами на доинвестиционной фазе жизненного цикла R&D является низкой. Проведена аналогия между подходом к оценке качества текстов компьютерных программ и формализованными научно-техническими текстами, предложены четыре размерно-ориентированные и четыре функционально-ориентированные числовые метрики, основанные на лексическом анализе и эволюционно-онтологическом подходе к выборке текстов R&D. Выведены формулы для расчета размерно-ориентированных метрик, получаемые в результате расчета значения, интерпретированы с точки зрения задачи прогнозирования успешности R&D. Затронуты вопросы построения исходных данных для расчета более сложных функционально-ориентированных метрик с использованием лексико-графовых моделей текстов R&D, решения задач декомпозиции и поиска на графах коллокаций терминов в целях исследования эволюции терминологии, наличия тавтологических определений, оценки качественной структуры текста. Строго математически специфицированы исходные данные, необходимые для расчета предложенных автором восьми формул, используемых для вычисления метрик. Рассчитаны индексы нелинейной парной корреляции метрик и известных результатов R&D на тестовой выборке, представлены результаты исследования вероятности корректного прогноза с помощью предложенных метрик, демонстрирующие, что все они коррелируют с успешностью R&D. Интерпретированы диапазоны получаемых значений для всех описанных метрик, объяснено поведение полученных зависимостей индексов корреляции для метрик и вероятностей успешного прогноза инвестиционной перспективности R&D. Показано, что в сочетании с другими методами применение разработанного математического подхода на основе вычисления восьми числовых метрик может повысить вероятность точного прогноза при оценке целесообразности инвестиций и выборе перспективных направлений исследований и разработок.

раннее прогнозирование, перспективные исследования и разработки, числовые метрики, размерно-ориентированные метрики, функционально-ориентированные метрики, лексический подход, композитные модели оценки R&D

1. Губанов Д. А., Коргин Н. А., Новиков Д. А., Райков А. Н. Сетевая экспертиза. 2-е изд. / под ред. чл.-к. РАН Д. А. Новикова, проф. А. Н. Райкова. М.: Эгвес, 2011. 166 с.

2. Курейчик В. В., Сороколетов П. В. Композитные методы разбиения графовых моделей. Таганрог : изд-во ТРТУ, 2006. 140 с.

3. Райков А. Н. Инновационное саморазвитие сетевой экспертной среды // Организация саморазвивающихся инновационных сред : Сб. статей / под ред. В. Е. Лепского. М. : «Когито-Центр», 2012. С. 120-139.

4. Сороколетов П. В. Композитные модели поиска перспективных R&D на основе мультиагентных систем // Материалы 9-й конференции «Информационные технологии в управлении» (ИТУ-2016). СПб. : АО «Концерн «ЦНИИ «Электроприбор», 2016. 896 с.

5. Сороколетов П. В. Расширенная многоагентная модель прогнозирования перспективности R&D // Труды конгресса по интеллектуальным системам и информационным технологиям IS&IT’16, 2-9 сентября 2016, Дивноморское, Россия, т. 2, с. 112-117.

6. Lewis M. Language in the lexical approach. In Teaching Collocation: Further Developments In The Lexical Approach // Language Teaching Publications, 2000. P. 126-154.

7. Matzler K., Grabher C., Huber J., Füller J. Predicting new product success with prediction markets in online communities // R&D Management, Volume 43, Issue 5, November 2013. P. 420-432.

8. DeMarco T. A metric of estimation quality // AFIPS National Computer Conference, 1983. P. 753-756.

9. Kvint V. Strategy for the Global Market. New York : Routledge, 2016. 518 p.