آسیب شناسی سیاست های اعطای اعتبارات پژوهشی دولتی: موردکاوی سامانه ساتع
Publish place: Improvement Management، Vol: 18، Issue: 1
Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 39
This Paper With 30 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_BEHMD-18-1_002
تاریخ نمایه سازی: 30 اردیبهشت 1403
Abstract:
با توجه اهمیت پژوهش در رشد و توسعه اقتصادی، کشورهای مختلف در تلاش هستند که با استفاده از سیاست ها و برنامه های مختلف اعتبارات محدود دولتی را به صورت اثربخش به فعالیت های پژوهشی اختصاص دهند. یکی از سیاست های توزیع اعتبار پژوهشی در کشور بند «و» تبصره ۹ ماده واحده قانون بودجه ۱۴۰۱ است که از سال ۱۳۹۷ تا زمان حال در حال اجرا است و با نام سامانه ساتع شناخته می شود. با توجه به بازخوردهای ذینفعان، این سیاست از نظر محتوا و فرآیند اجرا دارای چالش های متعددی است؛ لذا پژوهش حاضر به دنبال آسیب شناسی سیاست مذکور است. در این راستا داده ها از طریق بررسی اسناد و گزارش های موجود و همچنین مصاحبه با ده نفر از ذینفعان گردآوری و با استفاده از تکنیک تحلیل مضمون تحلیل شد. در نهایت هجده چالش در دو بخش محتوای سیاست (هفت مورد) و فرآیند اجرا (یازده مورد) استخراج شدند. از جمله مهم ترین چالش های می توان به «خرد کردن اعتبارپژوهشی نهادهای مشمول از طریق تقسیم آن به دو بخش شصت-چهل درصد» و «عدم نظارت بر فرآیند انتخاب مجری نهایی» اشاره کرد. افزایش سهم هزینه ای که بنگاه ها باید از طریق این سامانه ساتع هزینه کنند و همچنین فراهم کردن زمینه بهره مندی از ظرفیت کارگزارهای تبادل فناوری از جمله پیشنهادهایی هستند که به اصلاح این سیاست کمک می کنند.
Keywords:
Authors
آرمان خالدی
استادیار، گروه سیاست نوآوری و آینده نگاری، پژوهشکده مطالعات فناوری، تهران، ایران.
مهدی پاکزاد بناب
استادیار، گروه ارزیابی سیاست ها و پایش علم، فناوری و نوآوری، مرکز تحقیقات سیاست علمی کشور، تهران، ایران.
شهره نصری
استادیار، گروه سیاست علوم و تحقیقات، مرکز تحقیقات سیاست علمی کشور، تهران، ایران
سیدحامد مزارعی
گروه سیاست نوآوری و آینده نگاری، پژوهشکده مطالعات فناوری، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :