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

ЖУРНАЛЫ

  

АВТОРАМ

  

ПОДПИСКА

    
«Региональная экономика: теория и практика»
 

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
LCCN Permalink
Google Scholar

Электронные версии в PDF

EBSCOhost
Eastview
Elibrary
Biblioclub

Концептуальный подход к оценке кластерного потенциала территорий на основе использования интеллектуальных информационных систем

т. 19, вып. 4, апрель 2021

PDF  PDF-версия статьи

Получена: 11.03.2021

Получена в доработанном виде: 16.03.2021

Одобрена: 19.03.2021

Доступна онлайн: 15.04.2021

Рубрика: УСТОЙЧИВОЕ РАЗВИТИЕ РЕГИОНОВ

Коды JEL: R12, R58

Страницы: 693–717

https://doi.org/10.24891/re.19.4.693

Руйга И.Р. кандидат экономических наук, доцент кафедры экономической и финансовая безопасности, Сибирский федеральный университет (СФУ), Красноярск, Российская Федерация 
irina_rouiga@bk.ru

https://orcid.org/0000-0002-4212-0321
SPIN-код: 5608-8693

Ковзунова Е.С. старший преподаватель кафедры экономической и финансовой безопасности, Сибирский федеральный университет (СФУ), Красноярск, Российская Федерация 
e.kovzunova@list.ru

https://orcid.org/0000-0001-5549-7438
SPIN-код: 5848-5998

Предмет. Роль интеллектуальных информационных систем в оценке кластерного потенциала территорий.
Цели. Формирование методического инструментария оценки кластерного потенциала территорий на основе использования интеллектуальных информационных систем, его апробация на примере регионов Сибирского федерального округа.
Методология. Для выявления кластерных групп использованы эконометрические методы, а также методы экспертной оценки.
Результаты. Разработан поэтапный алгоритм оценки кластерного потенциала территорий с учетом соответствующего методического и математического аппарата. Сформирован совокупный показатель, характеризующий потенциал развития кластерных групп.
Выводы. Предложенный методический и информационно-аналитический инструментарий может служить основой для принятия решений по разработке кластерной политики на региональном уровне.

Ключевые слова: региональная экономика, кластерные и сетевые объединения, информационно-аналитическая система, оценочные индикаторы

Список литературы:

  1. Götz M. The Industry 4.0 Induced Agility and New Skills in Clusters. Foresight and STI Governance, 2019, vol. 13, no. 2, pp. 72–83. URL: Link
  2. Terstriep J., Lüthje C. Innovation, Knowledge and Relations – On the Role of Clusters for Firms' Innovativeness. European Planning Studies, 2018, vol. 26, iss. 11 pp. 2167–2199. URL: Link
  3. Perényi Á. Diagnosing Cluster Competitiveness Using Firm-Level Data in the Profit–Growth Nexus Framework. Acta Oeconomica, 2016, vol. 66, iss. 3, pp. 439–463. URL: Link
  4. Njøs R., Jakobsen S.-E. Cluster Policy and Regional Development: Scale, Scope and Renewal. Regional Studies, Regional Science, 2016, vol. 3, iss. 1, pp. 146–169. URL: Link
  5. Fowler C.S., Kleit R.G. The Effects of Industrial Clusters on the Poverty Rate. Economic Geography, 2014, vol. 90, iss. 2, pp. 129–154. URL: Link
  6. Huseynova K. Quantitative and Qualitative Assessment of the Region's Competitiveness. International Journal of Scientific & Engineering Research, 2016, vol. 7, iss. 5, pp. 736–738. URL: Link
  7. Портер М. Конкуренция. М.: Вильямс, 2005. 608 с.
  8. Печаткин В.В. Методика оценки и анализа потенциала кластеризации экономики регионов // Экономический анализ: теория и практика. 2010. Т. 9. Вып. 28. С. 42–48. URL: Link
  9. Поспелова И.Н. Оценка потенциала кластеризации обрабатывающих производств в Алтайском крае // Вестник Алтайского государственного аграрного университета. 2016. № 11. С. 184–188. URL: Link
  10. Бачинина Ю.П., Андронова И.В. Кластерный подход в обеспечении конкурентоспособности региона: монография. Тюмень: Тюменский индустриальный университет, 2010. 120 с.
  11. Kitova O.V., Kolmakov I.B., Dyakonova L.P. et al. Hybrid Intelligent System of Forecasting of the Socio-Economic Development of the Country. International Journal of Applied Business and Economic Research, 2016, vol. 14, iss. 9, pp. 5755–5756. URL: Link
  12. Беилин И.Л. Цифровое эконометрическое моделирование валового регионального продукта и обрабатывающих производств региона с высоким значением нефтегазохимического кластера // Региональная экономика: теория и практика. 2019. Т. 17. Вып. 8. С. 1490–1510. URL: Link
  13. Hu Y., Chan A.P.C., Le Y. Pragmatic Framework of Programme Organizational Capability for Delivering Megaprojects at Design and Construction Phases: A Chinese Client Perspective. The Engineering Project Organization Journal, 2015, vol. 5, iss. 2–3, pp. 49–62. URL: Link
  14. Евтеева Е.В. Интеллектуальная информационная система управления и сбора данных предприятия // Вестник Волжского университета им. В.Н. Татищева. 2015. № 1. С. 24–30. URL: Link
  15. Balasankar V., Penumatsa S.V., Terlapu P.R.V. Intelligent Socio-Economic Status Prediction System Using Machine Learning Models on Rajahmundry A.P., SES Dataset. Indian Journal of Science and Technology, 2020, vol. 13, iss. 37, pp. 3820–3842. URL: Link
  16. Чорноус Г.А. Агентна модель інтелектуальної інформаційної системи управління в економіці // Вісник Київського національного університету імені Тараса Шевченка. Економіка. 2016. № 178. С. 41–47. URL: Link
  17. Погорелов Н.Е., Рейзенбук К.Э., Пимонов А.Г. Интеллектуальная информационная система для анализа и прогнозирования биржевых котировок акций // Вестник Кузбасского государственного технического университета. 2012. № 6. С. 118–122. URL: Link
  18. Alzoubi H.M. The Role of Intelligent Information System in e-Supply Chain Management Performance. International Journal of Multidisciplinary Thought, 2018, vol. 7, iss. 2, pp. 363–370. URL: Link

Посмотреть другие статьи номера »

 

ISSN 2311-8733 (Online)
ISSN 2073-1477 (Print)

Свежий номер журнала

т. 19, вып. 5, май 2021

Другие номера журнала