Основная задача научной политики — выбор перспективных научных направлений и инвестиро­вание новых, наиболее передовых идей. В процессе фор­мирования научной политики требуется выявление не только прогрессивных направлений, но и "тупиковых", неперспективных проблем. Роль экспертов в этом не может быть достаточно высокой потому, что уровень их компетентности не всегда отвечает предъявляемым тре­бованиям, а заинтересованность в экспертизе порой соответствует уровню их компетентности. Поскольку структура переднего края науки быстро меняется, а сис­тема организации структуры науки, элементами которой являются сложившиеся научные коллективы, отстает от быстро развивающейся структуры научного знания, вы­бор учеными приоритетных направлений не всегда носит объективный характер.

При экспертизе планируемых научно-исследователь­ских работ (НИР) следует учитывать, что зрелые направ­ления имеют свой развитый концептуальный строй, и ученые, рассматривающие структуру переднего края нау­ки через призму понятийного аппарата своей области, могут не замечать новых направлений. Задержка в пра­вильной оценке новых направлении — явление, свойст­венное всем ученым, а вовсе не дефект интеллектуальных способностей отдельных из них или развития науки в некоторых странах [38].

При современном уровне развития науки в процессе поиска новых идей ориентация только на опыт и интуи­цию ученых не всегда эффективна. В связи с этим для выявления активных "точек роста" развития научных на­правлений и новых научных идей в последние годы во многих странах стали широко использовать формализован­ные методы. Для этого требуется постоянный мониторинг структуры мировой науки с привлечением качественных и количественных наукометрических оценок.

Разработанные в настоящее время методы исследова­ния переднего края науки и ядра научного знания доста­точно хорошо изложены в фундаментальных работах [9, 12, 13, 16, 25, 28 - 30, 32, 33, 42 - 45, 53]. В качестве наукометрических показателей предлагается использо­вать публикационную и изобретательскую активность, цитируемость и социтируемость публикаций, числен­ность и структуру научных кадров, уровень финансирова­ния и материально-технической базы и т. д.

Все методы наукометрического анализа условно можно разделить на три группы:

1)         количественные, или квалиметрические;

2)         качественные, или содержательные (семантические);

3)         сетевые (анализ информационных связей).

Количественный анализ включает в себя ряд методов частотного анализа, контент-анализ, анализ библиогра­фических ссылок и т. д., которые позволяют осуществлять количественную оценку уровня научных направлений и проблем. В качестве индикаторов оценки можно исполь­зовать число публикаций, авторских свидетельств и. па­тентов, количество книг, журналов, авторов и т. д.

Качественный анализ характеризует научные направ­ления и проблемы с точки зрения их оперативности, новизны, актуальности, ценности, достоверности, полно­ты поступающей информации и ее семантической струк­туры.

Сетевой анализ включает в себя установление количе­ственных и качественных взаимосвязей между научными направлениями и проблемами либо между учеными, ге­нерирующими и потребляющими информацию. В ре­зультате образуются сети взаимного влияния, характери­зующие различные аспекты формирования и использова­ния информации. К методам сетевого анализа следует отнести кластерный анализ, исследование взаимного ци­тирования и междисциплинарных связей, изучение вза­имного обмена информацией между различными регио­нами и т. д.

Метод цитатного анализа. Неразрывно связанные с текстовой частью научной публикации библиографичес­кие ссылки могут иметь самостоятельное значение при Ероведении разнообразных наукометрических исследо­ваний. Библиографические ссылки являются своеобразны­ми "индикаторами" информационных связей между на­учными документами и их авторами, необходимым условием этики научного творчества, критерием вклада от­дельных ученых и научных коллективов в науку, степени их общественного признания и научного престижа и т. д. (рис. 1, см. бумажную версию журнала).

Поскольку каждая библиографическая ссылка в яв­ной или неявной форме содержит сведения об авторе и соавторах, название публикации (ключевые слова), ее составные элементы в контексте с элементами цитируе­мой статьи обеспечивают извлечение целого ряда анали­тических данных о состоянии науки, ее социальной и когнитивной структуре. Ю. Гарфилд и др. [7] считают, что цитируемые статьи могут служить в качестве маркеров важнейших идей, изобретений и технологий и в связи с этим цитирование можно использовать для "картографи­рования" науки.

Традиция цитирования создает в науке своеобразную разновидность непрерывно действующей коллективной экспертной оценки, автоматически обеспечивающей ком­петентность экспертов [18, 34, 41].

Анализ цитирования можно осуществлять, исследуя непосредственно библиографические ссылки в публика­циях, а также с помощью баз данных или указателя "ScienceCitationIndex" (SCI), издаваемого с 1964 г. Институтом научной информации США.

На основе цитируемости и кластерного анализа Ин­ститутом научной информации США создана база данных ISI/BIOMED, доступная в интерактивном режиме и со­держащая сведения о наиболее важных для ученых всего мира публикациях по биомедицине, которые входят в кластеры, а также работах, их цитирующих. ISI/BIOMED охватывает статьи, опубликованные в 1,3 тыс. биомеди­цинских журналах с 1979 г., и ежегодно пополняется данными из 230 тыс. публикаций. Указатель фронта научных исследований ISI/BIOMED раскрывает 7,9 тыс. исследовательских тем. По указанной базе данных Ин­ститут научной информации США издает Атлас науки, включающий перечень статей, входящих в кластер, и их графическое изображение.

Среди основных индикаторов, используемых указате­лем научных ссылок, следует выделить следующие: фак­тор воздействия (Impactfactor), фактор оперативности (ImmediacyIndex) и показатель полужизни журнала (Half-life), общее число ссылок и их динамику. Фактор воздей­ствия указывает на частоту, с которой в конкретном году журналами-источниками была процитирована любая ста­тья данного журнала за два года до исследования. Фактор оперативности указывает на частоту, с которой в рассмат­риваемом году цитировалась любая средняя статья опре­деленного журнала, опубликованная в этом же году.

Показатель полужизни журнала равен числу ретроспек­тивных лет выхода в свет цитирумых публикаций, за которые журнал к исследуемому году набрал 50% ссылок.

Подробные сведения о SCI и о приемах работы с ним можно найти в публикациях [23, 24, 28, 36, 39].

Одним из информативных показателей формализо­ванной оценки публикаций является возраст ссылок. Явная ориентация на старые работы говорит о том, что исследуемая группа авторов в концептуальном и методоло­гическом отношении отстает от переднего края науки.

Уменьшение среднего "возраста" ссылок и ускорен­ное обновление информации в ссылочном аппарате пуб­ликаций свидетельствуют о том, что в исследуемом научном направлении усиленно разрабатываются новые проблемы.

Высокий удельный вес самоцитирования можно рас­ценивать как индикатор быстрорастущих научных на­правлений. В то же время рост самоцитирования научной школы можно связать с ее угасанием, когда ссылки замыкаются на представителях одной школы [40].

Сопоставление структур и "возраста" ссылок доку­ментальных информационных потоков (ДИП) можно осуществлять путем наложения соответствующих гисто­грамм и расчета суммы перекрывающихся частей всех сравниваемых показателей. Если системы схожи, это значит, что совокупность изучаемых работ выполнена в рамках сложившейся в мировой науке познавательной основы данной области. Если же системы сильно разли­чаются, то возможны три варианта: 1) изучаемая совокуп­ность авторов значительно обогнала мировую науку; 2) эта совокупность сильно отстала от мировой науки, но движется в том же направлении (в этом случае структура ссылок будет схожа со структурой кластера прошлых лет) и можно оценивать, насколько изучаемая совокупность авторов отстает от мирового уровня; 3) авторы работ трудятся вне сферы данного направления мировой науки (либо в ином ключе, либо параллельно).

Метод кластерного анализа. Один из методов клас­терного анализа был разработан Kessler [54] и назван им bibliographiccoupling — метод библиографического соче­тания. В основе метода Кесслера лежит принцип выделе­ния взаимосвязи между двумя публикациями, цитирую­щими один и тот же документ. Интенсивность взаимосвя­зи двух публикаций определяется количеством библио­графических ссылок, являющихся общими для обоих документов. Другой метод кластерного анализа — метод проспективной связи, или cocitation, — был разработан в 1973 г. одновременно И. В. Маршаковой [27] и Small [56]. Этот метод основан на обратном принципе — выделении взаимосвязи между двумя публикациями на основе цити­рования их в одних и тех же документах (рис. 2, см. бумажную версию журнала).

В процессе выявления взаимосвязи публикаций обра­зуются сети цитирования, которые после установления порога социтирования распадаются на отдельные класте­ры — совокупность публикаций, обнаруживающих силь­ные связи (выше пороговых) друг с другом внутри клас­тера и слабые связи с публикациями, не входящими в него. По методам И. В. Маршаковой и Смолла кластер образуют цитируемые документы, а по методу Кесслера — цитирующие. Методика проведения кластерного анализа библиографических ссылок достаточно подробно изложе­на в работах И. В. Маршаковой [25-27], Garfield [52] и др.

Методом кластерного анализа исследованы пробле­мы морской биологии [8], опиатных рецепторов [6, 9], рекомбинантной ДНК [55], биомедицины [57], генетики [25, 28], иммунологии [25, 28, 44].

Кластеризация библиографических ссылок — один из методов картирования науки, выявляющего фронт науч­ных исследований и "незримые колледжи". Совокуп­ность кластеров и взаимосвязей между ними образуют своеобразную карту науки [16].

С помощью кластерного анализа можно получить данные о закономерностях распространения и использо­вания научной информации, важной роли исследователь­ских методов и технологий в распространении новых знаний и развитии новых научных направлений [17].

Детализация, масштаб карты науки зависит от уста­новленного порога социтирования: при повышении по­рога социтирования на карте науки выявляются более крупные исследовательские дисциплины, при снижении порога социтирования — более мелкие исследователь­ские области и дисциплины (рис. 3-5, см. бумажную версию журнала).

Исследования Ю. Гарфилда с соавт. [7] по изучению структуры биомедицинских кластеров и составлению карты биомедицины в динамике ее развития показали, что все научные дисциплины, хотя и с разной скоростью, прохо­дят своеобразные фазы развития от зарождения до смерти — своего рода жизненные циклы. При этом научная дисциплина претерпевает в среднем одну революцию каждые двенадцать лет.

Нами [44, 46, 47] показано, что кластерный анализ, проведенный за ряд лет, отражает динамику развития проблемы, позволяет выявить "тающие" и "растущие" проблемы, адекватно отражает процессы затухания ста­рых и зарождение новых идей и методов исследования (рис. 6, 7, см. бумажную версию журнала).

В последние годы широкое применение в наукомет­рии нашел метод кластерного анализа ключевых слов [19, 49, 51]. Метод кластерного анализа ключевых слов осно­ван на выявлении частоты совместной встречаемости ключевых слов в поисковых образцах документов. Он имеет определенные преимущества перед кластер­ным анализом библиографических ссылок: не требует наличия библиографических ссылок в научных публика­циях, охватывает все публикации (а не только цити­руемые), отличается высокой оперативностью, так как позволяет проводить анализ только что опубликован­ных работ.

Кластерный анализ ключевых слов в документальных информационных потоках по проблеме "Медико-соци­альные аспекты аварии на Чернобыльской АЭС" позволил нам [44] выявить структуру и взаимосвязь проблем по исследуемому вопросу (рис. 8, см. бумажную версию журнала).

Построение графоаналитических кластеров возмож­но не только на основе социтирования, но и на базе анкетирования [35], взаимоцитируемости журналов [20], распределения публикаций по рубрикам реферативного журнала [14], исследования дескрипторов [10]. Возможны и другие вариации принципов построения кластерного анализа.

Контент-анализ заключается в выделении в содержа­нии научных документов некоторых ключевых признаков (содержательных единиц анализа, проблем, категорий), которые отражают существенные (фактические и смы­словые) стороны содержания с последующим подсчетом частоты употребления этих единиц [31]. Разновидностью контент-анализа являются тезаурусный и сленговый ме­тоды [42].

Наиболее ответственный этап контент-анализа — вы­бор единиц анализа, катего­рий содержания, так назы­ваемой категориальной сет­ки. Основными индикатора­ми контент-анализа служат такие единицы, как появле­ние или исчезновение при­знаков, частота их встречае­мости в тексте и динамика изменения в пространстве и времени.

Контент-анализ позволя­ет выявлять тенденции раз­вития научных дисциплин и отдельных научных направлений, структурировать поток информации и выявлять определенные закономерности развития содержания на­учных публикаций, осуществлять прогнозные исследова­ния, определять целостные ориентации, установки и склонности авторов текстовых документов, тематическую направленность отдельных групп публикаций, представ­ление о коммуникаторе (авторе) и реципиенте (предпола­гаемом читателе), а также о характере связи между ними. Следует отметить, что принципы и методология контент-анализа довольно широко используются в клинической медицине при обработке историй болезни, вербальных высказываний больных и т. д.

Близким к контент-анализу по содержанию и задачам является метод логико-смыслового моделирования [15]. В качестве исходной информационной единицы этого метода может служить отдельное высказывание (слово, словосочетание или целая фраза). Для каждого высказы­вания выявляются все непосредственные логические свя­зи с другими высказываниями в данной предметной области. Система логических связей между высказыва­ниями образует логико-смысловую (семантическую) мо­дель исследуемой проблемы, которая может быть пред­ставлена семантическим графом, вершинами которого являются высказывания, а ребрами — связи между ними.

Информационное моделирование представляет собой совокупность приемов и методов, позволяющих на основе структуризации и формализованного анализа ДИП, а также содержательного анализа предмодельных докумен­тов интегрировать и представлять в форме наглядной модели научно-техническую ситуацию состояний и тен­денций развития исследуемой области знаний и научных коммуникаций (НК). В результате проведенного инфор­мационного моделирования синтезируется новая инфор­мация, которую невозможно получить другими способа­ми.

Задача моделирования состоит в том, чтобы ответить на вопрос, как повлияет на некоторые показатели дея­тельности исследуемой системы изменение условий ее функционирования, связанное с принятием того или иного управленческого решения. Модель не навязывает своего критерия оптимальности, а отвечает на вопрос типа "что будет, если?" и помогает выбрать приемлемое решение. С помощью модели пользователь эксперимен­тирует с различными управленческими решениями, вы­бирая среди них наиболее соответствующие конкретным условиям. Р. В. Вальдман [4] рассматривает информаци­онное моделирование как метод исследования ситуаций, в процессе которого осуществляется анализ, синтез и фиксация информации, содержащейся в предмодельных документах, интерпретация отображаемой интегративной информации посредством модели, выявление наибо­лее значимых факторов и взаимосвязей, отбор альтерна­тив.

В процессе создания информационных моделей каж­дый документ относят к соответствующей рубрике клас­сификационной схемы, предварительно созданной спе­циалистами-экспертами [11, 37]. Источники информа­ции классифицируются по определенному принципу, зависящему от целей проводимой работы. Существует три типа классификаций: 1) линейные (алфавитные списки ученых, проблем, научных учреждений и т. д.); 2) матрич­ные; 3) иерархические, осуществляемые по типу дерева целей.

В качестве фактографической базы для проведения информационного моделирования могут быть использо­ваны патенты, другие научно-технические документы, данные экспертизы и т. д.

Метод частотного анализа научных проблем является одним из самых распространенных наукометрических методов исследования и заключается в разбивке ДИП по многим критериям с последующей статистической обра­боткой. При этом осуществляют подсчет количества научных документов по следующим параметрам: видам и типам научных документов (книги, патенты и авторские свидетельства, публикации в журналах и т. д.) и носите­лей; количеству авторов; рубрикам УДК, ББК, рефера­тивных журналов; тематической направленности публи­каций или журналов; числу библиографических ссылок в публикациях; странам и учреждениям, подготовившим и издавшим научные документы; "возрасту" публикаций; языковой принадлежности научных документов; объему документов и т. д.

Исследования ДИП, проведенные через равные про­межутки времени, позволяют получить представление о динамике изменения его объема и структуры. Поскольку любая динамическая система обладает инерционными свойствами, выявленную динамику изобретательской и публикационной активности можно экстраполировать в определенных пределах. Ввиду того что между ростом научно-технической информации и научно-техническим прогрессом существует определенная взаимосвязь, по показателям публикационной активности можно судить о тенденциях развития научных направлений и осущест­влять прогнозные разработки.

Большинство авторов считают, что резкий рост коли­чества публикаций и изобретений свидетельствует о пер­спективности разрабатываемых идей, о том, что ожидает­ся или уже получен положительный эффект. Резкий спад числа статей и изобретений обычно связывают с беспер­спективностью идей, с переориентацией научных кадров и материальных средств.

В то же время, как справедливо отмечают С. Н. Гаврилюк и соавт. [5], увеличение количества публикаций не всегда обусловлено перспективностью проблемы, и наоборот — в ряде случаев резкий спад числа публикаций может быть связан с прекращением финансирования актуального направления, ухудшением материально-тех­нической или издательской базы, вступлением разработ­ки в область глубинных исследований, засекречиванием тематики. Резкий рост количества публикаций может иметь место при разработке неактуальных или даже оши­бочных идей, обусловленной "модой" на определенные идеи, некоторой инертностью науки, усилением финан­сирования проблемы, возможности которой еще недоста­точно ясны, сознательной дезориентацией конкурирую­щих фирм.

Г. Кребер [22] считает, что если рост количества литературы в какой-либо научной области оказывается экспоненциальным, то это важный индикатор стадии подъема, свидетельствующий о возрастающем числе уче­ных, обращающихся к данной области. На примере ана­лиза публикаций по символической логике Г. Кребер [22], используя этот метод, показал, что в развитии науки творческая продуктивность падает вслед за фундамен­тальными открытиями, которые, как правило, больше поднимают новые проблемы, чем решают их. В целом наука развивается как бы пульсируя: происходит чередо­вание исключительных подъемов и относительных спадов творческой продуктивности.

В качестве фактографической базы для проведения наукометрических исследований методом частотного ана­лиза может быть использован указатель SCI, патентные указатели, автоматизированные базы данных и т. д.

Важным инструментом наукометрического анализа может являться ежегодный указатель "Кто публикуется в науке" (WIPS), издаваемый Институтом научной инфор­мации США, который информирует о всех публикую­щихся авторах, в отличие от традиционных справочников "Кто есть кто в науке", публикующих сообщения лишь об ученых, принадлежащих к научной элите. Не менее ценным источником исследований является "CurrentContents", содержащий сведения о наиболее цитируемых публикациях года ("Классики цитирования"), а также адреса авторов публикаций расписываемых журналов.

Для выявления приоритетных научных направлений и активных "точек роста" важно определить не только "проблемы развития" и новые идеи, но и целесообраз­ность и возможность работы в выявленной области, веро­ятность внедрения научных результатов и т. д. С этой целью необходимо проводить анализ материально-техни­ческой базы (собственного учреждения и ведущих науч­ных центров мира), кадровой составляющей научно-технического потенциала и уровня финансирования. При этом могут быть широко использованы методы частотно­го и кластерного анализа, контент-анализа, экспертных оценок, программно-целевого планирования и т. д.

Пробельный анализ. Исследование комплекса знаний, накопленных наукой, выявляет два типа ситуации. В ситуациях первого типа еще не ясно, каких знаний не хватает, в то время как в ситуациях второго типа оказыва­ется возможным, сопоставляя фрагменты накопленного знания, предположить характеристики еще не известных особенностей изучаемых свойств мира и тем самым очер­тить границы незнания. Этот уровень незнания — пробел — уже позволяет наметить вполне конкретную программу действия по получению требуемого результата [2, 3], т. е. речь идет о выявлении отсутствующих звеньев (пробе­лов), из-за которых цепь познания оказывается разорван­ной либо незавершенной.

Пробельный анализ представляет собой последова­тельность предположений о достижимом знании. В про­цессе осуществления пробельного анализа имеющееся знание оформляется вначале в виде цели, а затем в виде эталонного представления, позволяющего, ориентируясь на цель, поставить задачу конкретного исследования [2, 3].

В некоторой степени пробельный анализ близок алго­ритму изобретательской деятельности, разработанному Г. С. Альтшуллером [1]. Метод включает три стадии: аналитическую (анализ задачи с целью выявления техни­ческого противоречия и вызывающих его причин); опера­тивную (изменение технического объекта для устранения противоречия); синтетическую (внесение дополнитель­ных изменений в методы использования объекта, в другие объекты, работающие совместно с измененным).

Используя в качестве показателей науки частоту ци­тируемости и социтируемости, публикационную и изо­бретательскую активность ученых, читаемость, сроки ге­нерации и использования научных идей, нами были выявлены приоритетные направления здравоохранения и медицинской науки в Беларуси [44,48], а также активные "точки роста" по проблемам иммунологии [46]. Кроме этого, исследованы механизмы генерации и потребления научных идей, взаимодействия ученых и обмена инфор­мации в системе НК. В частности, было показано, что в определенных регионах и научных дисциплинах устано­вилась квота на соавторство, которая отражает практику взаимных контактов. Эта величина ежегодно возрастает, что, вероятно, является универсальным фундаменталь­ным свойством НК — развитие науки требует усиления взаимодействия между учеными.

Было установлено, Что на стыке наук отмечается за­медление (почти в 2 раза) процессов внедрения и распро­странения знаний. В то же время именно на стыке научных дисциплин следует ожидать прорывов в науке, там формируется ее передний край.

Анализ цитирования показывает, что лишь немногие ученые вносят вклад в прогресс науки. Это дает повод к предположению, что при сокращении числа исследовате­лей темпы научного прогресса останутся на прежнем уровне. Сокращение научных работников медицинского профиля, проведенное в США в 1966—1975 гг., привело к уменьшению общего числа публикаций, но частота ис­пользования результатов этих работ, выраженная в цити­ровании, осталась постоянной и составляла около 30% [21, 50].

Изучение распространения информации по различ­ных каналам коммуникаций и ее задержки вследствие многочисленных коммуникативных барьеров (языковые, геосоциальные и т. д.) показало, что коммуникативные барьеры носят объективный характер, являются состав­ной частью НК, органично включены в коммуникатив­ный процесс и поэтому их нельзя устранить полностью. Новые средства и современные информационные техно­логии не только не устраняют старые коммуникативные барьеры, но и создают новые.

Анализ семантической структуры зарубежных перио­дических изданий по биомедицине, поступающих в Бела­русь, Россию и США, показал, что в сопоставлении с мировым информационным потоком структура НК по медицине в Беларуси по многим научным направлениям только на 10—20% соответствует требованиям, которые необходимы для создания насыщенной информационной среды.

Трендовые исследования документальных информационных потоков показали, что проблема экспоненциального роста ежегодно публикуемой научной информации, характерная для 60—70-х годов, в конце 80 — начале 90-х годов существенно изменилась в сторону постепенной стабилизации числа ежегодно публикуемых работ на фоне усложнившейся структуры документального информационного потока и появления новых информационных технологий (автоматизированные банки данных, телеконференции, "электронные журналы").

Можно утверждать, что проблема "информационного взрыва" обусловлена не активацией индивидуальной про­дуктивности ученых, а, скорее, общим ростом мирового научного сообщества, вовлечением в научную деятель­ность развивающихся стран, мотивацией ученых к фраг­ментации научных публикаций и т. д. Кроме того, стреми­тельный рост публикаций связан с работами, подготов­ленными тремя и более авторами, в то время как количе­ство моноавторских публикаций практически не меня­лось долгие годы. Это свидетельствует о том, что "ин­формационный взрыв" в определенной степени обуслов­лен междисциплинарностью науки.

Проблема "информационного взрыва" существует не на уровне новых идей, число которых ограничено и на протяжении длительного периода не превышает 0,1% ежегодно публикуемых работ, а на 30 — 35% формируется за счет "информационного шума" в системе НК. В то же время можно предположить, что наиболее важные работы могут нормально циркулировать в системе НК, только будучи погруженными в работы более низкого уровня, само существование которых является неизбежным фе­номеном функционирования науки.

Лишь у 16,2% белорусских ученых-медиков публикуе­мые работы оценены в Беларуси и за рубежом в качестве научного вклада. Вокруг этих ученых формируются вы­сокопродуктивные научные школы и коллективы. Оценка научного вклада, выражаемая через цитируемость, суще­ственно выше у ученых с более высоким научным рангом: среди академиков и членов-корреспондентов цитируются все авторы, в группе докторов наук — 70,4%, в группе кандидатов наук — 46%, а в группе специалистов без ученой степени — только 1,7%.

В целом цитируемость публикаций белорусских уче­ных оказалась существенно ниже, чем у их зарубежных коллег. А поскольку в интеллектуальном отношении уче­ные разных стран и учреждений не могут существенно различаться, выявленные отличия в цитируемости свиде­тельствуют о неодинаковом уровне материально-техни­ческой базы, научных коммуникаций, научной инфра­структуры, социального заказа.

Исследование взаимного обмена информацией между государствами показало, что в международном научном сообществе сложился определенный паритет центр-пери­ферийных отношений, распределенных между странами таким образом, что одни из них (страны-экспортеры) играют ведущую роль в качестве генераторов информации и научных идей (США, Великобритания и др.), а целая группа стран-коммуникаторов (Нидерланды, Швеция, Канада, Швейцария) — посредники между ведущими странами-генераторами и мировым сообществом ученых. В среднем в международном обмене информацией в системе "экспорта-импорта" публикаций ежегодно обо­рачивается 32,6% работ, а 67,4% издается внутри своих стран. Ученые стран СНГ практически не принимают участия в международном обмене информацией.

В целом уровень информированности белорусских ученых-медиков мало чем отличается от уровня их мос­ковских коллег. Американские ученые в своих исследова­ниях используют иную информационную базу и иные каналы НК, нежели ученые-медики Беларуси и России. Фактически информационные потоки, используемые за­рубежными и отечественными учеными, взаимно пересе­каются менее чем на 1/3. Наличие двух малопересекаю-щихся систем НК, не связанных каналами прямой и обратной связи, тормозит развитие медицинской науки не только у нас в стране, но и за рубежом.

Таким образом, наукометрические методы исследова­ния научных проблем и выявляемые ими показатели науки позволяют осуществлять "картографирование" науки, вы­двигать новые научные идеи, что имеет важное значение для формирования научной политики, первоочередной ин­вестиции приоритетных направлений и экспертизы плани­руемых НИР.