Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки

16+

Название статьи

НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ ДИНАМИКИ ПОКАЗАТЕЛЕЙ СРЕДНЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯВ РЕГИОНАХ РОССИИ КАК ФАКТОРА РОСТА ЭКОНОМИКИ СТРАНЫ

Тип статьи	научная статья	Коды УДК
Страницы	42-49	Ключевые слова	экономический рост, человеческий капитал, среднее профессиональное образование, ре- гионы Российской Федерации, кластерный анализ, нейронные сети, самоорганизующиеся карты Кохонена, economic growth, human capital, secondary vocational education, regions o

Авторы

Перова Валентина ИвановнаБолеева Екатерина Сергеевна

Место работы

Перова Валентина Ивановна Нижегородский государственный университет им. Н.И. ЛобачевскогоLobachevsky State University of Nizhny Novgorod
Болеева Екатерина Сергеевна Нижегородский государственный университет им. Н.И. ЛобачевскогоLobachevsky State University of Nizhny Novgorod

Аннотация

Методом нейросетевого моделирования проведено исследование динамики показателей деятельности ре- гионов Российской Федерации в сфере среднего профессионального образования. Исследование обусловлено тем, что человеческий капитал, представляющий собой совокупность знаний, умений и навыков, получаемых в процессе образования и приносящих впоследствии доход, является одним из важнейших внутренних фак- торов экономического потенциала страны. Проведение исследования основывалось на анализе многомерных данных. Выполнен кластерный анализ по шести показателям при помощи самоорганизующихся карт Кохо- нена, реализованных в системе STATISTICA. Показано, что за 2010-2016 гг. регионы РФ образовали 4 кла- стера. Приведены состав и характеристики каждого кластера, и сделаны социально-экономические выводы. Проведенное исследование позволило определить особенности динамики показателей развития среднего профессионального образования в регионах России в целях определения путей повышения конкурентоспо- собности национальной системы образования как фактора роста экономики страны.

Загрузить статью

Библиографический список

1 . Концепция долгосрочного социально-экономического развития Российской Федерации на период до 2020 года (Утверждена распоряжениями Правительства Российской Федерации от 17.11.2008 № 1662-р и от 08.08.2009 № 1121-р). URL: http://www.consul tant.ru/document/cons_doc_LAW_82134/28c7f9e359e 8af09d7244d8033c66928fa27e527 (дата обращения: 24.11.2017).
2 . Набиуллина Э.С. О долгосрочных прогнозах экономического развития // В кн.: XIII Международная научная конференция по проблемам развития экономики и общества (апрель 2012 г.). В 4 книгах. Книга 1 / Отв. ред. Е. Ясин. М.: НИУ ВШЭ, 2012. С. 26-33.
3 . Гранберг А.Г., Михеева Н.Н., Ершов Ю.С. Воздействие мирового кризиса на стратегию пространственного социально-экономического развития Российской Федерации // Регион: экономика и социология. 2009. № 4. С. 69-101.
4 . Крюков В.А. Влияние фактора многообразия на особенность формирования политики развития ресурсного сектора и экономики регионов // Экономика управления. 2017. № 11. С. 21-30.
5 . Кулешов В.В., Унтура Г.А., Маркова В.Д. Развитие экономики знаний: роль инновационных проектов в программе реиндустриализации региона // Регион: экономика и социология. 2016. № 3 (91). С. 28-54.
6 . Удалов Ф.Е., Ал?хина О.Ф. Макроуровневый анализ централизованной системы управления экономикой // Вестник Саратовского государственного социально-экономического университета. 2013. № 3 (47). С. 82-85.
7 . Швецов А.Н. Пространственная кластеризация инновационной деятельности: смысл, эффекты, государственная поддержка // Регион: экономика и социология. 2015. № 4. С. 142-161.
8 . Brock G. Growth in Russia's federal districts, 1994-2003 // Post-Communist Economics. 2010. Vol. 22. № 1. P. 19-31.
9 . L?pez-Bazo E., Vay? E., Art?s M. Regional externali- ties and growth: evidence from European regions // Journal of Regional Science. 2004. Vol. 44. № 1. P. 43-73.
10 . Аганбегян А.Г. Человеческий капитал и его главная составляющая - сфера «экономики знаний» как основной источник социально-экономического роста // Экономические стратегии. 2017. № 3. С. 66-79.
11 . Аганбегян А.Г. Человеческий капитал и его главная составляющая - сфера «экономики знаний» как основной источник социально-экономического роста (окончание) // Экономические стратегии. 2017. № 4. С. 6-21.
12 . Инновационное развитие: экономика, интеллектуальные ресурсы, управление знаниями / Под ред. Б.З. Мильнера. М.: ИНФРА-М, 2010. 624 с.
13 . Макаров В.Л. Экономика знаний: уроки для России // Вестник Российской академии наук. 2003. Том 73. № 5. С. 450-456.
14 . Макаров В.Л. Становление экономики знаний в России и мире // В кн.: Экономика знаний: Коллективная монография / Отв. ред. д-р экон. наук, проф. В.П. Колесов. М.: ИНФРА-М, 2008. 432 с. Гл. 1. С. 34-44.
15 . Макаров В.Л., Клейнер Г.Б. Микроэкономика знаний. М.: ЗАО «Издательство «Экономика», 2007. 204 с.
16 . Кузнецов Ю.А. Человеческий капитал, производительность труда и экономический рост // Экономический анализ: теория и практика. 2012. № 43 (298). С. 2-14.
17 . Лавров Е.И., Лаврова Л.А. Человеческий капитал как фактор экономического роста // Вестник Омского университета. Серия: Экономика. 2006. № 2. С. 63-69.
18 . Barro R.J., Sala-i-Martin X. Economic growth. 2nd ed. Cambridge, MA; London: MIT Press, 2004. 672 p.
19 . Durlauf S.N., Quah D. The new empirics of eco- nomic growth // Handbook of Macroeconomics. Oxford: Elsevier, 1999. Vol. 1A. P. 235-308.
20 . Lucas R.E. On the mechanics of economic de- velopment // Journal of Monetary Economics. 1988. Vol. 22. № 1. P. 3-42.
21 . Quah D. Empirics for growth and distribution: stra- tification, polarization, and convergence clubs // Journal of Economic Growth. 1997. Vol. 2. № 1. P. 27-59.
22 . Баранов А.О., Слепенкова Ю.М. Методологические проблемы анализа воспроизводства человеческого капитала в России // ЭКО. 2018. № 2. С. 5-17. URL: https://dlib.eastview.com/browse/doc/50460298 (дата обращения: 19.03.2018).
23 . Benhabib J., Spiegel M.M. The role of human capital in economic development: Evidence from aggre- gate cross-country data // Journal of Monetary Econom- ics. 1994. Vol. 34. № 2. P. 143-173.
24 . Федеральная служба государственной статистики. URL: http://www.gks.ru/bgd/regl/b15_14p/ Main.htm (дата обращения: 10.02.2018).
25 . Федеральный закон «Об образовании в Российской Федерации» от 29.12.2012 № 273-ФЗ. URL: http://www.condultant.ru/document/cons_doc_LAW_14 0174/ (дата обращения: 25.10.2017).
26 . Гаспаришвили А.Т. Среднее специальное образование и рынок труда: подготовка специалистов или ступень к вузу // Экономика и образование: проблемы, решения. 2016. Т. 2. № 7. С. 50-58.
27 . Kohonen T. Self-organized formation of topologically correct feature maps // Biol. Cybern. 1982. Vol. 43. P. 59-69.
28 . Перова В.И., Авагян Э.А. Нейросетевой анализ динамики показателей высшего образования в регионах Российской Федерации как фактора экономического роста страны // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2017. № 1 (45). С. 54-60.
29 . Перова В.И. Нейронные сети в экономических приложениях: Учебное пособие. Нижний Новгород: Изд-во Нижегородского госуниверситета, 2012. Ч. 1. Нейронные сети, обучаемые с учителем. 130 с.; Ч. 2. Нейронные сети, обучаемые без учителя. 135 с.
30 . Перова В.И. Нейронные сети: Учебное посо- бие. Нижний Новгород: Издательство Нижегородского госуниверситета им. Н.И. Лобачевского, 2012. Ч. 1. 155 с.; Ч. 2. 111 с.
31 . Нейронные сети. STATISTICA Neural Networks: Методология и технологии современного анализа данных / Под ред. В.П. Боровикова. 2-е изд., перераб. и доп. М.: Горячая линия-Телеком, 2008. 392 с.
32 . Дюк В.А., Самойленко А.П. Data Mining: Учебный курс. СПб.: Питер, 2001. 370 с.
33 . Зайцев К.С. Применение методов Data Mining для поддержки процессов управления IT-услугами: Учебное пособие. М.: МИФИ, 2009. 96 с.
34 . URL: http://www.spo.graduate.edu.ru/#/?year =2014&year_monitoring=2016 (дата обращения: 10.02.2018).