Nowy rok akademicki tuż tuż. Warto zatem wrócić do tematów uczelnianych, w tym do tego jak finansowana jest nauka w Polsce. A więc, finansowanie nauki w Polsce odbywa się głównie z budżetu Państwa. Na stronie Ministerstwa Nauki i Szkolnictwa Wyższego można znaleźć szereg informacji na ten temat, w tym między innymi plany budżetowe oraz sprawozdania z ich realizacji.
Sami naukowcy również mają szansę pozyskiwania środków w ramach tzw. grantów. Występowanie o granty stanowi niewątpliwie miarę aktywności oraz jest zarazem znacznikiem jakości pracy naukowej. Gdzie można starać się o wspomniane granty? Takich miejsc jest sporo, przy czym do głównych instytucji publicznych zajmujących się finansowaniem nauki w Polsce należą:
- Narodowe Centrum Nauki (NCN)
- Narodowa Agencja Wymiany Akademickiej (NAWA)
- Narodowe Centrum Badań i Rozwoju (NCBR)
Narodowe Centrum Nauki przeznacza środki finansowe na badania podstawowe, podczas gdy Narodowe Centrum Badań i Rozwoju finansuje granty na badania rozwojowe i innowacyjne z szansą na ich późniejsze skomercjalizowanie. Natomiast granty Narodowej Agencji Wymiany Akademickiej to głównie możliwość rozwoju zawodowego i naukowego poprzez wymianę akademicką.
Z wymienionych instytucji Narodowe Centrum Nauki jako jedyne udostępnia wyniki konkursów w sposób dynamicznie generowanych zestawień. Zatem w oparciu o te dane spróbujemy się dowiedzieć, które z jednostek naukowych są najbardziej aktywne w pozyskiwaniu środków na badania, jakiej rzędu wielkości są to liczby, w jakiej grupie nauk pozyskuje się te środki itd. Oczywiście spróbuję także odpowiedzieć, gdzie w rankingu uczelni technicznych lokuje się Politechnika Częstochowska. Przy czym należy zaznaczyć, że uczelnie techniczne główne środki pozyskują z programów NCBiR.
Całą analizę przeprowadzę w środowisku R. Po raz pierwszy na blogu skorzystam z biblioteki httr, która zapewnia klienta HTTP do uzyskania dostępu do API metodami GET lub POST. Różnica pomiędzy nimi polega na tym, że metodą GET możemy zażądać dane z określonego zasobu, a metodą POST możemy dane do serwera przesłać celem utworzenia lub zaktualizowania zasobu. Z uwagi na to że Narodowe Centrum Nauki pozwala wygenerować proste zestawienia statystyczne dotyczące rozstrzygniętych konkursów przez formularz umieszczony na stronie wykorzystana zostanie przeze mnie metoda POST, w której zasoby, o które będę pytać zostaną zdefiniowane w postaci listy.
library(tidyverse) library(httr) library(XML) library(scales) #lista pól do metody POST body <- list(zestawienie = "kwota", podzial = "jednostka", zakres='rok', konkursid = '', 'panelid'= '', typid = '', rokid= '1', wojewodztwoid= '', plecid = '', tytulid= '', rodzajejednostekid = '1', jednostkaid = '')
Zatem na początek sprawdźmy jak przedstawia się ranking jednostek według środków uzyskanych z grantów NCN na przestrzeni lat 2011-2018.
# ramka danych o grantach grants <- data.frame() for(i in 1:8){ body$rokid = i query <- POST("https://www.ncn.gov.pl/statystyki/", body=body, encode="form") r <- htmlTreeParse(content(query), useInternal = TRUE, encoding = "UTF-8") nazwy <- xpathApply(r, '//table[@id="tabelawynik"]//th', xmlValue) kwoty <- xpathApply(r, '//table[@id="tabelawynik"]//td', xmlValue) tabela <- data.frame(rok = 2010+i, nazwa = tail(unlist(nazwy), -2), kwota = as.numeric(gsub(" ", "", head(unlist(kwoty), -2)))) grants <- rbind(grants,tabela) } grants_df <- grants grants_top10 <- grants_df %>% group_by(rok) %>% arrange(desc(kwota)) %>% top_n(10,kwota) %>% mutate(pozycja=row_number()) %>% select(nazwa,rok,pozycja) grants_top10 %>% ggplot(aes(x = rok, y = pozycja, group = nazwa)) + geom_line(aes(color = nazwa), size = 1.5) + geom_point(aes(color = nazwa), size = 2.3) + scale_x_continuous(breaks = seq(2011,2018,by = 1)) + scale_y_reverse(breaks = pretty_breaks(10)) + scale_colour_manual(values=c("coral", "chocolate", "cornsilk", "chartreuse","cadetblue","brown", "blue","beige","azure", "aquamarine","dimgrey","deepskyblue", "darkviolet","orange","darkseagreen", "darkorange","darkblue","firebrick", "red", "steelblue", "blanchedalmond")) + labs(x = "Rok", y = "Pozycja w rankingu") + ggtitle("Ranking uczelni według kwoty pozyskanej z grantów NCN (Top 10)", subtitle = "(2011-2018)") + theme(legend.title = element_blank(), legend.position = "bottom", legend.direction = "vertical")
Przez najlepszą dziesiątkę Top10 pod względem sumy uzyskanych kwot w ramach grantów NCN w latach 2011-2018 przewinęło się dwadzieścia jeden jednostek naukowych.

Niezaprzeczalnie w rankingu dominują cztery jednostki. Są to:
- Uniwersytet Jagielloński w Krakowie, który w 2018 r. powrócił po sześcioletniej przerwie na pozycję lidera,
- Uniwersytet Warszawski w Warszawie,
- Uniwersytet Adama Mickiewicza w Poznaniu,
- Uniwersytet Wrocławski we Wrocławiu.
Sprawdźmy zatem ile procentowo środków z grantów NCN pozyskały wymienione jednostki w stosunku do pozostałej szóstki z Top10 (dziesięć najlepszych jednostek pod względem ilości pozyskanych środków w danym roku.)
Top4 <- c("Uniwersytet Jagielloński - Kraków","Uniwersytet Warszawski","Uniwersytet Wrocławski","Uniwersytet im. A. Mickiewicza - Poznań") grants_moneypercent <- grants_top10_kw %>% mutate(jednostka = ifelse(nazwa %in% Top4,"t","p"), jednostka = factor(jednostka, levels = c("t","p"), labels = c("Pierwsze cztery","Pozostałe z dziesięciu"))) %>% group_by(rok, jednostka) %>% mutate(suma = sum(kwota)) %>% select(-nazwa, -kwota) %>% unique() %>% group_by(rok) %>% mutate(procent = suma/sum(suma))

O ile jeszcze w roku 2011 procentowo suma kwot pozyskanych przez jednostki z pozycji 5-6 była wyższa od tych z pozycji 1-4, to począwszy od 2012 roku ilość pieniędzy trafiających do wspomnianych wcześniej czerech jednostek przekracza 60% puli zgarnianej przez pierwszą dziesiątkę jednostek. W dodatku obserwujemy coroczną tendencję do zwiększania tej kwoty. W roku 2018 do pierwszej czwórki trafiło już bowiem 67,5% kwoty, która była udziałem jednostek z pierwszej dziesiątki. Sprawdźmy jeszcze jak wygląda procentowy podział kwot pomiędzy pierwszymi dwoma jednostkami, a jednostkami z pozycji 3-4.

W ostatnim roku do Uniwersytetu Jagiellońskiego i Uniwersytetu Warszawskiego trafiło ponad 2,5 razy więcej środków z NCN niż do Uniwersytetu Adama Mickiewicza i Uniwersytetu Wrocławskiego. Postawmy jeszcze pytanie, ile procentowo pozyskują dwie pierwsze jednostki na tle wszystkich pozostałych jednostek, którym z danym roku przyznano granty.

I już możemy odpowiedzieć, kwoty jakie pozyskują od wielu lat Uniwersytet Jagielloński w Krakowie oraz Uniwersytet Warszawski w Warszawie stanowią ponad 20% wszystkich dostępnych środków grantów NCN w danym roku. W roku 2018 było to już 21,9% z 1 206 347 908 zł.
Przejdźmy teraz dalej. NCN udziela grantów w jednej z trzech podstawowych dziedzin nauki, w ramach których uporządkowano panele dyscyplin. Dziedziny te to:
- HS – Nauki Humanistyczne, Społeczne i o Sztuce
- ST – Nauki Ścisłe i Techniczne
- NZ – Nauki o Życiu
Dowiedzmy się zatem jakie środki NCN kierował na poszczególne dziedziny nauki. Formułujemy odpowiednie zapytanie do metody POST.
# kwota wniosków zakwalifikowana do finansowania w podziale na grupy nauk body <- list(zestawienie = "kwota", podzial = "grupa", zakres='rok', rokid= '1')

W ostatnich latach zauważalny jest wzrost kwot grantów z przeznaczeniem na badania w zakresie nauk o życiu. Tym samym kwota przeznaczona na badania w tej dziedzinie w 2018 roku była po raz pierwszy wyższa od kwoty przeznaczonej na badania w dziedzinie nauk ścisłych i technicznych. Kwoty te przekraczają poziom 500 mln zł rocznie. Tendencja wzrostowa zauważalna jest także w dziedzinie nauk humanistycznych, społecznych i o sztuce, gdzie kwota grantów zbliża się do 200 mln zł.
Jakie rodzaje jednostek pozyskują największe kwoty. Sprawdźmy.
# kwota wniosków zakwalifikowana do finansowania w poszczególnych grupach rodzajów jednostek body <- list(zestawienie = "kwota", podzial = "rodzajejednostek", zakres='rok', rokid= '1')

Największe kwoty grantów NCN przypadają na uczelnie wyższe. Dotychczasowe maksimum przypadło w 2017 r. Uczelnie wyższe pozyskały ponad 870 mln zł. Z kolei od 2015 r. kreśli się tendencja wzrostowa pozyskiwania środków z NCN przez jednostki naukowe PAN. W 2018 r. przekroczona została w ich przypadku po raz pierwszy okrągła suma 300 mln zł.
Spójrzmy jeszcze na kwoty pozyskiwane przez grantobiorców z punktu widzenia przestrzennej lokalizacji jednostek na obszarze Polski. Tutaj po pierwszej części wpisu możemy wysnuć wniosek, że intensyfikacja życia naukowego odbywa się głównie w województwie mazowieckim oraz małopolskim, ale co z pozostałymi województwami. Postaramy się na to pytanie odpowiedzieć. Na początek sformułujemy pytanie o wielkość kwoty przypadającą na poszczególne województwo.
# kwota wniosków zakwalifikowana do finansowania ze względu na województwo body <- list(zestawienie = "kwota", podzial = "wojewodztwo", zakres='rok', rokid= '1')
Ciekawym będzie także zestawienie tych kwot na mieszkańca. Stąd też dane ilości mieszkańców województwa pobierzemy z Wikipedii.
library(rvest) wiki <- "https://pl.wikipedia.org/wiki/Wojew%C3%B3dztwo" webpage <- read_html(wiki) table_links <- html_nodes(webpage, ".wikitable") tables <- html_table(table_links, fill = TRUE) wiki_woj <- tables[[1]] %>% select(1,2,5) colnames(wiki_woj) <- c("TERYT","Wojewodztwo","Ludnosc")
A następnie przedstawimy w sposób graficzny.
mapki %>% filter(rok %in% 2015:2018) %>% ggplot() + geom_polygon(aes(x = long,y = lat,group = group, fill = na_mieszkanca),color="grey") + geom_text(data = srodki_woj %>% filter(rok %in% 2015:2018), aes(x = long, y = lat, label = paste0(procent,"%")), color="red") + scale_fill_gradientn(colours = topo.colors(5)) + ggtitle("Kwota grantów NCN w przeliczeniu na mieszkańca województwa [PLN]", subtitle = "w latach 2015-2018") + theme_void() + theme(legend.title = element_blank(), plot.title = element_text(hjust = 0.5), plot.subtitle = element_text(hjust = 0.5)) + facet_wrap(~rok)

To co możemy zauważyć wprost z przedstawionego kartogramu to znaczący wzrost kwoty na badania naukowe w przeliczeniu na mieszkańca województwa. W województwie mazowieckim kwota ta w 2018r przekroczyła 80 zł, podczas gdy jeszcze cztery lata temu wynosiła niespełna 67 zł. W województwie śląskim wielkość ta wynosi 11,62 zł, a więc praktycznie ośmiokrotnie mniej niż w mazowieckim. Liczby procentowe na czerwono podane dla każdego województwa oznaczają procentowy udział kwot grantów. W 2018 r. województwo mazowieckie, a praktycznie Warszawa pozyskała blisko 36% z dostępnej puli środków w ramach grantów NCN.
Politechnika Częstochowska
Politechnika Częstochowska obchodzi w tym roku jubileusz 70-lecia. Uczelnia powstała w 1949 roku jako Szkoła Inżynierska. Dziś kształci studentów na sześciu wydziałach i jest największą techniczną szkołą wyższą w regionie częstochowskim. Spójrzmy zatem jak idzie Politechnice Częstochowskiej pozyskiwanie środków w ramach grantów NCN na tle innych uczelni technicznych.
Techniczne <- c("Akademia Górniczo - Hutnicza im. St. Staszica - Kraków", "Politechnika Wrocławska", "Politechnika Warszawska", "Politechnika Łódzka", "Politechnika Śląska - Gliwice", "Politechnika Gdańska", "Politechnika Poznańska", "Politechnika Krakowska im. T. Kościuszki", "Politechnika Częstochowska", "Politechnika Białostocka", "Politechnika Lubelska", "Politechnika Rzeszowska im. I. Łukasiewicza", "Politechnika Opolska", "Politechnika Koszalińska", "Politechnika Świętokrzyska - Kielce")
Sprawdźmy na początek o jakich kwotach mówimy w przypadku uczelni technicznych.
body <- list(zestawienie = "kwota", podzial = "jednostka", zakres='rodzajejednostek', rodzajejednostekid= '4') library(knitr) grants %>% filter(nazwa %in% Techniczne) %>% mutate(pozycja = row_number(), pozycja = as.factor(pozycja), kwota = round(kwota/10^6,1)) %>% select(pozycja, nazwa, kwota) %>% kable(col.names = c("Pozycja","Uczelnia techniczna","Kwota grantów [mln PLN]"), row.names = FALSE, align="clr",format = "html")
Pozycja | Uczelnia techniczna | Kwota grantów [mln PLN] |
---|---|---|
1 | Akademia Górniczo – Hutnicza im. St. Staszica – Kraków | 234.9 |
2 | Politechnika Wrocławska | 203.2 |
3 | Politechnika Warszawska | 182.8 |
4 | Politechnika Łódzka | 123.2 |
5 | Politechnika Śląska – Gliwice | 111.7 |
6 | Politechnika Gdańska | 102.6 |
7 | Politechnika Poznańska | 81.5 |
8 | Politechnika Krakowska im. T. Kościuszki | 25.9 |
9 | Politechnika Częstochowska | 19.8 |
10 | Politechnika Białostocka | 16.7 |
11 | Politechnika Lubelska | 15.1 |
12 | Politechnika Rzeszowska im. I. Łukasiewicza | 12.2 |
13 | Politechnika Opolska | 6.6 |
14 | Politechnika Koszalińska | 4.8 |
15 | Politechnika Świętokrzyska – Kielce | 2.4 |
W latach 2011-2018 pracownicy naukowi Politechniki Częstochowskiej pozyskali w ramach grantów NCN 19,8 mln zł, co klasyfikuje naszą uczelnię na 9 pozycji wśród wiodących uczelni technicznych. Liderem w tej grupie jest krakowska Akademia Górniczo-Hutnicza im. St. Staszica, która pozyskała w tym okresie 234,9 mln zł.
Prześledźmy jeszcze jak zmieniała się pozycja Politechniki Częstochowskiej w poszczególnych latach pod względem kwot pozyskanych z grantów Narodowego Centrum Nauki.
techniczne_rank <- grants_df %>% filter(nazwa %in% Techniczne) %>% group_by(rok) %>% arrange(desc(kwota)) %>% mutate(pozycja=row_number()) %>% select(nazwa,rok,pozycja) techniczne_rank %>% mutate(pcz = ifelse(nazwa == "Politechnika Częstochowska",T,F)) %>% ggplot(aes(x = rok, y = pozycja, group = nazwa)) + geom_line(aes(color = pcz, alpha = pcz), size = 1.5) + geom_point(aes(color = pcz, alpha = pcz), size = 2.2) + geom_text(data = techniczne_rank %>% filter(rok == "2018", nazwa == "Politechnika Częstochowska"), aes(label = nazwa), color = "#D62727", size = 3.5, nudge_x = 1.2) + geom_text(data = techniczne_rank %>% filter(rok == "2018", nazwa != "Politechnika Częstochowska"), aes(label = nazwa), color = "black", size = 3.5, nudge_x = 1.2) + scale_x_continuous(breaks = c(seq(2011, 2018, by = 1)), expand = expand_scale(add = c(0.3,1.1))) + scale_y_reverse(breaks = c(1:15)) + scale_color_manual(values = c("#0F263C", "#D62727")) + ggtitle("Ranking uczelni technicznych - pozyskane środki w ramach grantów NCN", subtitle = "(w latach 2011-2018)") + labs(x = "", y = "") + theme(legend.title = element_blank(), legend.position = "none", axis.text = element_text(size= 11, color = "darkblue"), axis.line = element_line(color = "darkblue", size = 1, linetype = "solid"))

1 października – 70. Inauguracja Roku Akademickiego w Politechnice Częstochowskiej.
Z tej okazji koleżankom i kolegom z uczelni życzę powodzenia w krzewieniu postępu naukowo-technicznego. Wielu sukcesów i realizacji znacznej większości stawianych celów.