Компьютерное моделирование вариантов пространственного развития научно-технологической сферы в Российской Федерации

Должность: ведущий научный сотрудник; доцент Кафедры бизнес-аналитики
Аффилиация:
Центральный экономико-математический институт РАН
НИУ Высшая школа экономики
Адрес: Москва, Российская Федерация

Кузнецова Ольга Игоревна

Должность: младший научный сотрудник лаборатории компьютерного моделирования социально-экономических процессов
Аффилиация: Центральный экономико-математический институт Российской академии наук
Адрес: Москва, Российская Федерация

Название журнала

Экономика и математические методы

Выпуск

Том 56 Номер 3

Страницы

45-55

Аннотация

Научные исследования затрагивают все сферы нашей жизни. Они являются не только методом познания мира вокруг нас, но также источником инноваций и новых технологий. В современном динамичном мире каждому государству становится все важнее генерировать инновации. Это необходимо, для того чтобы оставаться конкурентоспособным на мировой арене в самых различных сферах, будь то экономика, промышленность или освоение космоса. Поэтому сфера научных исследований и разработок в стране должна являться объектом особого национального интереса. Тем не менее уровень ее развития и эффективности все еще трудно поддается количественной оценке. Данная статья посвящена анализу сферы научных исследований и разработок в разрезе субъектов Российской Федерации (далее — РФ) с целью оценки ее эффективности, уровня дифференциации по регионам, а также прогнозирования динамики ее развития. Еще одной целью исследования является оценка финансового инструмента воздействия на эффективность научных исследований и разработок. Исследования проведены на основе построенной авторами агент-ориентированной модели (далее — АОМ). Выбор данного метода исследования обусловлен возможностями смоделировать систему, максимально приближенную к реальности, а также проведения большого числа экспериментов с различными исходными данными. Основным результатом наших численных экспериментов является расчет прогнозных значений результативности научных исследований и разработок в регионах РФ, а также оценка влияния финансовых затрат на этот показатель. Прогноз, полученный в результате данного исследования, показал, что более чем в 30 регионах страны наблюдается отрицательная динамика результативности научных исследований и разработок, которая сохраняется даже при существенном увеличении финансовых затрат в этой сфере.

Ключевые слова

агент-ориентированная модель, научные исследования и разработки, прогнозирование, регионы России.

Источник финансирования

Работа выполнена в рамках программы фундаментальных исследований РАН «Многофакторные вызовы и риски перехода к новому этапу научно-технологического и экономического развития России: фундаментальные и прикладные проблемы».

Получено

02.09.2020

Дата публикации

04.09.2020

Кол-во символов

27514

Цитировать

ГОСТ	Хачатрян Н. К. , Кузнецова О. И. Компьютерное моделирование вариантов пространственного развития научно-технологической сферы в Российской Федерации // Экономика и математические методы – 2020. – Tом 56. – Номер 3 C. 45-55 [Электронный ресурс]. URL: https://emm.jes.su/S042473880010525-6-1 (дата обращения: 29.04.2024). DOI: 10.31857/S042473880010525-6
MLA	Khachatryan, Nerses, Kuznetsova, Olga "Computer modelling of options of spatial development of scientific and technological sphere in the Russian Federation." Ekonomika i matematicheskie metody 56.3 (2020):45-55. DOI: 10.31857/S042473880010525-6
APA	Khachatryan N., Kuznetsova O. (2020). Computer modelling of options of spatial development of scientific and technological sphere in the Russian Federation. Ekonomika i matematicheskie metody 56(3), pp.45-55 DOI: 10.31857/S042473880010525-6

100 руб.

При оформлении подписки на статью или выпуск пользователь получает возможность скачать PDF, оценить публикацию и связаться с автором. Для оформления подписки требуется авторизация.

Оператором распространения коммерческих препринтов является ООО «Интеграция: ОН»

Всего подписок: 0, всего просмотров: 636

Оценка читателей: голосов 0

1. Абдрахманова Г.И., Бахтин П.Д., Гохберг Л.М. (2017). Рейтинг инновационного развития субъектов Российской Федерации. Вып. 5. М.: НИУ ВШЭ.

2. Абрамов В.И. (2019). Опыт применения агент-ориентированного подхода к моделированию процессов в области миграционной политики // Искусственные общества. Т. 14. № 2. URL: https://artsoc.jes.su/s207751800005912-2-1/ (дата обращения: 25.05.2020). DOI: 10.18254/S207751800005912-2.

3. Макаров В.Л., Бахтизин А.Р. (2013). Социальное моделирование — новый компьютерный прорыв (агент-ориентированные модели). М.: Экономика.

4. Макаров В.Л., Бахтизин А.Р., Бекларян Г.Л., Акопов А.С. (2019а). Имитационное моде-лирование системы умный город: концепция, методы и примеры // Национальные ин-тересы: приоритеты и безопасность. Т. 15. № 2. С. 200–224.

5. Макаров В.Л., Бахтизин А.Р., Бекларян Г.Л., Акопов А.С. (2019б). Разработка программ-ной платформы для крупномасштабного агент-ориентированного моделирования сложных социальных систем // Программная инженерия. Т. 10. № 4. С. 167–177.

6. Макаров В.Л., Бахтизин А.Р., Бекларян Г.Л., Акопов А.С., Ровенская Е.А., Стрелков-ский Н.В. (2019в). Укрупненная агент-ориентированная имитационная модель мигра-ционных потоков стран Европейского союза // Экономика и математические методы. Т. 55. № 1. С. 3–15.

7. Макаров В.Л., Бахтизин А.Р., Сушко Е.Д., Васенин В.А., Борисов В.А., Роганов В.А. (2016). Суперкомпьютерные технологии в общественных науках: агент-ориентированные демографические модели // Вестник Российской академии наук. Т. 86. № 5. С. 412–421.

8. Макаров В.Л., Бахтизин А.Р., Сушко Е.Д., Агеева А.Ф. (2018). Агент-ориентированная модель Евразии и имитация реализации крупных инфраструктурных проектов // Эко-номика региона. Т. 14. № 4. С. 1102–1116.

9. Макаров В.Л., Окрепилов В.В. (2016). Принципы мониторинга качества жизни на основе агент-ориентированных моделей // Вестник Российской академии наук. Т. 86. № 8. С. 711–718.

10. Хачатрян Н.К., Кузнецова О.И. (2018). Компьютерное моделирование вариантов распреде-ления инновационной активности по регионам России // Вестник ЦЭМИ. № 1. DOI: 10.33276/S0000105-8-1. Режим доступа: https://cemi.jes.su/s111111110000105-8-1

11. Hartshorna M., Kaznatcheeva A., Shultz T. (2013). The evolutionary dominance of ethnocentric cooperation. Journal of Artificial Societies and Social Simulation, 16 (3). DOI: 10.18564/jasss.2176 Corpus ID: 35708039. Available at: http://jasss.soc.surrey.ac.uk/16/3/7.html

12. Reardon S., Kasman M., Klasik D., Baker R. (2016). Agent-based simulation models of the col-lege sorting process. Journal of Artificial Societies and Social Simulation, 19 (1). DOI: 10.18564/jasss.2993. Available at: http://jasss.soc.surrey.ac.uk/19/1/8.html

13. Yun W., Moon I., Lee T. (2015). Agent-based simulation of time to decide: Military commands and time delays. Journal of Artificial Societies and Social Simulation, 18 (4). DOI: 10.18564/jasss.2871. Available at: http://jasss.soc.surrey.ac.uk/18/4/10.html

14. Takacsa K., Squazzoni F. (2015). High standards enhance inequality in idealized labor markets. Journal of Artificial Societies and Social Simulation, 18 (4), 2. DOI: 10.18564/jasss.2940. Available at: http://jasss.soc.surrey.ac.uk/18/4/2.html