Å vite hva andre vet teoretiske og metodologiske utfordringer knyttet til studier av forsvarsindustrien

Transkript

1 FFI-rapport 2011/01606 Å vite hva andre vet teoretiske og metodologiske utfordringer knyttet til studier av forsvarsindustrien Arne Fevolden og Kari Tvetbråten Forsvarets forskningsinstitutt (FFI) 17. september 2011

2 FFI-rapport 2011/ P: ISBN E: ISBN Emneord Kunnskap Kompetanse Forsvarsindustri Taksonomi Godkjent av Åge Skøelv Espen Skjelland Prosjektleder Avdelingssjef 2 FFI-rapport 2011/01606

3 Sammendrag Denne rapporten tar for seg teoretiske og metodiske problemer knyttet til studier av kunnskap og kompetanse innen forsvarsindustrien. Bakgrunnen for arbeidet som presenteres var en diskusjon som oppsto rundt noen av konklusjonene i rapporten En kartlegging av kunnskap og kompetanse innen forsvarsindustrien i Norge (Fevolden et al, 2009). Det ble bestemt at det skulle utarbeides en rapport som gikk i gjennom teoretiske og metodiske problemer knyttet til studier av kunnskap og kompetanse innen forsvarsindustrien. Rapporten tar for seg potensielle feilkilder ved studier av kunnskap og kompetanse og drøfter hvilke implikasjoner de kan ha og hvordan de kan håndteres. FFI-rapport 2011/

4 English summary This report examines the theoretical and methodological problems related to studies of knowledge and expertise in the defense industry. The work presented here was carried out after a discussion arose concerning some of the conclusions in the report "A survey of knowledge and expertise in the defense industry in Norway" (Fevolden et al, 2009). It was decided to write a paper about theoretical and methodological problems related to studies of knowledge and expertise in the defense industry. The report discusses a number of potential sources of errors in studies of knowledge and expertise, and discusses what implications they may have and how they can be addressed. 4 FFI-rapport 2011/01606

5 Innhold 1 Innledning 7 2 Teorier om kunnskap og kompetanse Kunnskapsbegrepet innen erkjennelsesteori og vitenskapsfilosofi Kunnskap og kompetanse innen forretningsstrategi og innovasjonsteori Kunnskap og kompetanse i organisasjonsteori Reduksjonisme Å definere og forstå kunnskap og kompetanse 11 3 Kvantitative metoder og kunnskapstaksonomier Å regne på kunnskap og kompetanse Kategorisering av kunnskap og kompetanse og bruk av taksonomier Å tallfeste kunnskap og kompetanse Informasjonskilder om kunnskap og kompetanse 14 4 Implikasjoner for kunnskaps- og kompetansekartlegging Utbredelse av kunnskap og kompetanse som indikator Tallfesting av kunnskap og kompetanse Detaljeringsnivå og teknologitaksonomier Eksport som indikator Kategorisering og omfang av kunnskap og kompetanse Grønne produkter uten lisensplikt Oppsummering 19 5 Konklusjon 20 Referanser 21 FFI-rapport 2011/

6 6 FFI-rapport 2011/01606

7 1 Innledning Sommeren 2009 gav FFI ut rapporten En kartlegging av kunnskap og kompetanse innen forsvarsindustrien i Norge (Fevolden, Andås og Christiansen, 2009). Rapporten presenterte resultatene fra en kartlegging og analyse av kunnskapen og kompetansen innen forsvarsindustrien i Norge utført på oppdrag fra Forsvarsdepartementet (FD). Rapporten inngikk i FDs arbeid med å implementere Stortingsmelding nr. 38 ( ) Forsvaret og industrien strategiske partnere, og FFI ble i den sammenheng bedt om å besvare følgende spørsmål: Hva slags produkter og tjenester kan forsvarsindustrien i Norge tilby, og hva slags kompetanse har industrien? Hva er forsvarsindustrien i Norge god på? Hvilke bedrifter kan ta et systemintegrasjonsansvar? Rapporten kom ut sommeren 2009, og kort tid etter oppstod det en diskusjon om noen av konklusjonene. Det ble stilt spørsmål om rapporten i tilstrekkelig grad hadde klart å dokumentere den kunnskapen og kompetansen som forsvarsindustrien var i besittelse av innen det maritime domenet. Rapporten hadde følgende konklusjoner i forhold til forsvarsindustriens kunnskap og kompetanse innenfor kompetanseområdene undervannsteknologi og sensorer og maritim teknologi : Undervannsteknologi og sensorer: Undervannsteknologi har fått mye oppmerksomhet gjennom prestisjetunge prosjekter som Hugin. Likevel er det lite som tyder på at det er en teknologi som er utbredt innen forsvarsindustrien, og det er ikke mye eksport av denne typen materiell. Det samme gjelder for sonar hvor det kun er fire bedrifter som besitter kompetanse. Maritim teknologi: Forsvarsindustrien har mye generisk kunnskap og kompetanse innen materialteknologi og mekanikk som kan benyttes innen maritim sektor, og Norge har også en industriklynge på Vestlandet knyttet til maritim industri. Likevel er det lite forsvarsrelatert eksport innen området, og det kan synes som om denne teknologien i all hovedsak er sivil. På bakgrunn av denne debatten ble det besluttet å utarbeide en rapport som drøftet teoretiske og metodiske problemer knyttet til studier av kunnskap og kompetanse innen forsvarsindustrien. Rapporten er organisert på følgende måte. Kapittel 2 går igjennom en rekke teorier om kunnskap og kompetanse og ser på hvordan forskjellig forståelse kan gi opphav til forskjellige tilnærminger til studie av kunnskap og kompetanse. Kapittel 3 tar for seg metodiske problemer knyttet til studier av kunnskap og kompetanse og ser på hvordan forskjellige metodevalg kan påvirke resultatene. Kapittel 4 tar utgangspunkt i gjennomgangen i de tidligere kapitlene til å drøfte hva FFI-rapport 2011/

8 slags utslag dette kan gi på kunnskaps- og kompetansekartlegginger, og hvordan man kan håndtere dem. Avslutningsvis oppsummeres funnene i rapporten i kapittel 5. 2 Teorier om kunnskap og kompetanse Kunnskap og kompetanse er i utgangspunktet flyktige og uhåndgripelige fenomener. Til tross for dette er det en mengde forskjellige fagfelt som har prøvd å definere og analysere kunnskap og kompetanse. I dette kapittelet vil vi gå i gjennom noe av det disse fagfeltene har kommet frem til om hvordan kunnskap og kompetanse kan defineres og forstås, og se på hvilke implikasjoner dette kan ha for studier av kunnskap og kompetanse i forsvarsindustrien. 2.1 Kunnskapsbegrepet innen erkjennelsesteori og vitenskapsfilosofi Innen filosofi (erkjennelsesteori) er det vanlig å trekke frem Platons dialog Theaitetos som et av de første verkene som gir en eksplisitt definisjon av kunnskap (Løkke, Emilsson, Platon, Rabbås, Wyller og Amadou, 2004). I Theaitetos beskriver Platon hvordan Sokrates gjennom en dialog med Theaitetos kommer frem til at en person vet noe kun i den grad personen tror på det, kan begrunne det og at det er sant. Denne definisjonen av kunnskap som sann, begrunnet tro var allment akseptert frem til 1960-tallet, da Edmund Gettier (1963) viste at det fantes flere eksempler som falt innenfor definisjonen, men som vi i utgangspunktet ikke ville definere som kunnskap. Definisjonen har også i ettertid vært gjenstand for mye diskusjon i forhold til hvordan man skal forstå kriteriene om sannhet og begrunnelse. Og i dag finnes det ikke noen allment akseptert definisjon av kunnskap, men en rekke konkurrerende teorier. Innen vitenskapsfilosofi har også definisjoner av kunnskap vært mye debattert. Men innen dette feltet har man vært mindre interessert i hvordan man definerer kunnskap, men heller ønsket å finne ut hva som skiller vitenskapelig kunnskap fra mer allmenn kunnskap (demarkasjonsproblemet). De logiske positivistene mente at det som skilte vitenskap fra andre kunnskapssystemer som teologi og astrologi, var at vitenskaplige påstander var verifisert gjennom observasjon (Ayer, 1966). Andre filosofer, slik som Karl Popper (1934), mente at denne definisjonen var for streng og at vitenskaplige påstander først og fremst var kjennetegnet ved at de var falsifiserbare, dvs. at de, i alle fall i teorien, kunne avkreftes ut i fra observasjon. Andre igjen, slik som Thomas Kuhn (1962) og Paul Feyerabend (1975), stilte spørsmål om vitenskaplige påstander faktisk kunne avkreftes gjennom observasjon og om vitenskaplig kunnskap overhodet hadde noen universelle kjennetegn. I dag finnes det, i likhet med erkjennelsesteori, ingen allment akseptert definisjon av vitenskapelig kunnskap, kun en rekke konkurrerende teorier. 2.2 Kunnskap og kompetanse innen forretningsstrategi og innovasjonsteori Innen økonomifaget var man tidligere lite interessert i kunnskap. Ofte ble teorier utformet slik at man antok at all kunnskap var fritt tilgjengelig for alle aktører og at kompetanse ikke gav opphav til noen konkurransefortrinn. Dette endret seg imidlertid med fremveksten av høyteknologiselskaper og kunnskapsbaserte sektorer i de siste tiårene av 1900-tallet. Økonomer begynte da å interessere seg for sammenhenger mellom bedrifters investeringer i kunnskap, deres profitt- 8 FFI-rapport 2011/01606

9 marginer og vertslandenes økonomiske velstandsnivå. Ut i fra denne interessen ble det etablert flere nye retninger innen økonomifaget som hadde kunnskap som en av sine mest sentrale analyseenheter, som blant annet evolusjonær økonomi, innovasjonssystemtilnærmingen og den ressursbaserte tilnærmingen til selskaper (resource-based view of the firm). Til tross for at disse nye perspektivene har kunnskap som en av sine mest sentrale analyseenheter, er de relativt vage på hvordan denne kunnskapen skal defineres og forstås. De fleste av perspektivene definerer kunnskap ut i fra hvilke oppgaver den gjør bedriften i stand til å utføre, og benytter ofte begreper som kapabiliteter ( capabilities, Teece, Pisano, Shuen, 1997), kjernekompetanse ( core competencies, Prahalad og Hamel, 1990) eller ressurser ( resources, Penrose, 1995) når de skal beskrive kunnskapen som en bedrift besitter. De er likevel relativt uklare på hva kapabiliteter er, og hva som skiller dem fra hverandre. En del av denne uklarheten skyldes nok at disse perspektivene også har et ganske bredt kunnskapsbegrep som tar for seg alt fra boklig lærdom til taus kunnskap (codified vs. tacit knowledge, for eksempel Johnson, Lorenz og Lundvall, 2002) og ofte innebefatter en mengde forskjellige læringsprosesser, slik som lære gjennom vitenskapelige fremskritt, lære gjennom å gjøre og lære gjennom å samhandle (David, 1975; Lundvall, 1988; Malerba, 1992). En annen del av denne uklarheten skyldes nok at disse perspektivene ofte ikke skiller mellom kunnskap og anvendelsesområde, og dermed ser på produksjonsmaskineri og produksjonskompetanse som to sider av samme sak. Problemet med denne forståelsen er at kunnskapsbegrepet blir veldig bredt og at det blir vanskelig å identifisere noen generelle trekk ved kunnskap og kompetanse. 2.3 Kunnskap og kompetanse i organisasjonsteori Kunnskap og kompetanse berører flere områder innenfor organisasjonsteori. Vi vil her skille diskusjonene i to dimensjoner, type kunnskap og lærende enhet. Spørsmålet om type kunnskap skiller i hovedtrekk mellom eksplisitt og taus kunnskap. Eksplisitt kunnskap er kunnskap som kan uttrykkes i en eller annen form, eksempelvis patenter, prosedyre- og varebeskrivelser. Ettersom eksplisitt kunnskap kan kommuniseres og dokumenteres, er det ofte denne kunnskapsformen som vurderes i målinger av en organisasjons kunnskapsområder, hvilket også er tilfellet i kartleggingen av forsvarsbedriftene. Men eksplisitt kunnskap utgjør bare en del av den samlede kunnskapen i en organisasjon. I tillegg kommer det Michael Polanyi (1966) omtalte som tacit knowledge, det vil si implisitt eller taus kunnskap som kulturer, rutiner og andre former for felles tankesett. Taus kunnskap i organisasjoner utvikles over tid ved at kunnskapen forankres og institusjonaliseres. Selv om taus kunnskap kan være vanskelig å identifisere, er det ofte en viktig del av en organisasjons virksomhet og identitet og styrker oppfatningen av at den samlede kunnskapen i en organisasjon er mer enn summen av kunnskapen til enkeltindivider. Den andre dimensjonen tar opp spørsmål om læringsprosess og kunnskapsoverføring, og også her kan vi skille mellom to perspektiver. En tilnærming tar utgangspunkt i at kunnskap og kompetanse tilegnes på individnivå og at læring i organisasjoner foregår ved at kunnskapen overføres til organisasjonsnivå. Innenfor dette perspektivet er organisasjonens innvirkning delvis gjennom utforming av strukturelle rammer som fremmer læring og kunnskapsoverføring, men kunnskapsnivået kan også heves eller utvides gjennom å ansette personer med en bestemt FFI-rapport 2011/

10 utdannelse og/eller erfaring. Parallelt foregår det en kunnskapsoverføring fra organisasjoner til dens medlemmer gjennom ulike læringsmekanismer som virker i kraft av det å være del av en organisasjon. Eksempelvis kan medlemmene få tilgang til interne dokumenter og prosedyrer som er utviklet i organisasjonen, og få en større forståelse og innsikt i fagfeltet. Over tid vil det også foregå en sosialisering der medlemmene gradvis vil ta til seg og identifisere seg med organisasjonens egenart (Simon og March, 1993). Innenfor organisasjonsteori behandles altså kunnskap og kompetanse som en kombinasjon av personfaktorer og organisasjonsfaktorer. Samspillet og blandingsforholdet mellom taus og eksplisitt kunnskap samt i hvilken retning kunnskapsoverføringen foregår, vil riktignok variere. Derfor er det viktig å være klar over de ulike dimensjonene av kunnskap og kompetanse for å vurdere den samlede kunnskapen og kompetansen til en organisasjon. 2.4 Reduksjonisme En annen diskusjon som har pågått både innen filosofi og flere andre vitenskaplige felt er debatten om reduksjonisme. Reduksjonisme er en idé om at et fenomen kan forklares eller forstås ut i fra sine enkelte bestanddeler. Innen en vitenskapelig disiplin, som biologi, vil det si at prosesser innen en celle kan forklares som kjemiske reaksjoner mellom forskjellige stoffer som igjen kan forklares som fysiske vekselvirkninger mellom atomer og molekyler. All biologisk kunnskap vil dermed i teorien kunne reduseres til kjemi og deretter fysikk. Og dette er litt av bakgrunnen for det reduksjonistiske programmet slik det ble fremlagt av de logiske positivistene nemlig å forene alle vitenskapelige felt til ett universelt fag (e.g. Carnap, 1934; Nagel, 1961). I hvilken grad det reduksjonistiske programmet er gjennomførbart har blitt mye diskutert. Tilhengerne av reduksjonisme argumenterer for at denne tilnærmingen lar oss se paralleller mellom forskjellige fenomener og produkter, slik som at ulike teknologiske produkter består av samme komponenter og at ulike fenomener kan forklares ut fra samme underliggende prinsipper. Ulempen, som mange av kritikerne nevner, er at kontekstuell informasjon forsvinner og større sammenhenger blir borte idet detaljnivået øker. I forhold til denne rapporten er spørsmålet om det reduksjonistiske programmet er gjennomførbart mindre viktig. Det som er mer sentralt er at mange fenomener faktisk kan forklares på flere nivåer, og at mange teknologiske produkter faktisk kan brytes ned i flere lag med relativt frittstående komponenter. Dette innebærer at samme fenomen eller teknologi kan beskrives på forskjellige måter, og at tilhørende kunnskap og kompetanse endres etter hvilket detaljeringsnivå man velger. 10 FFI-rapport 2011/01606

11 Figur 2.1 Reduksjonisme anvendt på to teknologiske produkter UAV og AUV. I figur 2.1 ser vi hvordan to teknologiske produkter som UAV og AUV kan brytes ned i en mengde komponenter som prosessorer, software, elektronikk og sonar. Går man fra det ene nivået til det andre ser man at det er en mengde komponenter som er felles for forskjellige produkter, men man mister også en del informasjon om hvilke domene produktene operer i. Dette kommer til å bli et viktig poeng i den videre drøftelsen. 2.5 Å definere og forstå kunnskap og kompetanse Ut i fra gjennomgangen ovenfor er det flere konklusjoner vi kan trekke i forhold til hvordan kunnskap og kompetanse kan defineres og forstås. Den første er at det ikke finnes noen allment aksepterte definisjoner av kunnskap eller kompetanse. Filosofiske disipliner som erkjennelsesteori og vitenskapsfilosofi, har ikke lyktes i å komme frem til en allment akseptert definisjon av kunnskap, og de fleste forslagene er fremdeles svært omdiskuterte. Den andre konklusjonen er at kunnskap og kompetanse kan defineres på mange forskjellige måter ut i fra hvilken disiplin man tilhører og hva man er ute etter å undersøke. Mens vitenskapsfilosofien definerer kunnskap strengt vitenskaplig, åpner de økonomiske og organisasjonsteoretiske tilnærmingene for å utvide kunnskapsbegrepet ved å inkludere blant annet produksjonsmateriell, taus kompetanse og relasjonell kunnskap. Den siste konklusjonen er at mange fenomener kan forklares på flere nivåer og mange teknologiske produkter kan brytes ned i flere lag med komponenter. Dette gjør at det som kan regnes som relevant kunnskap og kompetanse dermed vil variere med detaljeringsnivået. Dermed kan man i en analysesammenheng stå relativt fritt til å definere kunnskap og kompetanse, (se figur 2.2). Det som er avgjørende for at en definisjon er hensiktsmessig er at definisjonen har et omfang og detaljeringsnivå som er tilpasset analyseformålet. FFI-rapport 2011/

12 Figur 2.2 Omfang og detaljeringsnivå på definisjoner av kunnskap og kompetanse. Med omfang mener vi denne sammenhengen hva som faller inn under begrepene om kunnskap og kompetanse, for eksempel om kunnskapsbegrepet kun innholder akademisk kunnskap eller om den tar med seg taus kunnskap og organisatoriske rutiner. Blir omfanget av kunnskap og kompetansebegrepet for snevert, kan man gå glipp av relevant informasjon, og blir det for bredt kan det bli uklart og upresist. Med detaljeringsnivå derimot mener vi i denne sammenhengen hvilket nivå fenomener forklares på og hvor fingraderte lag av komponenter som benyttes for å beskrive et produkt. Øker man detaljeringsnivået kan man se paralleller mellom ulike fenomener og produkter, men ofte på bekostning av at kontekstuell informasjon forsvinner. Vi kommer senere i denne rapporten til å se at valg av detaljeringsnivå og omfang kan få stor betydning for hvilke analyseresultater man får. 3 Kvantitative metoder og kunnskapstaksonomier Metodevalg kan også ha innvirkning på de resultatene man kommer frem til i en kunnskaps- og kompetanseanalyse. I dette kapittelet kommer vi til å se på forskjellige måter for å kategorisere og tallfeste kunnskap og kompetanse, og hvordan slike valg kan ha innvirkning på resultatene. I tillegg vil kapittelet drøfte styrker og svakheter ved forskjellige kilder til informasjon om kunnskap og kompetanse. 3.1 Å regne på kunnskap og kompetanse I metodelæren innen samfunnsvitenskapene er det vanlig å si at kvalitative metoder gir rike beskrivelser av fenomener med et begrenset omfang, og at kvantitative metoder gir forenklende beskrivelser av omfangsrike fenomener. Kvalitative metoder slik som intervjuer, tekstanalyse, 12 FFI-rapport 2011/01606

13 og deltagende observasjon gir forskeren mulighet til å innhente svært detaljert beskrivelse av fenomenet de studerer. Dette sikrer at man kan få med de fleste aspekter ved et fenomen, som kan være relevant for analysene man skal gjennomføre. Men fleksibiliteten og detaljeringsnivået gjør også at denne metoden er svært tidkrevende og dermed begrenset i forhold til hvor omfattende fenomener den kan benyttes på. Kvantitative metoder slik som surveyundersøkelser og analyse av registerdata skiller seg derimot fra kvalitative metoder ved at de kategoriserer og tallfester fenomenet de studerer. Kategorisering og tallfesting gjør at svært mye informasjon kan behandles, og man kan danne seg et bilde av svært omfattende fenomener. Ulempen er at dette også gjør at informasjon som ikke lett lar seg tallfeste, eller hvor det er vanskelig å etablere klare kategorier kan falle bort. Resultatet er ofte en fattigere, og i verste tilfelle misvisende, beskrivelse av fenomenet man studerer. I forhold til studier av kunnskap og kompetanse blir begrensningene ved de kvantitative metodene særlig aktuelle. Kunnskap og kompetanse er flyktige og immaterielle fenomener som i utgangspunktet verken er lette å kategorisere eller kvantifisere. For å kategorisere kunnskap er man nødt til å trekke utvetydige skillelinjer mellom kunnskaps- og kompetanseformer som ofte sklir over i hverandre, og for å tallfeste kunnskap og kompetanse er man er nødt til å finne en måte å summere eller gradere, i utgangspunktet ukvantifiserbare ting som tanker og ideer. Dette gjør at mange aspekter ved kunnskapen og kompetansen kan falle utenfor kategoriene man benytter, og at man ofte må forenkle analysen for å kunne tallfeste omfanget eller dybden av kunnskapen og kompetansen. Til tross for disse feilene kan en fornuftig bruk av kvantitative metoder gi et godt inntrykk av hvordan helheten i kunnskaps- og kompetansebasen til for eksempel en industri eller et land. For eksempel kan man få en forståelse av hvilke områder industrien eller landet har kunnskap og kompetanse på, og hvilke områder den er avhengig av ekstern ekspertise. Det er likevel sentralt at man er klar over hvilke begrensninger man skaper i måten man velger å kategorisere og tallfeste fenomenet på. 3.2 Kategorisering av kunnskap og kompetanse og bruk av taksonomier Et sentralt punkt i kvantitative metoder er å kategorisere informasjonen man innhenter. I mange tilfeller, slik som kjønn og alder, gir kategoriene seg selv. Men i andre tilfeller, slik som med kunnskap og kompetanse, må man i større grad avgjøre hvordan man ønsker å kategorisere informasjonen. Det er to alternative fremgangsmåter for å lage slike kunnskaps- og kompetansekategorier. Man kan selv danne kunnskaps- og kompetansekategoriene, slik at kategoriene er best mulig tilpasset analysene man skal gjennomføre. Denne fremgangsmåten skaper i de fleste tilfeller kategorier som er svært godt tilpasset analyseformålet. Men denne tilnærmingen kan også være svært arbeidskrevende. Den andre fremgangsmåten er å bruke allerede eksisterende kategorier eller taksonomier og tilpasse dem til analyseformålet. Denne tilnærmingen er langt mindre arbeidskrevende, men man kan oppleve at kategoriene ikke nødvendigvis passer helt til de analysene man skal gjennomføre. I rapporten En kartlegging av kunnskap og kompetanse innen forsvarsindustrien i Norge (Fevolden, Andås og Christiansen, 2009) ble European Defense Agencys (EDAs) teknologitaksonomi benyttet. EDAs teknologitaksonomi ble opprinnelig utviklet for å klassifisere forsvars- FFI-rapport 2011/

14 relatert forskning og er dermed ikke spesielt tilpasset til kategorisering av forsvarsindustriell kunnskap og kompetanse. Dette kan skape utfordringer i forhold til at teknologitaksonomien ikke nødvendigvis har riktig omfang eller detaljeringsnivå (se kapittel 2). På den andre siden ville det vært svært arbeidskrevende å lage en ny taksonomi av tilsvarende omfang og detaljeringsnivå. 3.3 Å tallfeste kunnskap og kompetanse Et annet sentralt punkt i kvantitative metoder er å tallfeste informasjonen man innhenter. I mange tilfeller, slik som med alder og inntekt, gir målenhetene seg selv. Men i andre tilfeller, slik som med kunnskap og kompetanse, må man i større grad velge hvordan man ønsker å tallfeste informasjonen. Når man skal tallfeste kunnskap og kompetanse må man avgjøre hvor detaljert man ønsker å gradere kunnskapen og kompetansen. En måte er å skille mellom å besitte og ikke å besitte en form for kunnskap eller kompetanse. En annen metode er å lage en mer fingradert skala, for eksempel ved å dele inn dybden på kunnskapen eller kompetansen etter en skala fra én til ti eller ved å oppgi antall personer i en bedrift som besitter en bestemt kunnskap eller kompetanse. Fordelen med å benytte en fingradert skala er at man får et mer detaljert bilde av kunnskapen og kompetansen; ulempen er at det i mange tilfeller er vanskelig å avdømme dybden på kunnskap og kompetanse, og det er vanskelig å få tilgang på detaljerte data om kunnskap og kompetanse på individnivå. I arbeidet med rapporten En kartlegging av kunnskap og kompetanse innen forsvarsindustrien i Norge ble det valgt å tallfeste en bedrifts kunnskap og kompetanse som 0 eller 1, hvor 0 anga at bedriften ikke var i besittelse av en bestemt kunnskap eller kompetanse og 1 anga at den var det. Ved kun å skille mellom at en bedrift var i besittelse eller ikke i besittelse av en form for kunnskap eller kompetanse gikk man i innsamlingsarbeidet glipp av en god del nyanser i forhold til dybden på kunnskapen og kompetansen. For eksempel fikk en bedrift samme uttelling i forhold til kunnskap og kompetanse om den hadde 5 ansatte som jobbet innen et felt eller om den hadde 500. På den andre siden ville det ha vært svært vanskelig å gradere dybden på kunnskapen og kompetansen i forsvarsbedriftene. Det er vanskelig å få tilgang til detaljert informasjon om kunnskap og kompetanse i forsvarsbedriftene, og størrelsen på bedriften er i liten grad et godt mål på dybden på kunnskapen og kompetansen ettersom mange bedrifter er engasjert innenfor en rekke områder i varierende grad. 3.4 Informasjonskilder om kunnskap og kompetanse I tillegg til problemer knyttet til kategorisering og tallfesting, er det også ofte vanskelig å finne gode informasjonskilder om kunnskap og kompetanse. I rapporten En kartlegging av kunnskap og kompetanse innen forsvarsindustrien i Norge ble det valgt å benytte bedriftenes egne hjemmesider og annet tilgjengelig informasjonsmateriell, herunder bedriftspresentasjoner på hjemmesidene til Forsvars- og sikkerhetsindustriens forening (FSi) og informasjonshefter som Norway exports, defence & security technology showcasing Norwegian Industry Capabilities. Metoden med å bruke informasjonsmateriell og hjemmesider som primærkilder har flere problematiske sider. For det første kan bedriftene i markedsføringshenseende overdrive sin 14 FFI-rapport 2011/01606

15 egen kunnskap og kompetanse. Dette kan gjøre at bedriftene får større uttelling enn det de reelt sett skulle fått. For det andre er hjemmesider og informasjonsmateriell rettet mot å informere om bedriftens produkter og tjenester og ikke den underliggende produksjonsprosessen eller kunnskapen og kompetansen til de ansatte. Dette kan gjøre at det er kunnskap og kompetanse som ikke blir tatt med i analysen. En annen metode som kunne ha blitt brukt, var å gjennomføre en surveyundersøkelse hvor forsvarsbedriftene selv hadde redegjort for sin kunnskap og kompetanse. Men erfaringer fra tidligere studier har vist at det ofte er betydelig frafall ved slike survey-undersøkelser og de er svært tidkrevende å gjennomføre. Til tross for dette kunne man, hvis surveyundersøkelsen var godt gjennomarbeidet, fått et riktigere og mer detaljert bilde av kunnskapen og kompetansen i forsvarsindustrien. 4 Implikasjoner for kunnskaps- og kompetansekartlegging I rapporten En kartlegging av kunnskap og kompetanse innen forsvarsindustrien i Norge var et av de sentrale spørsmålene som skulle besvares hvilke områder forsvarsindustrien i Norge er gode på (dyktige). Målsetningen med å besvare dette spørsmålet var å bidra til bedre bruk av FDs virkemidler gjennom å hjelpe til med å presisere de åtte teknologiske kompetanseområdene (se nedenfor). De åtte teknologiske kompetanseområdene er et av FDs viktigste prioriteringsverktøy i forhold til å vurdere innholdet i gjenkjøpsprosjekter og tildeling av FoUmidler. Intensjonen med de teknologiske kompetanseområdene er at de skal hjelpe FD med å styre virkemidler inn mot områder hvor Forsvaret har behov og hvor industrien har gode forutsetninger for å lykkes. De åtte områdene er imidlertid av mange oppfattet som for vide eller upresise til at de fungerer som et godt prioriteringsverktøy. Og hensikten med rapporten var å bidra til å presisere de åtte kompetanseområdene ved å belyse ett av de nevnte aspektene hvor forsvarsindustrien har forutsetninger for å lykkes. De åtte teknologiske kompetanseområdene er: Informasjons- og kommunikasjonsteknologi Systemintegrasjon Missilteknologi og autonome våpen- og sensorsystemer Undervannsteknologi og sensorer Simuleringsteknologi Våpen- og rakettmotorteknologi, ammunisjon og militære sprengstoff Materialteknologi Maritim teknologi Rapporten En kartlegging av kunnskap og kompetanse innen forsvarsindustrien i Norge kom frem til hvor forsvarsindustrien i Norge er gode ved å benytte en indikatorbasert tilnærming. Indikatorer er størrelser som er relativt lette å observere og som samvarierer med det fenomenet man studerer (for eksempel blir økende arbeidsledighet ofte brukt som indikator på økonomisk resesjon). Men de blir ofte ansett som usikre mål i den forstand at de ofte, men ikke alltid, opptrer sammen med det fenomenet man studerer. Grunnen til at indikatorer ble benyttet var at FFI-rapport 2011/

16 hvor forsvarsindustrien er god ikke er en direkte målbar størrelse. Dermed ble det valgt å benytte en indirekte metode med to indikatorer som kunne indikere innenfor hvilke av de åtte teknologiske kompetanseområdene forsvarsindustrien i Norge hadde særskilte fortrinn i forhold til utenlandsk industri. De to indikatorene som ble benyttet var: å benytte kunnskap og kompetansekartleggingen til å se hvor utbredt kunnskapen og kompetansen som kunne tilskrives de forskjellige kompetanseområdene var å finne ut hvor mye eksport som falt innenfor de forskjellige kompetanseområdene Det er flere potensielle feilkilder ved å bruke de nevnte indikatorene. I dette kapittelet vil vi med bakgrunn i de tidligere kapitlene drøfte hva slags utslag dette kan gi og hvordan man kan håndtere dem. 4.1 Utbredelse av kunnskap og kompetanse som indikator En av indikatorene man benyttet i rapporten En kartlegging av kunnskap og kompetanse innen forsvarsindustrien i Norge for å finne ut hvor forsvarsindustrien er god var å se på hvilke kunnskaps- og kompetansekategorier som flest bedrifter var i besittelse av. Bakgrunnen for å benytte denne indikatoren var at økonomisk teori tilsier at bedrifter ofte går inn i næringssegmenter hvor landet har konkurransemessige fortrinn (komparative fortrinn), og man kan derfor forvente at det er flere bedrifter som opererer innen de områdene hvor norsk kunnskap og kompetanse er i verdensklasse. Ut i fra dette kan man tenke seg at en indikator på at vi er gode på et område være at flere bedrifter besitter den bestemte kunnskapen eller kompetansen Tallfesting av kunnskap og kompetanse I rapporten målte man utbredelsen av kunnskapen og kompetansen som antall bedrifter som var i besittelse av de bestemte kunnskaps- og kompetanseområdene. Grunnen til at man valgte antall bedrifter som et mål på utbredelse av kunnskap og kompetanse, var at man hadde klassifisert kunnskapen og kompetansen i forsvarsbedriftene dikotomisk, ved å angi at de enten var eller ikke var i besittelse av en bestemt kunnskap eller kompetanse (se kap. 3.3). Dermed hadde man ikke nok informasjon til å foreta en mer detaljert analyse. Det er flere problemer med denne tilnærmingen. For det første er det ikke sikkert at antall bedrifter er et godt mål på utbredelse. Hvis et fåtall store forsvarsbedrifter har mange ansatte som jobber innen et kunnskaps- eller kompetansefelt, vil denne kunnskapen eller kompetansen ha en relativt stor utbredelse. Likevel vil denne tilnærmingen angi at utbredelsen til dette kunnskapseller kompetanseområdet er relativt liten. Det andre problemet er at den ikke skiller mellom kvaliteten på kunnskapen og kompetansen. Et selskap kan besitte et kunnskaps- eller kompetanseområde både om det utfører enkle tilpasninger og om det gjør avansert forsknings- og utviklingsarbeid. Dette gjør at utbredelse-indikatoren ikke får med seg kvalitetsforskjeller mellom kunnskapen og kompetansen. 16 FFI-rapport 2011/01606

17 Ideelt sett burde man i en slik analyse både ha data på hvor mange personer i hver bedrift som var engasjert i hvert kunnskaps- eller kompetanseområde og benytte en målestokk til å rangere hvor dyptgående denne kunnskapen og kompetansen er. Dessverre er dette, som nevnt tidligere, svært tidkrevende og i mange tilfeller svært vanskelig. I hvilken grad valget av denne tilnærmingen har påvirket resultatet er likevel vanskelig å si Detaljeringsnivå og teknologitaksonomier Et annet problem ved å bruke utbredelse som indikator er knyttet til problemstillinger rundt detaljeringsnivå og reduksjonisme. I kartleggingsprosessen som lå til grunn for rapporten En kartlegging av kunnskap og kompetanse innen forsvarsindustrien i Norge ble kunnskapen og kompetansen til forsvarsbedriftene brutt ned etter EDAs tekonologitaksonomi. EDAs teknologitaksonomi har et annet detaljeringsnivå når det kommer til å klassifisere kunnskap og kompetanse enn de åtte teknologiske kompetanseområdene. Dermed kan det (som nevnt i kap. 2) oppstå problemer knyttet til reduksjonisme. De åtte teknologiske kompetanseområdene er både uklare og delvis overlappende. Det største problemet er kanskje likevel at kompetanseområdene er definert ut i fra forskjellige prinsipper: missilteknologi og autonome våpen- og sensorsystemer og våpen- og rakettmotorteknologi, ammunisjon og militære sprengstoff er definert som produkttyper, informasjons- og kommunikasjonsteknologi og simuleringsteknologi er definert som akademiske felt, mens undervannsteknologi og sensorer og maritim teknologi er definert etter virkeområde. Det er særlig de siste to områdene som kan skape problemer ettersom de er definert ut i fra konteksten de opptrer i, og kontekstuell informasjon har en tendens til å bli borte når detaljnivået øker. Dermed kan man komme i en situasjon hvor maritim teknologi, slik som combat management systemer for u-båter, blir klassifisert innenfor informasjons- og kommunikasjonsteknologi eller systemintegrasjon. Figur 4.1 viser hvordan kontekstuell informasjon forsvinner når man bryter produkter ned i kunnskaps- og kompetanseområder med EDA-taksonomien. FFI-rapport 2011/

18 Figur 4.1 Bruk av EDAs teknologitaksonomi. Det er vanskelig å si hvordan denne feilkilden kan ha påvirket resultatene i rapporten, men det er sannsynlig at teknologi som tidligere har blitt klassifisert som maritim teknologi og undervannsteknologi og sensorer, nå har blitt klassifisert som informasjons- og kommunikasjonsteknologi og systemintegrasjon. Denne typen feilkilder var det vanskelig å gardere seg mot ettersom de åtte teknologiske kompetanseområdene var definert slik de var. 4.2 Eksport som indikator Den andre indikatoren man benyttet i rapporten En kartlegging av kunnskap og kompetanse innen forsvarsindustrien i Norge for å finne ut hvor forsvarsindustrien er god var eksport. Bakgrunnen for å benytte eksport som en indikator var en antagelse om at konkurransen på de internasjonale forsvarsmarkedene er sterkere enn på de nasjonale, og at de bedriftene som lykkes der er i besittelse av en mer avansert form for kunnskap eller kompetanse enn de som ikke lykkes. Analysen ble gjennomført ved å ta utgangspunkt i UDs statistikk over eksport av lisenspliktig materiell og se på hvilke kunnskaps- og kompetanseområder som lå til grunn for produksjonen av dette materiellet. Forsvarsindustrien ble ansett å ha god kunnskap og kompetanse innenfor de områdene som var koblet til produkter som utgjorde en stor andel av eksporten. Tilsvarende ble forsvarsindustrien regnet som mindre gode innenfor de områdene som var relatert til produkter med lav eksport Kategorisering og omfang av kunnskap og kompetanse En potensiell feilkilde ved å benytte UDs statistikk som en indikator, er at den delvis benytter seg av en annen type kategorisering enn de åtte teknologiske kompetanseområdene. De åtte teknologiske kompetanseområdene er som nevnt tidligere definert ut i fra forskjellige prinsipper, noen som produkttype, andre som akademisk felt og andre igjen etter virkeområde. 18 FFI-rapport 2011/01606

19 UDs statistikk er utelukkende bygd opp etter produkttype, og dataene fordeler seg innenfor det UD betegner som varekategorier. Faren ved å benytte seg av UDs statistikk når man skal vurdere hvor forsvarsindustrien er god, er at den kan underrapportere aktiviteten innenfor de kompetanseområdene som er definert ut i fra akademisk felt og virkeområde. I UDs eksportoversikt er det for eksempel kun et fåtall varekategorier som naturlig faller innenfor områdene undervannsteknologi og sensorsystemer og maritim teknologi. Disse områdene er 8 a d, 4 b og 17.8: 8. Fartøyer m.v., undervannsutstyr: a. Fartøyer, herunder undervannsfartøyer, spesielt konstruert eller modifisert for militært formål. b. Ubåt- og torpedonett. c. Pontongbroer. d. Dykkerutstyr spesielt konstruert eller modifisert for militært formål. 4. Ildledningsutstyr, søkerutstyr, utstyr for håndtering, mottiltak m. v.: b. Sonarer og sonarutstyr, herunder sonarbøyer, spesielt konstruert eller modifisert for militært formål. 17. Komponenter, deler, delsystemer og tilleggsutstyr spesielt konstruert eller modifisert for produkter under 1 16 ovenfor, som følger: 8. For produkter under pkt. 8 ovenfor. De andre områdene er beskrevet på en slik måte at de faller naturlig innenfor andre områder og gjør det umulig å vite om anvendelsen er maritim. For eksempel kan en kategori som 7 a Sambandsutstyr spesielt konstruert eller modifisert for militært formål ha anvendelse knyttet til sjø. Det er vanskelig å gjøre noe med denne feilkilden så lenge man ikke får tilgang til mer detaljerte data på eksport Grønne produkter uten lisensplikt Et annet problem med å benytte UDs statistikk for eksport av lisenspliktig materiell er at den ikke omfatter all eksport av forsvarsmateriell. Det finnes produkter som ikke er lisenspliktige, men som selges til andre lands forsvar. Dette er produkter som for eksempel telt og noen former for verneutstyr. Det er mest sannsynlig også andre typer produkter som ikke er lisenspliktige, men vi har hittil ikke klart å danne oss en oversikt over disse varekategoriene. Dette er et arbeid som det ville vært svært nyttig å få gjennomført. 4.3 Oppsummering I dette kapittelet har vi sett at det er en mengde potensielle problemer ved å benytte en indikatorbasert tilnærming til å finne ut hvilke områder forsvarsindustrien i Norge er gode på. Vi har sett at hvordan man tallfester kunnskap og kompetanse og hvilket detaljeringsnivå man benytter kan påvirke hvor utbredt man kommer frem til at et kunnskaps- og kompetanseområde er. Til slutt har vi sett at det å benytte statistikk UDs statistikk over eksport av lisenspliktig materiell kan gi et FFI-rapport 2011/

20 skjevt bilde av noen av kompetanseområder gjennom at statistikken er strukturert etter varekategorier og ikke nødvendigvis inkluderer all eksport av forsvarsmateriell. 5 Konklusjon Denne rapporten har vist at det er svært vanskelig å gjennomføre detaljerte studier av kunnskap og kompetanse: Kunnskap og kompetanse er i utgangspunktet et uklart og uhåndgripelig fenomen. Det finnes ikke noen allment aksepterte definisjoner av kunnskap og kompetanse. Filosofiske disipliner som erkjennelsesteori og vitenskapsfilosofi har ikke lyktes i å komme frem til en allment akseptert definisjon av kunnskap og de fleste forslagene er fremdeles svært omdiskuterte. Kunnskap og kompetanse kan defineres på mange forskjellige måter ut i fra hvilken disiplin man tilhører og hva man er ute etter å undersøke. Mens vitenskapsfilosofien definerer kunnskap strengt vitenskaplig, åpner de økonomiske og organisasjonsteoretiske tilnærmingene for å utvide kunnskapsbegrepet ved å inkludere blant annet produksjonsmateriell, taus kompetanse og relasjonell kunnskap. Valg av definisjon kan derfor få stor betydning for studier av kunnskap og kompetanse. Mange fenomener kan forklares på flere nivåer, og mange teknologiske produkter kan brytes ned i flere lag med komponenter. Dette gjør at det som kan regnes som relevant kunnskap og kompetanse dermed vil variere med detaljeringsnivået. I tillegg til dette kan også den metodiske tilnærmingen man velger å benytte ha innvirkning på de resultatene man kommer frem til: Det er en rekke forskjellige måter å kategorisere kunnskap og kompetanse på, og måten man kategoriserer kunnskapen og kompetansen på kan påvirke resultatene man får. Det er en rekke forskjellige måter å tallfeste kunnskap og kompetanse på, og måten man tallfester kunnskapen og kompetansen på kan påvirke resultatene man får. Det er en rekke forskjellige kilder til informasjon om kunnskap og kompetanse, men de fleste av dem kan potensielt gi et skjevt bilde. Dette viser at det er en mengde potensielle feilkilder og begrensninger som man må ta hensyn til når man gjennomfører en kunnskaps- og kompetansekartlegging. Men det betyr ikke at slik kartlegging generelt sett er verdiløs eller misvisende. Kunnskaps- og kompetansekartlegging er potensielt nyttig så lenge kartleggingen gjøres med et klart formål og basert på klare forutsetninger. Dette er i seg selv en viktig utfordring ved denne type arbeid. 20 FFI-rapport 2011/01606

21 Referanser Ayer, A. J. (1996) Logical Positivism (The library of philosophical movements). New York: Free Press. Carnap, Rudolf (1934) The Unity of Science. London: Kegan Paul, Trench, Trubner and Co. David, P. (1975) Technical choice, Innovation and Economic Growth. Cambridge: Cambridge University Press. Fevolden, A., Andås, H. og J. Christiansen (2009) En kartlegging av kunnskap og kompetanse innen forsvarsvarsindustrien i Norge. FFI-rapport 2009/ Feyerabend, P. (1975) Against Method: Outline of an Anarchistic Theory of Knowledge. London: NLB. Gettier, E. (1963) Is Justified True Belief Knowledge? Analysis, Volum 23, ss Johnson, B., Lorenz, E. og B.-Å. Lundvall (2002) Why all this fuss about codified and tacit knowledge? Industrial and Corporate Change, Volum 11, nummer 2, ss Kuhn, T. S. (1962) The Structure of Scientific Revolutions. Chicago: University of Chicago Press. Lundvall, B. Å. (1988) Innovation as an interactive process: from user producer interactions to the national systems of innovation, i Dosi, G., Freeman, C. and R. Nelson (eds.) Technical Change and Economic Theory. London: F. Pinter. Løkke, H., Emilsson, E. K., Platon, Rabbås, Ø., Wyller, E. A. og Amadou, C. (2004) Platon, Samlede verker (bind VI).Oslo: Vidarforlaget. Malerba, F. (1992) Learning by Firms and Incremental Technical Change. The Economic Journal, Volum 102, nummer 413, ss Nagel, E. (1961) The Structure of Science: Problems in the Logic of Scientific Explanation. New York: Harcourt, Brace, and World. Penrose, E. (1995) Theory of the Growth of the Firm. Oxford: Oxford University Press. Popper, T. (1934) The logic of Scientific Discovery (as Logik der Forschung, English translation 1959). Wien: Julius Springer. Polanyi, Michael (1966) The Tacit Dimension. New York: Doubleday. FFI-rapport 2011/

22 Prahalad, C.K. and Hamel, G. (1990) The core competence of the corporation, Harvard Business Review, Volum 68, nummer 3, ss Simon, Herbert A. og March, James G. (1993) Organizations. Cambridge: Blackwell Business. Teece, D. J., Pisano, G. and A. Shuen (1997) Dynamic Capabilities and Strategic Management Strategic Management Journal, Volum 18, Nummer 7 (Aug., 1997), ss FFI-rapport 2011/01606