+7(495) 989 9610
ИД «Финансы и кредит»

ЖУРНАЛЫ

  

АВТОРАМ

  

ПОДПИСКА

    
«Экономический анализ: теория и практика»
 

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
Google Scholar

Электронные версии в PDF

EBSCOhost
Eastview
Elibrary
Biblioclub

Методы математического моделирования в задаче прогнозирования вхождения университетов в TOP-100 глобальных университетских рейтингов

т. 19, вып. 7, июль 2020

Получена: 20.04.2020

Получена в доработанном виде: 21.05.2020

Одобрена: 11.06.2020

Доступна онлайн: 30.07.2020

Рубрика: МАТЕМАТИЧЕСКИЕ МЕТОДЫ И МОДЕЛИ

Коды JEL: C02

Страницы: 1360–1384

https://doi.org/10.24891/ea.19.7.1360

Московкин В.М. доктор географических наук, директор Центра развития публикационной активности, профессор кафедры мировой экономики, Белгородский государственный национальный исследовательский университет (НИУ «БелГУ»), Белгород, Российская Федерация 
moskovkin@bsu.edu.ru

https://orcid.org/0000-0001-5587-4133
SPIN-код: 2719-8360

Чжан Хэ аспирант кафедры прикладной экономики и экономической безопасности, Белгородский государственный национальный исследовательский университет (НИУ «БелГУ»), Белгород, Российская Федерация 
2695694838@qq.com

https://orcid.org/0000-0001-8654-0697
SPIN-код: отсутствует

Предмет. Математические методы прогнозирования вхождения университетов в TOP-100 глобальных университетских рейтингов.
Цели. Разработка методов математического моделирования в задаче прогнозирования вхождения университетов в TOP-100 глобальных университетских рейтингов.
Методология. Рассмотрены два подхода в математическом моделировании в задаче прогнозирования вхождения университетов в ТОР-100 глобальных университетских рейтингов. К первому подходу отнесено использование уравнений популяционной динамики, включая уравнения Ферхюльста и Лотки – Вольтерры, ко второму – линейное алгебраическое уравнение с тремя неизвестными вместе с ограничениями, наложенными на эти неизвестные.
Результаты. Уравнения популяционной динамики позволяют моделировать рост университетского потенциала, описываемого показателями Total Score или Overall Score, внутри и межуниверситетскую конкуренцию в системе университетов, входящих в глобальные университетские рейтинги, а линейные алгебраические уравнения, описывающие указанные показатели с ограничениями на их наиболее чувствительные переменные, позволяют давать прогнозную оценку заданной позиции университета в глобальных рейтингах. Сделаны строгие математические постановки этих двух задач, причем вторая задача решена для вхождения Московского государственного университета имени М.В. Ломоносова и Санкт-Петербургского государственного университета в TOP-100 трех глобальных рейтингов ARWU, THE, QS.
Выводы. Предполагается, что предложенные подходы к прогнозированию вхождения университетов в TOP-100 глобальных университетских рейтингов будут полезны университетским менеджерам, управляющим позиционированием своих вузов.

Ключевые слова: прогнозирование, уравнения популяционной динамики, ТОР-100 глобальных университетских рейтингов, Overall Score, Total Score

Список литературы:

  1. Неудачин И.Г., Рогович В.И. Алгоритм оптимизации места университета в мировых рейтингах // Актуальные проблемы гуманитарных и естественных наук. 2013. № 6. С. 23–29. URL: Link
  2. Неудачин И.Г., Рогович В.И. Инновационная модель роста университета в глобальных рейтингах // Гаудеамус. 2013. № 2. С. 226–230. URL: Link
  3. Мелешкин М.И. О перспективах вхождения российских университетов в первую сотню ведущих университетов мира по рейтингу Times Higher Education // Экономический анализ: теория и практика. 2014. № 19. С. 56–62. URL: Link
  4. Мелешкин М.И., Забоев М.В. Использование карт Кохонена для оценки конкурентоспособности ведущих российских университетов среди мировых научно-образовательных центров // Управленческое консультирование. 2014. № 10. С. 102–114. URL: Link
  5. Забоев М.В., Мелешкин М.И. Оценка перспектив вхождения российских университетов в первую сотню ведущих мировых университетов с использованием нейросетевых методов кластеризации данных // Прикладная информатика. 2015. Т. 10. № 3. С. 52–61. URL: Link
  6. Московкин В.М., Чжан Хэ, Садовски М.В. Какие российские университеты имеют шансы войти в 2020 г. в ТОР-100 трех ведущих мировых рейтингов? // Экономика науки. 2019. Т. 5. № 2. С. 143–156. URL: Link
  7. Verhulst P.-F. Notice sur la loi que la population poursuit dans son accroissement. Correspondance mathématique et physique, 1838, vol. 10, pp. 113–121.
  8. Московкин В.М., Журавка А.В. Пьер-Франсуа Верхульст – забытый первооткрыватель закона логистического роста и один из основателей экономической динамики // Наука та наукознавство. 2003. № 2. С. 75–84. URL: Link
  9. Volterra V. Variations and Fluctuations of the Number of Individuals in Animal Species Living Together. In: R.N. Chapman (Ed.), Animal Ecology. New York, McGraw-Hill, 1926.
  10. Московкин В.М., Журавка А.В. Моделирование конкурентно-кооперационных взаимодействий (контекст уравнений популяционной динамики в социально-экономических системах) // Бизнес Информ. 2002. № 5-6. С. 27–34. URL: Link (In Russ.)
  11. Moskovkin V.M., Merkulov S.I., Suleiman B.N.E., Lesovik R.V. Theorem about the Number and Structure of the Singular Points N-Dimensional Dynamical System of Population Dynamics Lotka–Volterra in Context of Information Analysis and Modeling. World Applied Sciences Journal, 2013, vol. 25, no. 12, pp. 1751–1753. URL: Link

Посмотреть другие статьи номера »

 

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

Свежий номер журнала

т. 19, вып. 7, июль 2020

Другие номера журнала