Navigazione – Mappa del sito

HomeNumeri20la società italiana / la politica...Valutazione della scienza, valuta...

la società italiana / la politica della scienza e della tecnologia tra università, industria e stato

Valutazione della scienza, valutazione nella scienza. Contesti, approcci e dimensioni per una valutazione sociale della ricerca scientifico-tecnologica

Leonardo Cannavò
p. 29-65

Note della redazione

Il presente lavoro è parte del progetto L’università come organizzazione professionale: reti gerarchizzate e cultura manageriale, diretto dall’autore nell’ambito del programma interuniversità Roma «La Sapienza» - Trieste - Napoli «Federico ii» L’università come organizzazione, coordinato dal prof. Luciano Benadusi (murst-cun, Comitato 014 - Scienze politiche e sociali).

Testo integrale

1. Scienza, tecnologia, ricerca, innovazione: quale oggetto per la valutazione?

1Il problema dell’oggetto della valutazione potrebbe sembrare in qualche modo accademico, ma è bene ricordare che ciascun possibile oggetto di valutazione disegna un contesto teorico ed operativo differente, in ragione del quale certi passi hanno senso ed altri no, sicché la «valutazione» farà in realtà riferimento a concetti e pratiche di diverso ordine. Insomma: valutare la scienza, o la tecnologia, o la ricerca o l’innovazione non rinvia allo stesso apparato di strumenti concettuali e tecnici. Ci preme però osservare che la valutazione della scienza ha senso solo se viene concettualizzata come valutazione della ricerca. Anche la ricerca fondamentale, così diffusa nelle università, è finanziata in base a un programma economico di risorse e tempi; la qual cosa rende applicabile, ed anzi necessaria, una valutazione di input, e possibile una valutazione di throughput, o monitoraggio. A fortiori ovviamente la valutazione è funzione portante della ricerca finalizzata, sub specie sia di ricerca di base strategica (per definizione condotta al fine di sviluppare la conoscenza necessaria alla soluzione di problemi pratici, attuali o futuri, di grande interesse sociale), sia di ricerca applicata, laddove il criterio valutativo d’output costituito dall’effettivo contributo fornito alla soluzione di problemi specificati ex ante rappresenta un sicuro discrimine.

2Problemi da non trascurare nascono in merito alla possibile valutazione della cosiddetta ricerca di sviluppo, intesa a ideare e diffondere prodotti (materiali, sostanze, strumenti, sistemi, procedure, progetti) sulla base sia della ricerca scientifico-tecnologica, sia dell’esperienza pratica, oltreché a migliorare caratteristiche di prodotti esistenti (la definizione fornita è canonica, ed è derivata, con qualche correzione, dal Manuale di Frascati; cfr. oecd, 19945, item 233, p. 70; ma cfr. anche Irvine e Martin, 1984a). Se è sicuro che la ricerca di sviluppo è parte della r&d (Research & Development), è altrettanto sicuro che nel mondo delle imprese si abusa assai spesso del concetto-termine «ricerca», utilizzato impropriamente per designare attività di problem solving assolutamente di routine (Sirilli, 1998).

3Ad esempio, circa dieci anni fa un’importante casa automobilistica europea affidò la soluzione di un problema di progettazione a un focus group, formato per ridisegnare coda e portellone del portabagagli di una berlina di prossima produzione. Il primo prototipo realizzato in base alle idee dei progettisti, infatti, era costituito da un’ampia berlina con un bagagliaio ampio, ma difficilmente accessibile. Il focus group – cui parteciparono anche comuni consumatori – individuò la soluzione pratica, poi sviluppata dai progettisti ed entrata in produzione, individuata nel cambiamento della forma e dell’incernieramento dello sportello, nonché nella conseguente modifica dei gruppi ottici di coda. In questo caso, molti cercarono una soluzione tecnico-pratica; nessuno però svolse un’attività di ricerca, visto che nessuna nuova conoscenza fu ricercata o messa in gioco. Viceversa, sempre per restare nel campo dell’industria automobilistica, la progettazione e costruzione del sistema di compensazione di frenata denominato abs costituisce parte della r&d, poiché ricerca nuove soluzioni sulla base di combinazione di vecchie conoscenze e di nuovi saperi applicativi, raggiunte mediante progettazione di prototipi e procedure d’osservazione controllata quasi-sperimentali.

4La difficoltà di distinguere fra comuni attività pratiche e attività di ricerca ripropone il problema della definizione dei confini del sistema di r&d. Si tratta di un problema annoso, tante volte affrontato nel secondo dopoguerra dai molti organismi che di programmazione e valutazione della ricerca si sono occupati, fra i quali soprattutto l’oecd, ma anche il Nordforsk (l’organismo di cooperazione nella ricerca applicata dei paesi nordici), la nsf (National Science Foundation) statunitense, la cce (Commissione delle comunità europee), e altri ancora. Ma si deve soprattutto all’oecd aver stabilito come criterio d’appartenenza alla r&d «un elemento apprezzabile di novità e la risoluzione di incertezza scientifica o tecnologica» (oecd, 19945, § 2.3, p. 33).

5La soluzione dell’incertezza cognitiva e/o tecnica è quindi, secondo il Manuale di Frascati, ciò che caratterizza la ricerca da altre attività. L’oecd, al riguardo, è tranchant: non rientrano nella r&d le predisposizioni di statistiche su presenza e intensità di determinati attributi, nonché le previsioni di trends a partire da basi di dati (ad esempio sulla struttura dei redditi, delle imposizioni fiscali, della popolazione, e via dicendo; ivi., p. 34). La qual cosa può avere qualche effetto paradossale (ad esempio, l’istat, Istituto nazionale di statistica, nella sua funzione di sistan – e cioè di produttore di dati statistici – non è un ente scientifico, mentre è tale laddove ricerchi il senso dei dati e delle strutture dei dati in riferimento a teorie scientifiche); ma ben chiarisce – con un criterio «alto» – cosa è ricerca e cosa no. Analogo criterio «alto» l’oecd propone in merito alla ricerca industriale, riprendendo le formulazioni della nsf (1992; ivi, p. 42): «Se l’obiettivo primario è realizzare ulteriori migliorie tecniche sul prodotto o processo, allora quel lavoro rientra nella definizione di r&d. Se viceversa il prodotto, processo o approccio è sostanzialmente preesistente e l’obiettivo primario è sviluppare mercati, pianificare fasi di preproduzione o facilitare il funzionamento di un sistema di produzione o controllo, allora quel lavoro non rientra nella r&d».

6Il che significa varie cose. Anzitutto, che i sistemi formativi e di diffusione del sapere solo in parte rientrano nella r&d, ancorché vi siano inestricabilmente connessi. In secondo luogo, che è assai difficile valutare processi e prodotti industriali, solo parzialmente ascrivibili alla ricerca. In terzo luogo, problematizza la valutazione dei prototipi. Ad esempio, come non considerare scientifico-tecnologico il prototipo (poi entrato in produzione, sia pure pour l’espace d’un matin) del propulsore a pistone rotante Wankel-audi? Ma può considerarsi parimenti innovativa e scientifico-tecnologica una sporadica modifica del sistema d’alimentazione di un propulsore ad opera di un meccanico artigiano? Nasce qui – in merito all’includibilità o meno di un processo/prodotto altamente innovativo nel sistema di r&d e quindi fra gli oggetti della valutazione di r&d – il problema delle dimensioni di scala e della programmaticità dell’innovazione. La microinnovazione casuale e/o non knowledge-based che diritto di cittadinanza e di valutabilità ha nel sistema di r&d?

7Quanto osservato ha a che fare, quindi, con la sistemicità dell’innovazione. Ma altrettanti problemi pone la sua originalità. L’innovazione radicale offre un’effettiva novità cognitiva, tecnologica e produttiva, che risolve definitivamente o sostanzialmente un problema, modificando in modo stabile modalità tecniche e comportamenti organizzativi, collettivi e di mercato, possibilmente contribuendo (ma questo non è un by-product precisamente prevedibile) a risolvere altri problemi tecnico-cognitivi in altri settori. Si pensi ad esempio alle fibre ottiche, vera innovazione radicale, nata dalla e nella ricerca militare ai tempi del poi dismesso «scudo spaziale», che hanno portato ad avanzamenti notevoli non solo nelle telecomunicazioni, ma anche in chirurgia laparoscopica ed oculistica (laser). Ancora, sotto certe condizioni potrebbe essere valutabile l’innovazione incrementale, se ad esempio operata a partire da un’innovazione radicale di cui si progettino – sia pure più per mantenere o estendere quote di mercato, che non per risolvere l’incertezza – apprezzabili migliorie. Ma che senso ha parlare di valutazione dell’innovazione nel caso dell’innovazione imitativa, che semplicemente si limita a copiare processi di produzione e/o prodotti ripresi altrove, ovvero nel caso di innovazioni incrementali esclusivamente rivolte a rilanciare un prodotto, in assenza di riferimenti a basi conoscitive? In tal caso, saranno valutabili gli effetti ed impatti dell’innovazione (imitativa o incrementale che sia), non l’innovazione in quanto tale (sulla valutazione degli effetti ed impatti si avrà modo di tornare nel § 3).

8Ora, nella seconda metà degli anni novanta in luogo della vecchia denominazione r&d si è diffusa ed accreditata quella più estesa ed intrigante di r&i, ricerca ed innovazione. La qual cosa apparentemente sembrerebbe risolvere in qualche modo il problema dei confini. In realtà, l’espressione r&i non contribuisce significativamente a chiarire quale sia l’oggetto della valutazione, laddove non sia definito il rapporto fra sistema di r&i e sistema nazionale di innovazione (sni). Secondo Freeman, e tutto sommato anche secondo Lundvall, il sni è una rete che importa, modifica e diffonde la novità tecnologica. E qui già nasce un duplice problema: da un canto quello dei confini del sni, dall’altro quello del modello di sviluppo del sni (lineare, a catena o semievolutivo, knowledge-based); problemi non accademici, ma tecnico-metodologici, poiché l’adozione a livello concettuale di certi confini e di un certo modello di sviluppo modifica il sistema di riferimento della possibile valutazione e con esso le dimensioni analitiche e i relativi indicatori.

9Ma nasce anche il problema che il sistema della r&d, che pure è iscrivibile nel sistema di r&i, non coincide col sni. A nostro avviso, si configura un esteso overlapping, ove i margini di incertezza analitica hanno in realtà a che fare con la qualità delle informazioni; ma non sono trascurabili le aree di non coincidenza, ove si pongono numerosi problemi sulla sensatezza di certe analisi. E soprattutto, quanto regge oggi, in un’era di globalizzazione (delle economie, delle tecnologie, delle conoscenze scientifiche, degli stili di vita e di consumo), il concetto di sni? Pur con questi caveat, possiamo certo accettare che oggetto della valutazione sia la r&i, con l’ulteriore condizione restrittiva che si tratti di innovazione riconducibile a ricerca (salvo quanto si è osservato in merito a effetti ed impatti), perseguita in modo non occasionale ed anzi sistematico, all’interno di programmi organizzati di risorse e tempi. La ratio economica, insomma, come intuì Scheler, è entrata costitutivamente nella scienza tutta, inclusa quella di base, che è – né può non essere – tecnologica In tal senso, oggetto della valutazione sarà – meglio di ogni altra definizione – la ricerca scientifico-tecnologica, non tanto limitata, quanto semmai resa possibile, dai restraints economici.

2. Assetti, contesti, processi e modelli della ricerca scientifico-tecnologica

10L’indimenticato studio di Derek J. De Solla Price, Little Science Big Science (1963), costituì un punto d’incontro di varie chiavi di lettura dei processi di trasformazione della scienza nel secondo dopoguerra e registrò l’idea forte che la ricerca fosse concepibile come sistema dotato di sue proprie logiche di sviluppo, largamente riconducibili a meccanismi di determinismo economico. L’ampio processo di tecnologizzazione della ricerca scientifica, unitamente a un approccio insieme economico e sistemico, ha presto condotto alla costituzione di un settore di ricerca sostanzialmente interdisciplinare, e forse per alcuni versi transdisciplinare, quello della dinamica della scienza e della tecnologia (dst), che si è istituzionalizzato nel corso degli anni ottanta in alcuni sistemi universitari, guadagnandosi credibilità e riconoscimenti scientifici.

11La dst ha interagito con i Social Studies of Science & Technology (ssst) nel proporre del fenomeno e del sistema scientifico-tecnologico chiavi generali di lettura, che hanno costituito modelli rappresentativi ed interpretativi dell’assetto e dei meccanismi di mutamento del sistema della scienza e/o del sistema sociale della scienza, ed insieme sistemi di riferimento tecnico-metodologico per la valutazione della scienza e della tecnologia. Cionondimeno, è diffusa ancorché errata opinione che la valutazione sia un sistema di tecniche applicabili alle varie funzioni del sistema scientifico in modo pressoché diretto ed esterno, ad opera di specialisti esperti non del sistema, ma della valutazione, e che a livello organizzativo la valutazione debba essere, più che una funzione (e vedremo di che tipo), una struttura specializzata da istituirsi in forma stabile. Su questa ipotesi, che ci lascia perplessi, avremo modo di tornare. Qui ci preme affermare che la valutazione non è un insieme di tecniche anodine di rilevazione, indipendenti dal modello di assetto e sviluppo scientifico-tecnologico.

12In tal senso, la pretesa del Manuale di Frascati di proporre tecniche di valutazione fungibili, indipendenti dai modelli di riferimento, ci sembra piuttosto astratta: «È necessario un modello esplicito che descriva sia lo stesso sistema scientifico, sia il modo in cui esso si rapporta al resto della società e all’economia. In pratica, attualmente non esiste un unico modello esplicito capace di determinare le relazioni causali fra scienza, tecnologia, economia e società [...]. Il manuale non è basato su alcuno di questi modelli, ma è progettato per fornire dati che possano essere usati con parecchi [modelli]» (oecd, 19945, p. 3).

13L’inscindibilità di teorie e metodi è a nostro avviso bene esemplificata da alcuni studi, ormai classici, condotti dalla spru (Science Policy Research Unit, University of Sussex; cfr. Martin e Irvine, 1984a e 1984b; Irvine e Martin, 1984b e 1985) sul cern di Ginevra, locus della big science internazionale. Irvine e Martin proposero una valutazione ex post del lavoro complessivamente svolto dai 3 principali acceleratori di particelle del cern in comparazione con altri (fra cui Brookhaven e Fermilab) nel decennio 1969-78 mediante la tecnica della convergenza degli indicatori parziali, consistente nel considerare valide le misurazioni proposte dalle varie famiglie di indicatori (conteggio delle pubblicazioni, analisi delle citazioni e peer review) solo se convergenti. In secondo luogo, valutarono la performance di ciascun singolo acceleratore comparandolo con un acceleratore confrontabile al di fuori del cern: ad esempio, il sincrotrone a protoni 28 gev del cern fu confrontato con il 33 gev di Brookhaven, mentre il supersincrotrone a protoni 400 gev fu comparato all’impianto rivale del Fermilab. L’ultima analisi fu di valutazione ex ante o previsionale della performance del collider elettroni-positroni denominato lep, tenendo conto – oltreché delle funzioni tecno-economiche – delle risorse umane attuali e potenziali, dei livelli di burocratizzazione, della complessità socio-organizzativa della struttura.

14Fu un lavoro assolutamente rigoroso e metodologicamente provveduto, nondimeno criticato da più parti per i motivi più diversi: lo studio delle citazioni e il riferimento al peer review system fu considerato alternativamente inapplicabile al caso, ovvero solo da correggere; l’approccio generale fu considerato da alcuni troppo istituzionale, poco attento alla sfera cognitiva; altri ancora dissero l’opposto: l’approccio era troppo riferito a un modello globale di avanzamento della conoscenza, non adatto ad analizzare i fini «locali» di un’istituzione; ancora, contro la procedura della convergenza degli indicatori parziali (assolutamente chiara a un metodologo della ricerca sociale, ed anzi canonica e prudenziale) alcuni rivendicarono l’assiomatica validità di alcuni indicatori, ancorché non correlati ad altri. Insomma: si disse tutto e il contrario di tutto (cfr. Krige et al., 1985), poiché vennero implicitamente adottati paradigmi o modelli diversi di rappresentazione del sistema scientifico-tecnologico e del suo mutamento.

15Intendiamo dire che certi processi possono essere riscontrati e variamente denominati; il giudizio su quegli stessi processi sarà ovviamente relativo a diversi valori inerenti alla ricerca, e porterà a considerare quei processi normali sviluppi o esecrabili patologie. Di conseguenza, la valutazione rileverà certi comportamenti e non altri, considerando normale o patologica la loro incidenza. Ad esempio, una concezione lato sensu umanistica del lavoro scientifico lo considererà un esercizio della creatività individuale. Di conseguenza, più esteso e individuale sarà l’esercizio, più valutabile sarà il risultato. Per cui, l’item ottimale di produzione potrebbe essere il volume a firma singola, e il meno valutabile l’articolo a firma multipla. Tutto ciò, si badi bene, sottende una concezione della ricerca non come intrapresa collettiva e strutturata, bensì come arena di competizioni individuali.

16Un quadro come quello appena esposto non sembra ben considerare il generale processo di strutturazione economico-organizzativa della ricerca che ha visto tramontare, almeno nelle scienze mature, l’antico ideale artigianale dello scienziato amateur, e sostituire alla scienza degli scienziati la ricerca condotta in modo quasi impersonale da sistemi e sottosistemi scientifico-tecnologici, in cui i fini della ricerca divengono gli obiettivi tecnicamente e temporalmente raggiungibili, date certe restraints in termini di risorse umane, cognitive, finanziarie e strumentali, in luogo del fine generico dell’avanzamento della conoscenza. Questo processo di sistemizzazione della ricerca, e cioè di sua integrazione strutturale e funzionale nel sistema delle politiche pubbliche, è largamente coinciso con il processo di finalizzazione della scienza al perseguimento di obiettivi economici e sociali (il famoso mode 2; cfr. Gibbons et al., 1994), considerato un’importante sfida sin dai primi anni settanta da Weingart. In questo modello concettuale le relazioni fra scienza e tecnologia si risolvono nella tecnologizzazione della scienza (Weingart, 1978). Ciò comporta la crescente difficoltà di individuare i confini fra mondo della ricerca e mondo della produzione, e correlativamente di demarcare con sufficiente precisione i confini di un’impresa di r&d (Chubin, 1994), data la progressiva indistinguibilità della tecnologia dall’organizzazione (Williams ed Edge, 1995).

17Il processo di tecnologizzazione è stato con altra ottica – più attenta alle conseguenze sul lavoro dei ricercatori – descritto da Ziman (1981 e 1983) come collettivizzazione della scienza. La ricerca è in tale processo – che ha precisi aspetti di ordine politico-economico, organizzativo, professionale e culturale (cfr. Cannavò, a cura di, 1989a, pp. 23-26) – regolata e decisa da organismi collettivi, che attuano politiche pubbliche; la valutazione dei progetti, delle risorse, delle priorità, dei meriti e dei riconoscimenti è soggetta a una ratio economica che sottopone la ricerca più a una mutazione che a un mutamento. Con il controllo sulla ricerca aumenta la reciproca interdipendenza di scienza universitaria, governativa ed industriale. La big science tecnologicamente regolata diviene un modello. E qui ci sembra opportuno proporre una scansione del processo di collettivizzazione della ricerca su tre livelli: la sistemizzazione sul piano «macro» delle politiche pubbliche; l’aziendalizzazione sul piano «meso» delle istituzioni e organizzazioni; la managerializzazione degli stili di coordinamento e conduzione del lavoro scientifico sul piano «micro» dei teams.

18La cultura della collettivizzazione, nota Laredo (che non condivide, a nostro avviso giustamente, l’assoluto pessimismo di Ziman), è la cultura della rendicontazione e della valutazione. In questa cultura la nozione di autonomia, così fondante per la ricerca e per stabilire il valore della ricerca, si stempera necessariamente in vari tipi e livelli di autonomia, infra ed extrasistemica: l’autonomia del sistema di r&d rispetto ad altri sistemi e subsistemi socioeconomici; l’autonomia infrasistemica dei comportamenti dei subsistemi di r&d; l’autonomia professionale dei teams; l’autonomia professionale dei singoli produttori di conoscenza. Concertare le autonomie diviene (o dovrebbe divenire) compito del processo di valutazione, che assume così – e qui anticipiamo un concetto che svilupperemo più oltre – una precisa e responsabile valenza manageriale, a nostro avviso contrapposta alla concezione tecnicistica, e in qualche modo burocratica, della valutazione come funzione specialistica esperta.

19Come s’è accennato, il processo di collettivizzazione fu considerato da Ziman una mutazione capace di alterare definitivamente ed in peggio la qualità della scienza. La mutazione consiste nel complesso in una generale trasformazione della ricerca in funzione di un modello idealtipico, quello della ricerca strategica (Rip, 1990b), locus della valutazione previsionale (Irvine e Martin, 1984a). Le dimensioni di questa mutazione (i processi di sistemizzazione, aziendalizzazione e managerializzazione) possono tradursi in processi patogeni, in cui nessuno spazio resta alla ricerca fondamentale, in assenza di una forte integrazione di management e valutazione, ed in presenza di restrizioni (assolute e relative) delle risorse attribuite alla ricerca, e cioè in presenza di steady state (Ziman, 1987 e 1990a), che pone nuove sfide sul piano delle politiche (Brooks, 1990) e delle professionalità (Cannavò, 1990).

20Il problema è che nessuno di questi processi è un processo automatico, anche se si accetta la nozione di dinamica del sistema scientifico-tecnologico (cfr. Krohn et al., a cura di, 1978). Vale a dire – e questo ha un chiaro portato sui modelli e criteri della valutazione – che l’introduzione dei modelli evolutivi per spiegare e prevedere il funzionamento dei sistemi di r&d e l’innovazione tecnologica (ci riferiamo ad esempio alle teorie delle traiettorie e dei paradigmi tecno-economici: Nelson e Winter, 1982; anche Dosi, 1982 e 1985) sembra un tentativo accademico, epistemologicamente incerto, fondato sull’analogia ambiente : mutazione = mercato : innovazione. Al riguardo, non intendiamo riprendere l’impietosa critica sviluppata da Cronberg e Sørensen, secondo i quali queste impostazioni nascono da una cultura tardomarxista, legata alla concezione deterministica della tecnologia e all’idea della neutralità delle forze di produzione (1995, p. 8), ma certo ci sentiamo a disagio di fronte a modelli che non si sono commisurati con i problemi posti dal fatto che i sistemi presentano crescente entropia e consentono solo previsioni di struttura.

21Non a caso, nel passaggio dagli anni ottanta agli anni novanta si è assistito alla formulazione di modelli semievolutivi dello sviluppo della conoscenza scientifica (Trouvé, 1989 e 1991), dell’innovazione (Rip, 1990b e 1991), delle nuove tecnologie (Roobeek, 1991), che hanno mostrato l’inconsistenza del modello lineare scoperta → (sviluppo) → innovazione e l’insostenibilità di assumere la tecnologia a variabile indipendente. Insomma, in assenza di direzione, il sistema tecno-economico ed il sistema di r&d sono – come tutti i sistemi – strutturalmente entropici: lasciati a se stessi non possono che portare all’incremento dei potenziali di divergenza.

22Adottare una prospettiva specularmente opposta a quella dei paradigmi tecnologici, e cioè sostituirvi un’impostazione di knowledge-based economy, forse non risolve la questione. Anche qui il sistema si aggiusta da sé, e il modello adottato – learning (by education, by research, by doing) → economic growth (applicato anche alle università da Conceição et al., 1998) – sembra tutto ribaltare e tutto spiegare, ma in realtà, al pari dei modelli lineari, non prevede retroazioni. Però, il modello learningeconomic growth cambia la filosofia della valutazione, poiché la focalizza sulle variabili non strutturali, e dilata il campo degli indicatori, non potendo trascurare quelli derivanti dai sistemi di formazione e diffusione della conoscenza, laddove una valutazione orientata al determinismo economico-tecnologico darebbe prioritaria importanza a variabili strutturali e di sistema stricto sensu.

23Abbiamo dedicato qualche attenzione ai modelli interpretativi dello sviluppo del sistema di r&i (evolutivi e semievolutivi; lineari e non lineari; economy based e knowledge based), poiché essi, in quanto modelli ex ante, precostituiscono i sistemi di riferimento concettuale della valutazione, e con essi le modalità di scomposizione dei concetti e di progettazione degli indicatori. Il processo di collettivizzazione, invece, che pure fonda la filosofia della valutazione, va inteso come modello rappresentativo ex post, che come tale comporta scelte meno drammatiche nel campo delle metodologie della valutazione. Rientrano nella categoria dei modelli rappresentativi della r&i alcune fortunate metafore: certamente il concetto di «globalizzazione», ed anche il modello di triple helix; con qualche caveat il concetto di «postmodernismo».

24Polisemìa, polisenso e controvertibilità caratterizzano questi modelli e concetti. Ad esempio, che la r&d sia altamente globalizzata è cosa nota (cfr. fra l’altro Van Raan, 1997); ma alcuni hanno opportunamente segnalato che la globalizzazione della ricerca presuppone l’integrazione di formazione superiore e ricerca (Stichweh, 1996), altri considerano la globalizzazione un effetto tutto riconducibile alle nuove tecnologie (nsf, 1995). Ai nostri fini basterà circoscrivere la globalizzazione della ricerca al processo di telematizzazione della comunicazione scientifica internazionale e transnazionale, che si traduce a livello micro nella crescita delle interazioni problem-oriented, al di fuori e al di là delle comunità disciplinari (che pure restano come arene di competizione), mentre a livello «meso» e «macro» tale processo coincide sia con lo spostamento dei confini esterni della r&d, sia con lo spostamento dei confini interni fra centro e periferia della r&d, vista la responsività di tutte le parti del sistema ai più piccoli, ancorché «lontani», stimoli.

25Al riguardo, viene da chiedersi cosa resti del concetto di sni, sia in riferimento alla ricerca (Niosi e Bellon, 1994), sia in riferimento alla tecnologia (Archibugi e Michie, 1997). Da un canto questo concetto sembra sempre più vetusto e inapplicabile, dall’altro pone problemi d’impiego in contesti nazionali ove d’innovazione se ne fa poca, prevalentemente a livello incrementale, e di ricerca anche, mentre maggior attenzione è rivolta alla diffusione della conoscenza. Il riferimento all’Italia è evidente. Ma anche in un contesto di secondo livello, quale quello italiano – ove, per quello che può valere questo indicatore, la quota di pil destinata a r&d galleggia da anni intorno all’1% e l’innovazione è più una giaculatoria che una realtà – il lavoro scientifico individuale può configurarsi come comportamento globalizzato. E questo pone considerevoli problemi. Come valutare il comportamento scientifico sulla rete? In altri termini, è produzione scientifica valutabile la diffusione via Internet di risultati di ricerca non filtrati da referees? Ancora: come valutare la produzione transdisciplinare, tanto incentivata dalla rete? Ed il crescente interscambio fra ricercatori e pubblico consente di valutare la diffusione ad extra come contributo appropriato?

26Se è vero che spesso la diffusione sociale dei concetti si deve alla loro oscurità, allora ben si capisce la recente fortuna del concetto di postmodernità della scienza. Come tutti i concetti «post» (il riferimento a «postindustriale» non è casuale), quello di postmodernismo si presta alle più varie decodifiche, e a nostro avviso a poco vale tentare di fornirne un’interpretazione «ottima», richiamando i contributi – così numerosi – delle scienze umane e sociali. Una generale interpretazione della ricerca contemporanea come postmoderna riferisce la scienza a una ragione debole, soggettivistica e indeterministica, in qualche modo populista, possibilistica e volontaristica, preoccupata di conciliare istanze forse inconciliabili, quali la difesa dell’ambiente globale e l’assenza di controllo. Best e Kellner (1997; ma cfr. anche Best, 1991) suggeriscono in fondo che il rifiuto del facile oggettivismo e, sul piano metodologico, il ricorso a una pluralità di tecniche ed approcci costituiscono nella scienza contemporanea una «postmodern turn».

27Quindi, sarebbe un approccio postmoderno rinunciare a un paradigma vincolante per interpretare/rappresentare il sistema di r&i e, di conseguenza, a un unico set di tecniche di valutazione; in tal senso, come non dichiararsi «postmoderni»? Laddove invece – e in qualche distretto della sociologia della conoscenza scientifica ciò è certamente avvenuto – la «postmodern turn» coincida con un rigurgito à la fois postfrancofortese o postfenomenologico, che senso ha dichiararsi «postmoderni»? Sul piano della r&d Rip e Van der Meulen (1996) notano opportunamente che un sistema è postmoderno se in esso «l’aggregazione viene privilegiata sul governo», laddove si intende per aggregazione una definizione od organizzazione autonoma di «agenda-building processes». Vale a dire che riemergono, in un approccio postmoderno, le utopie dell’autopoiesi del sistema di ricerca, dell’anything goes di Feyerabend, e insieme del caos creativo e dell’inutilità del management. In tal caso è peggio che con la globalizzazione: qui ogni tipo di attività che si (auto)definisca scientifica rientrerà nel sistema della scienza, e come tale sarà valutabile.

28Il modello di tripla elica è divenuto un fortunato must dei ssst. La tripla elica è quella formata da università, governo e industria. Il sistema di relazioni fra università, governo e industria costituisce un laboratorio, o meglio un incubatore, per lo sviluppo economico knowledge-based (Etzkowitz e Leydesdorff, 1995). In tale contesto, lo steady state, e cioè la caduta strutturale delle risorse, non significa un declino automatico della ricerca (così, in riferimento alle università, Leydesdorff ed Etzkowitz, 1996a, p. 280). Il processo di sviluppo della ricerca e dell’innovazione è in sostanza di ordine semievolutivo (cfr. Leydesdorff e Van der Besselaar, a cura di, 1994); in tale ottica – che sfugge al messianismo dei modelli evolutivi deterministici – lo sviluppo non va affidato né al dirigismo, né al laissez-faire, ma va in qualche modo consentito e favorito mediante la predisposizione di snodi comunicativi e di aree di ricombinazione (Leydesdorff ed Etzkowitz, 1996a, p. 282). Nell’impostazione del modello di tripla elica – che è stato via via perfezionato in riferimento all’università nei suoi vari collegamenti (Etzkowitz, 1990 e 1994; Etzkowitz e Leydesdorff, a cura di, 1997; Etzkowitz et al., a cura di, 1998) e all’innovazione (Leydesdorff ed Etzkowitz, 1998a e 1998b) – il luogo della ricerca non è nell’università o nel governo o nell’industria, bensì nelle intersezioni che i tre sottosistemi disegnano (Vest, 1994; Leydesdorff ed Etzkowitz, 1996b). Le tre sfere istituzionali agiranno allora da mediatori istituzionali (forma 1), o da sottosistemi comunicativi (forma 2), o ancora da sottosistemi istituzionali in reciproca vicariazione di ruoli (forma 3).

29A questo punto, possiamo concludere che il modello a tripla elica è così generale da costituire un sistema di riferimento compatibile con le più varie impostazioni: tutti i possibili fenomeni e concerns del sistema di r&i possono esser presentati come un esempio della triple helix. Inoltre, tale modello, sostanzialmente rappresentativo o descrittivo, deve la sua fortuna al fatto che definisce un’arena frequentabile anche da chi non adotti né una concezione knowledge-based dell’economia, né un modello semievolutivo dell’innovazione. In esso possono iscriversi i più vari e diversi studi di caso, ciascuno dei quali potrà considerarsi un passo o un esempio possibile o necessario dello sviluppo del sistema di r&i. In tal senso, oltreché generale, esso è saggiamente generico, in quanto non richiede particolari affiliazioni o rischi a chi si muova al suo interno. E forse, più che un modello, la triple helix è l’affermazione dell’opportunità di rivolgere gli studi su determinati oggetti e contesti: insomma, con qualche ipercriticità potremmo dire che essa si risolve nella definizione di un’area di ricerca. Ma sia chiaro che l’approccio triple helix non è privo di costi sul piano della valutazione, poiché ammette una tale differenziazione di attori e ruoli sull’arena scientifica, da consentire un’elasticità eccessiva nella definizione dei criteri, delle dimensioni e degli indicatori.

3. Concetti, vincoli, fasi e attori della valutazione della ricerca

30Parlare di indicatori implica l’adozione di un approccio alla valutazione della r&d comunque congruente con la prospettiva oecd. Cioè a dire che si accetta implicitamente l’idea che la r&d sia un sistema, il cui stato è valutabile a patto di aver effettuato un’opportuna articolazione in subsistemi (e qui si ripropongono i quesiti che abbiamo già affrontato in merito ai confini interni ed esterni del sistema di r&d, o se si vuole di r&i), tramite l’utilizzazione (ovvero, a nostro avviso, la progettazione) di indicatori relativi a precise componenti o dimensioni analitiche. Questa non è certo l’unica impostazione possibile: se della ricerca si intrattiene una concezione assai più legata all’idealtipo accademico, si attribuirà un peso assai più forte al peer review system, come è opinione prevalente nel sistema statunitense della ricerca, che pure ha affrontato – mediante il concorso di varie agenzie di programmazione e valutazione (la nsf - National Science Foundation, l’ota - Office of Technology Assessment, la nas - National Academy of Sciences, la nae - National Academy of Engineering, la Government-University-Industry Roundtable, e altre) – gli aspetti tecnico-metodologici connessi all’uso degli indicatori. Su questo ritorneremo nel prossimo paragrafo. Qui basti riflettere sul fatto che abbiamo di fronte due idealtipi di valutazione: quella il cui standard è la qualità scientifica, da sottoporre al vaglio del peer review system; quella il cui standard è l’efficienza/efficacia, da sottoporre al vaglio assai più impersonale degli indicatori.

31Ma efficienza/efficacia rispetto a cosa? Il criterio di riferimento è in tal caso costituito da un programma. E questo vale ai vari livelli sistemici della ricerca: quello «macro» delle policies, quello «meso» delle istituzioni ed organizzazioni, quello «micro» dei gruppi di ricerca. A tutti i livelli il programma dovrà esser tale da non impedire il presentarsi di novità significative; il che costituisce una sfida: l’innovazione non è forse metaforizzabile, à la Kuhn, come anomalia? Per proseguire nella nostra analisi occorre allora una definizione lessicale, o meglio semioperazionale, di cosa sia un programma di r&i. Definiremo « programma un insieme esplicitato e strutturato di obiettivi finali ed intermedi, congruenti e sostenibili, e di procedure operative effettivamente applicabili o comunque realizzabili, che preveda l’impiego, in fasi e tempi definiti, di un apparato di risorse umane, cognitive, finanziarie e strumentali, nel rispetto di un sistema di vincoli di ordine istituzionale, amministrativo, gestionale e metodologico».

32Trattandosi di ricerca scientifico-tecnologica, gli obiettivi non potranno che essere di ordine cognitivo. Ma la big science, e nella fattispecie la ricerca fondamentale condotta in e mediante grandi impianti (ad esempio, gli acceleratori), dotati di grande durevolezza e costi formidabili, ci ha abituato a programmi dotati sì di obiettivi cognitivi, ma anche di grande rigidità procedurale: la necessità di sfruttare l’impianto prima della sua obsolescenza porta alla formulazione di programmi fortemente intrisi di ragione economica, sub specie di veri e propri piani di ammortamento. In tal caso il programma è un insieme di regole strette, e il raggiungimento di obiettivi altri, anche a carattere altamente innovativo, costituirà un risultato positivo sì, ma anche un détour, un problema, un segno di carenza progettuale. A meno che il programma non venga concepito per dir così a maglie larghe, in modo da consentire l’emergere di novità significative. Ma questo è un caso infrequente nella big science. È peraltro evidente che una programmazione vincolante potrebbe altamente nuocere alla ricerca d’impresa per l’innovazione tecnologica, poiché programmi assolutamente strutturati impediscono l’emergenza e lo sviluppo di innovazioni radicali. Per questo motivo, alcune corporations nel campo dell’hi-tech retribuiscono intellettuali scientifici, think-tanks e cool-hunters, incaricati di cogliere nuovi stili e nuovi trends.

33Il concetto stesso di programma di r&i meriterebbe peraltro più ampi approfondimenti, anche se la letteratura al riguardo è in qualche misura avara, poiché la nozione di programma è lasciata ampiamente implicita (si rinvia brevemente a: Rossi, Freeman e Rosenbaum, 19822; Callon et al., 1989; Barker e Georghiou, 1991; Guzzetti, 1995; Shapira et al., 1996). Ma accettando per il momento la nostra definizione, largamente fondata sulla pratica professionale della valutazione della ricerca, non possiamo sfuggire a un interrogativo: si valuta il programma o l’impatto del programma (definendo impatto «un effetto spazio-temporalmente concentrato, sistemicamente localizzabile, implicitamente rapportato a un modello causale deterministico, ed esercitato con forza»; Cannavò, 1991a, p. 21)? E comunque, il programma è il sistema di riferimento della valutazione, o il sistema di riferimento della valutazione va fissato al di fuori del programma? Questi interrogativi conducono necessariamente ad affrontare 4 questioni: a) le definizioni lessicali della valutazione; b) i modelli della valutazione; c) le fasi della valutazione; d) gli attori della valutazione.

 

34a) Quanto al lessico, basterà qui notare che la lingua italiana non con-sente di distinguere adeguatamente fra i termini inglesi «evaluation» (decisione sul significato, il valore o la qualità di un oggetto, fondata sull’analisi dei suoi aspetti positivi e negativi rispetto a un criterio dato) e «assessment» (stima o giudizio sullo stato, sulla qualità e sulla possibile evoluzione di un problema o situazione, a cui si perviene anche mediante una procedura specificata). Nel campo della ricerca si parla da alcuni anni sempre più frequentemente di «evaluation», mentre il termine «assessment» è assai più spesso associato al concetto di impatto. Si parla, ad esempio, di ta (Technology Assessment) e tia (Technology Impact Assessment), non di evaluation (come del resto si parla di eia e sia, e cioè di Environmental Impact Assessment e di Social Impact Assessment). Il termine evaluation è prevalso nei settori più legati alla gestione delle politiche pubbliche e dei programmi ai livelli «meso» e «micro», probabilmente a registrare la crescente sistemizzazione di tale tipo di valutazione decisionale e programmatica (finanziare o no? rifinanziare o no? implementare o no?), divenuta parte integrante di un processo gestionale; l’assessment è più legata all’expertise, al parere professionale in merito alla configurazione e alla consistenza di un sistema o processo, formulato in base a criteri e procedure non necessariamente interni al sistema decisionale.

 

35b) Nel § 2 abbiamo preso in esame alcuni modelli generali di rappresentazione ed interpretazione del sistema di r&i. Questi modelli tanto più incidono sull’andamento della valutazione, quanto meno questa è vincolata dal programma quale criterio di riferimento. L’approvazione del programma deriva da una valutazione della sua coerenza con un sistema preesistente di valori, priorità e regole. Una volta approvato, il programma costituisce un vincolo per la valutazione stessa. In tal caso, ci sembra chiaro che ci si sta muovendo prevalentemente nell’ambito della evaluation. Altro è il discorso se ad esempio una commissione di esperti effettua una valutazione di una richiesta di finanziamento di ricerca fondamentale. Il progetto ed i componenti del gruppo di ricerca verranno valutati, anche mediante alcuni parametri non vincolanti, mediante un processo di peer review, inteso a comporre un giudizio complesso largamente influenzato dal valore cognitivo del progetto e dalla garanzia offerta dal team; in tal caso viene valutato anche quanto il progetto è promettente. Qui ci si sta muovendo nel campo dell’assessment, maggiormente influenzabile dai modelli generali di cui s’è detto al § 2.

 

36c) Se si accetta la nostra definizione di programma, non può non concepirsi la ricerca – ai vari livelli di analisi ed intervento: macro, «meso» e «micro» – che come un sistema (ovviamente aperto) per il quale siano orientativamente definibili i confini, all’interno dei quali è lecito concettualizzare un insieme di variabili di throughput, più o meno facilmente analizzabili «direttamente» e spesso meglio studiabili tramite proxies; definito il sistema, in ragione del programma saranno definibili variabili di input e di output. Si commette frequentemente l’errore di affermare che la valutazione è da riferirsi all’output; si ammette raramente il fatto che la valutazione si limita usualmente al solo input; si omette per comodità di effettuare la valutazione ongoing, quella di throughput. Mancano peraltro efficaci sistemi istituzionali di feed-back, che leghino i risultati della valutazione al piano delle decisioni. Questo, almeno, sul piano macro delle policies (così giustamente Barker, 1994).

37La tabella 1 – organizzata secondo la dimensione temporale in riga e la scansione delle funzioni sistemiche in colonna, sub specie di risorse (come s’è detto più volte, umane, cognitive, finanziarie e strumentali), procedure e risultati – mostra chiaramente che esiste una tendenziale coincidenza nell’ordine fra analisi dell’input, del throughput e dell’output e le fasi A1 (programmazione delle risorse), B2 (monitoraggio dell’efficienza) e C3 (analisi dell’efficacia). Ma la tabella mostra anche come siano praticabili, ancorché non praticate, tutte e nove le possibili fasi della valutazione. Una valutazione estesa e completa può definirsi, con Chabbal, proattiva, insieme pro-spettiva e retro-attiva (1988, pp. 6-7), atta a integrare le varie fasi della valutazione.

Tab. 1. Le fasi della valutazione

1) risorse

2) procedure

3) risultati

a. ex-ante

a1. programmazione

progettazione dell’efficienza

previsione dell’efficacia

b. in-itinere

regolazione di programma

b2. monitoraggio dell’efficienza

monitoraggio dell’efficacia

c. ex-post

valutazione di programma

valutazione dell’efficienza

c3. analisi dell’efficacia

Fonte: Cannavò (a cura di), 1997, p. 24, Tab. 5 (modificata).

38In particolare, sul problema della previsione deve aggiungersi che il forecasting è generalmente – e correttamente – ritenuto parte integrante della valutazione, anche nel settore dell’innovazione (ad esempio, Watts e Porter, 1997). Non dovrà però trascurarsi, anche qui, la maggior ricchezza della lingua inglese rispetto all’italiano. L’inglese tecnico distingue appropriatamente fra foresight e forecast. Foresight è la capacità di prefigurare situazioni future, tenendone conto per l’azione presente; forecasting è la previsione di eventi futuri, considerati come funzioni dipendenti da variabili specificate. È chiaro che la valutazione fa riferimento al forecasting (cfr. Johnston, 1990). Inutile sottolineare che i valutatori che effettuano una previsione del processo sono nel processo, pur fingendo di non esserci (cfr. anche Luukkonen, 1998). La qual cosa implica alcuni provvedimenti, di cui al successivo punto d).

39Da ultimo, osserviamo che lo schema di cui alla Tab. 1 è sufficientemente onnivoro da ammettere al suo interno valutazioni assolutamente diverse; ad esempio, quella dell’appropriatezza scientifica e quella della qualità gestionale, non necessariamente correlate, vista la possibile divergenza fra livelli di efficienza e livelli di efficacia (cfr. al riguardo Chabbal, 1988, § I.2). Alcuni problemi vanno ancora segnalati in merito a questo punto. La valutazione si circoscrive spesso ad alcune fasi anche per un motivo frequentemente trascurato: il difficile confinamento dei sistemi e sottosistemi della ricerca (tra ricerca e non-ricerca; tra tipi di ricerca; tra campi disciplinari; tra istituzioni: governo, università, impresa). Questo difficile confinamento è certamente ricollegabile al goal shift cui sono frequentemente soggetti i programmi di ricerca; al riguardo, alcuni esperti internazionali (ad esempio, Arie Rip) consigliano di non considerare il programma iniziale un sistema di vincoli assolutamente rigido, poiché la ristrutturazione degli interessi nel programma può ridefinire gli obiettivi del programma. La qual cosa nel campo delle aree scientifico-tecnologiche di frontiera a forte sviluppo (caratterizzate, direbbero Collins e Whitley, da grande incertezza dei fini) è pressoché la regola, il che – unitamente alla difficile composizione di competenze esperte per la valutazione – rende la valutazione stessa difficile e talora «indaginosa». Per queste aree di ricerca vale l’antico interrogativo: Quis custodiet custodes? (Ruberti, a cura di, 1990).

 

40d) E siamo giunti al problema degli attori della valutazione. Qui nascono seri problemi: se attore della ricerca è per ipotesi il complesso università-governo-industria, e nella fattispecie un’impresa consortile di ricerca, difficilmente potrà definirsi un valutatore non-interno; e un valutatore interno non sarà estraneo al sistema di interessi, mentre un valutatore esterno non avrà la necessaria competenza. La qual cosa potrebbe spingere a intraprendere la strada, per qualche verso burocratica, della valutazione affidata a organismi specializzati come sottosistema della ricerca, e per essi a valutatori di professione. La strada della professionalizzazione della valutazione è quella intrapresa dal Regno Unito, e si è spesso tradotta nell’applicazione alla r&d di modelli econometrici, del tipo costi/benefici, o nel caso migliore costi/efficacia. Rivolgersi a organismi specializzati ovvero a gruppi ad hoc presenta differenti ordini di vantaggi/svantaggi: gli organismi specializzati sono sempre disponibili, ma sono spesso local e in difficoltà qualora si richiedano competenze diversificate (economiche, cognitive specifiche, di management) e di elevato prestigio; i gruppi ad hoc sono invece discontinui e si avviano con difficoltà, ma sono più facilmente esperti e cosmopolitan.

41Il problema della composizione dei gruppi di valutazione ad hoc, frequentemente denominati panel, è delicata. Osservava giustamente Massimo (1990): «La scelta dei membri del panel è la parte più delicata della valutazione, di cui influenza il valore e la credibilità [...]. Perciò i membri del panel non dovrebbero trarre benefici diretti dal programma e dovrebbero essere nel contempo considerati rappresentativi di differenti punti di vista in casi controversi (ad esempio, industria vs. ambiente)». Lo stesso Massimo forniva interessanti informazioni sulle procedure di formazione dei panels nei programmi finanziati dalle Comunità europee, ivi inclusa l’ovvia opportunità di coinvolgere nella valutazione esponenti del pubblico, ed anche giuste considerazioni sulle relazioni fra valutatori e manager del programma, nonché sulla differenziazione dei ruoli all’interno del gruppo di valutazione (al riguardo, cfr. anche Chabbal, 1988, e Sand, 1991). Tutto ciò richiederebbe una trattazione a parte. In realtà, questi spunti ci servono per affrontare un problema centrale: se la composizione e il network relazionale interno ed esterno del gruppo di valutazione è così importante, che senso ha tentare di risolvere la valutazione solo nell’applicazione di un set di indicatori?

42La valutazione, evidentemente, non è un processo automatico. E questo ci servirà a definirne meglio il ruolo. Ma in riferimento al rapporto fra attori e fasi della valutazione, è banale osservare che sarebbe assai auspicabile una pratica assai poco diffusa, e cioè di separare rigidamente il panel incaricato dell’assessment ex ante dai panels incaricati dell’evaluation in itinere ed ex post, al fine di evitare possibili, anzi sicuri, conflitti intraistituzionali e di ruolo. Peraltro, qualcosa deve aggiungersi sulle competenze esperte dei valutatori. In assenza di esperienze dirette di conduzione e/o management della ricerca, sarà ben difficile (a nostro avviso praticamente impossibile) effettuare valutazioni appropriate nelle fasi A1 (a livello di input, come comprendere i contenuti di originalità di un programma? come valutarne le risorse necessarie per qualità e quantità), B2 (a livello di throughput, come valutare se il lavoro sta procedendo bene? come interpretare un goal shift? incompetenza, inefficienza o riorientamento degli interessi?) e C3 (a livello di output, come valutare se dal programma si è tratto tutto quanto si poteva trarre? come valutare i risultati, nelle loro sconcertante varietà?). Ma sarà ben difficile muoversi appropriatamente in tutti gli spazi della tabella 1. Ed un modo per semplificare il compito sarà quello, ad esempio, di ridurre ogni possibile grandezza a funzione di costi/benefici; operazione che fornirà un’immagine deformata e imprecisa della ricerca scientifico-tecnologica.

4. Ambivalenze e insufficienze tecnico-metodologiche della valutazione della scienza

43Sul piano dei metodi, la valutazione della r&i presenta grosso modo due orientamenti di massima:

  1. i cosiddetti judgemental methods, e cioè le valutazioni in qualche modo globali formulate da valutatori-giudici; per questo tipo di pratiche, la domanda ricorrente da parte degli esperti è: come trovare giudici indipendenti, e cioè non influenzati dal sistema di interessi del quale è espressione il programma da valutare?

  2. le tecniche di data collection e data analysis; qui si fa prevalente riferimento alle tecniche bibliometriche e citazioniste, ma anche – sia pure limitatamente – a modelli di network analysis; la domanda d’obbligo frequentemente formulata è: come trovare indicatori attendibili, validi e facilmente esportabili?

44In linea di larga approssimazione, e con qualche ipersemplificazione, possiamo attribuire una più forte presenza di judgemental methods alla valutazione-assessment; questa impostazione – che trova ampio fondamento nel valore dell’autonomia della scienza accademica - è frequente e diffusa in sistemi scientifici, quale quello degli usa, ove il peer review system è gelosamente difeso ed istituzionalizzato. Il contesto europeo ha visto la forte crescita – certamente riconducibile anche all’esigenza degli organismi sovranazionali di pervenire a comparazioni e decisioni proceduralmente controllabili – delle metodologie statistiche di valutazione-evaluation. Ovviamente, si tratta di una contrapposizione idealtipica, poiché nella pratica della valutazione l’integrazione fra le due filosofie applicative rappresenta un obiettivo ineludibile, talora raggiunto in alcuni contesti locali.

45Certo è che alcune analisi delle valutazioni effettuate solo in base a metodologie statistiche hanno recentemente denunciato l’incapacità di queste ultime di far emergere gli effetti più importanti ed innovativi dei programmi di ricerca (Luukkonen, 1998, ad esempio mostra come al vaglio degli indicatori applicati ai programmi europei sfuggano l’adozione di standard comuni e la formazione di nuove skills). Ma d’altronde, critiche anche feroci a strumenti tradizionali della statistica della r&d non sono mancate da più parti. Sul piano degli indicatori, ad esempio, il conteggio dei brevetti dice poco o nulla sul tipo e livello di innovazione tecnologica: dietro un brevetto possono celarsi nuove tecnologie rivoluzionarie o modeste e trascurabili migliorie di processo o prodotto.

46Sul piano degli indicatori bibliometrici, un esempio parzialmente positivo è costituito dagli impact factors. L’impact factor è costituito dal numero medio di citazioni che un articolo pubblicato su una rivista scientifica accreditata registra (il che in termini operativi significa che la rivista è censita ad esempio sul sci - Science Citation Index o sul ssci - Social Science Citation Index). Pertanto, il dott. Mario Rossi si vede ben valutare il suo progetto anche perché ha pubblicato su una rivista caratterizzata da elevato impact factor, indipendentemente dal fatto che i suoi articoli rientrino o meno fra quelli non citati da nessuno. Anche volendo accettare l’uso individuale di indicatori su base ecologica, l’uso decisionale degli impact factors sembra collidere con il fatto che l’inserimento di riviste nei citation indexes dipende, ovviamente, da judgemental methods non controllati, che stabiliscono inoltre, in ogni rivista, cosa è pubblicato e cosa no.

47Negli indexes, peraltro, mancano non poche riviste di ottimo livello; ma soprattutto, per alcune matrici disciplinari e non trascurabili branche tecniche della ricerca, l’uso degli impact factors è assolutamente discriminante. Si pensi in genere alla progettazione in ingegneria ed architettura, e anche alle discipline socioeconomiche, ma soprattutto al diritto: lo strumento apparentemente preciso degli impact factors rischia di azzerare la produzione valutabile. Un esempio per tutti: negli studi giuridici, in qualsiasi paese, il commento a sentenze è considerato dalle comunità disciplinari di riferimento un apprezzabile contributo; ma un contributo del genere non compare, ovviamente, su alcun citation index. Nondimeno, alcuni sono ancora convinti che le citazioni misurino la qualità (ad esempio, Kostoff, 1998), e rimarcano solo la necessità di una teoria della citazione (così Leydesdorff, 1998).

48In realtà una teoria che interpreti la fallacia delle citazioni esiste: il corpus della sociologia della scienza di scuola mertoniana (includendo in essa anche i teorici dello scambio) ha mostrato ad abundantiam le distorsioni dell’ethos scientifico, e ad esse possono chiaramente riportarsi l’omessa citazione, l’eccesso di citazioni, le citazioni cautelative ed encomiastiche, per non parlare dell’incertezza degli indici bibliometrici in presenza di divergenti pratiche di authorship in caso di firma multipla (ordine alfabetico, di anzianità, gerarchico, di importanza/ampiezza del contributo individuale, di importanza scientifica/organizzativa dell’organismo di appartenenza, insondabili criteri misti, e ancora rotazione dell’authorship; cfr. Cannavò, 1984, cap. 1, § 3).

49Ma fare i conti con bibliometria e citazioni è, al di là delle complicatezze tecniche, pur sempre semplice, poiché si tratta appunto di tecniche standardizzate. Più complesso è fare i conti con i judgemental methods, e massimamente con il peer review system, su cui si fonda larga parte della pratica della valutazione, poiché esso sottende un insieme implicito di valori e sistemi di riferimento (Chubin e Jasanoff, a cura di, 1985). A parte lavori interlocutori sulla migliorabilità del peer reviewing (Jasanoff, 1985), sono da segnalare scarsi contributi, fra cui una ricerca empirica di Gillespie, Chubin e Kurzon (1985), che denunciò le distorsioni del peer review system nel settore medico, e un’appropriata nota di Roy (1985), che registrò i punti dolenti del peer review system, fra i quali soprattutto la naturale resistenza all’innovazione (si ricordi il conformismo delle comunità scientifiche denunciato da Mulkay) e i possibili conflitti di interesse, che fanno talora perversamente prevalere le ragioni amministrativo-gestionali su quelle scientifiche.

50Un parziale correttivo sarebbe secondo Roy introdurre nelle pratiche di valutazione ex ante per l’allocazione dei fondi di ricerca elementi di correzione al peer review system. Questi elementi potrebbero essere una misura o valutazione della nuova conoscenza prodotta; indicatori di efficienza/efficacia didattica (e qui è evidente l’ampliamento dei confini del sistema di r&d); la valutazione positiva dell’esperienza acquisita in ricerche condotte per settori extra-accademici (governo e industria). Ancora sul peer review system è da segnalare l’analisi di Cicchetti (1991), che ha posto in luce come – salvo che nei settori disciplinari a elevati livelli di tecnicizzazione e specificità (laddove, insomma, finalità, compiti e procedure siano fortemente standardizzati) – il peer reviewing trovi facili punti di accordo sui progetti e lavori che non sono da finanziare o pubblicare, mentre sulla valutazione positiva del merito il potenziale di divergenza cresce.

51Sin d’ora possiamo affermare che la nostra opzione è quindi per una metodologia integrata di valutazione, che compensi le insufficienze di ciascun approccio parziale (statistico e judgemental) secondo un’ottica simile ai disegni di ricerca multicriterio-multitecnica (Cannavò, 1991a e 1991b). Ci sembrano andare in questa direzione sia i citati studi di Irvine e Martin sul cern (l’applicazione della tecnica della convergenza degli indicatori parziali è congruente con la nostra impostazione; cfr. anche Irvine e Martin, 1985), sia altri studi. Ad esempio, all’interno del paradigma quantitativo (di ascendenze più o meno dichiaratamente econometriche), Kostoff (1993) nota che l’analisi costi/benefici ha un ristretto campo di applicazione: la valutazione dei benefici è tanto più impraticabile, quanto più si trascorra dal livello «macro» a quello «micro». Per quest’ultimo livello è difficile sostituire soprattutto la peer review (Cozzens, 1987). Un programma di integrazione fra varie tecniche (indicatori per fissare opportuni standard, studi bibliometrici, peer reviewing e valutazione organizzativa) sembra al riguardo la via d’uscita, tentata con qualche successo in Canada (Salter, 1985; Miller e Lortie, 1993).

52Nondimeno, proporre un approccio multicriterio-multitecnica non è di per sé risolutivo. Un faticoso lavoro di collaudo attende gli esperti. D’altronde, l’approccio scientometrico degli indicatori va incontro a critiche sempre più serrate, anche interne al sistema degli organismi internazionali. Gabolde (1998), voce in qualche modo ufficiale della dg xii, ha proposto una critica in prospettiva europea, denunciando l’incertezza e scarsità degli indicatori sia di input (in relazione a spese di r&d, bilanci, disponibilità di attrezzature, risorse umane), sia di output (pubblicazioni, brevetti, tipi e livelli di innovazione, esportazioni di high-tech, btp, e cioè bilancia tecnologica dei pagamenti), produttività e valore aggiunto. Da un canto servirebbero nuovi indicatori sistemici, e pertanto anche di throughput, dall’altro strumenti tecnico-metodologici atti ad affrontare le nuove sfide: la globalizzazione dell’economia e della ricerca; l’internazionalizzazione della politiche pubbliche; i ritmi dell’innovazione e la costruzione di un sistema r&i, per ora solo postulato; il crescente steady state.

53Ma è giusto ricordare che questa sensibilità per la qualità delle rilevazioni e per la chiara definizione concettuale delle grandezze da analizzare è stata preceduta dalle osservazioni formulate dagli esperti oecd (1989 e 19945), laddove hanno problematizzato con sensibilità metodologica molti aspetti della valutazione della r&d. Ad esempio, è stato posto il problema dei confini interni ed esterni del sistema di r&d, mentre si è proposto di definire r&d (e questo è in linea con l’ipotesi di individuazione di un unico sistema di r&i), non più lo studio, bensì la produzione di chiari elementi di novità. Ancora, l’attendibilità e la validità degli indicatori bibliometrici escono fortemente ridimensionate dall’analisi oecd.

54Oltre alle note perplessità in merito alle citazioni e al loro uso, si segnala l’eccessivo riferimento della valutazione alla pubblicazione in riviste (escludendosi così volumi e saggi in volumi, i papers accettati in congressi dotati di un refereeing team, i commenti giuridici, i blueprints, i progetti approvati da giurie, e via dicendo), e in riviste in lingua inglese (gli impact factors normalmente trascurano altre lingue scientifiche, quali il tedesco e il russo, ma anche il francese e lo spagnolo), oltre ad altri importanti fenomeni, quale il ritardo nella pubblicazione dovuto a motivi tecnici e la scomparsa dalla citazione di lavori ed autori ormai di dominio comune, e soprattutto l’alterazione degli indici bibliometrici portata dalla telematizzazione della comunicazione scientifica. Via Internet viaggia un numero crescente (in modo esponenziale, finora) di contributi scientifici. Al riguardo l’oecd si limita a segnalare il fenomeno. A noi sembra importante notare che – nonostante alcune lodevoli eccezioni di riviste telematiche dotate di comitato di referee (un caso rimarchevole riguarda proprio le scienze sociali: «Sociological Research Online») – sul web si trova di tutto, secondo un modello tendenziale di diffusione non regolata, che si va sostituendo, con effetti potenzialmente entropici sul sistema di r&d, al modello di diffusione regolata della comunicazione scientifica tradizionale.

55Ma una corretta valutazione incontra problemi derivanti non solo dal tipo di indicatori, ma anche dalla tipologia dei settori componenti della r&d. All’ormai tradizionale ripartizione della triple helix (governo-università-industria) si affiancano con sempre maggiore incisività nell’arena scientifico-tecnologica attori istituzionali ed organizzativi nuovi e diversi: agenzie di terzo settore, imprese di ricerca, istituti di istruzione superiore non universitaria, organismi internazionali. In tutto il mondo della r&d, peraltro, si assiste a una variegazione discontinua del time budget. L’idealtipo del fte (full time equivalent, il ricercatore a tempo pieno) ha per lungo tempo costituito il criterio di riferimento di valutazione del lavoro scientifico-tecnologico; tutt’oggi, le commissioni di valutazione per l’assegnazione di fondi a progetti chiedono ai responsabile del progetto di specificare i «mesi-uomo» di lavoro rapportati al fte; però il tempo parziale dedicato alla ricerca non è più una caratteristica dei soli universitari (calcolati di solito al 50% di fte), poiché segna il lavoro part time di tanti junior scientists, e anche di consulenti di progetto assolutamente indispensabili alla ricerca.

56Non a caso alcuni economisti della r&d hanno opportunamente introdotto la metafora delle economie di scopo per valutare il time budget nel mondo della r&d (Sirilli, 1998, pp. 309-310): una persona dotata di una vita professionale composita non produce spezzoni di lavoro, ma mette in rete le sue capacità in qualche modo in modo integrato e sinergico, raggiungendo livelli di produttività ed eccellenza talora sconcertanti. Tutto ciò, ovviamente, compone un quadro di forte instabilità e di grande interesse, se si riflette sul fatto che il mondo della r&d ha formalmente e informalmente sedimentato e stabilizzato diversi ruoli di management e di supporto alla ricerca, che pure spesso svolgono lavoro scientifico. E la cosa si complica ancor di più se si riflette sulla virtualizzazione e l’estensione dei networks dovuta alla telematica, che consente di superare la concezione intra moenia delle professioni scientifico-tecnologiche.

57Proprio Sirilli, che pure molto ha contribuito all’aggiornamento del Manuale di Frascati (oecd, 19945), invita a riflettere bene sugli indicatori, visto che le indagini speciali fanno emergere più r&d di quanto non sia rilevabile con gli standard statistici consueti, anche perché – almeno nel settore delle imprese – si tende come s’è accennato a confondere ricerca e normale problem-solving (Sirilli, 1998, p. 309). Il problema è che tali standard non tengono conto dei processi di knowledge-based economy (cfr. oecd, 1996) e del fatto che, nonostante gli sforzi di oecd-Eurostat (1997), ancora non si dispone di misure incontrovertibili dell’innovazione. Abbiamo insomma problemi di completezza degli indicatori (ed è quanto sostiene Sirilli), ma a nostro avviso anche di validità (almeno in quanto tali indicatori sono disomogenei rispetto ai fenomeni rilevati, rilevandolo in eccesso o in difetto) e di attendibilità, se si riflette sulla loro difficile esportabilità nei vari contesti della ricerca.

58Non sfuggono agli esperti del settore la generale insufficienza dei vari modelli e tecniche di valutazione e la necessità di pervenire a un ripensamento metodologico. Qui siamo molto distanti sia da generiche valutazioni qualitative di scenario degli inizi degli anni novanta (cfr. ad esempio Dosi, che presenta come «variabili fondamentali del processo innovativo» alcuni concetti generali e complessi, da operazionalizzare, quali le opportunità innovative, le prospettive di mercato, le capacità di conoscenza, e via dicendo; 1990, p. 19), sia da patetici miti di ordine statistico-econometrico, quali la formulazione di indici generali di sviluppo scientifico-tecnologico (ad esempio il gist, General Indicator of Science & Technology; un’inutile applicazione di analisi delle componenti principali proposta da Tomizawa e Niwa, 1996).

59Il chiarimento metodologico generale è certo fondamento sicuro di un ripensamento serio sulle tecniche della ricerca valutativa. Ma come procedere a un chiarimento metodologico se non in relazione a precise scelte di teoria o di modello? E se il modello econometrico-lineare o il modello della knowledge-based economy o altri modelli ipotizzabili singolarmente presi sono insufficienti, o parziali, o inadatti al complicato assetto del complesso sistema di r&i, non sarà necessario procedere alla formulazione di modelli teorici sufficientemente ampi da comprendere la massima parte possibile di fenomenologia studiata e da adattarsi ai vari livelli («macro», «meso», «micro») del sistema? Ciò è opportuno non solo per fondare una metodologia della valutazione scientifica in grado di muoversi non contraddittoriamente ai vari livelli (e qui va ribadito che l’analisi costi/benefici, pur pervicacemente riproposta da alcuni, ed anche l’analisi costi/efficacia sono sensatamente applicabili solo sul piano macro, meno felicemente sul piano «meso», e in modo infelice sul piano «micro»), ma anche per costituire (ammesso sia possibile nel contesto italiano) una politica della ricerca che non sia solo un by-product residuale della politica economica e finanziaria.

60Ma una teoria o un modello dell’economia può fornire una base cognitiva sufficiente a fondare e la politica, e la valutazione della ricerca? Ciò è forse possibile sul piano macro, anche se del fenomeno scientifico-tecnologico a un’ottica solo economico-finanziaria sfugge praticamente tutto. La considerazione che le politiche macro hanno prevedibili effetti sui livelli «meso» e «micro», e le scelte istituzionali ed organizzative (sui modelli organizzativi, sulle normative di carriera, ma anche in merito alla scelta dei dirigenti della r&i, nelle imprese) hanno inevitabili impatti sul piano «micro», ci consente di sottolineare la necessità di fondare la valutazione della r&d su teorie sociali delle istituzioni e delle organizzazioni. Alla fine degli anni ottanta, quando ancora lo steady state sembrava una fase contingente e non strutturale, alcuni sociologi della scienza proposero di rivalutare la loro disciplina, ormai notevolmente estesa e variegata, quale base possibile della politica della ricerca, in considerazione della generale vocazione antiapologetica della sociologia (Milic, 1987; Statera e Cannavò, a cura di, 1987). Le proposte, però, provenivano da una comunità politicamente debole, solo occasionalmente e accademicamente consultata dai policy makers.

61Nondimeno, di valutazione fondata sulla sociologia della scienza e della tecnologia se n’è fatta abbastanza, anche in Italia, sia nel settore pubblico (cfr. ad esempio: Bisogno, a cura di, 1984; Benadusi, a cura di, 1994; Cannavò, a cura di, 1989a; Agnoli e Ciampi, a cura di, 1990; Cannavò, 1990; Cannavò, a cura di, 1997; Vardanega, 1997; e in genere la produzione dell’isrds-cnr), sia in quello d’impresa privata. I possibili effetti ed impatti delle scelte politiche, istituzionali ed organizzative sono stati per tempo segnalati, ma sempre sottovalutati dai decisori e mai evitati in tempo. In tutti i casi suddetti, e in molti altri ancora, in luogo delle scarne tecniche raccomandate dalla letteratura sulla valutazione della r&d (cfr. oecd, 19945, pp. 105-112) si è fatto ampio riferimento ai metodi quantitativi e anche qualitativi (su cui cfr. estesamente Patton, 19902; ma anche Rossi et al., 19822) della ricerca sociale empirica. E ci sembra questo un modo per ovviare ai due principali problemi metodologici della valutazione della ricerca: l’empirismo talora acritico nella scelta delle tecniche (ad esempio, il ricorso frequente al cosiddetto metodo Delphi non esce indenne al vaglio dell’analisi metodologica) e la mancanza di un paradigma procedurale robusto (nonostante il reiterato richiamo all’esigenza di sviluppare ricerche multicriterio-multitecnica; cfr. fra l’altro Mazlish, 1982, e Mullins, 1987).

62Manca, insomma, alla valutazione della ricerca, qualcosa di analogo al «paradigma» di Lazarfeld integrato con l’impianto strumentalista di Dewey (situazione problematicaproblemaaree problematicheconcetticomponentiindicatori e indici), che resta pur sempre uno schema procedurale ed ordinativo potente. La valutazione, si dirà, non è conoscere per conoscere, ma conoscere per decidere. Questa impostazione ha portato alla definizione sì di un paradigma procedurale, ma non della valutazione dei programmi, bensì della tia (di cui s’è detto) e della sia (valutazione d’impatto sociale); si tratta del cosiddetto «Wolf’s paradigm», articolato in a) determinazione degli ambiti e degli obiettivi, b) identificazione del problema, c) esplicitazione di alternative decisionali, d) specificazione degli impatti, e) previsione degli impatti, f) valutazione comparativa degli impatti, g) ponderazione dell’impatto preferibile, h) gestione partecipata e monitorata dell’impatto (Wolf, 1983). Ma questa sequenza, a ben riguardare, non è un sistema logico-operativo di procedure, bensì un insieme generico, ancorché ordinato, di fasi complesse. Nulla a che vedere con l’impostazione critico-regolativa della metodologia della ricerca sociale applicata.

63Ci sembra, insomma, che la valutazione della ricerca non possa oscillare fra la valutazione di programma sul piano macro e i minuetti di scuola bibliometrica o citazionista. Se la ricerca è soprattutto strategica (hanno ben ragione Irvine e Martin, 1984a; e questo è anche conseguenza dello steady state), e come tale riferita – come è nelle definizioni ufficiali ed accettate – a problemi di grande interesse sociale, come si pensa di fare scelte di politica della ricerca ignorando i sistemi di aspettative dei gruppi sociali? E sul piano «meso» e «micro», come si pensa sia possibile effettuare una valutazione seria non ricorrendo, accanto ai metodi valutativi tradizionali, a inchieste dirette, studi di caso, surveys, analisi delle reti socioprofessionali, studi motivazionali sugli operatori, professionisti e manager della ricerca, studi sugli stili di leadership e di management, analisi della formazione delle decisioni, e via dicendo? S’è detto come da più parti, a livello di letteratura internazionale, si sia sottolineata le necessità di indagini multicriterio-multitecnica, vista l’insoddisfacente validità o copertura fenomenica degli indicatori. E quale altra chance c’è di svolgere indagini multicriterio-multitecnica, se non introducendo nella valutazione della ricerca i metodi e le tecniche della ricerca sociale applicata, guidati da apparati teorici complessi e modelli collaudati, come quelli che la sociologia della scienza e della tecnologia è andata elaborando in sessanta anni di ricerca?

64La metodologia della valutazione della r&d che ne deriverebbe è congruente con un concetto di valutazione sociale della scienza e della tecnologia (Limoges e Cambrosio, 1991). E ci preme sottolineare qui che di quella prospettiva, in cui le basi teoriche fornite dai ssst si integrano con quelle delle metodologie valutative, interessa soprattutto l’attitudine a chiarire e prevedere i corsi di azione dei gruppi ed attori sociali coinvolti nei processi di negoziazione in merito alle scelte (ai livelli «macro», «meso» e «micro») di r&d, ed a sviluppare una pragmatica della responsabilizzazione sociale. In un periodo di scelte controverse quale l’attuale, la comunicazione scientifica pubblica coinvolge anche emotivamente quantità crescenti di cittadini, e sollecita da loro parte atteggiamenti e aspettative verso la ricerca. Si viene a definire una controversa etica della scienza e della tecnologia, che s’interseca con le opinioni e decisioni politiche ai vari livelli dell’azione sociale. Su queste cose gli esperti di valutazione della ricerca hanno spesso poco da dire, poiché la loro cassetta degli attrezzi è piuttosto sfornita.

5. I ruoli della valutazione sociale della ricerca: tra analisi e management

65Quale, allora, il ruolo della valutazione sociale della ricerca? È chiaro che fin qui sono emerse assenze di concettualizzazione ed esigenze di chiarezza tecnico-metodologica, che hanno finito per ridisegnare oggetti, finalità e metodi della valutazione. Non che non rientri più, fra le finalità, valutare un programma; ma oltre a questo la valutazione sociale della ricerca, in quanto concettualmente orientata da teorie e modelli e supportata da un riferimento forte alle teorie e ai metodi della ricerca sociale, può valutare sottosistemi e processi più ampi, fornendo una messe di dati assai più estesa di quanto non sia possibile in un’impostazione tutta fondata su modelli e metodi dell’econometria. Insomma, abbiamo proposto non una semplificazione, ma una complicazione del lavoro di valutazione. Va detto che la cifra caratterizzante della valutazione rispetto alla normale ricerca sociale applicata è che essa è analisi sì, ma finalizzata alla decisione. Semmai, in prospettiva più ampia, possiamo dire che la valutazione sociale della scienza e della tecnologia (vsst) studia configurazioni, fasi e funzioni di programmi, progetti, contesti, strutture e processi attuali e potenziali, nonché tratti e dinamiche strutturali, culturali e valoriali dell’azione sociale, al fine di consentire decisioni appropriate in merito alla scienza e alla tecnologia.

66Il che significa, ad esempio, che non solo i decisori istituzionali ai livelli «macro», «meso» e «micro» sono abilitati ad affidare una ricerca valutativa: essa può a pieno titolo derivare da esigenze conoscitive ed operative di qualsiasi gruppo od organizzazione che abbia interesse a comporre atteggiamenti e motivazioni in merito alla scienza e alla tecnologia: associazioni o gruppi del cosiddetto pubblico (utenti, clienti, cittadini, lavoratori), società scientifico-professionali, organizzazioni politiche o sindacali, gruppi di opinione, ricercatori scientifici, organi e professionisti della comunicazione, e via dicendo. Ad esempio, un’interessante ricerca valutativa è stata proposta da Chawla e Singh (1998), che hanno studiato mediante 23 indicatori di funzionamento dell’ambiente organizzativo le relazioni fra esso e la performance dei gruppi di ricerca, senza particolari committenze.

67Il locus della valutazione, soprattutto ai trascurati livelli «meso» e «micro», sembra essere il management. Un concetto, questo, assai più vago di quanto non sembri. Diremo che ci riferiamo al management per indicare funzioni direzionali e decisionali in cui rischio organizzativo e responsabilità individuale sono strettamente collegate. Pertanto, l’uso corrente di parlare di middle management, ad esempio, per indicare i direttori di ufficio postale ci lascia assai freddi: il termine ci sembra francamente inappropriato. La nostra definizione è peraltro assai lasca, e consente per esempio di ritrovare precisi contenuti di managerialità in settori pubblici anche ad alta burocratizzazione e gerarchizzazione, ad esempio nel settore militare. Rossi, Freeman e Rosenbaum hanno ben chiara la relazione fra valutazione e management (19822, cap. 9), relazione peraltro argomentata e riaffermata da Rip (1990a) e problematizzata recentemente da Berloznik e van Langenhove (1998) ai livelli «micro», «meso» e «macro».

68Del resto, le sei categorie di skills attribuite in sociologia della scienza e della tecnologia al management della r&d sono nel complesso di ordine proattivo (nel senso di Chabbal), e rimandano più o meno direttamente all’uso della valutazione per comporre decisioni efficaci (cfr. anche Ungaro, 1997, pp. 176-177):

  1. strategiche (delineare scenari, sviluppare relazioni esterne, cogliere l’innovazione);

  2. programmatorie (pianificare obiettivi e risultati, reperire le risorse necessarie);

  3. valutative (monitorare la validità delle procedure, verificare la qualità dei risultati);

  4. imprenditive (creare opportunità, cogliere tendenze nel mondo della r&i);

  5. coordinative (coordinare le attività operative di ricerca e di supporto alla ricerca);

  6. gestionali (gestire le risorse umane, finanziarie, cognitive e strumentali).

69È ovvio che soprattutto le skills coordinative e gestionali possono trovare diverse probabilità e modalità di espressione a seconda dei differenti stili di management e di leadership, che peraltro comportano differenti atteggiamenti verso la valutazione.

Tab. 2. Due dimensioni tipologiche degli stili di management della ricerca

1. dimensioni

2. stili

a. struttura delle funzioni di controllo e coordinamento

a1. managerialità diffusa
a2. gerarchia divisionale
a3. supervisione accentrata

b. struttura delle comunicazioni delle relazioni di rete

b1. autocrazia autoreferenziale
b2. autocrazia consultativa
b3. democrazia gerarchizzata
b4. democrazia orizzontale
b5. laissez-faire

Fonte: Cannavò (a cura di), 1997, p. 20, Tab. 4 (modificata).

70La Tab. 2 fa ben capire che a stili più autoreferenziali o autoritari fa riscontro una concezione della valutazione o come conoscenza accessoria, ovvero – in variante burocratica – come conoscenza assolutamente vincolante in quanto esperta e depositata. Gli stili provatamente più adatti alla ricerca (come il b3, democratico gerarchizzato, corrispondente a una concezione dei networks scientifici come reti gerarchizzate, i cui nodi, pur tutti collegati e reciprocamente sensitivi, si collocano a diversi livelli di competenza e, se così si vuol dire, managerialità) tenderanno a considerare i risultati della valutazione non sostitutivi del giudizio, ma un momento nodale con cui fare i conti per la composizione di una decisione autorevole, su cui il consenso pervenga in assenza di meccanismi autoritativi, prevedibilmente efficace rispetto agli obiettivi e ragionevole rispetto alle risorse disponibili.

71A differenze di stile corrispondono diversi orientamenti valutativi. Ad esempio, a stili dirigistici – laddove il manager assegna a se stesso il compito di orchestrare le preferenze degli attori – i goal shifts, gli slittamenti di obiettivo, saranno considerati possibilmente negativi, in quanto indicatori o di insufficienze di programma ex ante, o di carenze di programma in itinere; viceversa, a stili di management orientati alla mediazione – e quindi a una composizione adattiva dello stile di direzione alle preferenze degli attori – farà riscontro una decodifica dei goal shifts come risultati potenzialmente positivi.

72Resta, però, un non risolto dilemma: il management della ricerca va inteso come management interno (nella ricerca) o esterno (della ricerca)? È errato pensare che il management nella r&i, sia più democratico del management della r&i. Ad esempio, uno stage di studio del management nella/della ricerca condotto da chi scrive presso un’azienda europea multinazionale del settore chimico-farmaceutico, iniziato come osservazione partecipante del sistema di interazione fra ricercatori e staff, si trasformò in itinere in ricerca valutativa, i cui risultati vennero posti a disposizione della direzione scientifica dell’azienda. L’azienda contava su una cinquantina di ricercatori di varia estrazione (biologi, chimici, medici, ma anche fisici e alcuni ingegneri), coordinati da un direttore dei laboratori proveniente dalla ricerca pubblica, laureato in fisica, il dottor x. Il dottor x aveva introdotto nei laboratori uno stile di lavoro e di management derivante tipicamente dalla fisica: articolazione in piccoli teams, scarsa divisione del lavoro, elasticità di orari e ferie, elevato livello di consultazioni a tutti i livelli, coinvolgimento e informazione dello staff, seminari interni, presenza del manager a riunioni informali di lavoro, partecipazione dei teams a congressi internazionali, pubblicazioni. I risultati erano durati per qualche anno con crescente soddisfazione dei ricercatori: l’azienda poté contare su un costante e significativo, ancorché discontinuo, numero di innovazioni e brevetti per anno, forte produttività, clima lavorativo disteso.

73Mentre si stava studiando questo straordinario esempio di comunità di ricerca transdisciplinare d’impresa, il dott. x, attratto da un’offerta irrinunciabile presso un polo universitario di laboratori di ricerca in USA, andò via. Dopo alcuni giorni di disorientamento, la dirigenza dell’azienda, senza alcuna consultazione dei teams, inviò il dott. y. Il dott. y, personalità molto rigida, era laureato in chimica industriale e proveniva da un’impresa di produzione di chimica pesante. Si chiuse qualche altro giorno nel suo studio, e ne riuscì con un nuovo organigramma, ricalcato sulla tipica struttura divisionale e sequenziale di un impianto chimico: strutture in linea, forte divisione del lavoro, assoluta rigidità delle procedure. Come usuale in chimica, i ricercatori e lo staff vennero adattati all’impianto per come esso era, laddove il dott. x aveva considerato l’impianto, come avviene in fisica, uno strumento della creatività dei teams.

74I ricercatori sociali, silenti osservatori, si preoccuparono di questa rigidità, ma soprattutto previdero l’impossibile adattamento alla nuova strutturazione (da cui sarebbe inevitabilmente derivato un diverso clima di relazioni industriali), certamente da parte dei fisici e dei biologi, abituati ad una densa relazionalità, ma anche degli ingegneri e dei medici, usi in quanto tecnologi ad avere problemi tecnici da risolvere, più che procedure da eseguire. E così fu, e fu anche peggio: si verificò un autolicenziamento di massa, che dimezzò gli organici dei ricercatori. In particolare, i fisici e gli ingegneri si sistemarono con grande facilità, perlopiù in usa, grazie ai buoni uffici del dott. x, al quale molti si erano rivolti per disperazione. Lo staff restò, ma iniziò a battere la fiacca. Questa situazione colpì il dott. y, che chiese occasionalmente un incontro con il piccolo team di sociologi della scienza, ormai vicino alla fine del periodo di studio. L’incontro fu penoso: si spiegò al dott. y la questione, ed egli non riuscì a comprenderla, anzi si offese a morte. La piccola équipe di ricercatori sociali venne defenestrata prima dello scadere del periodo di stage concordato.

75Ma non vorremmo, come dicevano i padri latini, frigere frictum: questi problemi e processi sono ben noti a chi abbia anche una minima dimestichezza con la nuova sociologia della scienza. I lavori di Shinn e Whitley sono stati al riguardo esaustivi (cfr. Cannavò, 1989b, §§ 5 e 6). La verità è che formalmente il dott. y (colui il quale diede il colpo di grazia ai laboratori) era più manager nella ricerca del dott. x (per formazione incompetente). Ma il dott. x – apparentemente manager della ricerca – aveva interiorizzato i goals generali dell’impresa di r&i, articolandoli in objectives specifici (riprendiamo questa distinzione da Rossi, Freeman e Rosenbaum, 19822), da tutti sentiti come tali. Quindi, il dott. x aveva saputo convertire la sua diversità in una risorsa, laddove l’apparente omogeneità del dott. y si rivelò un forte handicap.

76Tutto ciò per dire che non ci sentiamo di considerare ottimale né il management della, né il management nella r&d. La discussione è peraltro alquanto accademica, ma va segnalato che gli studi sul management generale per solito rifiutano che esista una specificità del management della ricerca, giungendo talvolta a teorizzare sull’opportuna incompetenza del manager, il cui compito non è strettamente collegabile a competenze specifiche. E questo per alcune funzioni del manager può avere senso, ed alcuni tipi ideali di manager della ricerca non prevedono una cultura specialistica, ma skills di ordine relazionale (cfr. il middle-up-down manager di Nonaka, 1994). Ma è inutile negare che alcune skills – nella fattispecie quelle programmatorie e valutative di cui s’è detto – sono inesercitabili in assenza di un aggiornamento costante sui metodi, settori e priorità delle specifiche aree di ricerca nel cui ambito il manager opera. Il ricorso a metodi di valutazione di ordine puramente finanziario o a una presunta metodologia generale della valutazione spesso nasconde la sostanziale incompetenza del management.

Tab. 3. Relazioni fra management e valutazione della r&i

Management

nella r&i

della r&i

Valutazione

nella r&i

a) rete di skills specialistiche (managerialità distribuita)

b) manager «esterni» utilizzano esperti interni

della r&i

c) manager «interni» utilizzano esperti esterni

d) modello divisionale non partecipativo

77Anche per la valutazione può essere utile riproporre il medesimo esercizio: valutazione della ricerca o nella ricerca? La domanda, apparentemente stucchevole, contrappone una valutazione condotta da esterni nel primo caso (e questo vale in relazione ai vari livelli, «macro», «meso» e «micro») a una valutazione condotta mediante il ricorso a competenze interne nel secondo caso. La Tab. 3 vale a meglio chiarire le relazioni fra management e valutazione in relazione ai diversi gradi di interiorità/esteriorità rispetto alla struttura o al processo sottoposti a valutazione. Anzitutto, osserviamo i due tipi «puri»: a e d. Il modello d (divisionale non partecipativo) si riferisce a un sottosistema di r&i diretto da manager non specificamente competenti, che affidino procedure di valutazione a un’organizzazione o comitato esterno, non specificamente competente dell’area di ricerca. Non è un tipo infrequente: in tal caso la valutazione è per solito condotta solo su parametri economico-finanziari e non necessariamente è ritenuta vincolante dalla dirigenza. All’opposto, il modello A (rete di skills specialistiche) presenta un caso di managerialità distribuita: la dirigenza è una dirigenza competente, considerata pertanto potenzialmente autorevole dai ricercatori e tecnici; la valutazione è prevalentemente una valutazione interna alla professione scientifica, una sorta di autovalutazione. Il grado di autoreferenzialità di tale modello è alto, ma è quello assolutamente prevalente nella scienza pubblica.

78I tipi ideali intermedi (b e c) pongono qualche problema interpretativo, e configurano entrambi alcune discrasie comunicative. Nel caso C un management competente nella ricerca condotta può vedersi o percepirsi scavalcato nelle sue funzioni da un comitato o struttura di valutazione organizzativamente e/o cognitivamente esterna al lavoro scientifico-tecnologico svolto. Ad esempio, una struttura universitaria ad alta specializzazione viene valutata da un nucleo di valutazione esterno a essa, ancorché interno all’università, e per di più privo della competenza specifica. È quanto sta avvenendo – con alterne vicende e qualche pressapochismo – nella valutazione universitaria italiana. Infine, il tipo ideale B configura un management generalistico di una struttura di r&i che ricorra a competenze interne organizzativamente e/o cognitivamente per effettuare una valutazione ad hoc o per strutturare un servizio permanente di valutazione. Una situazione non infrequente nella ricerca d’impresa, ove il management si riserva, ovviamente, ogni opportuna autonomia rispetto ai risultati della valutazione.

79È chiaro che le organizzazioni a managerialità diffusa sono fortemente riferite al valore dell’autonomia della ricerca, considerato fondante per la professione scientifico-tecnologica; sicuramente da regolare, ma certo più dall’interno che dall’esterno, se si intende coniugare da un canto l’autonomia individuale con quella organizzativo-istituzionale (Nowotny, 1990; Ziman, 1990b), e dall’altro l’autonomia con la competizione (Krige, La Follette e Cannavò, 1990). I critici del modello a managerialità diffusa, che ci sembra da diffondere urgentemente in un sistema scientifico asfittico qual è quello italiano, ricorrono all’interrogativo Quis custodiet custodes?, a significare la necessità di uscire dall’autoreferenzialità. Ma certo il potenziale di frustrazione al quale può condurre il modello C non è da sottovalutare.

80L’improvvisata assegnazione di funzioni ispettive a presunti esperti di valutazione crea una frattura insanabile fra professionisti effettivamente esperti di ricerca (e anche di valutazione ongoing) e strutture di valutazione della ricerca, che induce a pensare che la medicina sia peggiore della malattia. Ne può uscire soltanto, in assenza di potenti correttivi (formazione per elezione degli organi di valutazione; rotazione periodica delle funzioni di valutazione; formazione ricorrente nel settore specifico della valutazione), un’ulteriore burocratizzazione del sistema pubblico della ricerca scientifico-tecnologica.

81A poco vale lamentare il fatto che sul finire degli anni novanta si è assistito, nel sistema della ricerca pubblica, a un mutamento nella filosofia della valutazione, poiché si è passati da un approccio partecipativo-gestionale a un approccio strutturista. È vero che si è passati da comitati di indirizzo della valutazione a comitati di valutazione, e quindi da una valutazione come funzione gestionale a una valutazione come funzione di controllo. Ma ciò era in qualche modo fatale: in assenza di istanze di snodo fra domanda e offerta socio-professionale di valutazione ai vari livelli («macro» «meso» e «micro»), la procedura adottata è stata top-down, insomma burocratica. E questo si è visto anche nei criteri e parametri di valutazione, peraltro assai più judgemental di quanto non sembri.

82Insomma, esiste l’urgente necessità di un ripensamento globale della filosofia della valutazione (Moravcsik, 1988), che – salvaguardando autonomia e competitività inter e intraistituzionale – consideri criticamente le esperienze internazionali nelle loro luci ed ombre, ben comprendendo che programmare la valutazione ai tre livelli del sistema della ricerca (le policies, le istituzioni ed organizzazioni, i teams) non può fermarsi a prefigurare esclusivamente i ruoli interni di comitati preferibilmente «esterni» di valutazione (la funzione del presidente, la funzione del segretario, la funzione degli esperti), ovvero a elencare possibili indicatori, come tanta letteratura internazionale continua a fare.

83Va allora definito il senso della valutazione, così come vanno esplicitate le teorie e i modelli di riferimento, progettati i metodi e le tecniche secondo un approccio integrato, infine distribuite e condivise le culture e le funzioni della valutazione, affinché l’ingrato compito che ad essa è demandato in un sistema stabilmente steady state venga esercitato e percepito non come espressione di controllo burocratico, ma come funzione manageriale di implementazione partecipata.

Torna su

Bibliografia

Agnoli M. S., Ciampi L. (a cura di) (1990), Il ricercatore nell’università che cambia. Organizzazione del lavoro accademico e professionalità scientifica del ricercatore universitario in Italia, Milano, Franco Angeli.

Archibugi D., Michie J. (1997), Technological Globalisation or National Systems of Innovation, «Futures», 29, 2, March, pp. 121-137.

Barker K. (1994), Strengthening the Impact of r&d Evaluation on Policy Making: Methodological and Organisational Considerations, «Science and Public Policy», 21, 6, December, pp. 405-413.

Barker K., Georghiou L. (1991), La valutazione dell’impatto socio-economico della r&d finanziata con fondi pubblici, in Cannavò (a cura di) (1991), cap. 3.

Barré R. (1990), Strategic Processes and S&T Indicators: Towards a Key Role in r&d Management Systems, in Cozzens, Healey, Rip e Ziman (a cura di) (1990) pp. 227-239.

Benadusi L. (a cura di) (1994), Una fabbrica senza mura: Organizzazione, formazione e management nel Cnr, Milano, Franco Angeli.

Berloznik R., van Langenhove L. (1998), Integration of Technology Assessment in r&d Management Practices, «Technological Forecasting and Social Change», 58, pp. 23-33.

Best S. (1991), Chaos and Entropy: Metaphors in Postmodern Science and Social Theory, «Science as Culture», 2, 2, pp. 188-226.

Best S., Kellner D. (1997), The Postmodern Turn: Paradigm Shifts in Theory, Culture and Science, New York, Guilford Press.

Bisogno P. (a cura di) (1984), Il ricercatore nell’industria Italiana, Milano, Franco Angeli.

Bisogno P. (a cura di) (1985), Paradigmi tecnologici. Saggi sull’economia del progresso tecnico (Prometheus, 2), Milano, Franco Angeli.

Bisogno P., Sirilli G. (1989), La valutazione della ricerca nella formulazione della politica scientifica in Italia, «il Mulino», xxxviii, 4, luglio-agosto, pp. 665-683.

Brooks H. (1990), Steady State or New Challenges?, in Cozzens, Healey, Rip e Ziman (a cura di) (1990), pp. 163-172.

Cabibbo N. (1990), Ricerca di base e innovazione, in Ruberti (a cura di), 1990, pp. 173-199.

Callon M., Chabbal R., Laredo P. (1990), The Evaluation of Technological Programs: Organization and Issues, Paris, Ecole des Mines (Centre de Sociologie de l’Innovation).

Callon M., Laredo Ph., Mauguin Ph., Vinck D., Warrant F., Crance Ph., Paulat P., Giraud P.-N. (1989), Evaluation des programmes publics de recherche. Le cas du programme communautaire energie non-nucleaire, Namur (B), Presses Universitaires de Namur.

Cannavò L. (a cura di) (1989a), Professione scienziato. Organizzazione della ricerca pubblica e professionalità scientifica in Italia, Milano, Franco Angeli.

Cannavò L. (a cura di) (1989b), Studi sociali della scienza. Aspetti e problemi, Roma, Euroma - La Goliardica.

Cannavò L. (a cura di) (1991), Studi sociali della tecnologia. Metodologie integrate di valutazione, Roma, Euroma - La Goliardica.

Cannavò L. (a cura di) (1997), Le reti di Prometeo. Ambienti, culture e valori delle professioni scientifico-tecnologiche, Milano, Franco Angeli.

Cannavò L. (1984), Sociologie della conoscenza scientifica. Dal paradigma organizzativo ai programmi cognitivi e comunicativi, Roma, Euroma - La Goliardica.

Cannavò L. (1989a), Il ricercatore in una scienza collettivizzata, in Cannavò (a cura di) (1989a), Introduzione.

Cannavò L. (1989b), La ricerca scientifica: l’organizzazione sociale della professionalità, in Cannavò (a cura di) (1989a), cap. 1.

Cannavò L. (1990), Professional Roles in Steady State Science: The Case of Italy, in Cozzens, Healey, Rip e Ziman (a cura di) (1990), pp. 51-65.

Cannavò L. (1991a), Dentro la tecnologia. Per una metodologia integrata di valutazione sociale delle tecnologie, in Cannavò (a cura di) (1991), Premessa.

Cannavò L. (1991b), Le dimensioni non strutturali nella valutazione dell’impatto sociale della tecnologia, in Cannavò (a cura di) (1991), cap. 5.

cec (Commission of European Community) (1991), Evaluation of r&d. Current Practice and Guidelines. Synthesis Reports, Luxembourg, cec (Directorate General Telecommunications, Information Industries and Innovation).

Chabbal R. (1988), Organisation de l’évaluation de la recherche à la Commission des Communautés européennes, Bruxelles - Luxembourg, Office des pubblications officielles des Communautés européennes (eur 11545 fr).

Chawla A., Singh J. P. (1998), Organizational Environment and Performance of Research Groups. A Typological Analysis, «Scientometrics», 43, 3, pp. 373-391.

Chubin D. E. (1994), How large an r&d Enterprise?, in Guston e Keniston (a cura di) (1994, cap. 6.

Chubin D. E., Jasanoff Sh. (a cura di) (1985), Peer Review and Public Policy «Science, Technology & Human Values » - special issue 10, 3, Summer.

Cicchetti D. V. (1991), The Reliability of Peer Review for Manuscripts and Grant Submissions: A Cross-Disciplinary Investigation, «Behavioral & Brain Sciences», 14, 1, March, pp. 119-135.

Conceição P., Heitor M.V., Oliveira P. M. (1998), Expectations for the University in the Knowledge based Economy, «Technological Forecasting and Social Change», 58, pp. 203-214.

Cozzens S. E. (1987), Expert Review in Evaluating Programs, «Science and Public Policy», 14, 2, April, pp. 71-81.

Cozzens S. E. (1990), Options for the Future of Research Evaluation, in Cozzens, Healey, Rip e Ziman (a cura di) (1990), pp. 281-293.

Cozzens S. E., Healey P., Rip A., Ziman J. (a cura di) (1990), The Research System in Transition (nato asi Series d: Behavioural and Social Sciences, vol. 57), Dordrecht (nl), Kluwer Academic Publishers.

Cronberg T., Sørensen K. H. (a cura di) (1995), Similar Concerns, Different Styles? Technology Studies in Western Europe (cost A4, vol. 4), Brussels - Luxembourg, European Commission (dg xiii).

Cronberg T., Sørensen K. H. (1995), Similar Concerns, Different Styles? A Note on European Approaches to the Social Shaping of Technology, in Cronberg e Sørensen (a cura di) (1995), pp. 1-24.

De Solla Price D. J. (1963), Little Science, Big Science, New York, Columbia University Press; tr. it. Sociologia della creatività scientifica, Milano, Garzanti, 1967.

Dosi G. (1982), Technological Paradigms and Technological Trajectories: A Suggested Interpretation of the Determinants and Directions of Technical Change, «Research Policy», 11, pp. 147-162.

Dosi G. (1985), Paradigmi tecnologici e traiettorie tecnologiche. I fattori e le direzioni del cambiamento tecnologico e della trasformazione dell’economia, in Bisogno (a cura di) (1985), pp. 119-154.

Dosi G. (1990), Innovazione, diffusione e apprendimento nell’industria in Europa. una valutazione delle capacità tecnologiche dell’Europa occidentale, in Ruberti (a cura di) (1990), pp. 17-62.

Etzkowitz H. (1990), The Second Academic Revolution: The Role of the Research University in Economic Development, in Cozzens, Healey, Rip e Ziman (a cura di) (1990), pp. 109-124.

Etzkowitz H. (1994), Academic - Industry Relations. A Sociological Paradigm for Economic Development, in Leydesdorff e van der Besselaar (a cura di), (1994), cap. 11.

Etzkowitz H., Leydesdorff L. (a cura di) (1997), Universities in the Global Knowledge Economy: A Co-evolution of University - Industry - Government Relations, London, Cassell Academic.

Etzkowitz H., Leydesdorff L. (1995), The Triple Helix of University - Industry - Government Relations: A Laboratory for Knowledge based Economic Development, «Easst Review», 14, 1, pp. 11-19.

Etzkowitz H., Webster A., Healey P. (a cura di) (1998), Capitalizing Knowledge. New Intersections of Industry and Academia, Albany (ny), suny.

Finsterbusch K., Lewellyn L. G., Wolf C. P. (a cura di) (1983), Social Impact Assessment Methods, Beverly Hills (ca), Sage Publications.

Freeman C. (a cura di) (1987), Output Measurement in Science and Technology: Essays in Honor of Yvan Fabian, Amsterdam, Elsevier.

Gabolde J. (1998), New Challenge of Indicators in Science and Technology Policy-making: A European View, «Research Evaluation», 7, 2, August, pp. 99-104.

Gibbons M., Limoges C., Nowotny H., Schwartzman S., Scott P., Trow M. (1994), The New Production of Knowledge: The Dynamics of Science and Research in Contemporary Societies, London, Sage Publications.

Gillespie G. W. jr., Chubin D. E., Kurzon G. M. (1985), Experience with nih Peer Review: Researchers’ Cynicism and Desire for Change, «Science, Technology & Human Values»- special issue 10, 3, Summer, pp. 44-54.

Guston D. H., Keniston K. (a cura di) (1994), The Fragile Contact. University Science and the Federal Government, Boston, Massachusetts Institute of Technology.

Guzzetti L. (1995), Breve storia della politica della ricerca dell’Unione Europea, Bruxelles - Lussemburgo, Commissione Europea (dg xii).

Irvine J., Martin B. R. (1984a), Foresight in Science. Picking the Winners, London - Dover (nh), Frances Pinter.

Irvine J., Martin B. R. (1984b), cern: Past Performance and Future Prospects II. The Scientific Performance of the cern Accelerators, «Research Policy», 13, pp. 247-284.

Irvine J., Martin B. R. (1985), Evaluating Big Science: Cern’s Past Performance and Future Prospects, «Scientometrics», 7, 3-6, March, pp. 281-308.

Jasanoff Sh. (1985), Peer Review in the Regulatory Process, «Science, Technology & Human Values», special issue 10, 3, Summer, pp. 20-32.

Johnston R., (1990), Strategic Policy for Science, in Cozzens, Healey, Rip e Ziman (a cura di) (1990), pp. 213-226.

Kostoff R. N. (1993), Semiquantitative Methods for Research Impact Assessment, «Technological Forecasting and Social Change», 44, 3, November, pp. 231-244.

Kostoff R. N. (1998), The Use and Misuse of Citation Analysis in Research Evaluation, «Scientometrics», 43, 1, pp. 27-43.

Krige J., LaFollette M., Cannavò L. (1990), Panel: Organizational Roles and Individual Autonomy, in Cozzens, Healey, Rip e Ziman (a cura di) (1990, pp. 375-384.

Krige J., Pestre D., Moed H. F., van Raan A. F. J., Bud R., Collins H. M. (1985), Responses to Irvine and Martin, «Social Studies of Science», 15, 3, August, pp. 525-555.

Krohn W., Layton E. T. jr., Weingart P. (a cura di) (1978), The Dynamics of Science and Technology. Social Values, Technical Norms and Scientific Criteria in the Development of Knowledge (Sociology of the Sciences Yearbook, ii), Dordecht (nl), Reidel.

Leydesdorff L. (1998), Theories of Citation?, «Scientometrics», 43, 1, pp. 5-25.

Leydesdorff L., Etzkowitz H. (1996a), Emergence of a Triple Helix of University-Industry-Government Relations, «Science and Public Policy», 23, 5, October, pp. 279-286.

Leydesdorff L., Etzkowitz H. (1996b), The Future Location of Research: A Triple Helix of University-Industry-Government Relations, «Easst Review», 15, 4, pp. 20-25.

Leydesdorff L., Etzkowitz H. (1998a), The Triple Helix as a Model for Innovation Studies, «Science and Public Policy», 25, 3, June, pp. 195-203.

Leydesdorff L., Etzkowitz H. (1998b), The Triple Helix of Innovation: Introduction, «Science and Public Policy», 25, 6, December, pp. 358-364.

Leydesdorff L., van der Besselaar P. (a cura di) (1994), Evolutionary Economics and Chaos Theory: New Directions in Technology Studies, London, Frances Pinter.

Limoges C., Cambrosio A. (1991), La valutazione sociale delle tecnologie: punti di riferimento e prospettive di ricerca, in Cannavò (a cura di), (1991), cap. 4.

Luukkonen T. (1998), The Difficulties in Assessing the Impact of eu Framework Programmes, «Research Evaluation», 27, 6, September, pp. 599-610.

Martin B. R., Irvine J. (1984a), cern: Past Performance and Future Prospects I. cern’s Position in World High-Energy Physics, «Research Policy», 13, pp. 183-210.

Martin B. R., Irvine J. (1984b), cern: Past Performance and Future Prospects iii. cern and the Future of World High-Energy Physics, «Research Policy», 13, pp. 311-342.

Massimo L. (1990), The Evaluation of the r&d Programmes of the European Communities, Brussels, cce (dg xii), doc. 27.11.1990.

Mazlish B. (1982), The Quality of the «Quality of Science»: An Evaluation, «Science, Technology & Human Values», 7, 38, Winter, pp. 42-52.

Milic V. (1987), Sociology of Science and Science Policy, «Philosophy and Social Action», 13, pp. 141-154.

Miller R., Lortie P. (1993), Assessing Quality in r&d Laboratories Bibliometrics, Peer Review and Organizational Surveys, «The Canadian Journal of Program Evaluation», 8, 1, April-May, pp. 33-58.

Moran T. K. (1987), Research and Managerial Strategies for Integrating Evaluation Research into Agency Decision Making, «Evaluation Review», 11, 5, October, pp. 612-630.

Moravcsik M. J. (1988), Assessing and Managing Science: Why Should do it?, «International Journal on the Unity of the Sciences», 1-4, Winter, pp. 399-415.

Mullins N. (1987), Evaluating Research Programs: Measurement and Data Sources, «Science and Public Policy», 14, 2, April, pp. 91-98.

Nelson R., Winter S. (1982), An Evolutionary Theory of Economic Change, Cambridge (ma), Harvard University Press.

Niosi J., Bellon B. (1994), The Global Interdependence of National Innovation Systems: Evidence, Limits and Implications, «Technology in Society», 16, 2, pp. 173-197.

Nonaka I. (1994), Come un’organizzazione crea conoscenza, «Economia & Management», 3, pp. 31-48.

Nowotny H. (1990), Individual Autonomy and Autonomy of Science: The Place of the Individual in the Research System, in Cozzens, Healey, Rip e Ziman (a cura di) (1990), pp. 331-343.

nsf (National Science Foundation) (1992), Research and Development in Industry 1989, Washington (dc), nsf.

nsf (National Science Foundation) (1995), Connecting and Collaborating: Issues for the Sciences (http://www.nsf.gov/sbe/sber/sociol/works2.htm [link non raggiungibile : 02/02/2017]).

oecd (1989), r&d Statistics and Output Measurement in the Higher Education Sector (Frascati Manual supplement), Paris, oecd.

oecd (1994), Frascati Manual 1993. Proposed Standard Practice for Surveys of Research and Experimental Development, Paris, oecd.

oecd (1996), The Knowledge-based Economy, Paris, oecd.

oecd-Eurostat (1997), Oslo Manual - Proposed Standard Practice for Collecting and Interpreting Technological Innovation Data, Paris, oecd.

Paces V., Pivec L., Teich A. C. (1998), Science Evaluation and its Management (nato Science Series 4: Science and Technology Policy), Amsterdam, ios Press.

Patton M. Q. (1990), Qualitative Evaluation and Research Methods, Newbury Park (ca), Sage Publications.

Rip A. (1990a), Implementation and Evaluation of Science & Technology Priorities and Programs, in Cozzens, Healey, Rip e Ziman (a cura di) (1990), pp. 263-280.

Rip A. (1990b), An Exercise in Foresight: The Research System in Transition - To What, in Cozzens, Healey, Rip e Ziman (a cura di) (1990), pp. 387-401.

Rip A. (1991), Tra innovazione e valutazione. La sociologia applicata alla politica ed alla valutazione della tecnologia, in Cannavò (a cura di) (1991), cap. 2.

Rip A., van der Meulen B. J. R. (1996), The Post-modern Research System, «Science and Public Policy», 23, 6, December, pp. 343-352.

Roobeek A. J. M. (1991), La dimensione dimenticata della gara tecnologica: l’ambiente socio-istituzionale come prerequisito e fondamento per la diffusione delle nuove tecnologie, in Cannavò (a cura di) (1991), cap. 1.

Rossi P. H., Freeman H. E., Rosenbaum S. (1982), Evaluation. A Systematic Approach, Beverly Hills (ca), Sage Publications.

Roy R. (1985), Funding Science: The Real Defects of Peer Review and an Alternative to it, «Science, Technology & Human Values «- special issue 10, 3, Summer, pp. 73-81.

Ruberti A. (a cura di) (1990), Europa a confronto. Innovazione, tecnologia, società, Bari, Laterza.

Salter L. (1985), Science and Peer Review: The Canadian Standard-setting Experience, «Science, Technology & Human Values», 10, 4, Fall, pp. 37-46.

Sand F. (1991), Current Practice of Evaluation at cec (dg xii - h4), Brussels, cce (doc./u/sdfs/eval/s.d. Rome1 Spear Day 22.4.1991).

Santarelli E., Piergiovanni R. (1996), Analyzing Literature-based Innovation output Indicators: The Italian Experience, «Research Policy», 25, pp. 689-711.

Shapira Ph., Youtie J., Roessner J. D. (1996), Current Practices in the Evaluation of us Industrial Modernization Programs, «Research Policy», 25, pp. 185-214.

Sirilli G. (1998), Old and New Paradigms in the Measurement of r&d, «Science and Public Policy», 25, 5, October, pp. 305-311.

Statera G., Cannavò L. (a cura di) (1987), Sociologia della scienza e politiche della ricerca («Sociologia e ricerca sociale», monografico viii, 24). Milano, Franco Angeli.

Stichweh R. (1996), Science in the System of World Society, «Social Science Information», 35, 2, June, pp. 327-340.

Tomizawa H., Niwa F. (1996), Evaluating Overall National Science and Technology Activity: General Indicator of Science and Technology (gist) and its Implications for S & T Policy, «Research Evaluation», 6, 2, August, pp. 83-92.

Trouvé J.-M. (1989), Modelli di sviluppo e di evoluzione della conoscenza scientifica, in Cannavò (a cura di) (1989b), cap. 9.

Trouvé J.-M. (1991), Modelli evolutivi del mutamento scientifico, «Sociologia e ricerca sociale», xii, 36, pp. 5-33.

Ungaro P. (1997), Direzione, management e leadership della ricerca: stili, valori, atteggiamenti, in Cannavò (a cura di) (1997), cap. 6.

van Raan A. J. F. (1997), Science as an International Enterprise, «Science and Public Policy», 24, 5, October, pp. 290-300.

Vardanega A., (1997), Programmazione e valutazione della ricerca: vincoli, pratiche, prospettive, in Cannavò (a cura di) (1997), cap. 6.

Vest Ch. M. (1994), Universities, the Public, and the Government: The State of the Partnership, in Guston e Keniston (a cura di) (1994), cap. 2.

Vilkas C. (1996), Evaluations scientifiques et decisions collectives: le Comité national de la recherche scientifique, «Sociologie du travail», 38, 3, Juillet, pp. 331-338.

Watts R. J., Porter A. L. (1997), Innovation Forecasting, «Technological Forecasting and Social Change», 56, pp. 25-47.

Weingart P. (1978), The Relation between Science and Technology. A Sociological Explanation, in Krohn et al. (a cura di) (1978), pp. 251-86.

Williams R., Edge D. (1995), British Perspectives on the Social Shaping of Technology: A Review of Research, in Cronberg e Sørensen (a cura di), (1995), pp. 239-285.

Wolf C. P. (1983), Social Impact Assessment: A Methodological Overview, in Finsterbusch, Llewellyn e Wolf (a cura di) (1983, cap. 2.

Ziman J. M. (1981), What are the Options? Social Determinants of Personal Research Plans, «Minerva», xix, 1, Spring, pp. 1-42.

Ziman J. M. (1983), The Collectivization of Science, «Proceedings of the Royal Society - B», 219, pp. 1-19.

Ziman J. M. (1987), Science in a «Steady State»: The Research System in Transition, London, spsg (Science Policy Support Group).

Ziman J. M. (1990a), What is happening to Science?, in Cozzens, Healey, Rip e Ziman (a cura di), 1990, pp. 23-33.

Ziman J. M. (1990b), Research as a Career, in Cozzens, Healey, Rip e Ziman (a cura di), 1990, pp. 345-359.

Torna su

Per citare questo articolo

Notizia bibliografica

Leonardo Cannavò, «Valutazione della scienza, valutazione nella scienza. Contesti, approcci e dimensioni per una valutazione sociale della ricerca scientifico-tecnologica»Quaderni di Sociologia, 20 | 1999, 29-65.

Notizia bibliografica digitale

Leonardo Cannavò, «Valutazione della scienza, valutazione nella scienza. Contesti, approcci e dimensioni per una valutazione sociale della ricerca scientifico-tecnologica»Quaderni di Sociologia [Online], 20 | 1999, online dal 30 novembre 2015, consultato il 28 mars 2024. URL: http://journals.openedition.org/qds/1416; DOI: https://doi.org/10.4000/qds.1416

Torna su

Autore

Leonardo Cannavò

Dipartimento rismes - Ricerca Sociale e Metodologia Sociologica – Università di Roma «La Sapienza»

Articoli dello stesso autore

Torna su

Diritti d'autore

CC-BY-NC-ND-4.0

Solamente il testo è utilizzabile con licenza CC BY-NC-ND 4.0. Salvo diversa indicazione, per tutti agli altri elementi (illustrazioni, allegati importati) la copia non è autorizzata ("Tutti i diritti riservati").

Torna su
Cerca su OpenEdition Search

Sarai reindirizzato su OpenEdition Search