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

16+

Название статьи

НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ РАЗВИТИЯ ДЕТСКО-ЮНОШЕСКОГО СПОРТА РОССИЙСКОЙ ФЕДЕРАЦИИ КАК ФАКТОРА ФОРМИРОВАНИЯ ЧЕЛОВЕЧЕСКОГО КАПИТАЛА

Тип статьи	научная статья	Коды УДК	330.354: 796.034+004.032.26
Страницы	40-47	Ключевые слова	человеческий капитал, детско-юношеский спорт, регионы РФ, кластерный анализ, нейронные сети, самоорганизующиеся карты Кохонена, Deductor, human capital, children's and youth sports, regions of the Russian Federation, cluster analysis, neural networks

Авторы

Летягина Е.Н.Перова В.И.

Место работы

Летягина Е.Н. Нижегородский государственный университет им. Н.И. Лобачевского
Перова В.И. Нижегородский государственный университет им. Н.И. Лобачевского

Аннотация

Проведено нейросетевое моделирование современного состояния детско-юношеского спорта в сельской местности регионов России, характеризующего человеческий капитал, который является одной из основ инновационного развития и обеспечения национальной безопасности государства. Рассмотрены и исследованы данные Федеральной службы государственной статистики Российской Федерации о развитии детско-юношеского спорта в сельской местности страны в интересах увеличения ожидаемой продолжительности жизни населения, накопления человеческого капитала и обеспечения социально-экономического роста страны. Выполнен кластерный анализ с использованием материализованных в пакете Deductor нейронных сетей - самоорганизующихся карт Кохонена - по 13 показателям за 2018 г., характеризующим деятельность регионов РФ по развитию детско-юношеского спорта в сельской местности. Определены особенности этой деятельности, которые показали неравномерный характер развития детско-юношеского спорта как одной из составляющих процесса формирования человеческого капитала - одного из доминирующих внутренних факторов социально-экономического потенциала России. Различный уровень этой деятельности позволил получить распределение регионов по пяти кластерам. Представлены состав и характеристики каждого кластера. Определены регионы с наивысшими показателями развития данной сферы деятельности. Проведенное исследование с применением нейросетевых технологий позволило оценить развитие детско-юношеского спорта в сельской местности Российской Федерации. Результаты исследования имеют практическую значимость для сравнительного анализа развития детско-юношеского спорта в регионах России и могут быть учтены при стратегическом планировании развития спортивной отрасли в контексте увеличения качества человеческого капитала и обеспечения экономической безопасности регионов Российской Федерации.

Загрузить статью

Библиографический список

1 . Митяков С.Н., Митяков Е.С., Романова Н.А. Экономическая безопасность регионов Приволжского федерального округа // Экономика региона. 2013. № 3 (35). С. 81-91.
2 . Лапаев Д.Н. Многокритериальный анализ состояния экономической безопасности в социальной сфере // Экономика и предпринимательство. 2016. № 10-1 (75-1). С. 798-804.
3 . Макаров В.Л., Клейнер Г.Б. Микроэкономика знаний. М.: ЗАО «Издательство «Экономика», 2007. 204 с.
4 . Кузнецов Ю.А. Человеческий капитал, производительность труда и экономический рост // Экономический анализ: теория и практика. 2012. № 43 (298). С. 2-14.
5 . Грачев С.А., Гундорова М.А., Мошнов В.А. Инвестиции в человеческий капитал. Владимир: ВлГУ, 2016. 114 с.
6 . Ионцев В.А. и др. Введение в демографию: Учебное пособие / Под ред. В.А. Ионцева, А.А. Саградова. М.: Изд-во МГУ, ТЭИС, 2003. 636 с.
7 . Соболева И.В. Человеческий потенциал российской экономики: проблемы сохранения и развития. М.: Наука, 2007. 201 с.
8 . Перова В.И., Перова Н.А. Нейросетевое моделирование динамики развития физической культуры и спорта в регионах России как фактора социально-экономического роста страны // Национальные интересы: приоритеты и безопасность. 2018. Т. 14. Вып. 11. С. 2064-2082.
9 . Указ Президента РФ от 7 мая 2018 г. № 204 «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года». URL: http://www.garant.ru/hotlaw/federal/11954 67/ (дата обращения: 22.01.2020).
10 . Послание Президента Российской Федерации Федеральному Собранию от 15.01.2020. URL: http:// www.consultant.ru/document/cons_doc_LAW_342959/ (дата обращения: 22.01.2020).
11 . Beutler I. Sport serving development and peace: Achieving the goals of the United Nations through sport // Sport in Society. 2008. Vol. 11m. № 4. P. 359-369.
12 . Горбунов С.А., Дубровский А.В. Роль физической культуры в совершенствовании умственной готовности к обучению и профессиональной деятельности // Теория и практика физической культуры. 2002. № 12. С. 13-15.
13 . Макарьев И.В. Физическая подготовка в системе правоохранительных органов // Физическая культура. Спорт. Туризм. Двигательная рекреация. 2017. Т. 2. № 2. С. 50-53.
14 . Викулов С.Ф., Хрусталёв Е.Ю. Экономические основы военной безопасности России // Национальные интересы: приоритеты и безопасность. 2014. № 7. С. 2-9.
15 . Садков С.А., Ахмеров И.Ф. Роль физической культуры, спорта, медицины и правоохранительных органов в профилактике асоциальных проявлений, наркомании и преступности среди молодежи // Актуальные проблемы физической культуры, спорта и туризма: Материалы X Международной научно-практической конференции (Уфа, 24-26 марта 2016 г.). Уфа: Уфимский государственный авиационный технический университет, 2016. С. 619-622.
16 . 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.
17 . Федеральный закон от 4 декабря 2007 г. № 329-ФЗ «О физической культуре и спорте в Российской Федерации» (с изменениями и дополнениями). URL: http://base.garant.ru/12157560/ (дата обращения: 22.01.2020).
18 . Летягина Е.Н., Орлова Е.А. О состоянии и развитии объектов спорта в России и Нижегородской области // Экономика и предпринимательство. 2018. № 9. С. 372-376.
19 . О Всероссийском физкультурно-спортивном комплексе «Готов к труду и обороне» (ГТО): Указ Президента РФ от 24.03.2014 № 172. URL: http://base. garant.ru/70619520 (дата обращения: 22.01.2020).
20 . Государственная программа Российской Федерации «Развитие физической культуры и спорта» URL: https://www.minsport.gov.ru/2019/doc/Gosydarst vennya-programma.pdf (дата обращения: 22.01.2020).
21 . Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы: Учебник. М.: Финансы и статистика, 2003. 352 с.
22 . Щетинин Е.Ю. О методах оценивания длинной памяти финансовых временных рядов // Финансовая аналитика: проблемы и решения. 2010. № 13. С. 39-45.
23 . Рыжиков Ю.И. Имитационное моделирование. Теория и технологии. М.: Альтекс-А, 2004. 384 с.
24 . Хрусталёв Е.Ю., Шрамко О.Г. Использование метода нейронных сетей для прогнозирования эффективности инвестиционных вложений // Экономический анализ: теория и практика. 2017. Т. 16. Вып. 8. С. 1438-1454.
25 . Chechkin A.V., Pirogov M.V. Intellectualization of a complex system as a means of maintaining its information system safety // Fundam. Prikl. Mat. 2009. Vol. 15. Iss. 3. P. 225-239; J. Math. Sci. 2010. Vol. 168. Iss. 1. P. 147-156.
26 . Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере: Монография. Новосибирск: Наука (Сибирское отделение), 1996. 276 с.
27 . Милов В.Р., Баранов В.Г., Эпштейн А.Ю. и др. Прогнозирование состояния дискретных стохастических систем в условиях неопределенности на основе байесовской методологии // Труды Нижегородского государственного технического университета им. Р.Е. Алексеева. Н. Новгород, 2010. № 2 (81). С. 70-76.
28 . Хайкин С. Нейронные сети: полный курс. М.: Вильямс, 2006. 1104 с.
29 . Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP: Учебное пособие / А.А. Барсегян, М.С. Куприянов, В.В. Степаненко и др. СПб.: БХВ-Петербург, 2007. 384 с.
30 . Балабанов А.С., Стронгина Н.Р. Анализ данных в экономических приложениях: Учебное пособие. Нижний Новгород: Изд-во Нижегородского госуниверситета им. Н.И. Лобачевского, 2004. 135 с.
31 . Kohonen Т. Self-organized formation of topologically correct feature maps // Bio1ogical Cybernetics. 1982.Vol. 43. Iss. 1. P. 59-69.
32 . Martinetz M., Berkovich S., Schulten K. Neural-gas network for vector quantization and its application to time-series prediction // Trans. Neural Networks. 1993. Vol. 4. P. 558-569.
33 . Kohonen T. The self-organizing map // Proceedings of the Institute of Electrical and Electronics Engineers. 1990. Vol. 78. № 9. P. 1464-1480.
34 . Hajek P., Henriques R., Hajkova V. Visualising components of regional innovation systems using self-organizing maps - evidence from European regions // Technological Forecasting and Social Change. 2014. Vol. 84 (C). P. 197-214.
35 . 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. Iss. 3. P. 677-700.
36 . Растунков В.С., Петров А.К., Панов В.А. Нейронные сети. Statistica Neural Networks: Методология и технология современного анализа данных. М.: Горячая линия - Телеком, 2008. 392 с.
37 . Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6. М.: ДИАЛОГ-МИФИ, 2002. 122 с.
38 . Федеральная служба государственной статистики Российской Федерации [Электронный ресурс]. URL: http://www.gks.ru (дата обращения: 22.01.2020).
39 . Федеральный проект «Спорт - норма жизни». URL: https://norma.sport/about/ (дата обращения: 22.01.2020).
40 . Национальный проект «Демография». URL: https://rosmintrud.ru/ministry/programms/demography (дата обращения: 22.01.2020).
41 . Letiagina E., Perova V., Orlova E. Neural network analysis of the development of physical education and sports in Russia as an economic factor of country security // Proceedings of the 4th International Conference on Innovations in Sports, Tourism and Instructional Science (ICISTIS 2019). Atlantis Press, 2019. № 11. Р. 174-179.