Введение. Цифровая трансформация региональной экономики становится ключевым фактором ее развития в современных условиях. Взаимодействие традиционных институтов с цифровыми технологиями способствует повышению эффективности экономических процессов, улучшению инвестиционного климата и формированию новых точек роста. Цель данного исследования - выявить влияние цифровизации на типологизацию регионов на примере Приволжского федерального округа (ПФО). Для этого были выполнены следующие задачи: дать характеристику регионам ПФО, определить их типы, разработать инструмент оценки цифровизации регионов с учетом институционального аспекта, показать влияние цифровизации на экономическое развитие регионов. Полученные результаты позволяют определить роль цифровых институтов как драйвера социально-экономического развития и могут быть использованы при разработке стратегий цифрового развития регионов.
Методы исследования. В ходе исследования были использованы общенаучные методы, включая анализ, синтез и обобщение. Применялся метод графического анализа для наглядного представления результатов, а также метод сопоставления и группировки для классификации регионов. Метод сравнительного анализа позволил выявить различия в уровнях цифровизации субъектов ПФО. Кроме того, использовались статистические методы и метод корреляционного анализа для оценки взаимосвязи между цифровыми институтами и экономическим развитием регионов.
Результаты и дискуссия. Представлен анализ типов регионов ПФО, который основывается на их отраслевой структуре, а также величине валового регионального продукта на душу населения. Кроме того, был оценен уровень цифровизации этих регионов с использованием коэффициента локализации.
В результате чего, опираясь на субиндексы и сводный индекс, был определен уровень цифровой трансформации регионов ПФО. Также была установлена зависимость между процессами индустриализации и цифровой трансформацией в данных регионах, выявлена взаимосвязь между уровнем развития региона и его цифровизацией. В дальнейшем полученные результаты могут быть применены в исследованиях, связанных с анализом уровня и динамикой цифровой трансформации, изучении цифрового разрыва, а также в разработке моделей цифровой трансформации регионов России. Было выявлено наличие устойчивой взаимосвязи между показателями цифровой трансформации, отраслевой структурой регионов и валовым региональным продуктом.
Заключение. Цифровую трансформацию следует анализировать с позиции институционального подхода, используя в качестве инструмента оценки индикаторы, отражающие состояние и развитие цифровых институтов. Одной из наиболее острых проблем в этом контексте выступает экономическое и цифровое неравенство между регионами. Статистические данные свидетельствуют о высокой степени корреляции между уровнем социально-экономического развития регионов и их цифровыми показателями, что указывает на их взаимное влияние.
Введение. В условиях динамично меняющейся внешней среды, роста конкуренции на национальном и мировом уровне выпуск продукции, имеющей инновационные характеристики, выступает одним из факторов, определяющих рост конкурентоспособности и спроса.
Методы исследования. Методом исследования выступил критический анализ современных разработок в текстильной и обувной промышленности.
Результаты и дискуссия. Выявлены перспективные направления исследований, определены драйверы развития текстильной и обувной промышленности на основе оценки текущего состояния данных отраслей легкой промышленности и современных направлений исследований и разработок. Определены препятствия для развития исследовательской деятельности, предложены направления развития исследовательской деятельности в текстильной и обувной промышленности.
Заключение. Проведенное исследование позволяет сделать вывод: в настоящее время исследования и разработки в текстильной и обувной промышленности относятся к таким направлениям, как модернизация производственных мощностей и процессов; разработка и производство новых материалов, материалов с заданными свойствами («умные» ткани), изменение свойств выпускаемых текстильной и кожевенной промышленностью материалов с целью придать им необходимые потребительские качества; создание экологически чистой продукции.
Введение. В России созданы 15 научно-образовательных центров мирового уровня, которые ведут исследования в рамках 200 технологических проектов. Запуск научно-образовательных центров приводит в целом к появлению нового вида деятельности, новых позиций и изменению структуры этих позиций во всех видах деятельности. Для эффективной реализации прорывных научно-технологических проектов в рамках НОЦ мирового уровня необходима постоянная работа по формированию и выявлению новых технологических компетенций.
Методы исследования. В работе использовались аналитический метод, метод имитационного моделирования, статистические методы.
Результаты и дискуссия. Для успешной реализации научно-технологических проектов компетенции должны обладать таким свойством, как комплементарность. Комплементарные технологические компетенции в рамках НОЦ мирового уровня можно разделить на два вида: метакомпетенции и сквозные компетенции. Наличие комплементарных технологических компетенций НОЦ мирового уровня в полном объеме позволяет реализовывать в рамках центров инновационные высокотехнологичные проекты, требующие глубоких знаний. Рассматривая специфику каждого отдельного НОЦ мирового уровня, а также каждого реализуемого проекта в рамках НОЦ, следует при помощи анализа данных четко формулировать необходимый состав компетенций. Показатели анализируются с привлечением статистических методов для выявления проблемных мест и определения направления дополнительной образовательной деятельности НОЦ мирового уровня. Методика формирования комплементарных технологических компетенций в рамках НОЦ мирового уровня представляет собой шесть взаимосвязанных блоков: целевой, теоретико-методологический, технологический, организационный, результативный и оценочный.
Заключение. Предложена методика выявления и формирования комплементарных технологических компетенций НОЦ мирового уровня.
Введение. Для проведения современных научных исследований необходимо применять системный подход к анализу структуры, исследованию закономерностей научного знания. Это делает наукометрию важным инструментом в работе ученых и исследователей. Одним из ключевых направлений научных исследований в рассматриваемой области является изучение и разработка эконометрических методов моделирования и последующее их использование для прогнозирования регионального экономического развития. Для проведения исследований такого рода применяются библиометрические методы, включающие в себя анализ цитируемости, индексов научного влияния и картирование науки. Данные методы дают возможность определить ключевые научные школы, выявить исследовательские тренды и оценить уровень международного сотрудничества.
Методы исследования. Проведен библиометрический анализ отобранных научных публикаций в области эконометрических методов моделирования и прогнозирования регионального развития. Анализ проведен с использованием современных инструментов, таких как The Lens, Bibliometrix и VOSviewer. Были рассмотрены ключевые библиометрические показатели, освещены и применены на практике методы визуализации научных данных, проведен анализ публикационной активности в ведущих базах данных.
Результаты и дискуссия. Проведенный анализ библиометрических материалов показал наличие тренда устойчивого роста числа научных публикаций в исследуемой области регионального экономического развития, что подтверждает высокую актуальность темы. В ходе исследования, а именно проведения кластеризации научных направлений, было установлено, что в основном исследования посвящены трем направлениям: изучению региональной экологии и экономики, изучению традиционной экономики, изучению социальной экономики. Также был проведен сравнительный анализ исследуемых научных публикаций, в ходе которого были выявлены библиографические связи научных статей, ключевые слова, их плотность распределения. В качестве основных ключевых слов исследований можно выделить «экономическое развитие», «выбросы CO2», «возобновляемая энергия», «финансовое развитие», «устойчивое развитие».
Заключение. Проведенный в рамках исследования библиометрический анализ позволил выявить ключевые направления научных работ в области эконометрического моделирования регионального развития. Разработанный авторами алгоритм и методология системного анализа библиографии дали возможность определить наиболее значимые и весомые научные труды в рассматриваемой области. Представленные разнообразные визуализации данных проиллюстрировали междисциплинарный характер рассмотренных исследований. Дальнейшие исследования в освещаемой области возможны в части поиска и внедрения новых перспективных методов библиометрического анализа данных.
Введение. Наукометрические показатели широко используются при оценке эффективности научной деятельности ученых и в целом научно-образовательных учреждений. Качество результатов научных исследований и их значимость в научном сообществе в основном характеризуются количественной оценкой публикаций ученого или научного коллектива и показателем цитирования этих публикаций. В статье приведены показатели публикационной активности 10 ведущих университетов России за 2024 г. и выполнены статистический анализ и оценка взаимосвязи двух основных наукометрических показателей ученых: индекса Хирша и процентиля по ядру РИНЦ.
Методы исследования. В работе использован статистический анализ данных раздела РИНЦ научной электронной библиотеки eLibrary. ru. Показатели индекса Хирша и процентиля по ядру РИНЦ ученого выбираются для каждого вуза. Количественные оценки уровня взаимосвязи индекса Хирша и процентиля выполнены на основе корреляционно-регрессионного анализа.
Результаты и дискуссия. Выполнен анализ основных показателей публикационной активности университетов за 2024 г. (индекс Хирша, число цитирований, число авторов публикаций и количество цитирований на одного автора), по которым определены соответствующие лидеры. Результаты исследования показали, что индекс Хирша университета напрямую влияет на его рейтинговый балл (коэффициент линейной корреляции Пирсона (R) составляет 66,9). Как показывают численные расчеты, между индексом Хирша и значением процентиля ученого существует весьма высокая обратная корреляционная связь (R = 72,5): чем выше индекс Хирша, тем ниже показатель процентиля по соответствующему научному направлению.
Заключение. Результаты проведенных исследований указали на возможность использования линейной регрессионной формулы для оценки и определения прогнозных значений рейтингового балла университета по показателю индекса Хирша. Установленная высокая обратная корреляционная связь между индексом Хирша и значением процентиля подтверждает соответствующие уровни показателей публикационной активности ведущих университетов России.