«Экономический анализ: теория и практика»
 

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
Google Scholar

Электронные версии в PDF

EBSCOhost
Eastview
Elibrary
Biblioclub

Нейросетевое моделирование динамики развития высшего образования Российской Федерации в контексте формирования человеческого капитала

Купить электронную версию статьи

Журнал «Экономический анализ: теория и практика»
т. 18, вып. 4, апрель 2019

Получена: 20.11.2018

Получена в доработанном виде: 22.01.2019

Одобрена: 07.03.2019

Доступна онлайн: 26.04.2019

Рубрика: АНАЛИЗ ЧЕЛОВЕЧЕСКОГО КАПИТАЛА

Коды JEL: C38, C45, I23, I25, O15

Страницы: 642–662

https://doi.org/10.24891/ea.18.4.642

Перова В.И. кандидат физико-математических наук, доцент кафедры математического моделирования экономических процессов, Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация 
perova_vi@mail.ru

ORCID id: отсутствует
SPIN-код: 3871-2450

Мамаева Н.А. кандидат педагогических наук, доцент кафедры прикладной механики, физики и высшей математики, Нижегородская государственная сельскохозяйственная академия (Нижегородская ГСХА), Нижний Новгород, Российская Федерация 
tarasova-na-an@rambler.ru

ORCID id: отсутствует
SPIN-код: 3195-6833

Захаренко Е.С. студентка магистратуры института экономики и предпринимательства, Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация 
sergeevna309@mail.ru

ORCID id: отсутствует
SPIN-код: отсутствует

Предмет. Особенности динамики развития высшего образования Российской Федерации как одного из факторов формирования человеческого капитала, имеющего стратегическое значение для социально-экономического роста страны.
Цели. Исследование динамики развития первой и второй ступеней высшего образования России по направлениям подготовки с помощью нейросетевого моделирования. Проведение анализа данных Минобрнауки России о состоянии высшего образования по направлениям подготовки, которые реализуются в ведущих государственных вузах Российской Федерации.
Методология. Исследование основано на анализе многомерных данных. Показатели, описывающие динамику развития высшего образования РФ по направлениям подготовки за 2013–2017 гг. проанализированы при помощи самоорганизующихся карт Кохонена, реализованных в системе STATSTICA.
Результаты. С помощью нейросетевого моделирования выполнен кластерный анализ по восьми показателям, характеризующим динамику деятельности государственных высших учебных заведений РФ по направлениям подготовки бакалавриата и магистратуры за 2013–2017 гг. Получено распределение направлений подготовки по трем кластерам. Приведены состав, характеристики каждого кластера и сделаны социально-экономические выводы.
Выводы. Проведенное исследование с применением нейросетевых технологий позволило определить особенности динамики развития высшего образования по направлениям подготовки бакалавриата и магистратуры за 2013–2017 гг. Показано влияние исследуемых показателей на человеческий капитал, являющийся одним из важнейших внутренних факторов социально-экономического потенциала страны. Полученные результаты имеют практическую значимость для стратегического планирования направлений подготовки высшего образования Российской Федерации.

Ключевые слова: человеческий капитал, высшее образование, кластерный анализ, нейронные сети, самоорганизующиеся карты Кохонена

Список литературы:

  1. Любушин Н.П., Бабичева Н.Э., Королев Д.С. Экономический анализ возможностей технологического развития России (на примере нанотехнологий) // Экономический анализ: теория и практика. 2012. № 9. С. 2–11. URL: Link
  2. Крюков В.А. Влияние фактора многообразия на особенность формирования политики развития ресурсного сектора и экономики регионов // Экономика и управление. 2017. № 11. С. 21–30.
  3. Кулешов В.В., Унтура Г.А., Маркова В.Д. Развитие экономики знаний: роль инновационных проектов в программе реиндустриализации региона // Регион: Экономика и Социология. 2016. № 3. С. 28–54. URL: Link
  4. Новиков А.В., Новикова И.А. Интеллектуальный капитал: структура, источники и приоритеты в формировании стоимости компании // Сибирская финансовая школа. 2012. № 2. С. 117–124. URL: Link
  5. Швецов А.Н. Пространственная кластеризация инновационной деятельности: смысл, эффекты, государственная поддержка // Регион: Экономика и Социология. 2015. № 4. С. 142–161. URL: Link
  6. Аганбегян А.Г. Человеческий капитал и его главная составляющая – сфера «экономики знаний» как основной источник социально-экономического роста // Экономические стратегии. 2017. № 3. С. 66–79; № 4. С. 6–21. URL: Link
  7. Кузнецов Ю.А. Человеческий капитал, производительность труда и экономический рост // Экономический анализ: теория и практика. 2012. № 43. С. 2–14. URL: Link
  8. Макаров В.Л. Становление экономики знаний в России и мире // Экономика знаний / отв. ред. В.П. Колесов. М.: ИНФРА-М, 2008. 432 с.
  9. Макаров В.Л. Экономика знаний: уроки для России // Вестник Российской академии наук. 2003. Т. 73. № 5. С. 450–456. URL: Link
  10. Макаров В.Л., Клейнер Г.Б. Микроэкономика знаний. М.: Экономика, 2007. 204 с.
  11. Соболева И.В. Человеческий потенциал российской экономики: проблемы сохранения и развития. М.: Наука, 2007. 201 с.
  12. Сухарев М.В. Человеческий капитал в общей системе знаний // Креативная экономика. 2017. Т. 11. № 9. С. 915–930. URL: Link
  13. Гильдингерш М.Г., Алексеева И.А. Формы и методы управления человеческим капиталом вузов в условиях их инновационного развития // Экономика труда. 2016. Т. 3. № 3. С. 211–228. URL: Link
  14. Кильдиярова Г.Р. Влияние человеческого капитала на инновационные процессы и ВВП государства // Креативная экономика. 2015. Т. 9. № 12. С. 1647–1656. URL: Link
  15. Баранов А.О., Слепенкова Ю.М. Методологические проблемы анализа воспроизводства человеческого капитала в России // ЭКО. 2018. № 2. С. 5–17. URL: Link
  16. Лавров Е.И., Лаврова Л.А. Человеческий капитал как фактор экономического роста // Вестник Омского университета. Сер.: Экономика. 2006. № 2. С. 63–69. URL: Link
  17. Benhabib J., Spiegel M.M. The role of human capital in economic development: Evidence from aggregate cross-country data. Journal of Monetary economics, 1994, vol. 34, iss. 2, pp. 143–173. URL: Link
  18. Barro R.J., Sala-i-Martin X. Economic Growth. Cambridge, MA, London, MIT Press, 2004, 672 p.
  19. Durlauf S.N., Quah D. Chapter 4. The New Empirics of Economic Growth. In: Handbook of Macroeconomics. 1999, vol. 1, part 1, pp. 235–308. URL: Link01007-1
  20. Lucas R.E.Jr. On the mechanics of economic development. Journal of Monetary Economics, 1988, vol. 22, iss. 1, pp. 3–42. URL: Link90168-7
  21. Quah D. Empirics for growth and distribution: stratification, polarization, and convergence clubs. Journal of Economic Growth, 1997, vol. 2, iss. 1, pp. 27–59. URL: Link
  22. Ерзнкян Б.А., Арутюнян С.М. ТЭК России на пороге четвертой промышленной революции // Экономический анализ: теория и практика. 2018. Т. 17. Вып. 5. С. 836–855. URL: Link
  23. Ендовицкий Д.А. Комплексный анализ и контроль инвестиционной деятельности: Методология и практика / под ред. Л.Т. Гиляровской. М.: Финансы и статистика, 2001. 398 с.
  24. Кулешова Н.С., Брикач Г.Е. Отечественный опыт по созданию системы материального стимулирования персонала // Конкурентоспособность в глобальном мире: экономика, наука, технологии. 2017. № 4-1. С. 67–74.
  25. Варшавский А.Е., Кочеткова Е.В. Моделирование показателей спроса и предложения инженерно-технических специалистов // Экономический анализ: теория и практика. 2018. Т. 17. Вып. 5. С. 886–905. URL: Link
  26. Kohonen T. Self-organized Formation of Topologically Correct Feature Maps. Biological Cybernetics, 1982, vol. 43, iss. 1, pp. 59–69. URL: Link
  27. Перова В.И., Авагян Э.А. Нейросетевой анализ динамики показателей высшего образования в регионах Российской Федерации как фактора экономического роста страны // Вестник Нижегородского университета им. Н.И. Лобачевского. Сер.: Социальные науки. 2017. № 1. С. 54–60. URL: Link_unicode/6.pdf
  28. Нейронные сети. STATISTICA Neural Networks: Методология и технологии современного анализа данных / под ред. В.П. Боровикова. М.: Горячая линия-Телеком, 2008. 392 с.
  29. Дебок Г., Кохонен Т. Анализ финансовых данных с помощью самоорганизующихся карт. М.: Альпина, 2001. 317 с.
  30. Беккер Г.С. Человеческое поведение: экономический подход. Избранные труды по экономической теории. М.: ГУ ВШЭ, 2003. 672 с.
  31. Schultz T.W. Investment in Human Capital: The Role of Education and of Research. N.Y., The Free Press, 1971, 272 p.
  32. Thurow L. Investment in Human Capital. Belmont, California, Wadsworth Publishing Company, Inc., 1970, 145 p.
  33. Добрынин А.И., Дятлов С.А., Цыренова Е.Д. Человеческий капитал в транзитивной экономике: формирование, оценка, эффективность использования. СПб.: Наука, 1999. 309 с.
  34. Критский М.М. Человеческий капитал. Л.: ЛГУ, 1991. 117 с.
  35. Капелюшников Р.И. Сколько стоит человеческий капитал России? М.: НИУ ВШЭ, 2012. 76 с.

Посмотреть другие статьи номера »

 

ISSN 2311-8725 (Online)
ISSN 2073-039X (Print)

Свежий номер журнала

т. 18, вып. 4, апрель 2019

Другие номера журнала