Tér és Társadalom 23. évf. 2009/4. 1-26. p.
Tér és Társadalom XXIII. évf. 2009 s 4: 1-26
KREATÍV FOGLALKOZÁSOK ÉS
REGIONÁLIS TUDÁSBÁZIS:
FOGALMAK, FOLYAMATOK ÉS TERÜLETI
ÖSSZEFÜGGÉSEK
(Creative Occupations and Regional Knowledge Base:
Concepts, Trends and Territorial Correspondences)
LENGYEL BALÁZS — SÁGVÁRI BENCE
Kulcsszavak:
innovációs rendszer tudásbázis kreatív munkaerő regionális fejlődés 3T modell
A tudásalapú gazdaság területi vizsgálataiban egyre nagyobb jelentőséget kap az a kérdés, hogy a munka-
erő képzettségi szintje vagy a foglalkozások jellege eredményezi-e a régiók kiemelkedését. Tanulmányunk-
ban bemutatjuk a regionális innovációs rendszerek tudásbázisának foglalkozási oldalú megközelítését, és
saját kategóriákat vezetünk be a kreatív munkaer ő és tudásbázis számbavételére.
Ezekre a kategóriákra alapozva tekintjük át a kreatív munkaer ő és a regionális tudásbázis volumenét
1996, 2001 és 2005 években. Ezt követ ően egy Svédországban tesztelt regressziós modell alapján a kis-
térségek fejlettségét a kreatív munkaer ő volumenével, gazdaságának technológiai színvonalával,
tolerancia-szintjével, az egyetemi képzés volumenével és az igénybe vehet ő szolgáltatások sokszín űségé-
vel magyarázzuk. A skandináv modellt tovább fejlesztjük, és az egyetemi képzések és a foglalkozási
tudásbázis területi összefüggéseit kutatjuk.
Eredményeink szerint a tudás teremtésében aktív kreatív foglalkozások magyarázzák leginkább a regio-
nális fejlettséget, ezt a tudást alkalmazó foglalkozások követik, míg a vezet ő pozíciók foglalkozásai bírnak a
leggyengébb magyarázóerővel. Magyarországon a felsőfokú végzettség ű munkaerő eredményesebben
magyarázza a régiók fejlettségi különbségeit, mint a kreatív foglalkoztatottak Az egyetemi képzés hatása a
lokális tudásbázisra erősebb a természet-, élet- és m űszaki tudományok esetében, mint a jog- és társadalom-
tudományok terén. Kísérleteink eredményei azt jelzik, hogy a globalizáció els ő számú nyertese a főváros és
agglomerációja, a külkapcsolatok helyi m űködtetéséhez szükséges gazdasági-, jogi- és egyéb társada-
lomtudományi tudás egyre nagyobb mértékben koncentrálódik Budapesten.
Bevezetés
A gazdaság tudásalapú szervez ődése nagyban összefügg azzal az átmenettel,
melyben a nagyüzemi termelés helyébe a rugalmas, személyre szabott termelési
módok kerültek, s a szolgáltatások szerepe megn őtt (Lengyel I. 2003; Lengyel I.—
Rechnitzer 2004; Papanek 2006). Az új típusú szolgáltatásokat fels őfokú végzett-
séggel rendelkez ő munkavállalók végzik, akik a városok egyetemein szerzik meg
képzettségüket (Rechnitzer—Csizmadia—Grosz 2004; Varga 2004). Az egyes térsé-
gek felemelkedésének kulcseleme, hogy milyen a foglalkoztatottak képzettségi
színvonala (Glaeser et al. 1992), a képzett munkaer ő milyen foglalkozásokban
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
2 Lengyel Balázs — Ságvári Bence TÉT XXIII. évf. 2009 s4
kamatoztatja tudását, s kreativitását tudja-e hasznosítani, döntéseit mennyire önállóan
hozza meg (Cooke—Schwartz 2007).
A kreatív munkavégzést vizsgáló tanulmányok az önkifejezésen, önálló döntésho-
zatalon alapuló foglalkozások értékteremtésére fókuszálnak (Rimler 2000). Ugyan-
akkor a gazdaságföldrajzi szemlélet egyik központi kérdése, hogy a kreatív foglal-
koztatottak milyen mértékben járulnak hozzá egy város vagy régió gazdasági telje-
sítményéhez (Florida 2002a). A kreatív munka során jön létre az új tudás, amely a
gazdasági cseremechanizmusok során hasznosul. Ha a kreatív munka írásban nehe-
zen kommunikálható, hallgatólagos tudáson alapul (Lengyel B. 2004; Asheim-
Coenen 2006), akkor a gazdaság tudásalapú szervez ődését inkább lokális módon
vezérli; ez a tudás a helyi környezetre vonatkozik. Amennyiben a kreatív munka
könnyen leírható, explicit tudáson alapul, és szigorú szabályok korlátozzák a létre-
hozását, úgy a tudásalapú szervez ődés globális szinten megy végbe, ez a tudás
megérthető a Föld másik felén is.
A területi vizsgálat módszeréül Richard Florida és szerz őtársainak (2008) modelljét
választottunk. Ennek alapján a hazai kistérségek fejlettségét a kreatív munkaer ő
volumenével, gazdaságának technológiai színvonalával, tolerancia-szintjével, az egye-
temi képzés volumenével és az igénybe vehet ő szolgáltatások sokszínűségével magya-
rázzuk. A modell együtthatóit a kés őbb részletesen bemutatott regressziós egyenletekb ől
kapjuk. A modellt tovább fejlesztjük, megkülönböztetjük benne a globális szinten hasz-
nosulni képes természet- és élettudományi, illetve mérnöki tudásbázist, a lokális kör-
nyezetbe ágyazódó gazdasági-, jogi- és társadalmi tudásbázist, valamint a m űvészeti és
kulturális munkavégzéshez kapcsolódó tudásbázist. E kategóriák alapján kutatjuk az
egyetemi képzések és a foglalkozási tudásbázis területi összefüggéseit.
Az első fejezetben áttekintjük a kreatív osztály, kreatív munkavégzés és tudás-
bázis nemzetközi irodalomban használt fogalmait. Ugyanitt ismerhet ő meg a ma-
gyar vizsgálatban használt foglalkozási kategóriákra épül ő tudásbázis fogalomrend-
szerünk is. Ezt követő en a második fejezetben bemutatjuk a kreatív munkavégzés
1996 és 2005 közötti alakulását, megyei adatokra támaszkodva. A területi vizsgálat
3T modelljét és annak hazai alkalmazhatóságát a harmadik fejezetben tekintjük át.
A negyedik fejezetben az útmodellben használt indikátorokat, a modell
dekompozícióját és az eredményeket mutatjuk be. Az ötödik, záró fejezet a kutatás
konklúzióját és a további kutatási irányokat tartalmazza.
A kreatív munkavégzés területi fogalmai és kategóriái
A kreatív munkavégzés és területi fejl ődés összefüggéseit a kreatív osztály és a
regionális innovációs rendszerek tudásbázisa segítségével közelítjük meg. Ebben a
fejezetben a két irányzat f őbb fogalmait vesszük sorra. Ezt követ ően az irányzatok
ötvözésének céljával részletesen bemutatjuk a foglalkozások újszer ű tipizálására tett
kísérletünket.
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
TÉT XXIII. évf. 2009 s4 Kreatív foglalkozások és ... 3
Kreatív munka, kreatív foglalkozások és kreatív osztály
A kreativitás fogalmának közgazdasági gyökerei egészen Schumpeterig (1961)
nyúlnak vissza. A kreatív rombolás (creative destruction) azt a folyamatot jelenti,
amikor egy már létez ő termék, munkavégzési forma, szervezeti vagy intézményi
berendezkedés kiszorul az új megjelenésével; s őt, akár egy új termék egészen más
utakat nyithat a verseny számára, így rombolva a korábbi berendezkedés struktúráit.
A kreatív munkavégzés tehát els ősorban az innovációhoz, az új értékek, új min ősé-
gek, új tudás létrehozásához köt ődik.
A kreatív munkaer ő területi fejl ődésre való hatását legf őképpen az urbanizációs
előnyökre vezetik vissza (Jacobs 1969). A kreatív iparágak jellemz ően nagyvárosok-
ban jelentek meg, ahol a tudásáramlás és tudás-túlcsordulás a személyközi hálóza-
tok sűrűsége miatt könnyen megvalósul iparágak között is. A nagyvárosi sokszín ű-
ség a közege a kreatív munkavégzésnek, hiszen ezekben a másoktól való megkü-
lönböztetés az értékteremtés f ő jellemzője (Scott 2007).
Florida (2002a) szerint a tudásalapú gazdaság el őtérbe kerülésével a munka-
körülmények megváltoztak, a hierarchikus alá-fölé rendeltséget a lapos szervezetek,
a formális szabályokat a puha-ellen őrzés (soft-control), az önmenedzselés, egymás
kölcsönös elismerése és motiválása váltja fel. A kreatív foglalkozásokban a munka-
végzés saját ritmus alapján történik, a f ő jellemzői pedig a tanulás és fejl ődés, a
munka tartalmának szabad alakítása, az identitás kifejezése. Ezen változások egy új
„kreatív osztály" felemelkedését eredményezték. Ebbe az új osztályba tartoznak a
tudományok művelői, a mérnökök, az építészek, a dizájnerek, az oktatás, a m űvé-
szetek és a szórakoztatóipar területén foglalkoztatottak. Szintén ide sorolhatjuk -
bár nem a „bels ő körbe" tartoznak - az üzleti élet, a pénzügyek, a jog és az egész-
ségügy területén dolgozó képzett szakembereket is. Florida arra mutat rá, hogy az
amerikai metropolita régiók fejl ődése els ősorban a kreatív osztály jelenlétét ől, nem
pedig a munkaer ő képzettségét ől függ. Ebben a tanulmányban a kreatív munkának
azt a tevékenységet tekintjük, amely fels őfokú végzettséget igényl ő foglalkozások-
ban valósul meg, viszonylag magas önálló döntéshozatalt és felel ősségi kört köve-
tel, illetve valamilyen új minőség, új tudás teremtésére irányul.
A regionális innovációs rendszerek tudásbázisa
A tudásteremtés, a gazdasági cserekapcsolatok és a lokalitás közötti összefüggé-
seket az is meghatározza, hogy milyen típusú tudás jön létre. Asheim az egyetemek
és a vállalkozások közös tudásteremtése szempontjából megkülönbözteti az analiti-
kus, szintetikus és szimbolikus tudást (Asheim-Isaksen 2002; Asheim-Gertler 2005;
Asheim-Coenen 2006), ezekre épül az innovációs rendszerek tudásbázisa. A tudás-
alapú gazdaság területi dimenziójában a három tudásfajta eltér ő szervezőerővel bír:
- A szintetikus tudás a már meglévő ismeretek újszerű kombinációját, gyakorla-
tias tevékenységek elsajátítását jelenti; f őleg alkalmazott kutatás (műszaki tu-
dományok), kísérleti fejlesztés, induktív eljárások eredménye. A szintetikus
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
4 Lengyel Balázs — Ságvári Bence TÉT XXIII. évf. 2009 s4
tudás hallgatólagos jellege miatt fontos, hogy a gazdasági szerepl ők között
kölcsönös megértés alakuljon ki, amit a fizikai közelség és gyakori személyes
érintkezések nagymértékben el ősegítenek. A szintetikus tudást használó válla-
latok lokális iparági körzetekben szervez ődnek, egymás közelségéb ől előnyt
kovácsolnak a globális piacon.
- Az analitikus tudás formális modellek, tudományos elvek, racionális eljárások
segítségével jön létre, főleg az alapkutatás (természettudományok) projektjei
révén. A tudományos munka ugyanazokat a szabályokat követeli meg a világ
minden pontján. A racionális és szigorú szabályokkal korlátozott analitikus
tudásteremtés globális szinten szervez ődik, hiszen jellegéb ől fakadóan nagy
távolságokba is könnyen transzferálható.
- A szimbolikus tudás nem a tudományos tudásteremtéshez köt ődik, sokkal in-
kább a művészi alkotáshoz, s így az ún. kreatív iparágakhoz. A szimbolikus
tudásteremtés termékei (film, zenei album, színházi el őadás stb.) legtöbbször
olyan projektek során jönnek létre, ahol hasonló mentalitású emberek nagyon
intenzíven dolgoznak együtt. Ezek a tudáselemek leginkább az alkalmazás során
(learning-by-doing) sajátíthatók el. A szimbolikus tudásteremtés így dönt ően
lokális módon szerveződik, a teremtett tudás nagy része lokális szinten is
hasznosul, ugyanakkor a domináns kultúra termékei a globális piacon verse-
nyeznek egymással.
A fenti szerz ők esettanulmányok segítségével arra világítanak rá, hogy az egye-
temek a szintetikus tudásbázis terén nagyobb hatást gyakorolnak a lokális innová-
ciós rendszerre, mint az analitikus tudásbázis terén. Egy vállalat szintetikus, mérnöki
tevékenysége ugyanis magasabb szinten hasznosítja egy térség hallgatólagos tudá-
sát (helyi kultúra, gyakorlati tapasztalatok), mint a természettudósok szabályozott
tudásteremtése. Ugyanakkor nem található a szakirodalomban az állítások szám-
szerűsített bizonyítása, amire jelen tanulmányunkban kísérletet teszünk. Ehhez
azonban le kell szűkítenünk a vizsgálat tárgyát a foglalkozási kategóriák és az egye-
temi képzés lokális kapcsolatára, amit a következ őkben mutatunk be.
Tudásbázis: kreatív foglalkozások és egyetemi képzés
A kreatív osztályt — Florida kategóriáit továbbontva — három alosztályra osztottuk:
kreatív irányítókra, a kreatív magra és a kreatív szakemberekre. A hármas tagolás-
sal új szempontokat kívántunk bevezetni a kreatív vizsgálatokba. Kísérletünkkel
arra kívánjuk felhívni a figyelmet, hogy a hozzáadott érték teremtése lényegesen
különbözik például a vezet ő pozíciókat betölt ő foglalkozások és a tudományos-,
műszaki-, művészi tevékenység között. Florida (2002a) ugyanakkor megelégedett
azzal, hogy a kreatív osztályt szuperkreatívokra (ami nálunk a kreatív mag) és krea-
tív szakemberekre bontsa, az eddigi hazai vizsgálatok pedig vagy nem bontották
részekre a kreatív osztályt, vagy együtt kezelték a vezet ő beosztású és a valóban
kreatív munkát végz ő kreatív munkaerőt.
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
TÉT XXIII. évf. 2009 s4 Kreatív foglalkozások és ... 5
1. TÁBLÁZAT
A kreatív osztály felépítése
(Structure of the Creative Class)
Kreatív
Foglalkozások Tudás-bázis FEOR kódok
alosztályok
111-113;
Törvényhozók, képvise-
Politikus tudás 121-123;
Kreatív irá- lők és felsővezetők
131
nyítók
Menedzsment v.
Középvezet ők 132-134
Szcenikus tudás
Élet-, természet- és mér-
211-214;219;
nöki tudományokkal Analitikus tudás
221-222; 224
foglalkozók
Jogászok, közgazdászok, Szintetikus
231; 251-254
társadalomtudósok tudás
Kreatív mag Művészek, sportolók,
Szimbolikus 261-264;
vallási- és kulturális
tudás 371-373
foglalkozásúak
Integrált tudás
Egyetemi oktatók v. Esszenciális 241
tudás
135; 141-142;
Termelésirányítók, kis- Alkalmazó v.
223; 232-233;
Kreatív szervezeti vezet ők, tech- adaptív v.
243-244; 249;
szakemberek nikusok, pedagógusok Operacionális
291; 311-364;
stb. tudás
391; 534
Megjegyzés: A szcenikus színházi műszaki vezető, akinek feladata az intézmény műszaki ügyeinek
intézése, a teljes m űszaki személyzet és a gondnokság dolgozóinak irányítása, valamint a hozzá tartozó
létesítmény vagy létesítmények biztonságos üzemeltetése.
Forrás: Saját szerkesztés Ságvári—Lengyel B. (2008) alapján.
Ebben a tanulmányban amellett érvelünk, hogy teljesen más feladata van a kreatív
irányítóknak és a kreatív magba tartozó munkaer őnek, és más a kreatív szakembe-
reknek, másképpen hatnak egy térség innovációs teljesítményére (1. táblázat).
A kreatív irányítók képvisel ői és felsővezet ői közé tartoznak a törvényhozók, or-
szágos igazgatási és érdekképviseleti vezet ők, önkormányzati képvisel ők, közigaz-
gatási vezetők és a gazdasági, költségvetési szervek vezet ői. Bár egészen más moti-
vációk hajtják a kormányzatí képvisel őket, a költségvetési és gazdasági szervek
vezetőit, célszerű őket együtt kezelni a tudásbázis modellezésénél. Ezek a szerepl ők
az innováció és innovációs rendszer fejl ődésének fő irányait adják meg, az alájuk
tartozók érdekképviseletét látják el, egyformán véleményt nyilvánítanak gazdaság-
politikai kérdésekben stb. (Ezen túl a foglalkozások 3-as FEOR kódú besorolása
nem teszi lehetővé, hogy a 131-es osztályon belül megkülönböztessük a költség-
vetési és a gazdasági szervek vezet őit. Az 1311-es gazdasági szervezetek vezet ői-
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
6 Lengyel Balázs — Ságvári Bence TÉT XXIII. évf. 2009 s4
nek és a 1312-es költségvetési szervek vezet őinek száma megközelít őleg azonos.)
Az ő kreativitásuk legfőképpen arra irányul, hogy a városok, régiók, országok inno-
vációs rendszereinek er őviszonyait átlássák, és a fő célokat kijelöljék. A képviselők
és felsővezetők körei zártak, a kreatív irányítók tudásukat ezekben a hálózatokban
osztják meg egymással. Jellemz ően erős elkötelezettség szükséges ahhoz, hogy
ezekbe a hálózatokba be lehessen kerülni.
A kreatív irányítók középvezet ői közé tartoznak a gazdasági és költségvetési szer-
vek szakmai részegységeinek és funkcionális tevékenységet folytató részegységei-
nek vezetői. Nekik nem a célok kijelölésében, hanem azok elérésében kell kreatív-
nak lenniük. Azt kell elérniük, hogy az egységük hatékonyan m űködjön, tudásuk
tehát az egységek vezetésében, menedzsmentjében nyilvánul meg. A kreatív mag
teremti egy város, régió, ország tudásbázisát, az innováció folyamatához ez a cso-
port adja a fő inputot. Kreativitásuk abban testesül meg, hogy új összefüggéseket,
ismereteket tárjanak fel, az új ismereteket másokkal megosszák, s ezzel új társadal-
mi és gazdasági viszonyokat teremtsenek. A kreatív mag összetett felépítése és
működése miatt a kés őbbiekben részletesebben is foglalkozunk velük. A kreatív
szakemberek a saját elvégzett munkájukért felelnek, ezért kreativitásuk a konkrét
munkavégzésben, a feladatok ellátásában kristályosodik ki. A kreatív szakembere-
ket az különbözteti meg a szolgáltatásokban, az iparban és mez őgazdaságban dol-
gozó többi munkavállalótól, hogy magasabb képzettséget igényelnek. (Florida az
amerikai nagyvárosok kreatív osztályának vizsgálatánál a jogászokat és közgazdá-
szokat is a kreatív szakemberek közé sorolta.) A kreatív szakemberek a munkavég-
zésre vonatkozó operacionális tudásukat a szervezeten belül osztják meg egymással.
Az innovációs rendszerek tudásbázisát a foglalkoztatottak statisztikai besorolása
alapján jellemezzük; a kreatív mag további elemzéséhez négy kategóriát különítet-
tünk el• analitikus tudást, szintetikus tudást, szimbolikus tudást és esszenciális
tudást. Az analitikus tudásbázisba mi a természettudósokat, orvosokat és mérnököket
értjük, bár az eredeti definíció szerint a mérnökök a szintetikus tudásbázist alakítják.
Viszont ők azok, akik tudásukat leginkább képesek globális szinten hasznosítani, azt
más országokban is tudják kamatoztatni. A szintetikus tudásbázis helyhez kötött, arra
véleményünk szerint a jogászok, közgazdászok és társadalomtudósok is alkotó módon
hatnak. A szimbolikus tudásbázist a m űvészek és sportolók teremtik, a kulturális
szervezők és könyvtárosok pedig munkájukkal az e tudáshoz való helyi hozzáférést
segítik. Az esszenciális tudás az egyetemekhez köthet ő, az egyetemi oktatók speciális
helyet töltenek be az innovációs rendszerben és a kreatív mag tudásteremtésében:
kutatómunkájukkal új tudást állítanak el ő, ugyanakkor az egész kreatív osztály számá-
ra a fels őfokú képzés során átadják az esszenciává s űrített tudást.
Számos probléma felvet ődik a foglalkozások fenti kategóriákba való besorolásá-
nál, ezekre itt nem térünk ki. Úgy véljük azonban, hogy a tudásbázis fenti kategóriái
jól megragadják az innováció helyi és globális jellegét, hasznosak a gazdaságpolitika
számára is, hiszen ezek teremtését eltér ő elvek alapján kell támogatni. A kategóriák
egymást kölcsönösen nem zárják ki, szerencsésebb azokat átfed ő Venn-diagrammal
ábrázolni (1. ábra).
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
TÉT XXIII. évf. 2009 s4 Kreatív foglalkozások és ... 7
1. ÁBRA
A kreatív mag tudásbázisai
(Knowledge Bases of the Creative Core)
Analitikus
tudás
Természettudósok
Könyvtárosok
Kulturális szervez ők Előadó és alkotó
művészek
Sportolók
Szimbolikus
tudás
Forrás: Ságvári—Lengyel B. (2008).
A magyar területi vizsgálatban a fent kifejtett foglalkozási kategóriákat az egye-
temi képzési szerkezettel együtt elemezzük. A foglalkozási osztályok az innovációs
rendszer tudásbázisát, az egyetemi kategóriák a rendszer tudásbázis-teremt ő képessé-
gét mérik. A két indikátort hasonló szerkezetben vettük számba: a 2001-2002-es tan-
év felsőoktatási alapszakjainak tudományterületi besorolásait alkalmaztuk. Gondo-
latmenetünk alapján a természettudományi szakok analitikus, az élettudományi sza-
kok egyaránt analitikus és szintetikus, a m űszaki tudományi és agrártudományi
szakok szintetikus, a társadalomtudományi szakok kvázi-szintetikus, a bölcsészet-
tudományi, hittudományi és művészeti szakok szimbolikus tudásbázis létrehozásá-
ban bírnak vezető szereppel. A kés őbbiekben részletesen bemutatjuk az egyetemi
képzési szerkezet területi jellemz őit is, a következ ő fejezetben azonban a hazai
regionális innovációs rendszerek 1996 és 2005 közötti fejl ődését összegezzük a
foglalkozási kategóriák alapján.
A kreatív munkavégzés és tudásbázis térben és id őben
A kreatív munkavégzés elmúlt évtizedben végbement területi koncentráció-
változásának elemzéséhez megyei adatok álltak rendelkezésünkre Az 1996-os és
2005-ös mikrocenzus adatfelvételei csak ezen a területi szinten reprezentatívak,
ugyanakkor a 2001-es népszámlálás adatait a kistérségek szintjén is fel tudtuk dol-
gozni. A kistérségi adatokat használtuk a kés őbb kifejtésre kerül ő regressziós
modellünkben, a modell eredményeit pedig a megyei szint ű, évtizednyi változást
követő adatokkal magyarázzuk.
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
8 Lengyel Balázs — Ságvári Bence TÉT XXIII. évf. 2009 s4
2. TÁBLÁZAT
A kreatív osztály megyei mérete, összes foglalkoztatotthoz mért aránya, 1996, 2001, 2005
(Creative Class in the Hungarian Counties, 1996, 2001, 2005)
1996 2001 2005
Megyék
Kreatív Összes % Kreatív Összes % Kreatív Összes %
Budapest 33 3045 708 893 47 383 123 746 018 51 415 359 754 957 55
Baranya 42 589 131 894 32 47 276 136 390 35 51 936 143 957 36
Borsod-
Abaúj- 38 248 150 406 25 73 051 209 307 35 74 763 220 316 34
Zemplén
Bács-
47 486 188 138 25 51 419 191 550 27 58 413 199 218 29
Kiskun
Békés 33 801 125 570 27 36 770 125 151 29 42 266 129 863 33
Csongrád 44 288 152 961 29 50 545 154 174 33 55 883 156 735 36
Fej ér 41 678 155 791 27 52 633 175 433 30 60 053 177 024 34
Győr-
Moson- 50 472 170 064 30 56 433 184 389 31 61 115 184 494 33
Sopron
Hajdú-
51 376 165 925 31 58 018 174 794 33 66 074 190 490 35
Bihar
Heves 31 101 105 975 29 34 548 110 041 31 41 081 115 026 36
Jász-
Nagykun- 36 556 131 926 28 40 945 133 519 31 47 380 141 249 34
Szolnok
Komárom-
29 536 107 422 27 37 230 123 971 30 41 735 131 162 32
Esztergom
Nógrád 18 483 65 215 28 21 153 72 672 29 23 492 76 067 31
Pest 99 489 357 917 28 141 208 416 624 34 171 458 471 669 36
Somogy 29 491 108 758 27 34 457 112 498 31 33 725 112 066 30
Szabolcs-
Szatmár- 40 248 151 302 27 49 544 157 445 31 58 349 173 576 34
Bereg
Tolna 24 179 84 723 29 26 039 87 908 30 28 801 90 044 32
Vas 28 090 110 377 25 32 103 114 846 28 34 684 109 097 32
Veszprém 36 745 137 245 27 42 654 145 925 29 48 068 147 671 33
Zala 31 043 115 754 27 34 623 117 614 29 38 034 121 705 31
Ország
1 087 944 3 426 256 32 1303 772 36519269 35 1452 669 3846 386 38
összesen
Forrás: Ságvári—Lengyel B. (2008).
Magyarországon Budapest súlya a kreatív osztály koncentrációjában kiemelked ően
magas, 1996-ban a kreatívok 31, 2001-ben és 2005-ben 29%-a élt a f ővárosban, Pest
megyében 9, 11 és 12%-a. A kreatív osztály növekedése 1996 és 2005 között területi-
leg differenciáltan zajlott. Borsod-Abaúj-Zemplén megye növekedési rátája a leg-
magasabb, itt majdnem megduplázódott a kreatív munkaer ő, Budapesten 72%-kal
nő tt. Szabolcs-Szatmár-Bereg, Komárom-Esztergom és Fejér megye növekedése
emelkedik ki az országban. A növekedés Észak-Magyarországon, az Észak-
Alföldön és Közép-Dunántúlon dinamikusabb, a Dél-Alföldön, Nyugat- és Dél-
Dunántúlon lassabb volt (2. táblázat).
A kreatív osztálynak az egyes megyék teljes munkaer őn belüli arányait tekintve
az 1996-tól 2005-ig tartó id ő szakban, az egész országban általános a növekedés:
Budapesten például ez az arány 47%-ról 55%-ra n őtt (miközben az országos érték is
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
TÉT XXIII. évf. 2009 s4 Kreatív foglalkozások és ... 9
32%-ról 38%-ra emelkedett). A növeked ő tendenciákból csak néhányat emelünk ki:
Borsod-Abaúj-Zemplénben (Miskolc szerepének köszönhet ően) az 1996-2001 kö-
zötti időszakban közel 10 százalékponttal n őtt a kreatívok aránya, a foglalkoztatot-
tak száma pedig mintegy 70 ezerrel, s ezen belül a kreatív osztály tagjainak száma
36,5 ezerrel. Az 1996-tól 2005-ig terjed ő időszakban, szinte az összes megyében
átlépte a kreatív osztályban foglalkoztatottak aránya az egyharmadot, és Borsod-
Abaúj-Zemplén mellett jó néhány megyében (pl. Csongrád, Fejér, Heves, Szabolcs-
Szatmár-Bereg) szintén igen magas, akár 7 százalékpontos is volt a kreatív osztály
arányának növekedése a vizsgált évtized alatt.
A kreatív osztály id őbeli változásával kapcsolatban sajátos észak—dél megosztott-
ságot láthatunk az ország területén. A kreatív osztály domináns f ővárosi koncentrá-
ciója és dinamikus növekedése mellett a kreatív osztály egy képzeletbeli észak-
keleti tengely mellett n őtt: Borsod-Abaúj-Zemplén megyében kiugró mértékben
nőtt, amely dinamikát csak a komáromi és székesfehérvári fejl ődés közelíti meg
(2. ábra). A kreatív osztály fő kategóriái ugyanakkor hasonló megoszlásokat mutat-
nak a megyékben: a kreatív szakért ők alkotják a megyei kreatív munkaer ő kéthar-
madát, a maradék egyharmadot a kreatív irányítók és kreatív mag fele-fele arányban
teszik ki az összes megyében.
2. ÁBRA
A kreatív osztály összetétele 2005-ben és növekedése 1996-tól 2005-ig
(Growth and Structure of the Creative Class)
A kreatív osztály összetétele megyénként A kreatív osztály növekedése 1996-2005
420 000 • 95 % (1)
s 72 % (1)
210 000 s 36 - 46 % (3)
26 - 36 % (6)
Fi 14 - 26 % (9)
42 000
▪ Kreatív irányítók
▪ Kreatív mag
▪ Kreatív szakemberek
Forrás: Ságvári—Lengyel B. (2008).
A kreatív mag az önálló tudásteremt ő képessége miatt az innovációs rendszer meg-
újuló-képességének bázisát jelenti. A kreatív mag analitikus, szintetikus, szimbolikus és
integrált tudásbázisainak megoszlása és változásuk tendenciái térség-specifikusak.
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
10 Lengyel Balázs — Ságvári Bence TÉT XXIII. évf. 2009 s4
3. ÁBRA
A kreatív mag összetétele és kreatív osztályon belüli aránya, 2005
(Structure of the Creative Core and its Share in the Creative Class, 2005)
A tudásbázist alkotó munkavállalók, fő A kreatív mag aránya a kreatív osztályon belül,
130 000
• 31 (1)
• 18 - 22 (7)
85 000 E 14 - 18 (10)
u 10 - 14 (2)
13 000
▪ Analitikus
• Szintetikus
1:1 integrált
• Szimbolikus
Forrás: Ságvári—Lengyel B. (2008).
A kreatív mag Budapesten és agglomerációjában koncentrálódik, és felt űnő, hogy
az ország keleti megyéiben nagyobb méretben van jelen, mint a gazdaságilag fejlet-
tebb nyugati megyékben (3. ábra). Az analitikus tudásbázis a kreatív mag 40-50%-a,
a szintetikus tudásbázis ennél kisebb arányú, mintegy 25-30%, a szimbolikus
tudásbázis a kreatív mag 10-15%-a, az integrált tudásbázis pedig érdemben csak a
nagyobb egyetemmel, főiskolával rendelkez ő térségekben jelenik meg, a kreatív
magnak értelemszer űen csak kisebb részét adja. A fentiekhez képest Budapest és
Pest megye értékei más megoszlást mutatnak: az agglomerációban a szintetikus
tudásbázis nagyon erő s, az analitikus tudásbázissal hasonló méret ű, a szimbolikus
tudásbázis pedig jóval nagyobb arányú, mint az ország többi részében.
A kreatív mag összetétele mellett az analitikus és szintetikus tudásbázis növeke-
désének eltérő irányai figyelhető k meg az országban, melyeket alább részleteiben is
bemutatunk.
Az analitikus tudásbázis
Az analitikus tudásbázisba a mérnökök, orvosok és a természettudományokkal
foglalkozók tartoznak. Az ő tudásuk kevéssé köt ődik a helyi viszonyokhoz, köny-
nyen konvertálható az egész világon, ezért bárhol tudnak munkát vállalni. Így a
magyar orvosok, mérnökök, kémikusok, biológusok stb. tudásukat akár nemzetközi
szinten is képesek mobilizálni, erre az analitikus tudásbázis fejlesztésekor figye-
lemmel kell lenni. Az analitikus tudásbázis képezi a leginkább mobil, a környezeti
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
TÉT XXIII. évf. 2009 s4 Kreatív foglalkozások és ... 11
feltételekre legérzékenyebb munkaer őt. Nem véletlen, hogy az innovációs politika
és a tudásalapú gazdaságfejlesztés els ősorban erre a tudásbázisra koncentrál.
Az analitikus tudásbázis csökken ő mértékben, persze így is meghatározó módon
koncentrálódik Budapesten, az agglomeráció szerepe egyre n ő . Meg kell azonban
említenünk, hogy csalóka az itt kapott kép: a népszámlálás és a mikrocenzusok
adatfelvételei a lakóhelyre vonatkoztak, így valószín űleg jóval többen dolgoznak az
analitikusok közül Budapesten, akiknek lakhelye másik település. A megyék anali-
tikus tudásbázisa többféle módon változott a vizsgálatunk 10 éves id őtartama alatt,
a növekedés korántsem általános tendencia.
3. TÁBLÁZAT
Az analitikus tudásbázis területi értékei
(Volume of Analytic Knowledge Base in the Hungarian Counties)
Az analitikus bázis
A tudásbázist alkotók A helyi bázis aránya
helyi kreatív magon
Megye száma (fő) az országban (%)
belüli aránya (%)
1996 2001 2005 1996 2001 2005 1996 2001 2005
Budapest 42 549 50 318 47 657 38 37 35 40 41 37
Baranya 4 151 4 759 4 109 4 4 3 46 46 43
Borsod-Abaúj-
2 378 6 472 5 776 2 5 4 52 51 45
Zemplén
Bács-Kiskun 3 205 4 355 4 756 3 3 4 44 48 47
Békés 2 169 2 895 3 051 2 2 2 40 49 51
Csongrád 4 522 5 514 6 060 4 4 4 44 47 51
Fejér 4 591 4 999 5 681 4 4 4 59 54 56
Győr-Moson-
5 122 5 598 5 189 5 4 4 55 51 49
Sopron
Hajdú-Bihar 6 159 5 806 5 450 5 4 4 51 48 45
Heves 2 733 2 997 3 904 2 2 3 50 49 57
Jász-Nagykun-
3 146 3 397 2 808 3 3 2 54 49 47
Szolnok
Komárom-
2 347 3 262 4 466 2 2 3 45 51 65
Esztergom
Nógrád 1 114 1 551 949 1 1 1 42 49 40
Pest 10 905 13 674 15 388 10 10 11 54 46 43
Somogy 2 190 2 836 3 349 2 2 2 35 48 51
Szabolcs-
3 803 3 947 3 487 3 3 3 52 49 42
Szatmár-Bereg
Tolna 2 753 2 427 2 793 2 2 2 67 57 52
Vas 2 349 2 721 3 674 2 2 3 58 50 55
Veszprém 3 527 3 860 3 375 3 3 2 55 51 47
Zala 2 750 3 194 3 240 2 2 2 57 52 51
Ország összesen 112 463 134 582 135 162 100 100 100 46 46 44
Forrás: Ságvári—Lengyel B. (2008).
Az analitikus tudásbázis növekedése a tudásbázis helyi, kreatív magon belüli ará-
nyát Bács-Kiskun, Békés, Csongrád, Komárom-Esztergom és Somogy megyékben
növelte. Az analitikus tudásbázis abszolút érték ű növekedése lassabb volt a többi
tudásbázis helyi növekedésénél Budapesten, Borsod-Abaúj-Zemplén, Fejér, Gy őr-
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
12 Lengyel Balázs — Ságvári Bence TÉT XXIII. évf. 2009 s4
Moson-Sopron, Heves, Pest, Vas és Zala megyékben (3. táblázat). Ezekben a
megyékben az analitikus tudásbázis szerepe gyengült a helyi innovációs rendszer
belső viszonyait tekintve. Még rosszabb a helyzet Hajdú-Bihar, Jász-Nagykun-
Szolnok, Nógrád, Szabolcs-Szatmár-Bereg, Tolna- és Veszprém megyékben, ahol
az analitikus tudásbázis abszolút értékben is csökkent.
Az analitikus tudásbázis csökkenése esetén kisebb annak a valószín űsége, hogy a
térségből olyan innovációk kerüljenek ki, amelyek a globális piac értékláncába tud-
nának illeszkedni. Amennyiben a térségben az analitikus tudásbázis arányai csök-
kennek, akkor a tudásbázis helyi érdekérvényesít ő képessége is csökken, így a fej-
lesztési célok és források valószín űleg más tudásbázisokat er ősítenek. Az analitikus
tudásbázis méretének és arányainak egyidej ű növekedésével ugyanakkor az innová-
ciók megjelenésének valószínűsége növekszik, amit a helyi innovációs rendszer is
növekvő mértékben támogat.
Szintetikus tudásbázis
A szintetikus tudásbázis fundamentumát azok a jogászok, közgazdászok és társa-
dalomtudósok alkotják, akik tudása főleg helyi, lokális viszonyok között értelmezhe-
tő . Az ő tudásuk az innovációk gazdasági és társadalmi hasznosítására irányul, nélkü-
lözhetetlenek abban, hogy akár a helyi, akár a globális szinten el őállított javakat és a
szolgáltatásokat piacra lehessen juttatni. Ők az innovációs rendszert nem m űszaki és
tudományos újítások létrehozásán keresztül alakítják, hanem els ősorban a gazdasági
cserefolyamatok lebonyolításán, a jogi-szabályozási környezet m űködtetésén és a
társadalmi valóság, a jelen és a múlt, az emberi viszonyok megismerésén keresztül.
Ezért koncentrációjuk változása többnyire arról ad információt, hogy az adott térségek
erő södnek vagy gyengülnek a nemzeti innovációs rendszer gazdasági és társadalmi
alrendszereiben. Másrészt helyi arányuk növekedéséb ől arra is következtethetünk,
hogy a térségben a tudás gazdasági hasznosítása gyorsabban fejl ődik, mint a klasszi-
kus értelemben vett tudományos és műszaki tudás- és értékteremtés.
A szintetikus tudásbázis egyre növekv ő mértékben koncentrálódik Budapesten és
az agglomerációjában (4. táblázat). 1996-tól 2005-ig minden megyében növekedett
az ebben a tudásbázisban foglalkoztatottak száma, azonban a f ővárosi agglomeráció
dinamikája mögött ezek a változások messze elmaradnak. Érdemes még megemlí-
teni, hogy Békés, Nógrád és Somogy megyében ugyanekkor csökkent a szintetikus
tudásbázis koncentrációja. A szintetikus tudásbázis helyi arányai Budapesten és
Pest megyében, illetve Gy őr-Moson-Sopron, Hajdú-Bihar, Jász-Nagykun-Szolnok,
Szabolcs-Szatmár-Bereg, Tolna és Vas megyékben n őttek. Ezekben a megyékben
egyértelmű igazán, hogy a tudás gazdasági hasznosítása gyorsabban fejl ődött, mint
az a tudásteremtés, amely az újdonságokat szállítja.
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
TÉT XXIII. évf. 2009 s4 Kreatív foglalkozások és ... 13
4. TÁBLÁZAT
A szintetikus tudásbázis megyei értékei
(Volume of Synthetic Knowledge Base in the Hungarian Counties)
A tudásbázist alkotó A helyi bázis A szintetikus bázis
foglalkoztatottak aránya az ország- aránya a helyi
Megye
száma (fő) ban (%) magban (%)
1996 2001 2005 1996 2001 2005 1996 2001 2005
Budapest 31 388 41 043 47 454 43 45 45 30 33 37
Baranya 2 812 2 980 3 044 4 3 3 31 29 31
Borsod-Abaúj-
1 539 3 622 3 786 2 4 4 34 28 30
Zemplén
Bács-Kiskun 2 623 2 851 3 460 4 3 3 36 31 34
Békés 2 200 1 813 1 926 3 2 2 41 31 32
Csongrád 3 244 3 174 3 556 4 3 3 32 27 30
Fejér 1 956 2 494 2 458 3 3 2 25 27 24
Győr-Moson-
2 404 3 081 3 403 3 3 3 26 28 32
Sopron
Hajdu-Bihar 2 946 3 234 3 918 4 4 4 24 27 32
Heves 1 646 1 853 1 654 2 2 2 30 30 24
Jász-Nagykun-
1 468 2 251 2 204 2 2 2 25 32 37
Szolnok
Komárom-
1 848 2 078 1 886 3 2 2 35 33 27
Esztergom
Nógrád 956 1 031 850 1 1 1 36 33 36
Pest 6 014 9 460 12 685 8 10 12 30 32 36
Somogy 2 388 1 651 2 199 3 2 2 38 28 34
Szabolcs-
1 976 2 327 2 738 3 3 3 27 29 33
Szatmár-Bereg
Tolna 922 1 073 1 689 1 1 2 22 25 31
Vas 886 1 437 1 867 1 2 2 22 27 28
Veszprém 1 920 2 130 2 201 3 2 2 30 28 31
Zala 1 456 1 733 1 578 2 2 2 30 28 25
Ország összesen 72 592 91 316 104 556 100 100 100 30 31 34
Forrás: Ságvári—Lengyel B. (2008).
Értelmezésünkben a budapesti szintetikus tudásbázis kiugró er ősödése összefüg-
gésben áll a nagyvárosi agglomeráció nemzetközi szerepének növekedésével. A külföldi
nagyvállalatok megjelenése és a nemzetközi tranzakciók feler ősödése serkentően hatott
a sokszínű fővárosi agglomerációra. Budapest, mint az „ország kapuja" kinyílt, része
lett a globális hálózatoknak, így a főváros innovációs rendszerében organikus
folyamatként ment végbe a helyi beágyazottságot növel ő , lokális gazdasági és tár-
sadalmi tudást integráló szintetikus tudásbázis növekedése.
A 3T regressziós modell és nemzetközi tapasztalatai
Richard Floridának az USA nagyvárosaira vonatkozó módszertanát nehezen lehet
alkalmazni Európában. Egészen más a kreatív munkaer ő városok közötti mobilitása
az Európai Unió szintjén, a nemzetgazdaságokon belül pedig általában néhány
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
14 Lengyel Balázs — Ságvári Bence TÉT XXIII. évf. 2009 s4
centrum, növekedési pólus vonzza a kreatív embereket. Több tanulmány is született,
amelyben a kreatív osztályt nemzeti szinten vizsgálták (Florida—Tinagli 2004;
Ságvári—Dessewffy 2006). Ahhoz azonban, hogy területi összefüggéseket tudjunk
kimutatni, a munkaerő-vonzáskörzetek szintjén kell a kreatív munkavégzés jellem-
zőit megragadnunk Munkaerő-vonzáskörzetnek az a területi egység tekinthet ő,
amelyen belül a munkavállaló munkahelyet tud cserélni anélkül, hogy el kelljen
költöznie lakhelyéről (Lengyel I.—Rechnitzer 2004).
Mellander és Florida (2007) a svéd munkaer ő-vonzáskörzetek szintjén (81 svéd
régió) vizsgálták a térségek tolerancia-szintje, a térségekben dolgozó kreatívok ará-
nya, a térség gazdaságának technológiai fejlettsége és a térség általános fejlettsége
közötti kapcsolatot. Modelljük érdekessége, hogy figyelembe vették azt is, hogy van-e
a vonzáskörzetben egyetem, illetve a szolgáltatások milyen széles körét tudja a térség
biztosítani a polgárai számára. A szerz ők legújabb, amerikai nagyvárosokra alkalma-
zott modelljében a munkaerő-vonzáskörzetek tolerancia-szintjére és a régióban meg-
található szolgáltatások sokszín űségére vezetik vissza a térség kreatív osztályt és
magas technológiájú iparágakat vonzó képességét (Florida et al. 2008). A tanul-
mányban amellett érvelnek, hogy a regionális növekedést a tolerancia-szint, a kép-
zett munkaer ő és a térségben található iparágak technológiai színvonala határozza
meg. A modell szerint az egyetemeknek nincs közvetlen hatásuk a térség életszín-
vonalára és az iparágak technológiai szintjére, csak a humán t őke képzésén keresz-
tül hatnak a regionális növekedésre.
Mindkét modell alapján elvégeztük a vizsgálatot, és azt találtuk, hogy az egyete-
mek jelenléte a legtöbb esetben nem magyarázza a kistérségek közötti jövedelem-
különbségeket. Ezért itt azokat az eredményeket mutatjuk be, ahol a kistérség tole-
rancia-szintje közvetlenül magyarázza a kreatív munkaer ő, a technológia színvonal
és a regionális fejlettség változóit. Az általunk vizsgált modell három regressziós
egyenlet segítségével rajzolható fel, e szerint az egyetemek a kistérség kreatív mun-
kaerején keresztül hatnak a régió gazdaságának technológiai színvonalára és a terü-
let lakosságánál mért életszínvonalra (Florida et al. 2008):
Tehetség = (3 11 Egyetem + 13 12 Tolerancia + 13 13 Kulturális Szolgáltatások + E l
(321 Tolerancia + 1322 Tehetség + Kulturális Szolgáltatások + C2Technológia=
Regionális Fejlődés = (331 Tolerancia + 13 32 Tehetség + 1333 Technológia + C3
A három regressziós egyenletb ől felrajzolt modell a régiók fejl ődésének általános
keretét alkotja (4. ábra). A modell függő változója a régióban mért életszínvonal
szintje, melyet az egy főre es ő jövedelemmel, illetve az egy főre eső bértömeggel
mértek. A gondolati vezérelv szerint minél nyitottabb, toleránsabb egy térség, annál
jobban vonzza a tehetségeket („kreatívokat"), ami összességében pozitívan hat a magas
technológiai szintet képvisel ő vállalatok letelepedésére, így magasabb jövedelemszintet
várhatunk. A technológiai szint becslésére a high-tech iparágak lokációs hányadosát
használták. A tehetségek számbavétele kétféleképpen történt: egyrészt a fels őfokú
végzettséggel rendelkez ő lakosok arányát számolták, másrészt a kreatív osztályt
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
TÉT XXIII. évf. 2009 s4 Kreatív foglalkozások és ... 15
alkotó foglalkoztatottak arányát mérték. A tolerancia-szint becslése a svéd modellben
egy homoszexuális szervezet városokra vonatkozó rangsora alapján történt.
A modellben külön vizsgálták az egyetemek jelenlétének és a térségben igénybe
vehető szolgáltatásoknak a kreatív osztályra gyakorolt hatását. A szolgáltatások
változatossága a modell szerint hat a térség toleranciájára, a tehetséges munkaválla-
lók letelepedésére, illetve a technológiai színvonalra is. A vonzáskörzetekben elér-
hető szolgáltatások változatosságát a térségben bejegyzett személyi szolgáltatások
ágazati kódjainak számával mérték. Az egyetem változót az ezer f őre eső egyetemi
karok száma jelentette.
4. ÁBRA
A regionális fejlődés 3T modellje
(3T Model of Regional Development)
Tolerancia
mrs•s•s•••s*s••s
•
Egyetem Tehetség / Technoló- Regionális
kreatív gia fejlettség
osztály
Szolgáltatá-
sok változa-
tossága
Forrás: Florida et al. (2008, 622).
A modell igazi érdekessége a tehetség mutató elemeire bontásában rejlik. Egy-
részt össze lehet hasonlítani a kreatívok regionális fejlettségre való hatását az okta-
tási és a foglalkoztatási oldalról közelítve. A foglalkoztatási adatokon belül a sz ű-
ken értelmezett „szuperkreatívok" (super-creatives) és a tágabban értelmezett „krea-
tív szakértők" (creative professionals) csoportjait különítették el (Florida et al.
2008). A „szuperkreatív" csoportot tovább bontották m űvészekre, természet- és
társadalomtudósokra, informatikusokra, mérnökökre. Úgy véljük azonban, hogy a
modell hazai adaptálása során többre van szükség a fenti osztályozás egyszer ű
követésénél, ezért a fejezet el őző részeiben kifejtett kategóriákra is alkalmaztuk a
gondolatmenetet.
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
16 Lengyel Balázs — Ságvári Bence TÉT XXIII. évf. 2009 s4
A hazai vizsgálat és eredményei
Az általunk elvégzett magyar vizsgálat a KSH-tól egyéni adatkérés során szerzett
adatokon alapul. Elemzésünket megpróbáltuk a lehet ő legkisebb területi szinten
végrehajtani, ami szükségképpen számos kompromisszum megkötését is jelentette.
Kistérségi szinten voltunk kíváncsiak a lakosság foglalkoztatási összetételére, ezért
a 2001-es népszámlálás adatait tudtuk csak felhasználni. Az adatokból általunk
számított mutatóink a kistérségek fejlettségére, technológiai színvonalára, a kreatív
foglalkozásúakra, a munkaer őpiac nyitottságára, a fels őfokú oktatási intézmények
jelenlétére és az elérhet ő szolgáltatások sokszín űségére vonatkoznak.
A térségek fejlettségének általánosan elfogadott indikátora a lakosság jövedelem-
szerző-képessége, az egy főre eső jövedelem. Az összesített személyi jövedelemadó-
alap összegét osztottuk az adófizet ők számával; az aktív népesség jövedelemszerz ő
képességét becsültük ezzel. A kistérségek technikai fejlettségét az ott koncentrálódó
high-tech és medium-tech ágazatokkal közelítettük meg, az ezen ágazatokban fog-
lalkoztatottak számát viszonyítottuk a teljes gazdasághoz (ipar + agrárium + tercier
szektor). Az egyetem mutatónál az adott kistérségben foglalkoztatottak számához
viszonyítottuk az ottani fels őoktatási intézményekben nappali tanulmányokat vég-
zők számát. A szolgáltatások sokszín űségét a szerint határoztuk meg, hogy a 92-es
szolgáltatási TEÁOR ág 14 osztályából számszer űen mennyiből jegyeztek be leg-
alább egy céget a kistérségben.
A kreatív munkaerő megragadása két módon lehetséges: képzési adatok, illetve
foglalkoztatási adatok által. A képzettség oldaláról a fels őfokú végzettséggel ren-
delkező munkavállalókat vettük figyelembe. A foglalkoztatási oldalról a szerveze-
ten belüli érvényesülést keres ő , az érdeklődését, önkifejezését követ ő és az önálló
döntéshozatalában korlátozott munkaer ő archetípusait különböztettük meg. A krea-
tív irányítók, kreatív mag és kreatív alkalmazók csoportjainak megkülönböztetése
erre a logikára épül.
A városok kreatív munkaer őt vonzó atmoszférája igen nehezen számszer űsíthető .
Richard Florida (2002a; 2002b) a városokban él ő homoszexuálisok arányát számol-
ta ki, majd használta annak illusztrálására, hogy mennyire be- és elfogadó egy tele-
pülés, hogyan jellemezhet ő a mássághoz való általános hozzáállás, az ezzel kapcso-
latos tolerancia. Más vizsgálatokban több példát találunk arra, hogy a toleranciával
kapcsolatos mutatókhoz a bevándorlók, a külföldi munkavállalók arányát vizsgál-
ják. Ennek alkalmazása szintén problémás Magyarország esetében, hiszen az ame-
rikai, vagy akár a svéd munkaer őpiaccal összehasonlítva is igen alacsony a külföldi
munkavállalók aránya, vagy éppen igazi kihívás elé állítja a statisztikusokat számba-
vételük (pl. a Magyarországon él ő kínaiak esetében). A magyar városok, térségek
munkaerőpiacát jellemző nyitottság mérésére mégis ezt a megközelítést alkalmaztuk.
A 2001-es népszámlálás adataiból a külföldi állampolgárságú foglalkoztatottak loká-
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
TÉT XXIII. évf. 2009 s4 Kreatív foglalkozások és ... 17
ciós hányadosát számoltuk ki a hazai kistérségekben. Ez a koncentrációs mutató a
munkavállalók lakóhelyére vonatkozik. A speciális magyar helyzetb ől adódóan (pl.
határon túli magyarok munkavállalása) nem állíthatjuk, hogy a mutató tökéletesen
be tudja tölteni a tolerancia mérésének szerepét. Úgy véljük azonban, hogy az indi-
kátor legalább részleges képet nyújt a munkaer őpiac nyitottságáról.
A regionális fejlettség és a modell független változói közötti kapcsolatokból a
legérdekesebbeket emeljük ki (5. táblázat). A legerősebb kapcsolat a humán t őke
(0,728), a kreatív mag (0,786), illetve a teljes kreatív osztály (0,748) esetében
figyelhető meg (5. táblázat). Egy kistérség gazdasági fejlettségét jobban magyaráz-
za a kreatív mag csoportjának nagyarányú jelenléte, mint a fels őfokú végzettségűek
vagy a kreatív alkalmazók jelenléte. A fels őfokú végzettség űek természetesen nagy
részben fedik a kreatív osztály csoportjait, hiszen a kreatív foglalkozások dönt ő
részben fels őfokú végzettséget igényelnek (lásd pl humán t őke és kreatív csoportok
közötti korrelációt). Érdemes kiemelni, hogy a területileg koncentrált fels őoktatás
(akár az oktatók, akár a nappali tagozatos hallgatók számát tekintve) igen jelent ősen
együtt mozog a fels őfokú végzettséggel rendelkez ő foglalkoztatottak és a kreatív
mag nagyságával. Más szóval, a képzett és önmegvalósításra törekv ő munkaerő
nagyrészt a fels őoktatási intézménnyel rendelkez ő kistérségekben koncentrálódik.
Egy kistérség gazdaságának technológiai színvonala és a regionális fejlettség
közötti kapcsolat mérése a vizsgált mutatók közül az egyik leggyengébb. Ez nagy-
részt annak tudható be, hogy a high- és medium-tech iparágak foglalkoztatottainak
aránya Budapesten, illetve az agglomerációban a tercier szektor túlsúlya miatt vi-
szonylag alacsony. A térségek tolerancia szintjének becslésére az állampolgárság és
a születési hely mutatóit használtuk. Ezek hatása valószín űleg gyengébb Magyar-
ország kistérségeinek gazdasági fejlettségére, azonban szignifikáns pozitív kap-
csolat mutatható ki közöttük.
A továbbiakban táblázatos formában mutatjuk be a 168 kistérségre alkalmazott és
a 36 fels őfokú intézménnyel bíró kistérségre sz űkített modelljeinket (6. táblázat).
A magyarországi eredmények sok szempontból eltérnek mind a svéd, mind pedig az
amerikai eredményekt ől.
Az első kutatási kérdésünk arra irányul, hogy a foglalkoztatottak képzettségi
szintje vagy a foglalkozások jellege magyarázza-e jobban a régiók fejlettségét. Az
eredményeink szerint a 168 kistérség esetén a humán t őke és annak képzettségi
színvonala jobban magyarázza a kistérségek közötti jövedelem-különbséget, mint a
kreatív foglalkozások jelenléte (6. táblázat). Ugyanakkor a modell magasabb R2-tel,
nagyobb magyarázóerő vel bír a kreatív osztály esetén, mint a humán t őke modell-
ben. Ezen túlmenően a felső oktatási intézménnyel bíró 36 kistérségben a kreatív
osztály jobban magyarázza a fejlettséget, mint a humán t őke. A svéd (Mellander-
Florida 2007) és amerikai (Florida et al. 2008) vizsgálatokban egyértelm űen a
kreatív osztály dönt ő szerepét mutatták ki, azonban az itt talált eredmények az át-
meneti országok regionális fejl ődésére utalhatnak. Ezek szerint a kreatív foglalko-
zások az egyetemi központokban magyarázzák eredményesen a regionális fejl ődést,
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
18 Lengyel Balázs - Ságvári Bence TÉT XXIII. évf. 2009 s4
ahol a foglalkoztatottak képzettségi szintje magasabb az átlagnál. Azonban ez nem
igaz a teljes 168 kistérségre, ahol ellentétes trendek érvényesülnek, és a foglalkozta-
tottak képzettségi szintje gyakorol nagyobb hatást a jövedelem-különbségekre. Ez
azt jelenti, hogy a kistérségek nagy részében magas azoknak a fels őfokú alkalma-
zottaknak a száma, akik nem tudnak elhelyezkedni fels őfokú végzettséget igényl ő,
kreatív foglalkozásokban.
5. TÁBLÁZAT
A 3T modell változói közötti korrelációk mértéke
(Correlation Values among the Model Indicators)
Kreatív alkalmazók
Kreatív irányítók
Kreatív osz tály
Felsőokta tás
Humán tőke
Jövedelem 1
Humán tőke ,728 1
Kreatív
,575 ,781 1
irányítók
Kreatív mag ,786 ,951 ,780 1
Kreatív
,713 ,826 ,799 ,824
alkalmazók
Kreatív osz-
,748 ,925 ,880 ,933 ,962 1
tály
Egyetemi
,537 ,794 ,542 ,827 ,579 ,708 1
oktatók
Hallgatók ,443 ,729 ,462 ,734 ,537 ,641 ,912 1
Technológia ,272 193
Állampolgár-
,382 ,350 ,245 ,425 ,310 ,351 ,345 ,274 1
ság
Születési hely ,562 ,466 ,376 ,562 ,481 ,509 ,419 ,322 ,854 1
Szolgáltatás ,637 ,729 ,562 ,740 ,642 ,707 ,571 ,544 ,346 ,448 1
Megjegyzés: a korrelációs együtthatók 1%-os szinten szignifikánsak, a *-al jelölt érték 5%-os szinten
szignifikáns.
Forrás: Saját számítás.
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
TÉT XXIII. évf. 2009 s4 Kreatív foglalkozások és ... 19
6. TÁBLÁZAT
A 3T útmodell eredményei a humán t őke és a kreatív osztály adataival
(3T Path-model Results for Human Capital and Creative Class)
Humán tőke — 168 kistérség Kreatív osztály — 168 kistérség
Re gio- Regio-
Te - Tech- Te- Tech-
nahs . nális
hetség nológia nológia
fejlődés fejlődés
fejlo„de,s
Tolerancia ,066 -,110 ,168** Tolerancia ,086 -,111 359**
Egyetem ,465 ** (- Egyetem ,355**
,192**)
Kult.Szolg. ,453** ,069 (,183**) Kult.Szolg. ,484** ,058 (,191**)
Tehetség -,106 ,714** Tehetség -,075 ,652**
Tech- ,363 ** Tech- ,359**
nológia nológia
R2 ,714 R2 ,727
Humán tőke — 36 kistérség Kreatív osztály — 36 kistérség
Regio- Regio-
Te- Tech- Te- Tech-
nális . nális
hetség nológia nológia
fejl ődés fejlődés
Tolerancia ,338** -,063 ,261* Tolerancia ,299** -,056 ,273*
Egyetem ,306** Egyetem ,302**
Kult.Szolg. ,476** ,037 Kult.Szolg. ,496** ,070
Tehetség -,255 ,673** Tehetség -,310 ,729**
Tech- ,285** Tech- ,306**
nológia nológia
R2 ,777 R2 ,806
Megjegyzés: **1%-os szignifikancia szintet, * 5%-os szignifikancia szintet jelöl.
Forrás: Saját számítás.
A vizsgálat második lépéseként a kreatív al-osztályaink regionális fejlettségre való
hatását vizsgáltuk. Eredményeink szerint a kreatív irányítók csak kis mértékben, a
kreatív alkalmazók közepes er ősséggel magyarázzák a kistérségek fejlettségét,
a kreatív mag jelenléte ugyanakkor rendkívül er ős magyarázóerővel bír a régiók
közötti jövedelem-különbségekben (7. táblázat). A 168 kistérségre és a 36 egyetemi
kistérségre kiterjed ő eredmények e tekintetben azonosak voltak.
A modell Technológia változója és az egyéb változók között nincs korrelációs
kapcsolat, nem vagy alig magyarázható a Tolerancia, Tehetség vagy Kulturális
Szolgáltatások változóival. Ezek ellenére az eddig felvázolt modellek mindegyiké-
ben a kistérségek technológiai színvonala mérsékelten er ősnek bizonyult. Mindeb-
bő l arra következtethetünk, hogy a magyar kistérségek technológiai színvonala fon-
tos magyarázó er ő az átmenet regionális fejl ődésében, ugyanakkor a fejlett orszá-
gokban alkalmazott módszer nem képes megragadni azokat a küls ő tényezőket,
amelyek a technológiai fejl ődést itthon meghatározzák. Korábbi tanulmányok széles
körűen rámutattak a külföldi beruházások és a külföldi tulajdonban lév ő vállalatok
szerepére a technológiai fejl ődésben (Radosevic 2002; Inzelt 2003; Papanek 2006;
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
20 Lengyel Balázs - Ságvári Bence TÉT XXIII. évf. 2009 s4
Kállay-Lengyel L 2008; Lengyel B.-Leydesdorff 2008). Sajnos a foglalkoztatási
adatbázis korlátai miatt nem tudtuk a tulajdonviszonyokra vonatkozó mutatókat
bevonni a vizsgálatba.
7. TÁBLÁZAT
Az út-modell eredményei a kreatív irányítók, mag és szakért ők alosztályokkal
(Result of Path Analyses for Creative Top, Creative Core,
and Creative Professionals)
Kreatív irányítók - 168 kistérség Kreatív irányítók - 36 kistérség
Regio-
Regio-
Tehet- Tech- nális Tehet- Tech-
ség nológia fejlő- ség nológia
fejlo
. „dés
dés
Tolerancia ,037 -,109 ,205** Tolerancia ,237 ,084 ,386**
Egyetem ,218** Egyetem ,140
Kult.Szolg. ,430** ,118 (,342**) Kult.Szolg. ,384** ,021 (,368**)
Tehetség -,225 * ,382** Tehetség -,275 ,463 **
Technológia ,396** Technológia ,333**
R2 ,649 R2 ,806
Kreatív mag - 168 kistérség Kreatív mag - 36 kistérség
Regio-
Regio-
Tehet- Tech- nális Tehet- Tech-
ség nológia fejlő- ség nológia
fejlődés
dés
Tolerancia 348** -,121 ,081 Tolerancia ,432** -,062 ,103
Egyetem ,452** (-,262") Egyetem ,295 ** (-238 *)
Kult.Szolg. ,443** > 012 (316) Kult.Szolg. ,417** ,000
Tehetség ,022 ,883** Tehetség -,201 ,891 **
Technológia ,333** Technológia ,281 **
R2 ,774 R2 ,828
Kreatív szakértők - 168 kistérség Kreatív szakértők - 36 kistérség
Regio-
Regio-
Tehet- Tech- nális Tehet- Tech-
nális
ség nológia fejlő- ség nológia
fejlődés
dés
Tolerancia ,075 -,118 375" Tolerancia ,187 -,112 ,392**
Egyetem ,257 ** Egyetem ,280*
Kult.Szolg. ,476** ,019 (,270**) Kult.Szolg. ,577** ,028
Tehetség ,006 ,498** Tehetség -,195 ,508**
Technológia ,337 ** Technológia ,273**
R ,690 R ,750
Megjegyzés: "1% os szignifikancia szintet, * 5% os szignifikancia szintet jelöl.
- -
Forrás: Saját számítás.
A Tolerancia mutató a külföldön született foglalkoztatottak aránya a kistérségben,
tehát leginkább a kistérségekbe irányuló nemzetközi mobilitást méri. Természetesen
ez a mutató nagyon nagymértékben függ a kistérségek foglalkoztatottainak létszámá-
tól. Ennek megfelel ően a Tolerancia sztenderdizált koefficiensei jóval magasabbak az
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
TÉT XXIII. évf. 2009 s4 Kreatív foglalkozások és ... 21
egyetemi kistérségekben, mint a teljes mintában (lásd 6., 7. és 8. táblázat). Ez különö-
sen erősen nyilvánul meg a Tolerancia mutató regionális fejlettségre való hatásában,
ugyanakkor a Tolerancia a kistérségek technológiai színvonalát nem magyarázza.
A Kulturális Szolgáltatások változó a kreatív munka regionális eloszlására még
nagyobb hatással bír. Az útmodell módszertanából következ ően a Kulturális Szol-
gáltatások néhány alkalommal közvetlen hatásúnak bizonyultak a regionális jövede-
lemkülönbségekre. Ezeket a hatásokat zárójelben jeleztük az eredmények között,
ugyanis nem várhatunk közvetlen kapcsolatot. Sokkal inkább veti fel ez a jelenség a
kauzalitás problémáját, hiszen inkább ellentétes a hatás, azaz a lakosság magasabb
jövedelme miatt várható a szolgáltatások sokszín űségének kialakulása.
Az egyetemeknek a kreatív osztály regionális eloszlását közvetlenül és azon keresz-
tül a fejlettséget közvetetten magyarázó szerepe meglehet ősen csekély. Nem feltétele-
zett közvetlen hatást a regionális fejlettségre több esetben is találtunk, azonban ez a
hatás mindig negatívnak bizonyult. Azaz, minél nagyobb a nappali tagozatos hallga-
tók aránya a foglalkoztatottakhoz képest, annál alacsonyabb regionális jövedelemre
számíthatunk. Ennek a magyarázata az lehet, hogy a legnagyobb egyetemeink az
ország kevésbé fejlett régióiban találhatók (Lengyel B.—Leydesdorff 2008; Lengyel I.
2009). Ennek megfelelően az Egyetem változó jóval nagyobb hatással van a Tehetség
képzettségi oldalú, humán t őke változójára, mint a kreatív foglalkozásokra.
A foglalkozások és egyetemi képzések tudásbázisa a 3T modellben
Az egyetemi képzések és foglalkozások tudásbázisai az innovációs rendszerek két
külön alrendszerének részei, amelyeket itt igyekszünk közös nevez őre hozni. Az
előző vizsgálatok által feltárt összefüggések további részletezése érdekében a hazai
fels őoktatási intézményeken nappali képzésben résztvev ők számát analitikus, szin-
tetikus és szimbolikus összetev őkre bontottuk. A képzési adatok felbontásakor jelen
esetben a foglalkozási tudásbázis analógiáját használtuk, azaz az analitikus szakok
közé soroltuk a természettudományi, m űszaki tudományi- és élettudományi képzé-
seket; a szintetikus szakok a társadalomtudományi képzéseket ölelik fel; a szimbo-
likus tudásbázis gyarapítása pedig a bölcsészettudományi-, m űvészeti- és hit-
tudományi képzéseken alapul.
A módszerünk és kategóriáink els ősorban azt a célt szolgálják, hogy egységesen
tudjuk kezelni a képzési és foglalkozási szerkezetet. Ezért itt lemondunk az analiti-
kus-szintetikus tudásbázis összehasonlításának eredeti céljáról, nem tudjuk azokat
megkülönböztetni az explicit-hallgatólagos tudás kett őse szerint. Nem tudjuk tehát
megmondani, hogy az inkább explicit tudásátadásra épül ő, így globális szinten mű-
velt természettudományi vagy a jobban gyakorlat-orientált, ezáltal helyhez köt ődő
műszaki- és élettudományi képzések felel ősek-e a lokális gazdasági fejl ődésért.
Ehelyett a kérdésfeltevésünk arra vonatkozik, hogy milyen tényez ők határozzák
meg a kreatív munkavállalók lakóhely-választási döntéseit a szerint, hogy tudásukat
földrajzi helytől függetlenül vagy ahhoz köt ődve képesek kamatoztatni. Azt feltéte-
lezzük, hogy az analitikus foglalkoztatottak a legmobilabbak, tudásukat akár külföldön
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
22 Lengyel Balázs - Ságvári Bence TÉT XXIII. évf. 2009 s4
is könnyen tudják használni. Ezzel szemben a szintetikus alkalmazottak tudása a helyi
társadalmi, gazdasági rendszerre specializált. Ebb ől adódóan az analitikus egyetemi
képzések és az analitikus foglalkozások között alacsonyabb kapcsolatot feltételezünk,
mint a szintetikus képzések és szintetikus foglalkozások között. Az út-modell har-
madik lépéseként a fenti gondolatmenetet teszteljük (8. táblázat).
8. TÁBLÁZAT
Útmodell eredmények az analitikus-, szintetikus- és szimbolikus tudásbázis alapján
(Path-model Results of Analytic, Synthetic and Symbolic Knowledge Bases)
Analitikus tudásbázis -168 kistérség Analitikus tudásbázis - 36 kistérség
Re- Re-
Te- Tech- , Te- Tech- ,
gionalis , .
hetség nológia hetség nológia „
fejlődés jlodés
ő fe
Tolerancia ,143** -,149 ,096** Tolerancia ,477*. -,288 ,086
Egyetem ,334 ** (-,163 **) Egyetem ,243 * (-,217*)
Kult.Szolg. ,536** -,103 Kult.Szolg. ,417** -,189
Tehetség ,207 ,790.* Tehetség ,183 ,827 **
Techn. ,279'" Techn. ,203 *
R2 ,764 R2 ,818
Szintetikus tudásbázis - 168 kistérség Szintetikus tudásbázis - 36 kistérség
Re- Re-
Te- Tech- , Te- Tech- . ,
giona lis , gion ál s
i
hetség nológia hetség nológia
fejlődés fejlődés
Tolerancia ,177** -,142 ,086 Tolerancia ,489** -,176 ,186
Egyetem ,305 ** (-,109 **) Egyetem ,096
Kult.Szolg. ,533** -,070 Kult.Szolg. ,510** -,140
Tehetség ,101 ,739** Tehetség -,096 ,621**
Techn. ,307** Techn. ,252**
R2 ,733 R2 ,758
Szimbolikus tudásbázis - 168 kistérség Szimbolikus tudásbázis - 36 kistérség
Re- Re-
Te- Tech- Te- Tech - ,
gionális , gionalis
hetség nológia hetség nológia .
fejlődés fejl ődés
Tolerancia ,203** -,108 320* Tolerancia ,534** -,018 ,166
Egyetem ,309** Egyetem ,094
Kult.Szolg. ,390** ,027 (,355**) Kult.Szolg. ,391** -,003 (,307 **)
Tehetség -,054 ,485** Tehetség -,313 ,646**
Techn. ,349* Techn. > 308**
R2 ,672 R2 ,812
Megjegyzés: "1%-os szignifikancia szintet, * 5%-os szignifikancia szintet jelöl.
Forrás: Saját számítás.
Az előző eredményekkel összhangban egyik egyetemi specializáció esetében sem
találtunk közvetlen hatást a regionális fejlettségre. Ezen kívül a Technológia indikátor
csak kismértékben magyarázza a jövedelemkülönbségeket. A kreatív foglalkozások
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
TÉT XXIII. évf. 2009 s4 Kreatív foglalkozások és ... 23
valószínűleg nem a high-tech és medium-tech szektorokon keresztül fejtik ki hatásu-
kat a jövedelem-különbségekre, sokkal inkább a szolgáltatásokban koncentrálódnak.
A regionális jövedelemszintet legnagyobb mértékben az analitikus foglalkozások
tudásbázisa magyarázza, melyet er ősségében majdnem utolér a szintetikus tudás-
bázis, ettől viszont a szimbolikus már elmarad. Az egyetemeknek a foglalkozási
szerkezetre való lokális hatása mérsékelt mindhárom tudásbázis esetében. Azonban
várakozásainkkal ellentétben éppen a tudását tekintve legmobilabb analitikus fog-
lalkozások körében a leger ősebb a kapcsolat a helyi egyetemi képzéssel. A szinteti-
kus és szimbolikus képzések esetében még gyengébb a kapcsolat, ami valószín űleg
azt mutatja, hogy ezek a foglalkozások a nagyvárosi és egyetemi központokban
koncentrálódnak. A 36 egyetemi kistérség eredményei szintén ezt a következtetést
támasztják alá: a hatás szignifikáns maradt az analitikus tudásbázis esetében,
ugyanakkor az egyetemi központokban a szintetikus és szimbolikus képzés aránya
nem magyarázza a megfelel ő foglalkozások arányát.
Konklúzió és további kutatási irányok
A tanulmányban bemutattuk a regionális innovációs rendszerek tudásbázisának
foglalkozási oldalú megközelítését és az erre irányuló hazai kutatásunkat. Nemzet-
közi viszonylatban is új kísérletnek tekinthet ő a foglalkozási adatok teljes kör ű
értelmezése a foglalkozások regionális innovációs rendszerek tudásbázisára való
hatását tekintve. Szintén újszer ű, ahogy az egyetemi képzések és a foglalkozások
tudásbázisának területi összefüggéseit kimutattuk.
Az 1995 utáni átmenetben a tudásbázisok eltér ő növekedése volt tapasztalható a
hazai megyékben. Míg az analitikus tudásbázis (természettudósok, orvosok és mér-
nökök) területi megoszlásának alakulása a kiegyenlít ődés irányába mutat, addig a
szintetikus tudásbázis (közgazdászok, jogászok) egyre inkább a f ővárosban kon-
centrálódik. A regionális fejlettséget a fels őfokú végzettséggel rendelkez ő foglal-
koztatottak erősebben magyarázzák, mint a kreatív foglalkozásokban dolgozók. Ez
az eredményünk ellentmond a szakirodalom tapasztalatainak (Mellander—Florida
2007; Florida et al. 2008), ami arra utal, hogy a nemzeti innovációs rendszerek
valószínűleg különböznek e tekintetben, nem vonhatók le általános érvény ű megál-
lapítások a kreatív osztály lokális szerepét illet ően. A tudásbázisok regionális fej-
lettségét a kreatív mag magyarázza a leger ősebben, ezt a kreatív alkalmazottak kö-
vetik, a kreatív vezet ők viszont csekélyebb magyarázó er ővel bírnak. Azt a követ-
keztetést vonjuk le ebb ől, hogy a kreatív mag alkalmazottai nagyobb hatással van-
nak a regionális növekedésre és fejl ődésre, mint a kreatív vezet ők.
Az egyetemek hatása a lokális tudásbázisra az analitikus képzések és foglalkozá-
sok kapcsolatában er ősebb, mint a szintetikus összehasonlítás párnál. Ez az ered-
ményünk szintén ellentmond a szakirodalom tapasztalatainak. Ezek szerint azt vár-
nánk, hogy a szintetikus tudásbázis a hallgatólagos tudáselemek nagyobb aránya
miatt jobban helyhez köt ődik, mint az explicit módon könnyebben elmondható
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
24 Lengyel Balázs — Ságvári Bence TÉT XXIII. évf. 2009 s4
tudásra épül ő analitikus tudásbázis. Mivel hasonló vizsgálatot nem végeztek eddig,
nemzetközi összehasonlításra itt nem tudunk támaszkodni. Azonban élünk azzal a
megállapítással, hogy Magyarországon a globális nyitás és az átmenet egyidej ű
kiteljesedése terén valószín űleg az EU15-ök országaitól eltér ő területi folyamatok
mentek végbe. A gazdasági tevékenység koncentrálódásának következtében a szin-
tetikus foglalkozások egyre er őteljesebben összpontosulnak a f ővárosban, ami azt
jelenti, hogy a vidéki egyetemek szintetikus képzései csak kis hatással vannak a
lokális szintetikus tudásbázisra.
Számos további problémával szembesülünk azonban, amelyek a módszerhez és a
modellhez kapcsolódnak, s melyeket a jöv őben igyekszünk megoldani. Adatfelvételi
probléma például, hogy a bejelentett lakcím és a tényleges tartózkodási hely gyak-
ran eltér, főleg a fiatal munkavállalók esetében.
A saját kategóriáinkból adódó definíciós problémák szintén további elméleti
munkát igényelnek. Tovább kell pontosítani a kreatív vezet ők, kreatív mag és a
kreatív alkalmazók munkavégzése közti különbségeket. Például nem feltétlenül
igaz, hogy aki egyetemet végez, az a nagyobb önállósággal bíró munkakörökben
fog dolgozni, mint aki főiskolai szintű végzettséggel rendelkezik. S őt, gyakran elő-
fordul, hogy egyetemi diplomával rendelkez ők azonos tudásbázisban helyezkednek
el a kreatív alkalmazók körén belül (lásd középiskolai tanárok), vagy a bölcsész
diplomával rendelkez ők töredéke tud csak elhelyezkedni szakmájában. Szintén
további problémát okoz a fels őoktatási intézmények közötti különbségek megraga-
dása a tudásbázis-teremtést illet ően: itt például egy osztályba kerültek a m űszaki
főiskolák és a magasabb színvonalú egyetemek.
További elméleti problémáink közé tartozik az is, hogy az egyetemek humán
tőkében érvényesül ő hatásai nem feltétlenül lokálisak. F őleg igaz ez hazánkra, ahol
a városok közötti távolságok kicsik, és egy központ vonzza magához az egyetemi
végzetteket. Véleményünk szerint Magyarország esetében érdekes kérdés például az,
hogy a vidéki egyetemeken végz ők milyen kondíciókkal tudnak vidéken maradni, mi
vezérli más térségekben, illetve a f ővárosban való letelepedésüket.
Szintén további kutatásokat igényelnek az FDI által vezérelt kreatív munkavégzés
és a regionális növekedés lokális összefüggései (Inzelt 2008). Korábbi munkáinkban
megmutattuk, hogy a nyugati megyék innovációs rendszerei a külföldi tulajdonú
vállalatok által szervezettek, míg a keleti megyékben meghatározóak maradtak az
állami struktúrák (Lengyel B.—Leydesdorff 2008). Ehhez hasonlóan láthattuk, hogy
az állami intézményeknél és a külföldi tulajdonú vállalatokban foglalkoztatottak
aránya a kreatív foglalkoztatottakon belül nagyon eltér ő területi képet mutatott
2005-ben, az ország két részre osztható e tekintetben (Ságvári—Lengyel B. 2008).
Az állami alkalmazottak aránya az ország keleti (f őleg északkeleti) és déli megyéi-
ben átlagon felüli, a külföldi tulajdonban lév ő cégeknél dolgozó kreatívok az átla-
gosnál jóval nagyobb arányban vannak jelen az északnyugati megyékben. E téma
kifejtése azonban már egy következ ő tanulmány feladata.
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
TÉT XXIII. évf. 2009 s4 Kreatív foglalkozások és ... 25
Irodalom
Asheim, B.T.—Coenen, L. (2006) Tudásbázisok és regionális innovációs rendszerek: skandináviai
klaszterek összehasonlítása. — Információs Társadalom. 3.114-141. o.
Asheim, B.T.—Gertler, M.S (2005) The Geography of Innovation. Regional Innovation Systems. —
Faberger, J.—Mowery, D.C.—Nelson, R.R. (eds.) The Oxford Handbook of Innovation. Oxford
University Press, Oxford. 291-317. o.
Asheim, B.T.—Isaksen, A. (2002) Regional innovation systems: the integration of local „sticky" and
global „ubiquitous" knowledge. — Journal of Technology Transfer. 27.77-86. o.
Cooke, P.—Schwartz, D. (2007) Creative regions: technology, culture and knowledge entrepreneurship.
Routledge, London.
Florida, R. (2002a) The Rise of the Creative Class. Basic Books, New York.
Florida, R. (2002b) The Economic Geography of Talent. — Annals of the Association of American
Geographers. 92.743-755. o.
Florida, R.—Tinagli, I. (2004) Europe in the Creative Age. Demos, London.
Florida, R.—Mellander, Ch.—Stolarick, K. (2008) Inside the black box of regional development: human
capital, the creative class and tolerance. — Journal of Economic Geography. 8.615-649. o.
Glaeser, E.—Kallal, H.D.—Scheinkman, J.D.—Shleifer, A. (1992) Growth in cities. — Journal of Political
Economy. 100.1126-1152. o.
Inzelt, A. (2003) Foreign involvement in acquiring and producing new knowledge: the case of Hungary.
— Cantwell, J.—Molero, J. (eds.) Multinational Enterprises, Innovative Strategies and Systems of Inno-
vation. Edward Elgar, Cheltenham—Northampton. 234-268. o.
Inzelt A. (2008) The inflow of highly skilled workers into Hungary: a by-product of FDI. — Journal of
Technology Transfer. 33.422-438. o.
Jacobs, J. (1969) The Economy of Cities. Random House, New York.
Kállay, L.—Lengyel, I. (2008) The internationalisation of Hungarian SMEs. — Dana, L.—Han, M.—Ratten, V.—
Welpe I. (eds.) A Theory of Internationalisation for European Entrepreneurship. Edward Elgar, Chel-
tenham—Northampton. 277-295. o.
Lengyel B. (2004) A tudásteremtés lokalitása: hallgatólagos tudás és helyi tudástranszfer. — Tér és Tár-
sadalom. 2.51-71. o.
Lengyel B.—Leydesdorff, L. (2008) A magyar gazdaság tudásalapú szervez ődésének mérése: az innová-
ciós rendszerek szinergiáinak térbelisége. — Közgazdasági Szemle. Június. 522-527. o.
Lengyel I. (2003) Verseny és területi fejl ődés: térségek versenyképessége Magyarországon. JATEPress,
Szeged.
Lengyel, I. (2009) Knowledge based local economic development for enhancing competitiveness in lagging
areas of Europe: The case of the University of Szeged. —Varga A. (ed.) Universities, Knowledge Transfer
and Regional Development: Geography, Entrepreneurship and Policy. Edward Elgar, Cheltenham-
Northampton 322-349. o.
Lengyel I.—Rechnitzer J. (2004) Regionális gazdaságtan. Dialóg Campus, Budapest—Pécs.
Mellander, Ch.—Florida, R. (2007) The Creative Class or Human Capital? Explaining regional develop-
ment in Sweden. CESIS Electronic Working Paper Series, No. 79.
Papanek G. (2006) Tudásáramlás, jogbiztonság, együttműködés: a magyar gazdaság fejlődésének
láthatatlan forrásai. Aula, Budapest.
Radosevic, S. (2002) Regional Innovation Systems in Central and Eastern Europe: Determinants,
Organizers and Alignments. — Journal of Technology Transfer. 27.87-96. o.
Rechnitzer J.—Csizmadia Z.—Grosz A. (2004) A magyar városhálózat tudásalapú megújító képessége az
ezredfordulón. — Tér és Társadalom. 2.117-156. o.
Rimler J. (2000) Munkák és munkásaik. Kreatív irányú eltolódások a magyar munkapiacon. Közgazdasági
Szemle. 10.832-842. o.
Ságvári B.—Dessewffy T. (2006) A kreatív gazdaságról, Magyarország és Európa a kreatív korban.
Demos Hungary, Budapest.
Ságvári, B.—Lengyel, B. (2008) Kreatív atlasz: a magyarországi kreatív munkaerő területi és időbeli
változásáról. Demos Hungary, Budapest.
Schumpeter, J. (1961) The Theory of Economic Development. Oxford University Press, Oxford—New York.
Scott, A.J. (2007) Capitalism and urbanization in a new key? The cognitive-cultural dimension. — Social
Forces. 85.1465-1482. o.
Varga A. (2004) Az egyetemi kutatások regionális gazdasági hatásai a nemzetközi szakirodalom tükrében.
Március. 259-275. o. —KözgadságiSzeml.
Lengyel Balázs - Ságvári Bence : Kreatív foglalkozások és regionális tudásbázis:
Fogalmak, folyamatok és területi összefüggések. - Tér és Társadalom 23. évf. 2009/4. 1-26. p.
26 Lengyel Balázs — Ságvári Bence TÉT XXIII. évf. 2009 s4
CREATIVE OCCUPATIONS AND REGIONAL KNOWLEDGE BASE:
CONCEPTS, TRENDS AND TERRITORIAL CORRESPONDENCES
BALÁZS LENGYEL — BENCE SÁGVÁRI
In this paper we introduce the occupational aspects on creative work into the Hungarian
literature. We give an overview on the evolution of spatial knowledge bases, using own categories,
during the 1996-2005 period. After that following the 3T model developed on S wedish regions,
we explain the regional development differences with sub-regional indicators on creative work,
technology level of the economy, level of tolerance, volume of higher education, and diversity
of amenities. We develop the model further, analytic-, synthetic-, and symbolic knowledge
bases are distinguished in the new version, the local correspondences among university and
occupational knowledge bases are analyzed according to these categories.
Our results suggest that creative core explains regional development with a very high
degree. Also creative professionals have a strong effect on regional development, while the
influence of creative leaders is weaker. The graduated workforce explains regional develop-
ment better in Hungary than the creative workforce, which contradicts to international
experiences. This finding suggests that due to the transition state of the Hungarian economy
graduated labour does not always occupied in creative jobs. We also found a paradox to the
literature on knowledge bases: the effect of university education is stronger in the analytic
knowledge base than in synthetic knowledge base. During the opening of the Hungarian
economy the capital and its agglomeration became the gate to external markets, and the gate
for foreign firms to the local market. This process attracted the economic-, legal-, and social
knowledge to the capital.