Летягина Е.Н.кандидат экономических наук, доцент, заведующая кафедрой управления в спорте, Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация len@fks.unn.ru https://orcid.org/0000-0002-6539-6988 SPIN-код: 7221-4868
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 https://orcid.org/0000-0002-1992-5076 SPIN-код: 3871-2450
Предмет. Исследование состояния региональных инновационных экосистем Российской Федерации в целях устойчивого развития и технологического суверенитета страны в условиях импортозамещения, обусловленного большими вызовами внешних обстоятельств. Цели. Решение многофакторной задачи анализа развития инновационных экосистем в регионах России, принадлежащей к задачам, которые характеризуются сложной формализацией и согласуются с современными представлениями конкурентного потенциала, посредством предлагаемого продуктивного метода – нейросетевого кластерного анализа данных. Объекты исследования – 85 из 89 регионов РФ, аттестуемые официальными 11 индикаторами, выбранными на сайте Федеральной службы государственной статистики, исходя из авторского представления. Методология. Методом исследования многомерных статистических данных значится кластерный анализ на фундаменте нейронных сетей, образовавших существенный компонент искусственного интеллекта. Функционал искусственных нейронных сетей – самоорганизующихся карт Кохонена, задействованный в данной работе, не имеет модельных запрещений. Кроме этого, также нет внешнего вмешательства в процесс работы нейронной сети. Метод нейросетевого кластерного анализа позволяет наглядно визуализировать на плоскости результаты кластеризации многомерного исходного пространства данных. Результаты. Приведена динамика показателя доли продукции высокотехнологичных и наукоемких отраслей в ВВП России за 2011–2022 гг. В целях совершенствования научно-технологического развития регионов страны, прямо связанного с первоисточником устойчивости инновационных экосистем – квалификацией человеческих ресурсов – рассмотрена динамика удельного веса студентов, обучающихся по образовательным программам подготовки квалифицированных рабочих, специалистов среднего звена, высшего образования, в общей численности населения Российской Федерации за 2018–2022 гг. В результате нейросетевого кластерного анализа комплекса разнородных данных получена интеграция регионов России по семи кластерным формированиям. При этом наблюдается несвязанность ранжирования регионов на кластеры с их нахождением среди федеральных округов России. Получено значимое разнообразие размещения регионов России по кластерам: количество регионов в кластерах варьируется от от одного до тридцати одного. Установлен различный уровень состояния региональных инновационных экосистем согласно исследуемым индикаторам в разрезе кластеров. Выводы. Показано применение перспективного метода исследования инновационных региональных экосистем Российской Федерации, основанного на нейросетевом моделировании и информационных технологиях. Результаты исследования позволили оценить состояние таких экосистем в обстановке импортозамещения, созданной большими вызовами внешних факторов. В контексте выполнения задач по продолжающемуся укреплению устойчивого развития и технологического суверенитета страны необходимо использование разных магистральных направлений инновационного экономического развития регионов России с учетом их специфики в фокусе кластерных образований.
Любушин Н.П., Летягина Е.Н., Перова В.И. Исследование инновационного развития региональной экономики как императива устойчивого социально-экономического роста России с применением нейросетевого моделирования // Экономический анализ: теория и практика. 2021. Т. 20. Вып. 8. С. 1394–1414. URL: Link
Никитин Г.С., Скобелев Д.О. Эффективность государственных и корпоративных инвестиций в развитие реального сектора экономики // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2022. № 4. С. 32–41. URL: Link
Трофимов О.В., Саакян А.Г. Политика импортозамещения на предприятиях оборонно-промышленного комплекса России // Вестник Нижегородского госуниверситета им. Н.И. Лобачевского. Серия: Социальные науки. 2022. № 3. С. 44–49. URL: Link
Титова О.В., Восканян Н.А. Импортозамещение: понятие, сущность, особенности // Инновационная экономика: перспективы развития и совершенствования. 2021. № 7. С. 105–110. URL: Link
Алехина Т.А., Захаркина Н.В. Импортозамещение как основной инструмент развития экономики России // Вестник Дагестанского государственного технического университета. Технические науки. 2018. Т. 45. № 1. С. 223–235. URL: Link
Кузнецов Ю.А., Маркова С.Е. Анализ качественных особенностей динамики развития Российского рынка ИКТ. Структурный подход // Труды Нижегородского государственного технического университета им. Р.Е. Алексеева. 2013. № 3. С. 242–252. URL: Link
Летягина Е.Н. Управление цифровой трансформацией отраслей, комплексов, предприятий: монография. Н. Новгород: ННГУ, 2021. 240 с.
Фролов В.Г., Перова В.И. Анализ инновационно-инвестиционной сбалансированности промышленной политики России в условиях цифровой трансформации с применением методов искусственного интеллекта // Вопросы инновационной экономики. 2023. Т. 13. № 1. С. 127–148. URL: Link
Летягина Е.Н., Перова В.И. Нейросетевое моделирование региональных инновационных экосистем // Journal of New Economy. 2021. Т. 22. № 1. С. 71–89. URL: Link
Дорошенко С.В., Шеломенцев А.Г. Предпринимательская экосистема в современных социоэкономических исследованиях // Журнал экономической теории. 2017. № 4. С. 212–221. URL: Link 2022/06/19_%D0%94%D0%BE%D1%80%D0%BE%D1%88%D0%B5%D0%BD%D0%BA%D0%BE-4-2017.pdf?ysclid=lumyickj2n507543569
Селиверстов Ю.И., Люлюченко М.В. Модель формирования инновационной экосистемы региона // Вестник Алтайской академии экономики и права. 2019. № 10-1. С. 101–106. URL: Link
Смородинская Н.В. Сетевые инновационные экосистемы и их роль в динамизации экономического роста // Инновации. 2014. № 7. С. 27–33. URL: Link
Acs Z.J., Stam E., Audretsch D.B., O’Connor A. The Lineages of the Entrepreneurial Ecosystem Approach. Small Business Economics, 2017, vol. 49, pp. 1–10. URL: Link
Gomes L.A.V., Facin A.L.F., Salerno M.S., Ikenami R.K. Unpacking the Innovation Ecosystem Construct: Evolution, Gaps and Trends. Technological Forecasting and Social Change, 2018, vol. 136, pp. 30–48. URL: Link
Theodoraki C., Messeghem K., Rice M.P. A Social Capital Approach to the Development of Sustainable Entrepreneurial Ecosystems: An Explorative Study. Small Business Economics, 2018, vol. 51, pp. 153–170. URL: Link
Scaringella L., Radziwon A. Innovation, Entrepreneurial, Knowledge, and Business Ecosystems: Old Wine in New Bottles? Technological Forecasting and Social Change, 2017, vol. 136, pp. 59–87. URL: Link
Яшин С.Н., Яшина Н.И., Захарова Ю.В., Боронин О.С. Концептуальный подход к анализу структурных и институциональных условий инновационного развития промышленного региона // Креативная экономика. 2019. Т. 13. № 11. С. 2195–2206. URL: Link
Болдыревский П.Б., Кистанова Л.А. Исследование динамики развития инновационной деятельности промышленных предприятий // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2014. № 4. С. 37–40. URL: Link
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
Кузнецов Ю.А. Человеческий капитал, производительность труда и экономический рост // Экономический анализ: теория и практика. 2012. Т.11. № 43. С. 2–14. URL: Link
Кузнецов В.П., Летягина Е.Н., Перова В.И. Искусственный интеллект в анализе человеческого капитала как основы экономической безопасности регионов Российской Федерации // На страже экономики. 2023. № 3. С. 37–47. URL: Link
Vorontsova I.P., Semenova А.R., Vitkovskaya L.K., Drobyshev I.A. Evaluation of Human Capital in the Macroregion (On the example of the Yenisey Siberia) // Журнал Сибирского федерального университета. Гуманитарные науки. 2020. Т. 13. № 11. С. 1808–1818. URL: Link
Перова В.И., Мамаева Н.А., Захаренко Е.С. Нейросетевое моделирование динамики развития высшего образования Российской Федерации в контексте формирования человеческого капитала // Экономический анализ: теория и практика. 2019. Т. 18. Вып. 4. С. 642–662. URL: Link
Устинова К.А., Губанова Е.С., Леонидова Г.В. Человеческий капитал в инновационной экономике: монография. Вологда: Институт социально-экономического развития территорий РАН, 2015. 195 с.
Kohonen T. The Self-Organizing Map. Proceedings of the IEEE, 1990, vol. 78, no. 9, pp. 1464–1480. URL: Link
Kohonen T., Oja E., Simula O. et al. Engineering Applications of the Self-Organizing Map. Proceedings of the IEEE, 1996, vol. 84, no. 10, pp. 1358–1384. URL: Link
Ning Chen, Lu Chen, Yingchao Ma, Chen A. Regional Disaster Risk Assessment of China Based on Self-Organizing Map: Clustering, Visualization and Ranking. International Journal of Disaster Risk Reduction, 2019, vol. 33, pp. 196–206. URL: Link
Трифонов Ю.В., Сочков А.Л., Миронов Е.А. Типология российских регионов с точки зрения развития человеческого капитала на базе нейросетевого кластерного анализа // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2021. № 4. С. 23–34. URL: Link
Carboni O.A., Russu P. Assessing Regional Wellbeing in Italy: An Application of Malmquist–DEA and Self-Organizing Map Neural Clustering. Social Indicators Research, 2015, vol. 122, pp. 677–700. URL: Link
Kraufman L., Rousseeuw P. Finding Groups in Data: An Introduction to Cluster Analysis. Hoboken, NJ, John Wiley & Sons, 2005, 342 p.
Любушин Н.П., Бабичева Н.Э., Лылов А.И., Пуляхин Е.И. Экономический анализ влияния «больших вызовов» на устойчивость и непрерывность деятельности субъектов хозяйствования // Экономический анализ: теория и практика. 2020. Т. 19. Вып. 12. С. 2253–2275. URL: Link