Σχεδόν πριν από 30 χρόνια, ο Paul Romer δημοσίευσε μία εργασία που διερευνούσε την οικονομική αξία της γνώσης. Στην εργασία αυτή, υποστήριξε ότι, αντίθετα με τους κλασσικούς παράγοντες παραγωγής (κεφαλαίου και εργασίας), η γνώση ήταν ένα «μη ανταγωνιστικό αγαθό».
Αυτό σήμαινε ότι θα μπορούσε να μοιραστεί απεριόριστα και έτσι ήταν το μόνο πράγμα που θα μπορούσε να αναπτυχθεί υπό προϋποθέσεις «ανά άτομο». Το έργο του Romer αναγνωρίστηκε πρόσφατα με το βραβείο Νόμπελ, παρόλο που ήταν μόνο η αρχή μιας μεγάλης ιστορίας.
Η γνώση θα μπορούσε να είναι απεριόριστα κοινή, αλλά αυτό σημαίνει ότι θα μπορούσε να πάει παντού;
Λίγο μετά την σπάνια εργασία του Romer, ο Adam Jaffe, ο Manuel Trajtenberg και η Rebecca Henderson δημοσίευσαν ένα έγγραφο σχετικά με τη γεωγραφική διάδοση της γνώσης.
Χρησιμοποιώντας μια στατιστική τεχνική που ονομάζεται αντιστοίχιση, προσδιόρισαν ένα “δίδυμο” για κάθε δίπλωμα ευρεσιτεχνίας (δηλαδή ένα δίπλωμα ευρεσιτεχνίας που κατατέθηκε ταυτόχρονα με ένα άλλο και έδιναν και τα δύο παρόμοιες τεχνολογικά λύσεις).
Στη συνέχεια, συνέκριναν τις παραπομπές που έλαβε κάθε δίπλωμα ευρεσιτεχνίας και το δίδυμό του.
Σε σύγκριση με τα δίδυμα, τα διπλώματα ευρεσιτεχνίας έλαβαν σχεδόν τέσσερις περισσότερες αναφορές από άλλα διπλώματα ευρεσιτεχνίας που προέρχονταν από την ίδια πόλη από εκείνα που προέρχονταν από αλλού.
Ο Romer είχε δίκιο σε αυτή την περίπτωση για τη γνώση η οποία μπορούσε μεν να διαμοιραστεί απεριόριστα, αλλά είχε και δυσκολίες να ταξιδέψει μακριά.
Τι έκανε τη γνώση κολλητική;
Ακολουθώντας τα βήματα των Romer και Jaffe, οι επιστήμονες χαρτογράφησαν τα συγγραφικά δίκτυα των εφευρετών.
Αυτό έδειξε ότι ήταν ένα επαγγελματικό δίκτυο εφευρετών, χωρίς άλλες πτυχές της γεωγραφίας (όπως το θεσμικό περιβάλλον ή η κοινή κουλτούρα) και έτσι εξήγησαν την περιορισμένη διάδοση της γνώσης.
Παρά τις καταχωρίσεις και τις δημοσιεύσεις με δίπλωμα ευρεσιτεχνίας, οι γνώσεις των εφευρετών στον τομέα τους περιορίζονταν στον ορίζοντα του δικού τους δικτύου συνεργασίας.
Σε μερικές δεκαετίες, είχαμε καταλάβει γιατί η γνώση ήταν στο επίκεντρο της οικονομικής αξίας, αλλά επίσης, γιατί ήταν ένα μέλι που όλοι ήθελαν, αλλά λίγοι είχαν.
Όταν ο Romer δημοσίευσε το τεύχος του για την οικονομική ανάπτυξη, ήμουν μόλις 10. Δεκαέξι χρόνια αργότερα, έκανα το διδακτορικό μου στο Πανεπιστήμιο Notre Dame. Σε αντίθεση με τον Romer, είχα πάρα πολλά δεδομένα.
Είχα δεδομένα σχετικά με τα κινητά τηλέφωνα που εντοπίζουν τα κοινωνικά δίκτυα και την ανθρώπινη κινητικότητα.
Είχα στοιχεία για το διεθνές εμπόριο, συνοψίζοντας τα πρότυπα παραγωγής των χωρών με εξαιρετικές λεπτομέρειες.
Αυτό το τελευταίο σύνολο δεδομένων ήταν το αλεύρι που χρειαζόμασταν για να δημιουργήσουμε εμπειρικά μέτρα γνώσης, επεκτείνοντας τις ιδέες του Romer στον κόσμο των μεγάλων δεδομένων.
Το πρώτο “μέτρο’’ της γνώσης που δημοσιεύσαμε είναι πλέον γνωστό ως “μέτρο συγγένειας’’.
Μετράει τη γνώση που έχει μια οικονομία σχετικά με μια συγκεκριμένη δραστηριότητα.
Εδώ, μια δραστηριότητα είναι μια ευρεία έννοια. Θα μπορούσε να είναι μια βιομηχανία (κατασκευή πουκάμισων), ένα προϊόν (ένα πουκάμισο), μια τεχνολογία (μηχανήματα ύφανσης) ή ακόμη και ένα πεδίο έρευνας (μη υφασμένα υφάσματα).
Η ‘‘συγγένεια’’ μετράει τη “δυναμική” μιας οικονομίας να αναπτύξει μια δραστηριότητα που δεν υπάρχει ακόμη σε αυτήν.
Η “συγγένεια” μετράει μια σημαντική ιδιότητα της γνώσης, το γεγονός ότι δεν μεταφέρεται εύκολα μεταξύ των δραστηριοτήτων.
Για παράδειγμα : Το να είστε ειδικός στη μουσική δεν σας κάνει καλό στο αθλητισμό.
Ομοίως, μια οικονομία που είναι καλή στην εξαγωγή ηλεκτρονικών μπορεί να είναι αδύναμη στην εξόρυξη.
Η μέτρηση της “συγγένειας” είναι πολύ απλή.
Πρώτον, πρέπει να δημιουργήσετε ένα δίκτυο που να συνδέει παρόμοια προϊόντα. Στην περίπτωσή μας, συνδέσαμε προϊόντα που τείνουν να εξάγονται μαζί: μπλουζάκια – μπλούζες, μήλα – αχλάδια, λεωφορεία και αυτοκίνητα. Στη συνέχεια, εστιάζετε σε ένα προϊόν, που χρησιμοποιεί αυτό το δίκτυο, για να μετρήσετε το κλάσμα των “αδελφών προϊόντων” που ήδη εξάγονται από κάθε χώρα. Εάν το ποσοστό αυτό είναι μεγάλο, τότε μπορείτε να προβλέψετε ότι η χώρα είναι πιο πιθανό να αρχίσει να εξάγει το συγκεκριμένο προϊόν.
Και ακριβώς αυτό δείχνουν τα δεδομένα.
Οι οικονομίες είναι πιο πιθανό να εισέλθουν σε μια δραστηριότητα όταν σε αυτήν ενυπάρχουν συναφείς δραστηριότητες.
Αυτό ισχύει για χώρες και προϊόντα, περιφέρειες και βιομηχανίες, πόλεις και διπλώματα ευρεσιτεχνίας, ακόμη και για πανεπιστήμια και ερευνητικούς τομείς.
Αυτή η αρχή της “συγγένειας” είναι τόσο ισχυρή όσο και η οικονομική αρχή.
Λίγα χρόνια αργότερα δημοσιεύσαμε μια δεύτερη μέτρηση που μετρά τις συνολικές γνώσεις σε μια χώρα, σε μια περιοχή ή σε μια πόλη.
Το μέτρο αυτό επικεντρώθηκε στην ένταση της γνώσης -το γεγονός ότι η γνώση δεν μπορεί να προστεθεί απλά, αφού έχει επικαλύψεις και έρχεται σε ξεχωριστά τμήματα.
Η βασική ιδέα ήταν ότι η γνώση ενός τόπου εκφράστηκε στις δραστηριότητες που υπάρχουν σ’ αυτήν και η γνώση μιας δραστηριότητας εκφράστηκε στους τόπους όπου η δραστηριότητα αυτή ήταν παρούσα.
Αυτό μας επέτρεψε να ορίσουμε τη γνώση με έναν εντελώς κυκλικό τρόπο, χρησιμοποιώντας είτε αναδρομές, είτε μια μαθηματική τεχνική που σχετίζεται με την ανάλυση κύριων συστατικών.
Τα καλά νέα ήταν ότι αυτή η μέθοδος δεν έκανε υποθέσεις σχετικά με τους τόπους ή τις δραστηριότητες όπου η γνώση ήταν περισσότερο διαδεδομένη αλλά έβγαζε και ασφαλή συμπεράσματα.
Ονομάσαμε αυτή τη μέτρηση: Δείκτη Οικονομικής Πολυπλοκότητας (Economic Complexity Index).
Αλλά η “οικονομική πολυπλοκότητα” δικαιώνει το όραμα του Romer; Η απάντηση ήταν ένα ηχηρό ΝΑΙ !
Οι χώρες που είχαν πιο «πολύ γνώση» ήταν πλουσιότερες και λιγότερο άνισες και όταν είχαν υπερβολικά μεγάλο ποσοστό γνώσεων ανά μονάδα του κατά κεφαλήν ΑΕΠ, αυξάνονταν ταχύτερα.
Η μαγική μέτρηση προέβλεπε την άνοδο της Ανατολικής Ασίας, την κρίση της Ελλάδας και τη στασιμότητα της Λατινικής Αμερικής.
Ωστόσο, αυτά τα ευρήματα μας έδωσαν και κάποιες ενδείξεις για το πώς η γνώση μετατοπίστηκε σε νέα πεδία.
Η έρευνα τώρα θα συνεχιστεί πάνω σε αυτό.
Όταν παρουσιάζω το έργο μου σε μελετητές, επιχειρηματίες, υπουργούς και δημόσιους υπαλλήλους, συνήθως μου ρωτούν την ίδια ερώτηση: «ποιός είναι ο κατάλογος ;!»
Αυτό που εννοούν είναι ότι θέλουν να μάθουν τον κατάλογο των δραστηριοτήτων που σχετίζονται περισσότερο με την περίπτωσή τους – δηλ. μια λίστα όπου να επικεντρωθούν οι προσπάθειές τους για βιομηχανική ανάπτυξη.
Αλλά ποτέ δεν μου άρεσε η “λίστα”. Έτσι, πρόσφατα, με την Aamena Alshamsi και τον Flávio Pinheiro, δημοσιεύσαμε μία εργασία με την οποία διερευνήσαμε εκατομμύρια λίστες, αντί να επικεντρωθούμε σε μία μόνο.
Τα μαθηματικά έδειξαν ότι εφαρμόζοντας μια λίστα με φθίνουσα σειρά συγγένειας αυτή ήταν στην πραγματικότητα υποβέλτιστη. Αυτό οφείλεται στο γεγονός ότι ο κατάλογος περιείχε προϊόντα που σχετίζονταν ιδιαίτερα, αλλά ήταν επίσης αδιέξοδα (δηλαδή προϊόντα που δεν συνδέονταν με άλλα προϊόντα). Τα «αδιέξοδα προϊόντα» μπορούν να κατατάσσονται ψηλά στον “κατάλογο”, αλλά μερικές φορές, είναι καλύτερο να επικεντρωθούμε σε προϊόντα που είναι πιο δύσκολα να αναπτυχθούν αλλά ανοίγουν νέες διαδρομές.
Επιπλέον, τα μαθηματικά έδειξαν ότι υπάρχει μία εναλλακτική ευκαιριακή διέξοδος όταν σε κάποια πολύ καλή περίοδο οι χώρες θα μπορούσαν να αποκλίνουν από τις πιο σχετικές προσφιλείς δραστηριότητες.
Εάν μία χώρα είναι υπερβολικά φιλόδοξη τότε οδηγείται πολύ γρήγορα σε αποτυχημένα αναπτυξιακά έργα. Εάν είναι πολύ συντηρητική τότε όταν δεν την εκμεταλλεύεται την κατάλληλη στιγμή την χάνει σαν ευκαιρία.
Αλλά θα μπορούσαμε ποτέ να επιταχύνουμε τη ροή της γνώσης;
Πιο καλύτερα δεδομένα και μέθοδοι μας επιτρέπουν να τοποθετήσουμε τη ροή της γνώσης κάτω από το μικροσκόπιο. Μπορούμε να παρατηρήσουμε πώς κινείται η γνώση καθώς οι εργαζόμενοι αλλάζουν θέση εργασίας ή γίνονται άνεργοι. Μπορούμε να δούμε πώς οι αλλαγές στις τεχνολογίες της επικοινωνίας και των μεταφορών επηρεάζουν τη διάδοση της γνώσης: από την εισαγωγή του τυπογραφείου στην αρχή της σύγχρονης Ευρώπης, στην επιτάχυνση των αμαξοστοιχιών στην Κίνα. Μπορούμε να μελετήσουμε το ρόλο της μετανάστευσης στις ροές γνώσης. Μπορούμε ακόμη να χρησιμοποιήσουμε διπλώματα ευρεσιτεχνίας για να διερευνήσουμε τη συνάφεια και την πολυπλοκότητα των καινοτόμων δραστηριοτήτων.
Τι θα μας φέρει στη συνέχεια η μελέτη της γνώσης;
Θα φτάσουμε σε ένα σημείο στο οποίο θα μετρήσουμε την ακαθάριστη εγχώρια γνώση όσο ακριβώς μετράμε το ακαθάριστο εγχώριο προϊόν;
Θα μάθουμε πώς να σχεδιάσουμε τη διάδοση της γνώσης;
Θα συνεχίσει η γνώση να επικεντρώνεται στις πόλεις; Ή θα σπάσει τελικά τα δεσμά της κοινωνίας και θα εξαπλωθεί σε κάθε γωνιά του κόσμου;
Το μόνο που γνωρίζουμε είναι ότι η μελέτη της γνώσης είναι ένα συναρπαστικό ταξίδι. Σε ένα δέντρο τα χαμηλότερα φρούτα μπορεί να έχουν ήδη μαζευτεί, αλλά το δέντρο είναι ακόμα γεμάτο με φρούτα και γεύσεις.
Ας σκαρφαλώσουμε για να το εξερευνήσουμε.-
——————
* Ο César A. Hidalgo έλαβε πρόσφατα το βραβείο Lagrange του 2018, που απονέμεται για την έρευνα σε περίπλοκα συστήματα, για την εργασία του σχετικά με την οικονομική πολυπλοκότητα, τη διάχυση της γνώσης και την οπτικοποίηση δεδομένων. Διευθύνει την ομάδα συλλογικής μάθησης στο MIT.
Δημοσιεύθηκε στο 12ο τεύχος του περιοδικού “e-Δίαυλος”
Αυτή η ιστοσελίδα χρησιμοποιεί cookies για να βελτιώσει την εμπειρία σας. Θα υποθέσουμε ότι είστε εντάξει με αυτό, αλλά μπορείτε να εξαιρεθείτε αν το επιθυμείτε. ΑποδοχήΔιαβάστε περισσότερα
