Научная статья

Original article

УДК 330.3 : 378

doi: 10.24412/2413-046Х-2021-10457

ГЕНЕЗИС КЛЮЧЕВЫХ ТРЕБОВАНИЙ К РАЗВИТИЮ ЧЕЛОВЕЧЕСКОГО КАПИТАЛА В УСЛОВИЯХ ТЕХНОЛОГИЧЕСКИХ РЕВОЛЮЦИЙ 

GENESIS OF KEY REQUIREMENTS FOR THE DEVELOPMENT OF HUMAN CAPITAL IN THE CONTEXT OF TECHNOLOGICAL REVOLUTIONS

Исследование выполнено при финансовой поддержке Российского фонда фундаментальных исследований в рамках научного проекта № 19-29-07328

Андрющенко Галина Ивановна, доктор экон. наук, профессор кафедры
безопасности цифровой экономики и управления рисками, Российский государственный университет нефти и газа им. И.М. Губкина, 119991, РФ, г. Москва, Ленинский проспект, дом. 63, E-mail: galina1853@rambler.ru тел. 8 916 446 0048, ORCID ID: 0000-0003-3914-7619

Орехов Виктор Дмитриевич, канд. техн. наук, научный сотрудник, факультет экономики, Университет «Синергия», 125190, РФ, г. Москва, Ленинградский пр-т, д. 80, E-mail: vorehov@yandex.ru тел. 8 903 258 3075, ORCID ID: 0000-0002-5970-207X

Блинникова Алла Викторовна, канд. экон. наук, доцент, доцент кафедры информационных систем, Государственный университет управления  (ГУУ), 109542 РФ, г. Москва, Рязанский пр., д. 99, E-mail: allarest@mail.ru тел. 8(903) 258 3041, ORCID ID: 0000-0003-4561-8894

Andryushchenko Galina Ivanovna, Doctor of Economics Sciences, professor of the department digital economy security and risk management, Russian state University of Oil and Gas THEM. Gubkina, 119991, Russian Federation, Moscow, Leninsky prospect, building. 63, E-mail: galina1853@rambler.ru tel. 8 916 446 0048, ORCID ID: 0000-0003-3914-7619

Orekhov Viktor Dmitrievich, Cand. tech. Sci., Researcher, Faculty of Economics, Synergy University, 125190, Russian Federation, Moscow, Leningradsky Prospect, 80, E-mail: vorehov@yandex.ru tel. 8 903 258 3075, ORCID ID: 0000-0002-5970-207X

Blinnikova Alla Viktorovna, Cand. econom. Sci., Associate Professor, Associate Professor of the Department of Information Systems, State University of Management (SUU), 109542 RF, Moscow, Ryazansky pr., 99, E-mail: allarest@mail.ru tel. 8 (903) 258 3041, ORCID ID: 0000-0003-4561-8894

Аннотация. В работе проведен анализ зависимости требований к развитию человеческого капитала от характеристик очередной технологической революции, а также от изменения факторов социально-экономической среды, включая образование.

Исследование формфакторов технологических революций показало, что, несмотря на лучшие научные и продуктовые характеристики медико-биологического направления, силы, поддерживающие реализацию киберфизической революции, доминируют в настоящее время, что приведет к задержке реализации очередной технологической революции.

Ключевое требование к развитию человеческого капитала, связанное с технологической революцией, ввиду неопределенности ее направления, заключается в необходимости подготовки специалистов по киберфизическому и медико-биологическому профилям, включая интеграцию этих двух профессиональных компетенций.

Ключевые требования к развитию человеческого капитала, связанные с динамикой образовательных факторов, состоят в следующем:  обеспечение роста доли работников с третичным образованием до 75% в течение 10–20 лет; поддержание числа работников НИОКР на уровне 90 человек на млрд междунар. долл. ВВП; регулярная переподготовка взрослых работников на протяжении всей жизни с использованием дистанционных и андрагогических методов обучения; подготовка высококвалифицированных работников к выполнению управленческих функций в соответствии с требованиями Национальной рамки квалификаций РФ; подготовка специалистов к владению универсальными навыками будущего.

Материалы работы могут быть использованы для стратегического планирования развития человеческого капитала, а также в учебных целях.

Abstract. The paper analyzes the dependence of the requirements for the development of human capital on the characteristics of the next technological revolution, as well as on changes in the factors of the socio-economic environment, including education.

The study of the form factors of technological revolutions showed that, despite the best scientific and product characteristics of the biomedical direction, the forces supporting the implementation of the cyber-physical revolution dominate at the present time, which will lead to a delay in the implementation of the next technological revolution.

The key requirement for the development of human capital associated with the technological revolution, in view of the uncertainty of its direction, is the need to train specialists in cyberphysical and biomedical profiles, including the integration of these two professional competencies.

The key requirements for the development of human capital associated with the dynamics of educational factors are as follows: ensuring the growth of the share of workers with tertiary education up to 75% within 10–20 years; maintaining the number of R&D workers at the level of 90 people per billion int. dollars of GDP; regular retraining of adult workers throughout their lives using distance and andragogical teaching methods; training highly qualified employees to perform managerial functions in accordance with the requirements of the National Qualifications Framework of the Russian Federation; training specialists to master the universal skills of the future.

The materials of the work can be used for strategic planning of human capital development, as well as for educational purposes.

Ключевые слова: технологическая революция, человеческий капитал, образование, медико-биологическая революция, ВВП, профессиональные стандарты, навыки будущего

Key words: technological revolution, human capital, education, biomedical revolution, GDP, professional standards, skills of the future

Введение

Современное общественное развитие характеризуется высоким уровнем нестабильности, что накладывает новые требования на развитие человеческого капитала (ЧК). Одним из важнейших факторов, генерирующих нестабильность, является затянувшееся ожидание очередной технологической революции [1], [2] и неопределенность с направлением ее реализации. Существует еще ряд мощных активаторов нестабильности, среди которых наиболее фундаментальным является переход человечества как системы в новое состояние – демографический переход [3]. Он сопровождается депопуляцией развитых стран, взрывным ростом беднейших и активными миграционными процессами. Третий из факторов нестабильности проявляется в быстром росте доли специалистов, получающих третичное образование в крупнейших развивающихся странах [4], что способствует их экономическому росту и тенденции к смене когорты стран, имеющих наибольший экономический вес [5].

Все эти факторы взаимосвязанно формируют генезис требований к развитию человеческого капитала. Новая технологическая революция требует быстрого роста числа специалистов новых профессий. Но если направление революции не определено, то не ясно, специалистов каких квалификаций нужно готовить и в какой пропорции они будут востребованы. Ожидание того, что это будет еще одна кибернетическая (информационная, цифровая) революция, вызывает опасения в том, что ИскИны заменят не только водителей, но и работников простого умственного труда. Опасность автоматизации угрожает всем рутинным профессиям. С другой стороны, лауреат Нобелевской премии James Heckman утверждает, что дополнительное обучение взрослых специалистов экономически невыгодно [6], поскольку для них мало времени на возврат инвестиций. В этих условиях актуальным становится переобучение на протяжении всей жизни и овладение универсальными «навыками будущего», позволяющими специалисту без больших затруднений овладевать новыми профессиями.

Идеолог киберфизической революции Klaus Schwab в своей очередной книге о четвертой промышленной революции [7] ощутимо меняет оценки роли технологий по сравнению с предыдущей книгой [8]. Он пишет: «Одно из наиболее актуальных применений ИИ – это сфера здравоохранения… Для укрепления здоровья всего человечества с помощью точной медицины – которая требует учета индивидуальных особенностей ДНК, иммунной системы, среды и образа жизни каждого человека – понадобятся общесетевое машинное обучение, когнитивные сервисы и глубокие нейросети».

Также он подчеркивает, что важнейшими задачами современного развития является обеспечение справедливого распределения благ, которые принесет промышленная революция, а также контроль за ее негативными последствиями и рисками. Такой дрейф его точки зрения, как интегратора мнения Всемирного экономического форума, говорит о происходящих процессах переосмысления того, к чему может привести промышленная революция. Это накладывает отпечаток и на требования к развитию человеческого капитала. Не случайно поднимается вопрос, о необходимости включить этику как обязательный курс для инженеров и управленческих кадров.

Целью настоящей работы является анализ зависимости ключевых требований к развитию человеческого капитала от факторов очередной технологической революции, а также от изменения других факторов нестабильности внешней социально-экономической среды, включая образование.

1. Влияние направления технологической революции на требования к ЧК

Важным фактором, влияющим на ключевые требования к подготовке человеческого капитала, как отмечалось выше, является направление технологической революции. Однако к настоящему времени это направление четко не обозначено. Наиболее настойчиво было заявлено Клаусом Швабом о том, что четвертая промышленная революция будет киберфизической [8]. Однако это утверждение не выглядит убедительным, тем более что в другой книге он уже подчеркивает важность сферы здравоохранения [7]. Нужно отметить, что традиционно технологические революции нумеровались в соответствии с результатами исследований Н.Д. Кондратьева [9], и последовательность дат начала этих революций округленно до десятков лет имела следующий вид: 1770, 1840, 1890, 1940, 1960, 1980 [10]. Эти революции попарно имеют единую технологическую основу. Две первых – механика и сила пара, две вторых – автоматика и электричество, и третья пара – кибернетические (информационные) технологии. Технологические революции были и ранее, например 1500, 1670 годы – Возрождение и революция зарождения классической науки [11], [12]. Клаус Шваб фактически нумерует пары революций, и очередная из них, начиная с 1770 года, будет уже не седьмой, а четвертой.

Несложно заметить, что физические основы пар технологических революций принципиально отличаются друг от друга: механика, электричество, информация. И даже названия ключевых специальностей у них различны: механики и техники – первая пара, инженеры и электрики – вторая, программисты и системные администраторы – третья. Нужно также отметить, что пары революций объединены единой закономерностью экспоненциального роста характерного показателя. Для первой пары – экспоненциальный рост мощности паровых двигателей [13], для второй – экспоненциальное увеличение мирового производства электроэнергии [10] и для третьей – закон Мура [14].

И логика парного следования революций совершенно не случайна – первая революция из пары обеспечивает внедрение новой технологии, а вторая – ее мощный рост и превращение в реальную силу экономики. В результате экспоненциального роста уровня внедрения технологии многие ее характеристики существенно меняются. Так, с 1960 по 1980 год количество транзисторов на микрочипе выросло примерно в 1000 раз, а к 2015 году еще в миллион раз, причем внедрение персональных компьютеров многократно увеличило число пользователей. По внешним проявлениям это разные технологические эпохи, но основа у них одна – кибернетика (компьютерная техника). Предположение о том, что следующая революция опять будет кибернетического типа, нарушает логику парного следования. Большая часть того, что могла сделать кибернетика, она уже сделала. А от того, что вместо слова «информационная» будет использоваться «цифровая», мало что существенно изменится.

Другая неувязка заключается в том, что не выделено ключевое направление очередной революции и к ней относят и цифровые, и биологические, и физические мегатренды [8], а это принципиально различные сущности, базирующиеся на разных физических принципах. Фактически это свидетельствует о сложности выявления основного мегатренда. Это связано с тем, что на фоне экспоненциального роста предыдущих технологий сложно выявить ростки новой революции.

Для того чтобы прояснить эту неопределенность, рассмотрим систему формфакторов технологической революции. Основным из них является рост знания [12]. Содержание знаний можно исследовать путем анализа публикаций в научных журналах. Второй важный аспект – проблемы, стоящие перед обществом. Тяжесть физического труда дала толчок развитию механики и паровых двигателей. Проблема управления механизмами привела к созданию автоматического управления и электрического привода. Необходимость проведения сложных расчетов дала толчок информационной революции. Поэтому важно понять, какие проблемы наиболее актуальны сейчас. Но решение этих проблем происходит через разработку и внедрение инновационных продуктов. В целом же система формфакторов технологической революции представлена на рис. 1.

Чтобы оценить потенциальные направления технологических революций, рассмотрим, по каким направлениям наиболее активно ведутся исследовательские работы. С этой целью проведем анализ тематики научных работ в мире на основе библиометрической базы SCImago Journal & Country Rank. Всего в базе в 2019 году представлено 33,3 тысячи журналов [15]. На рис. 2 представлено распределение статей по предметным областям, количество которых несколько сжато по сравнению с данными SCImago JR.

Для учета значимости публикаций были использованы значения индексов Хирши журналов, которые характеризуют число ссылок на статьи. При этом для каждой предметной области была определена сумма произведений числа статей в каждом журнале на его индекс Хирши.

Видно, что максимальное число статей относится к блоку дисциплин: медицина, здоровье, фармакология, токсикология, стоматология и сестринское дело – 19,5%, с учетом веса. Вместе с близкими к ним науками (биохимия, генетика, молекулярная биология, иммунология, психология, нейронауки, агрокультура, биология и ветеринария) они занимают с учетом веса 35,4% статей.

Второе место по числу статей с весом, кроме медико-биологического блока, занимает химия и химические технологии – 11,6%, а третье – физика и астрономия (8,9%). Далее следуют технические науки – 8,5%, материаловедение – 7,3% и лишь потом компьютерные науки и искусственный интеллект – 6,6% статей с учетом веса и 8% без его учета. Несколько неожиданно, что направлению «энергетика» посвящено лишь 2,4% статей с учетом веса и 2,7% без веса. В сфере образования и E-learning с учетом веса в 2019 году было опубликовано 1,1% статей.

Разница доли статей с учетом веса и без него связана с тем, что в некоторых дисциплинах большую долю занимают журналы, на которые относительно редко ссылаются в публикациях и которые имеют квартиль Q3 или Q4, или совсем без квартиля. Так, в области компьютерных наук и искусственного интеллекта 72% журналов не имеют квартиля и индекса Хирши, а соответственно, и численность ссылок на эти журналы в среднем в 4 раза меньше, чем на журналы с первым квартилем. Для того чтобы оценить разницу по численности ссылок на статьи в разных дисциплинах, на рис. 3 показано, сколько журналов, относящихся к Q1 и Q2, действует в различных предметных областях.

Видно, что в сфере медицины журналов с высоким уровнем ссылок значительно больше, чем в других областях, и в 4,5 раза больше, чем в сфере компьютерных наук и искусственного интеллекта. В целом же проведенный анализ показывает, что ключевыми научными направлениями являются те, которые нацелены на улучшение здоровья человека и, соответственно, развитие человеческого капитала.

Для проверки востребованности различных инновационых продуктов [1], [8], [16] из киберфизической и медико-биологической областей был проведен опрос с помощью системы интернет-анкетирования (Яндекс-Взгляд). В составе выборки присутствовали граждане России обоих полов в возрасте свыше 25 лет, в количестве 400 человек, полностью заполнившие анкеты. При статистической обработке вначале определялась доля продуктов (Di), которые получили оценки 5, 4, 3 и 2 (здесь 5 – наиболее востребованные продукты, а 2 – те, которые могут вызвать негативный эффект). Затем определялась средняя оценка по формуле

Результаты оценивания инновационных продуктов из киберфизической и медико-биологической областей с использованием формулы (1) приведены в таблице 1.

Видно, что продукты медико-биологической нацеленности лидируют в области высоких оценок, а в области низких оценок разрыв возрастает. Поскольку область оценок достаточно узкая и лежит в диапазоне 2,94 – 4,13 » 1,2, то различие оценок, приведенных в таблице 1, велико – их средние значения отличаются на четверть диапазона оценок.

Мы показали, что в сфере научных исследований и инновационных продуктов медико-биологическое направление более перспективно, чем киберфизическое, в качестве потенциальной технологической революции. Однако это еще не значит, что развитие пойдет именно по доминирующему в этой области пути. Важное значение имеют силы, которые продвигают одно из этих направлений.

Для оценки уровня различных сил (согласно модели Kurt Lewin [17]) из киберфизической и медико-биологической областей был проведен опрос с помощью системы интернет-анкетирования (Яндекс-Взгляд). Каждая сила оценивалась оценкой от 5 (наивысшая) до 3 (наименьшая). В составе выборки было 500 респондентов в возрасте свыше 25 лет.

Результаты опроса приведены в таблице 2. Первые семь сил нацелены на поддержку киберфизической революции, а остальные – на медико-биологическую.

В целом оценки сил за киберфизическую революцию выше, чем за медико-биологическую (4,2 против 3,9). Исследование выгод, которые получают эти силы, дает примерно такое же соотношение – выгоды сил за киберфизическую революцию выше (4,2 против 3,8).

Наиболее велики, по мнению респондентов, следующие силы: ИТ-компании, стремящиеся продолжить получение высоких доходов (4,3), передовые компании, стремящиеся реализовать новейшие достижения в области медицины и генетики (4,3), фармкомпании, нацеленные на получение высоких доходов за счет массовой продажи вакцин. Наибольшие выгоды получают: ИТ-компании, стремящиеся продолжить получение высоких доходов (4,4), элиты, объединенные Всемирным экономическим форумом (4,4), государства, стремящиеся использовать возможность контроля над обществом через социальные сети (4,4), и фармкомпании, нацеленные на получение высоких доходов за счет массовой продажи вакцин (4,3).

Полученные результаты свидетельствуют о том, что, несмотря на лучшие научные и продуктовые характеристики, реализация медико-биологической революции будет испытывать существенные трудности из-за слабости поддерживающих ее сил.

Из проведенных выше исследований следует, что неопределенность относительно направления очередной технологической революции будет продолжаться достаточно длительное время, пока силы, нацеленные на реализацию медико-биологической революции, не станут доминировать. Со времени потенциального начала новой технологической революции (кризис 2008 года) прошло уже 12 лет, а явного проявления симптомов начала технологической революции пока не наблюдается. Поэтому «инкубационный» период революции будет длиться еще не менее 10 лет. Тем не менее, скорее всего, медико-биологическое направление станет доминирующим. Во многом также будет происходить интеграция этих двух направлений, поскольку многие прорывные медико-биологические технологии широко используют кибернетические инструменты. Но в этом случае кибернетическая техника выступает как инструмент, а не как технология преобразования мира.

Ключевое требование к человеческому капиталу, cвязанное с фактором направления технологической революции, можно сформулировать следующим образом: «Подготовка специалистов по двум основным направлениям: киберфизическому (информационному) и медико-биологическому, включая интеграцию этих двух направлений».

2. Влияние научно-образовательных факторов на требования к развитию ЧК

Одним из важнейших факторов, определяющих требования к развитию человеческого капитала, является быстрое повышение уровня образования человечества. На рис. 4 в логарифмической системе координат приведена динамика по времени относительного числа студентов третичного (среднего и высшего профессионального) образования в мире [18] – Y в процентах (по отношению к численности населения – N). Здесь время Х отсчитывается от 1900 года (Х = Т – 1900), что позволяет упростить аналитическое выражение тренда:

На фоне таких быстрых темпов роста (в 2,1 раза за 20 лет) важно понимать, какая максимальная доля жителей страны может получить третичное образование? Согласно образовательной статистике максимальный охват третичным образованием населения в возрасте 25–64 года в 2019 году составлял: Ирландия – 60%, Канада – 59%, Россия – 57%, Израиль – 51%, Южная Корея – 51% [4]. Уровень охвата третичным образованием постоянно растет, и среди молодых людей он, как правило, выше. В 2019 году для лиц в возрасте 25–34 года наибольший охват третичным образованием составил: Ирландия – 70%, Южная Корея – 70%, Канада – 63%, Япония – 62%, Россия – 62%. Причем женщины несколько опережают мужчин по данному показателю, и рекордные цифры составляют: Южная Корея – 76%, Ирландия – 72%, Канада – 71%, Россия – 69%, Япония – 64%. Таким образом, реальную возможность получить высшее образование имеют порядка 75% людей.

В настоящее время считается, что трудоспособный возраст работников составляет около 40 лет (от 25 до 64 лет). Продолжительность обучения студентов третичного образования, в среднем, составляет около 4 лет, хотя со временем эта цифра растет, и в развитых странах продолжительность третичного образования, как правило, выше. Таким образом, продолжительность трудовой деятельности примерно в 10 раз больше, чем время получения третичного образования. Из этого следует, что если доля студентов составляет 7,5% от трудового населения в стационарном режиме в течение порядка 40 лет, то доля работников, имеющих третичное образование, будет стремиться к 75%. При этом нужно учесть, что доля трудоспособного населения составляет 50% от всей численности. Отсюда следует, что для достижения 75% обеспеченности работников высшим образованием достаточно, чтобы в стационарном режиме студенты составляли порядка 3,7% численности населения (динамически этот процент может быть выше).

Для подтверждения оценок потребного количества студентов отметим, что во многих развитых странах их число остается относительно стабильным, и в период 2008–2015 годов колебалось вблизи 3,7±0,7%: Великобритания – 3,7–4,0%, Германия – 3,5–3,6, Франция – 3,5–3,7%, Испания – 3,9–4,3, Италия – 3,1–3,4%, Япония – 3,0–3,1%, Португалия – 3,5–3,8%, Швейцария – 2,9–3,5% [4].

При этом доля работников, имеющих третичное образование, в крупнейших мировых экономиках растет практически линейно. Годовой прирост доли работников с третичным образованием в них, в основном, составляет 0,8±0,2, как видно из таблицы 3.

Таким образом, одним из ключевых требований к развитию человеческого капитала в современных условиях является рост доли работников с третичным образованием до 75% в течение 10–20 лет.

Не все страны следуют этому требованию, и в России в последнее время темпы роста снизились. Это является следствием того, что доля работников, имеющих третичное образование, в России одна из наибольших в мире. Кроме того, высокий уровень образования не приводит к адекватному росту ВВП на душу населения. В чем причина низкой конверсии образовательного уровня в ВВП на душу населения? Было показано, что аналогичные проблемы имеют страны, которые удалены от основного цивилизационного ядра [19], в числе которых: Израиль, Южная Корея, Великобритания, Канада и Индия. Напротив, наилучшие условия для конверсии образования у Италии, Турции и Германии. Оказывает влияние и то, что в течение многих лет и СССР и Россия находились под давлением санкционного типа. В связи с тем, что в настоящее время происходит смещение центра мировой экономической активности в Азию (Китай, Индия), у России есть возможность повышения уровня конверсии образования в ВВП на душу населения. Соответственно, возрастет потребность в росте доли специалистов, имеющих третичное образование.

Важным фактором, влияющим на ключевые требования к ЧК, является также развитие сферы НИОКР. Ключевым показателем, определяющим активность стран в данной сфере, является число научных работников на млрд долл. ВВП по паритету покупательной способности (ППС) – N_S/G. Динамика этого показателя представлена на рис. 5 в зависимости от роста ВВП на душу населения стран (ВВП/Д) в междунар. долл. 2017 года [20]. Там же даны значения этих величин для мира, в целом, с 2000 по 2015 год с шагом в 5 лет (квадраты).

Согласно рис. 5, при росте среднего мирового ВВП на душу населения с 11 до 15,5 тыс. долл. число работников НИОКР на млрд долл. уменьшилось с 97 до 91 человека. Снижение N_S/G произошло, в основном, за счет достаточно быстрого роста ВВП, который опережал рост числа работников НИОКР.

В период 1996–2018 годов в США величина N_S/G колебалась в диапазоне 68–74, что примерно на четверть меньше среднего мирового уровня. В Европейском союзе N_S/G за 22 года выросло примерно в полтора раза – с 61 до 91 и достигло среднего мирового уровня. В Японии N_S/G снизилось примерно со 150 до 130 и приблизилось к среднему мировому уровню.

В большинстве стран БРИК происходило уменьшение N_S/G, в связи с быстрым ростом ВВП/Д. Особенно быстро уменьшалось N_S/G в России – с 295 до 104 и Китае – со 168 до 86. В целом их уровень N_S/G приблизился к среднему мировому уровню. В Бразилии произошел быстрый рост N_S/G от 25 до 56 и сближение со средним мировым уровнем. Из стран БРИК только в Индии отношение N_S/G снизилось с 69 до 39, но за счет троекратного роста ВВП/Д, то есть число работников НИОКР выросло примерно вдвое, и в дальнейшем следует ожидать роста N_S/G. Проведенный анализ динамики числа работников НИОКР показывает, что отношение N_S/G является важным показателем научной активности стран и его динамика характеризуется сближением со средним мировым показателем на уровне 91 работник НИОКР на млрд долл. ВВП по ППС 2017 года.

Соответственно, ключевым требованием для поддержания человеческого капитала страны в области НИОКР в конкурентоспособном состоянии является наличие числа работников НИОКР на уровне – 90 человек на млрд междунар. долл. ВВП 2017 года.

Ряд образовательных требований возникает в связи с динамикой современных социально-экономических условий. Так, в связи с ростом продолжительности жизни людей и снижением продолжительности периодов технологических эпох с примерно 70 лет в период первой промышленной революции до порядка 30 лет в настоящее время, возникает необходимость переобучения работников. В частности, в настоящее время специалисты, получившие образование 30 лет назад, уже недостаточно владеют современными ИТ-приложениями и программами. Поэтому ключевым требованием к развитию человеческого капитала является его переобучение в соответствии с новыми технологическими тенденциями. Фактически речь идет об обучении на протяжении всей жизни. Следует отметить, что специалисты, которые длительное время не проходили основательных программ переобучения, теряют навыки учиться. Даже после перерыва в обучении продолжительностью в 2 года процесс обучения проходит значительно труднее. Поэтому желательно не прерывать обучение на длительный промежуток. Кроме того, организаторы обучения должны предпринимать специальные организационные меры для регулярной переподготовки специалистов с тем, чтобы они не снижали производительность труда.

Как отмечалось выше, по мнению J. Heckman, дополнительное обучение взрослых специалистов экономически недостаточно выгодно [6], поскольку для них мало времени на возврат инвестиций. Однако взрослых людей и учить нужно по-другому, с использованием специальных андрагогических методик, поскольку они уже имеют многие виды знаний и навыков и им нужно только добавить те, которых им не хватает [21]. Это существенно дешевле. Кроме того, взрослые люди уже в значительной мере владеют навыками самообучения, что также ведет к снижению стоимости обучения. Также значительную роль могут играть при обучении взрослых дистанционные методы обучения [22]. В соответствии с этим важным ключевым требованием к развитию человеческого капитала взрослых работников является использование дистанционных и андрагогических методов обучения.

Современные методы образования предполагают использование профессиональных стандартов. Одним из первых примеров формирования таких требований является разработанная в Великобритании организацией Management Charter Initiative трехуровневая система стандартов компетентности менеджеров MCI (Эм-Си-Ай) [12]. В настоящее время в России разработана и используется для формирования профессиональных стандартов Национальная рамка квалификаций РФ – НРК. На ее базе подготовлены «Уровни квалификации в целях разработки проектов профессиональных стандартов» [23]. Широта полномочий и ответственность работников, в соответствии с этими уровнями с четвертого по девятый, представлены в таблице 4 в сравнении с Европейской рамкой квалификации.

Из таблицы 4 видно, что уже на четвертом уровне квалификации функции специалистов связаны управленческими (менеджерскими) обязанностями. Начиная с 7-го уровня это уже стратегические функции. Данный подход к образованию специалистов формирует еще одно ключевое требование к развитию человеческого капитала – подготовка работников к выполнению управленческих функций.

Во введении мы отмечали, что современная эпоха характеризуется высоким уровнем нестабильности. Это делает высоковостребованными навыки, которые наименее подвержены автоматизации и позволяют успешно решать сложные задачи [8]. Эти навыки также называют «навыки будущего». Среди этих навыков К. Шваб отмечает следующие: решение сложных проблем, системное мышление, навыки общения. Агентство стратегических инициатив России выделяет навыки будущего, представленные в таблице 5. Эти навыки подразделяются на навыки мышления и умения, то есть способности осмысленно выполнять действия, требующие теоретических знаний и практических навыков.

Нужно отметить, что в числе навыков, приведенных в таблице 5, отсутствует важнейший навык решения проблем (проблемного мышления). С другой стороны, навык креативного мышления, генерации идей [24], скорее всего, невозможно выработать методом обучения. Это особенность человека, которая либо заложена генетически, либо возникает в раннем детстве. Нужно отметить, что в бизнес-образовании имеются методики овладения большинством из этих навыков. Таким образом, в условиях динамического внешнего окружения одним из ключевых требований к развитию человеческого капитала является владение восемью универсальными навыками будущего.

Подводя итоги выполненного исследования генезиса ключевых требований к развитию человеческого капитала, отметим, что основными порождающими эти требования факторами являются: изменчивость внешнего окружения, неопределенность будущей технологической революции и изменения в сфере образования.

Основными требованиями к развитию человеческого капитала являются:

1. Подготовка специалистов по двум основным направлениям: киберфизическому и медико-биологическому, включая интеграцию этих двух направлений.
2. Рост доли работников с третичным образованием до 75% в течение 10–20 лет.
3. Поддержание числа работников НИОКР на уровне – 90 человек на млрд ВВП в междунар. долл. 2017 года.
4. Регулярная переподготовка взрослых работников на протяжении всей жизни с использованием дистанционных и андрагогических методов обучения.
5. Подготовка высококвалифицированных работников к выполнению управленческих функций в соответствии с требованиями Национальной рамки квалификаций РФ.
6. Подготовка специалистов к владению универсальными навыками будущего: стратегическое, системное, проблемное и критическое мышление, владение умениями коммуникации, кооперации, самоорганизации и саморегуляции.

Отметим, что мы рассмотрели важнейшие, но далеко не все ключевые требования к развитию человеческого капитала. В дальнейшем следует рассмотреть требования, которые возникают вследствие возрастания опасности продуктов технологических революций, роста числа профессий, нестабильности общества, депопуляции и миграции, глобализации, старения населения, роста неравенства, большого количества работников с частичной занятостью и этических проблем.

Выводы

1. Проведены исследования ряда важных формфакторов технологических революций: тематики научных работ, востребованности потенциальных инновационных продуктов и величины сил за различные технологические революции.
2. Показано, что, несмотря на лучшие научные и продуктовые характеристики медико-биологического направления, силы, поддерживающие реализацию киберфизической революции, доминируют в настоящее время, что приведет к задержке реализации очередной технологической революции.
3. Ключевое требование к развитию человеческого капитала в условиях назревающей технологической революции, ввиду неопределенности в настоящее время ее направления, заключается в необходимости подготовки специалистов по двум основным направлениям: киберфизическому и медико-биологическому, включая интеграцию этих двух направлений.
4. Ключевые требования к развитию человеческого капитала, связанные с динамикой образовательных факторов, состоят в следующем:

• обеспечение роста доли работников с третичным образованием до 75% в течение 10–20 лет;
• поддержание числа работников НИОКР на уровне – 90 человек на млрд междунар. долл. ВВП;
• регулярная переподготовка взрослых работников на протяжении всей жизни с использованием дистанционных и андрагогических методов обучения;
• подготовка высококвалифицированных работников к выполнению управленческих функций в соответствии с требованиями Национальной рамки квалификаций РФ;
• подготовка специалистов к владению универсальными навыками будущего.

Список источников

1. Silberglitt R., Anton P. S., et al. Global Technology Revolution-2020, In-Depth Analyses. (2006). RAND Corporation.
2. Tateisi К. The Eternal Venture Spirit: An Executive’s Practical Philosophy. Cambridge, Mass.: Productivity Press, 1989.
3. Капица С.П. Парадоксы роста: Законы глобального развития человечества. – М.: Альпина нон-фикшин, 2012.
4. Education at a Glance 2020: OECD Indicators, OECD Publishing, Paris. URL: https://www.oecd-ilibrary.org/education/education-at-a-glance-2020_69096873-en
5. Megachange: The World in 2050. Edited by Franklin D., Andrews J. The Economist Newspaper Ltd., 2012.
6. Heckman J. J. (2000) Policies to foster human capital // Research in Economics. 54. P. 3–56.
7. Шваб, Клаус. Технологии четвертой промышленной революции: [перевод с английского] / Клаус Шваб, Николас Дэвис. – Москва: Эксмо, 2018. – 320 с.
8. Schwab, K. The Fourth Industrial Revolution, Crown Business, New York, 2017, 192 p.
9. Kondratieff, Nikolai D. The Long Waves in Economic Life (transl. by W. F. Stolper) // The Review of Economics and Statistics. November 1935 Vol. 17 No. 7 P. 105–115 (Harvard).
10. Причина О.С., Орехов В.Д., Горшенин В.П. Новые закономерности динамики технологических революций и экспоненциальной эволюции. Проблемы экономики и юридической практики. 2017. № 6. С. 43–48. М., Юр-ВАК. URL: https://world-evolution.ru/pdf/12_68_ru.pdf
11. Wallerstein I. The Modern World-System I: Capitalist Agriculture and the Origins of the European World-Economy in the Sixteenth Century. University of California Press, 2011. P. 14–
12. Орехов В.Д. Прогнозирование развития человечества с учетом фактора знания: Моногр. – Жуковский: МИМ ЛИНК, 2015. – 210 с. URL: https://world-evolution.ru/monograph/monograph_chapterpdf
13. Nicholas Crafts. Steam as a General Purpose Technology: A Growth Accounting Perspective. The Economic Journal. Vol. 114, No. 495 (Apr., 2004), pp. 338–351.
14. Moore G. Cramming More Components onto Integrated Circuits. Electronics, pp. 114–117, April 19, 1965.
15. Scimago Journal & Country Rank. 2019. URL: https://www.scimagojr.com/journalrank.php?year=2019&area=2400
16. Прогноз научно-технологического развития Российской Федерации на период до 2030 года. Министерство образования и науки России, М., ДМ–П8–5. 2013.
17. Lewin, K. (1951) Field Theory in Social Science, Harper & Row.
18. Schofer E., Meyer J. W. The Worldwide Expansion of Higher Education in the Twentieth Century, American Sociological Review. 2006.
19. Orekhov V.D., Prichina O.S., Blinnikova A.V., Panfilova E.A., Shchennikova E.S. Indicative diagnostics of the educational component of human capital based on mathematical modeling. Opción, Año 35, VE, Especial No.20 (2019): 2337-2365. URL: https://world-evolution.ru/pdf/1_2019_106_IndicativeDiagnosticsoftheeducational.pdf
20. Researchers in R&D (per million people) The World Bank. 2018 URL: https://data.worldbank.org/indicator/SP.POP.SCIE.RD.P6?end=2018&start=1996
21. Руководство по эффективному самообучению менеджеров. Хрестоматия. г. Жуковский, издат. Международного института менеджмента ЛИНК. Курс R654 – Эффективный менеджер. – 2013.
22. Щенников С.А., Теслинов А.Г., Вербицкий А. и др. Основы деятельности тьютора в системе дистанционного образования. – М.: Дрофа, 2006.
23. Приказ Минтруда России от 12 апреля 2013 г. № 148н «Об утверждении уровней квалификации в целях разработки проектов профессиональных стандартов».
24. Belbin R.M. Management Teams. Why They Succeed or Fail. 2004. Second edition. London, Elsevier. 238 pp.

References

1. Silberglitt R., Anton P. S., et al. Global Technology Revolution-2020, In-Depth Analyzes. (2006). RAND Corporation.
2. Tateisi K. The Eternal Venture Spirit: An Executive’s Practical Philosophy. Cambridge, Mass .: Productivity Press, 1989.
3. Kapitsa S.P. Growth Paradoxes: The Laws of the Global Development of Humanity. – M .: Alpina non-fikshin, 2012.
4. Education at a Glance 2020: OECD Indicators, OECD Publishing, Paris. URL: https://www.oecd-ilibrary.org/education/education-at-a-glance-2020_69096873-en
5. Megachange: The World in 2050. Edited by Franklin D., Andrews J. The Economist Newspaper Ltd., 2012.
6. Heckman J. J. (2000) Policies to foster human capital // Research in Economics. Vol. 54. P. 3–56.
7. Schwab, Klaus. Technologies of the fourth industrial revolution: [translated from English] / Klaus Schwab, Nicholas Davis. – Moscow: Eksmo, 2018 .– 320 p.
8. Schwab, K. The Fourth Industrial Revolution, Crown Business, New York, 2017, 192 p.
9. Kondratieff, Nikolai D. The Long Waves in Economic Life (transl. By W. F. Stolper) // The Review of Economics and Statistics. November 1935 Vol. 17 No. 7 P. 105-115 (Harvard).
10. Reason OS, Orekhov V.D., Gorshenin V.P. New patterns of dynamics of technological revolutions and exponential evolution. Problems of economics and legal practice. 2017. No. 6. P. 43–48. M., Yur-VAK. URL: https://world-evolution.ru/pdf/12_68_ru.pdf
11. Wallerstein I. The Modern World-System I: Capitalist Agriculture and the Origins of the European World-Economy in the Sixteenth Century. University of California Press, 2011. P. 14–65.
12. V. D. nuts. Forecasting the development of mankind taking into account the factor of knowledge: Monogr. – Zhukovsky: MIM LINK, 2015 .– 210 p. URL: https://world-evolution.ru/monograph/monograph_chapter_4.pdf
13. Nicholas Crafts. Steam as a General Purpose Technology: A Growth Accounting Perspective. The Economic Journal. Vol. 114, No. 495 (Apr., 2004), pp. 338-351.
14. Moore G. Cramming More Components onto Integrated Circuits. Electronics, pp. 114-117, April 19, 1965.
15. Scimago Journal & Country Rank. 2019. URL: https://www.scimagojr.com/journalrank.php?year=2019&area=2400
16. Forecast of scientific and technological development of the Russian Federation for the period up to 2030. Ministry of Education and Science of Russia, M., DM – P8–5. 2013.
17. Lewin, K. (1951) Field Theory in Social Science, Harper & Row.
18. Schofer E., Meyer J. W. The Worldwide Expansion of Higher Education in the Twentieth Century, American Sociological Review. 2006.
19. Orekhov V.D., Prichina O.S., Blinnikova A.V., Panfilova E.A., Shchennikova E.S. Indicative diagnostics of the educational component of human capital based on mathematical modeling. Opción, Año 35, VE, Especial No.20 (2019): 2337-2365. URL: https://world-evolution.ru/pdf/1_2019_106_IndicativeDiagnosticsoftheeducational.pdf
20. Researchers in R&D (per million people) The World Bank. 2018 URL: https://data.worldbank.org/indicator/SP.POP.SCIE.RD.P6?end=2018&start=1996
21. Guidelines for effective self-education of managers. Reader. Zhukovsky, publ. International Institute of Management LINK. R654 Course – Effective Manager. – 2013.
22. Shchennikov SA, Teslinov AG, Verbitsky A. et al. Fundamentals of a tutor’s activity in the system of distance education. – M .: Bustard, 2006.
23. Order of the Ministry of Labor of Russia dated April 12, 2013 No. 148n “On the approval of qualification levels in order to develop draft professional standards.”
24. Belbin R.M. Management Teams. Why They Succeed or Fail. 2004. Second edition. London, Elsevier. 238 pp.

Для цитирования: Андрющенко Г.И., Орехов В.Д., Блинникова А.В. Генезис ключевых требований к развитию человеческого капитала в условиях технологических революций // Московский экономический журнал. 2021. № 8. URL: https://qje.su/ekonomicheskaya-teoriya/moskovskij-ekonomicheskij-zhurnal-8-2021-9/

© Андрющенко Г.И., Орехов В.Д., Блинникова А.В., 2021. Московский экономический журнал, 2021, № 8.

Научная статья

Original article

УДК 338.2

doi: 10.24412/2413-046Х-2021-10456 

СИСТЕМА ГОСУДАРСТВЕННОЙ ПОДДЕРЖКИ НАУЧНО-ТЕХНОЛОГИЧЕСКОГО РАЗВИТИЯ ОТРАСЛИ РАСТЕНИЕВОДСТВА НОВОСИБИРСКОЙ ОБЛАСТИ

THE SYSTEM OF STATE SUPPORT FOR THE SCIENTIFIC AND TECHNOLOGICAL DEVELOPMENT OF THE CROP PRODUCTION INDUSTRY OF THE NOVOSIBIRSK REGION

 «Исследование выполнено при финансовой поддержке РФФИ и Новосибирской области в рамках научного проекта № 19-410-540001» 

Шелковников Сергей Александрович, доктор экономических наук, профессор, профессор кафедры финансов и статистики, ФГБОУ ВО «Новосибирский государственный аграрный университет» (630039, Россия, г. Новосибирск, ул. Добролюбова, 160), ORCID: 0000-0001-6860-8352, shelkovnikov1@rambler.ru

Петухова Марина Сергеевна, кандидат экономических наук, ведущий научный сотрудник Отраслевого центра прогнозирования и мониторинга научно-технологического развития АПК, ФГБОУ ВО «Новосибирский государственный аграрный университет» (630039, Россия, г. Новосибирск, ул. Добролюбова, 160), ORCID: 0000-0003-0133-2851, russian_basket11@mail.ru 

Shelkovnikov Sergey Alexandrovich, Doctor of Economic Sciences, professor, professor of the department of finance and statistics, Novosibirsk State Agrarian University (160 Dobrolyubova str., Novosibirsk, 630039, Russia), ORCID: 0000-0001-6860-8352, shelkovnikov1@rambler.ru

Petukhova Marina Sergeevna, Candidate of Economic Sciences, leading researcher of the branch center for forecasting and monitoring of scientific and technological development of the agro-industrial complex, Novosibirsk State Agrarian University (160 Dobrolyubova str., Novosibirsk, 630039, Russia), ORCID: 0000-0003-0133-2851, russian_basket11@mail.ru

Аннотация. В статье проведен анализ существующей в Новосибирской области системы государственной поддержки научно-технологического развития отрасли растениеводства. Выявлено, что поддержка осуществляется из трех основных источников: Министерство науки и инновационной политики Новосибирской области, федерального бюджета и Министерства сельского хозяйства Новосибирской области. Поддержка научно-технологического развития отрасли растениеводства региона выделяется на всех этапах инновационной деятельности: от фундаментальных и прикладных исследований и разработок до внедрения полученного инновационного продукта в сельскохозяйственное производство. Основные проблемы государственной поддержки научно-технологического развития отрасли – это отсутствие единой политики при финансировании, а также недостаток поддержки трансфера агробиотехнологий. Для решения первой проблемы необходимо формирование перечня ключевых технологий и приоритетных для Новосибирской области направлений исследований и разработок на основе проведения научно-технологического форсайта. Вторая проблема требует создания механизма финансирования, где заказчиком НИОКР станут сельскохозяйственные товаропроизводители. Реализация предложенных направлений господдержки позволит сделать расходование средств более целенаправленным и повысит его эффективность. 

Abstract. The article analyzes the existing system of state support for the scientific and technological development of the crop production industry in the Novosibirsk region. It is revealed that the support is provided from three main sources: the Ministry of Science and Innovation Policy of the Novosibirsk Region, the federal budget and the Ministry of Agriculture of the Novosibirsk Region. Support for the scientific and technological development of the crop production industry in the region is allocated at all stages of innovation activity: from fundamental and applied research and development to the introduction of the resulting innovative product into agricultural production. The main problems of state support for the scientific and technological development of the industry are the lack of a unified policy for financing, as well as the lack of support for the transfer of agrobiotechnologies. To solve the first problem, it is necessary to form a list of key technologies and priority areas of research and development for the Novosibirsk region on the basis of a scientific and technological foresight. The second problem requires the creation of a financing mechanism, where agricultural producers will become the customer of R & D. The implementation of the proposed areas of state support will make the spending of funds more targeted and increase its efficiency. 

Ключевые слова: научно-технологическое развитие, государственная поддержка, растениеводство, гранты, субсидии, инновации

Keywords: scientific and technological development, state support, crop production, grants, subsidies, innovations

Введение

В приоритетах государственной политики в сфере реализации государственной программы Новосибирской области «Развитие сельского хозяйства и регулирование рынков сельскохозяйственной продукции, сырья и продовольствия в Новосибирской области на 2015 – 2020 годы» в научно-технической и кадровой сферах обозначено формирование инновационного потенциала развития агропромышленного комплекса. В качестве одного из основных направлений государственной аграрной политики Новосибирской области, обозначенных в данной программе, является содействие научному обеспечению и техническому переоснащению сельскохозяйственного производства в целях перехода отраслей сельского хозяйства Новосибирской области на инновационный путь развития [1].

В настоящее время главными факторами развития растениеводства, обусловливающими дальнейший рост производства, являются мероприятия по модернизации производства, переходу на новое поколение техники и машин, освоению интенсивных технологий производства, повышению плодородия почв, развитию семеноводства и более широкому использованию семян перспективных высокоурожайных сортов и гибридов. Полноценно реализовать вышеперечисленные мероприятия невозможно без соответствующей государственной поддержки. 

В Новосибирской области государственная поддержка научно-технологического развития отрасли растениеводства осуществляется как на федеральном, так и региональном уровнях в виде финансирования научных учреждений, предоставления субсидий и грантов. Из федерального бюджета осуществляется финансирование деятельности научных учреждений СФНЦА, СО РАН и создание Академгородка 2.0, федеральных университетов, а также софинансирование создания селекционно-семеноводческих центров.

Однако единой системы государственной поддержки научно-технологического и инновационного развития отрасли растениеводства в регионе нет. Поэтому цель данного исследования заключается в попытке изучения направлений государственной поддержки научно-технологического развития растениеводства с точки зрения системного подхода. Для этого на первом этапе будет проведен анализ существующих инструментов господдержки, а на втором этапе – будет осуществлена попытка объединить их в единую систему.

Результаты исследования и их обсуждение

Государственная поддержка научно-технологического развития отрасли растениеводства в виде предоставления субсидий и грантов осуществляется Правительством Новосибирской области в лице 2-х его министерств: сельского хозяйства, науки и инновационной политики. При этом деятельность Министерства сельского хозяйства, в отличие от Министерства науки и инновационной политики, преимущественно направлено не на создание инновационной продукции, а в большей степени на стимулирование спроса на нее путем компенсации затрат на ее приобретение и применение в производстве сельхозтоваропроизводителями. Помимо этого, поддержку научно-технологического развития отрасли осуществляет федеральное правительство в форме реализации различных нацпроектов и федеральных программ, например, «Наука и университеты».

Схематично систему государственной поддержки научно-технологического развития отрасли растениеводства Новосибирской области можно представить в следующем виде (рис. 1).

Из федерального бюджета осуществляется финансирование деятельности научных учреждений Сибирского отделения Российской академии наук, Сибирского федерального центра агробиотехнологий Российской академии наук, создание Академгородка 2.0, федеральных университетов, а также софинансирование создания селекционно-семеноводческих центров.

Помимо этого, из федерального бюджета на конкурсной основе осуществляется финансирование мультидисциплинарного научно-образовательного центра мирового уровня «Сибирского биотехнологического научно-образовательного центра» (АгроНОЦ), в том числе с агротехнической специализацией, создаваемом при активном участии Правительства Новосибирской области в рамках реализации национального проекта «Наука» утвержденного Указом Президента РФ В.В. Путина от 07.05.2018 года №204 «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года».  

К ключевым задачам АгроНОЦа отнесены – создание системы трансфера агротехнологий в реальный сектор экономики перерабатывающих предприятий и сельхозтоваропроизводителей, совершенствование системы подготовки квалифицированных кадров для агроиндустрии, создание и реализация механизмов управления АгроНОЦа.

Из 11 направлений специализации, поддерживаемых АгроНОЦ, к научно-технологического развития отрасли растениеводства можно отнести следующие:

• технологии ускоренной селекции растений;
• клеточные технологии и генная инженерия (генетика растений);
• биоинформатика;
• автоматизация, роботизация и цифровые технологии в АПК;
• технологии органического сельского хозяйства;
• агроэкологические технологии;
• приборы, машины и механизмы в АПК;
• промышленные биотехнологии [2].

Из определенных 10-ти флагманских технологических проектов Центра в качестве перспективных для научно-технологического развития отрасли растениеводства являются:

• завод по производству органических удобрений для развития органического земледелия и агроэкономики замкнутого типа с целью разработки проекта и строительства пилотного завода по производству органических удобрений из сельскохозяйственных отходов для демонстрации возможностей создания в сибирских климатических условиях сельхозорганизаций в рамках концепции агроэкономики замкнутого цикла с переходом на органическое земледелие, запуск производства оборудования мирового уровня (стоимость проекта: 1 млрд руб., в т.ч. внебюджетных – 55%);
• разработка программно-аппаратных средств, установок, технологий модернизации эксплуатируемой у сельхозпроизводителей сельскохозяйственной техники и методик внедрения в агроландшафтной зоне Новосибирской области технологий дифференцированного внесения жидких и гранулированных удобрений на базе выпускаемой на предприятии системы точного земледелия «Агронавигатор» с целью внедрения в агропромышленный комплекс технологий точного земледелия, связанных с дифференцированным внесением удобрений (стоимость проекта: 50 000 млн руб., из них внебюджет – 50%);
• научно-внедренческий центр современных городских агротехнологий с целью создания на территории Новосибирской области сети экспериментально-испытательных площадок, для проведения исследований по выращиванию новых культур на вертикальных фермах, создания и отработке новых элементов автоматизации, и подготовки новых кадров для отрасли (общая сумма проекта: 62,6 млн руб. (50 млн руб. – собственные средства, 12,6 – бюджетные) [3].

В соответствии с поручением Президента Российской Федерации Владимира Путина от 18.04.2018 г. № Пр-656 для обеспечения достижения показателей национальных проектов «Наука» и «Образование» в Новосибирской области реализуется крупный инвестиционный научно-образовательный, социальный проект «Академгородок 2.0» для развития Новосибирского научного центра как территории с высокой концентрацией исследований и разработок.

В рамках новой структуры предполагается создание ряда структур, в функционал которых входит решение вопросов из области научно-технологического развития отрасли растениеводства (таблица 1).

Реализация такого крупного научного проекта как «Академгородок 2.0» послужит импульсом к развитию современных технологий в области растениеводства, повышению конкурентоспособности отечественных разработок на мировом рынке.

Министерство науки и инновационной политики осуществляет финансирование научно-технологического развития отрасли с помощью следующих инструментов:

• предоставление субсидий по результатам региональных конкурсов проектов фундаментальных научных исследований, проводимых Российским фондом фундаментальных исследований и Правительством Новосибирской области;
• предоставление субсидий из областного бюджета Новосибирской области на возмещение бизнес-инкубаторам и управляющим компаниям технопарков затрат, связанных с предоставлением услуг субъектам инновационной деятельности;
• предоставление грантов Правительства Новосибирской области на проведение прикладных научных исследований и завершение опытно-конструкторских работ;
• предоставление субсидий субъектам инновационной деятельности на подготовку, осуществление трансфера и коммерциализацию технологий, включая выпуск опытной партии продукции, ее сертификацию, модернизацию производства и прочие мероприятия. Субсидия предоставляется субъекту инновационной деятельности на период 1 или 2 года реализации проекта при условии паритетного (50/50 %) софинансирования проекта за счет собственных средств заявителя, а ее размер, в зависимости от номинации, может составлять от 3 млн до 5 млн рублей в год (6 млн и 10 млн рублей на два года);
• государственная программа Новосибирской области «Стимулирование инвестиционной и инновационной активности в Новосибирской области на 2015-2023 годы», утвержденной постановлением Правительства Новосибирской области от 01.04.2015 № 126-п. может быть оказана проектам, реализуемым по следующим перспективным направлениям инвестиционной деятельности:
• модернизация, расширение или создание производств пищевой и перерабатывающей промышленности;
• модернизация, расширение или создание производств в сфере биотехнологий и биофармацевтики [5].

Существующий механизм стимулирования спроса сельхозпроизводителей на инновационную продукцию в виде вышеперечисленных мер государственной поддержки сельхозпроизводства направлен на внедрение ими селекционных достижений, совершенствование систем и технологий в земледелии, модернизацию технического парка сельхозпроизводства, приобретение современной техники и оборудования, оснащение машин цифровыми системами. По этим мерам поддержки в 2020 г. финансирование составило около 1,5 млрд руб.

В таблице 2 представлены существующие инструменты государственной поддержки научно-технологического развития отрасли растениеводства со стороны Министерства сельского хозяйства.

Видим, что поддержка научно-технологического развития отрасли растениеводства региона осуществляется на всех этапах инновационной деятельности: от фундаментальных и прикладных исследований и разработок до внедрения полученного инновационного продукта в сельскохозяйственное производство. Один из основных недостатков данной системы заключается в отсутствии единой политики поддержки, которая бы координировала исследования и разработки по ключевым и приоритетным для региона направлениям. Для решения данной проблемы на регулярной основе необходимо проводить региональный научно-технологический форсайт по отраслям АПК, в результате которого будет сформирован перечень ключевых технологий и приоритетных направлений исследований и разработок в аграрной сфере. Эти технологии в средне- и долгосрочной перспективе окажут наибольшее влияние на рост экономической и экологической эффективности производства продукции растениеводства. Данный перечень должен быть «встроен» в региональную систему поддержки научно-технологического развития отрасли растениеводства. Например, учитываться в конкурсах субсидий субъектам инновационной деятельности, в качестве основного условия их предоставления. Т.е. исследования и разработки получат «заказной» характер, что позволит не только сэкономить финансовые, материальные и другие ресурсы региона, но и сделать их расходование целенаправленным [8, 9].

Помимо этого, одной из проблем научно-технологического развития отрасли растениеводства региона остается трансфер агробиотехнологий, разрабатываемых в научных и образовательных учреждениях, применяемых наиболее успешными хозяйствующими субъектами, что требует разработки его механизма и соответствующих инструментов, в т.ч. государственной поддержки.

На наш взгляд, необходим дуальный подход к научно-технологическому развитию отрасли растениеводства, при котором необходимо сохранить фундаментальную часть проводимых исследований, а прикладную развивать через формирование спроса со стороны хозяйствующих субъектов при финансировании части их затрат на внедрение технологий или ее элементов при тесном взаимодействии с научными и образовательными учреждениями, а также на создание собственной научно-исследовательской, лабораторной базы и создание мини селекционных организаций (фермер-селекционер).

В частности, расширяя опыт Красноярского края, реализующего в рамках Краевого фонда науки – пилотной площадки для новой модели конкурса по привлечение к финансированию научных проектов высокотехнологичных предприятий, в Новосибирской области необходимо активно привлекать к софинансированию в рамках государственной поддержки и государственно-частного партнерства ведущие сельскохозяйственные и перерабатывающие организации к реализации перспективных научных проектов в отрасли растениеводства на их производственной базе, в т.ч. с созданием собственных лабораторий, привлечением научных сотрудников, ретрансляции опыта и последующей продажей научных разработок (технологий, семян и т.д.), обучением специалистов [10].

Таким образом, если раньше ученые вынуждены были искать выгодные способы продать свои наработки, то в рамках проведения новых научных конкурсов по предоставлению грантов бизнес становится заказчиком и соисполнителем научных исследований.

Стоит отметить, что в ряде зарубежных стран на сегодняшний день бизнес финансирует до 80 % научных исследований и разработок. В России на финансирование бизнесом научных исследований нацелены ряд федеральных программ, в том числе и Постановление правительства РФ №218 от 9 апреля 2010 года, и, например, уже завершившаяся федеральная целевая программа «Научные исследования и разработки». Учитывает это и национальный проект «Наука».

Единым региональным оператором в инновационной сфере должно стать государственное автономное учреждение Новосибирской области «Новосибирский областной фонд поддержки науки и инновационной деятельности».

Современными направлениями работы данного фонда, в том числе в области сельскохозяйственных наук являются:

• информационная и консультационная поддержка;
• поддержка в проведении коммуникативных и образовательных мероприятий, направленных на популяризацию научной и инновационной деятельности, повышения компетенций субъектов инновационной деятельности;
• подготовка и представление инновационных проектов на Сибирской Венчурной Ярмарке;
• разработка бизнес-планов инновационных проектов [11].

Нами предлагается ГАУ НСО «Новосибирский областной фонд поддержки науки и инновационной деятельности» в целях поддержки развития АПК на инновационной основе наделить помимо информационно-консультационной функции также и возможностью осуществления финансовой поддержки через механизм грантовой поддержки приоритетных направлений прикладных научных исследований, проводимых с привлечением бизнес-партнеров или вновь созданных организаций. Соединение в одной организации функций создания, финансирования научно-прикладного проекта и его сопровождения позволит значительно повысить его эффективность. При этом государство становится совладельцем получаемых научных продуктов и может ретранслировать успешные практики на базе других организаций.

Соединение финансирования проектов с консультированием и содействием в: бизнес-планировании, правовой защитой результатов интеллектуальной деятельности, сертификации, продвижением на российский и международные рынки; организации взаимодействия команды проекта с инвесторами, технологическими брокерами, потенциальными индустриальными и бизнес партнерами; формировании команды, развитии управленческих и предпринимательских компетенций; представление инновационного проекта на специализированных мероприятиях, в каталогах, электронных информационных ресурсах – все это значительно увеличивает шансы на успешную реализацию проекта и внедрение его результатов в практическую сферу агропроизводства.

Выводы

В заключении данного исследования можно сделать следующие выводы:

1. Государственная поддержка научно-технологического развития отрасли растениеводства Новосибирской области осуществляется на всех этапах инновационной деятельности: от проведения фундаментальных и прикладных исследований и разработок до внедрения инновационной продукции в сельскохозяйственное производство. Причем, если первоначальные этапы создания инновационного продукта финансируются в достаточном объеме и с помощью разнообразных инструментов, то коммерциализация и трансфер технологий – недостаточно.
2. Деятельность Министерства сельского хозяйства Новосибирской области, в отличие от Министерства науки и инновационной политики, преимущественно направлено не на создание инновационной продукции, а на стимулирование спроса путем компенсации затрат на ее приобретение и применение в производстве сельхозтоваропроизводителями. Из федерального бюджета финансируются преимущественно крупные инфраструктурные проекты: «Академгородок 2.0.», Сибирский биотехнологический научно-образовательный центр мирового уровня и др.
3. В регионе отсутствует единая политика поддержки научно-технологического развития отрасли растениеводства, которая требует проведения регулярного научно-технологического форсайта для формирования перечня ключевых технологий сельскохозяйственного производства Новосибирской области и приоритетных направлений исследований и разработок. Это позволит сосредотачивать имеющиеся ресурсы на наиболее важных в средне-и долгосрочной перспективе НИОКР в отрасли.
4. В целях повышения востребованности разработок ученых Новосибирской области необходимо прикладные НИОКР развивать через формирование спроса со стороны хозяйствующих субъектов при финансировании части их затрат на внедрение технологий или ее элементов. Для этого требуется активно привлекать к софинансированию в рамках государственной поддержки и государственно-частного партнерства ведущие сельскохозяйственные и перерабатывающие организации к реализации перспективных научных проектов в отрасли растениеводства на их производственной базе.
5. В качестве перспективного направления государственной поддержки научно-технологического развития отрасли предложено ГАУ НСО «Новосибирский областной фонд поддержки науки и инновационной деятельности» наделить помимо информационно-консультационной функции также и возможностью осуществления финансовой поддержки через механизм грантовой поддержки приоритетных направлений прикладных научных исследований, проводимых с привлечением бизнес-партнеров или вновь созданных организаций. 

Список источников

1. Государственные программы Новосибирской области / Министерство сельского хозяйства Новосибирской области. [Электронный ресурс]. Режим доступа: http://mcx.nso.ru/page/751 (дата обращения 23.11.2020).
2. В Новосибирской области создают АгроНОЦ мирового уровня. [Электронный ресурс]. Режим доступа: https://chslovo.com/2020/08/04/v-novosibirskoj-oblasti-sozdayut-agronots-mirovogo-urovnya/ (дата обращения 5.01.2021).
3. Для консолидации усилий в Новосибирске создан научный центр мирового уровня / Новости сибирской науки. [Электронный ресурс]. Режим доступа: https://e-cis.info/news/569/89295/ (дата обращения 5.01.2021).
4. План развития Новосибирского научного центра / Академгородок 2.0. [Электронный ресурс]. Режим доступа: https://www.sbras.ru/files/files/albom_akademgorodok_2.pdf (дата обращения 7.01.2021).
5. Государственная поддержка / Правительство Новосибирской области. [Электронный ресурс]. Режим доступа: https://www.nso.ru/page/11356 (дата обращения 23.02.2021).
6. Меры государственной поддержки – 2021 / Агровестник. [Электронный ресурс]. Режим доступа: https://agrovesti.net/lib/advices/mery-gosudarstvennoj-podderzhki-2021.html (дата обращения 23.02.2021).
7. О внесении изменений в постановление Правительства Новосибирской области от 02.02.2015 N 37-п // Постановление Правительства Новосибирской области от 01 сентября 2020 года N 363-п. [Электронный ресурс]. Режим доступа: https://docs.cntd.ru/document/465739031 (дата обращения 14.07.2021).
8. Прогноз научно-технологического развития отрасли растениеводства, включая семеноводство и органическое земледелие России, в период до 2030 года / А.Г. Папцов, А.И. Алтухов, Е.В. Рудой [и др.]; Новосибирский государственный аграрный университет. – Новосибирск, 2019. – 100 с.
9. Петухова М.С. Системный подход к прогнозированию научно-технологического развития зернового производства // Экономика сельского хозяйства. – 2021. – №1. – С.11-16.
10. «Фонды, гранты, исследования»: как финансируются научные проекты в Красноярском крае? / Новости сибирской науки. [Электронный ресурс]. Режим доступа: http://www.sib-science.info/ru/grants/fondy-granty-issledovaniya-kak-finansiruyutsya-24122020 (дата обращения 15.05.2021).
11. Информационная и консультационная поддержка / Новосибирский областной инновационный фонд. [Электронный ресурс]. Режим доступа: https://fondnid.ru/support/informacionnaya-i-konsultacionnaya-podderzhka-1 (дата обращения 11.07.2021). 

References

1. State programs of the Novosibirsk region / Ministry of Agriculture of the Novosibirsk region. [electronic resource]. Access mode: http://mcx.nso.ru/page/751 (accessed 23.11.2020).
2. In the Novosibirsk region, a world-class AgroNOC is being created. [electronic resource]. Access mode: https://chslovo.com/2020/08/04/v-novosibirskoj-oblasti-sozdayut-agronots-mirovogo-urovnya/ (accessed 5.01.2021).
3. A world-class scientific center has been created in Novosibirsk to consolidate efforts / News of Siberian science. [electronic resource]. Access mode: https://e-cis.info/news/569/89295/ (accessed 5.01.2021).
4. Development plan of the Novosibirsk Scientific Center / Akademgorodok 2.0. [Electronic resource]. Access mode: https://www.sbras.ru/files/files/albom_akademgorodok_2.pdf (accessed 7.01.2021).
5. State support / Government of the Novosibirsk region. [electronic resource]. Access mode: https://www.nso.ru/page/11356 (accessed 23.02.2021).
6. Measures of state support-2021 / Agrovestnik. [electronic resource]. Access mode: https://agrovesti.net/lib/advices/mery-gosudarstvennoj-podderzhki-2021.html (accessed 23.02.2021).
7. On amendments to the Decree of the Government of the Novosibirsk Region of 02.02.2015 N 37-p // Decree of the Government of the Novosibirsk Region of September 01, 2020 N 363-p. [electronic resource]. Access mode: https://docs.cntd.ru/document/465739031 (accessed 14.07.2021).
8. Forecast of scientific and technological development of the crop production industry, including seed production and organic farming in Russia, in the period up to 2030 / A. G. Paptsov, A. I. Altukhov, E. V. Rudoy [et al.]; Novosibirsk State Agrarian University. – Novosibirsk, 2019. – 100 p.
9. Petukhova M. S. A systematic approach to forecasting the scientific and technological development of grain production // The economics of agriculture. – 2021. – No. 1. – p. 11-16.
10. “Funds, grants, research”: how are scientific projects funded in the Krasnoyarsk Territory? / News of Siberian science. [electronic resource]. Access mode: http://www.sib-science.info/ru/grants/fondy-granty-issledovaniya-kak-finansiruyutsya-24122020 (accessed 15.05.2021).
11. Information and consulting support / Novosibirsk Regional Innovation Fund. [electronic resource]. Access mode: https://fondnid.ru/support/informacionnaya-i-konsultacionnaya-podderzhka-1 (accessed 11.07.2021).

Для цитирования: Шелковников С.А., Петухова М.С. Система государственной поддержки научно-технологического развития отрасли растениеводства Новосибирской области // Московский экономический журнал. 2021. № 8. URL: https://qje.su/selskohozyajstvennye-nauki/moskovskij-ekonomicheskij-zhurnal-8-2021-8/

© Шелковников С.А., Петухова М.С., 2021. Московский экономический журнал, 2021, № 8.

Научная статья

Original article

УДК 631.115:631.15 (470.13)

doi: 10.24412/2413-046Х-2021-10455

МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ И МЕХАНИЗМ УПРАВЛЕНИЯ ИННОВАЦИОННЫМИ ПРОЦЕССАМИ В АГРАРНОМ СЕКТОРЕ СОВРЕМЕННОЙ ЭКОНОМИКИ

METHODOLOGICAL FOUNDATIONS AND MECHANISM OF MANAGEMENT OF INNOVATIVE PROCESSES IN THE AGRICULTURAL SECTOR OF THE MODERN ECONOMY

Статья подготовлена в рамках государственного задания № 0412-2019-0051 по разделу Х 10.1., подразделу 139 Программы ФНИ государственных академий на 2020 год, регистрационный номер ЕГИСУ АААА-А20-120022790009-4

 The article was prepared as part of the state task No. 0412-2019-0051 under section X 10.1., subsection 139 of the Program of the FNI of State Academies for 2020, the registration number of the USISU AAAAA-A20-120022790009-4

Юдин Андрей Алексеевич, кандидат экономических наук, научный сотрудник Института агробиотехнологий им. А.В. Журавского – обособленное подразделение ФГБУН ФИЦ Коми НЦ УрО РАН, г. Сыктывкар

Тарабукина Татьяна Васильевна, кандидат экономических наук, научный сотрудник Института Агробиотехнологий им.А.В. Журавского – обособленное подразделение ФГБУН ФИЦ Коми НЦ УрО РАН, г. Сыктывкар

Облизов Алексей Валерьевич, кандидат экономических наук, научный сотрудник Института агробиотехнологий им.А.В. Журавского – обособленное подразделение ФГБУН ФИЦ Коми НЦ УрО РАН, г. Сыктывкар

Yudin Andrey Alekseyevich, Candidate of Economic Sciences, Researcher at the A.V. Zhuravsky Institute of Agrobiotechnologies – a separate division of the Federal State Budgetary Institution of the Komi National Research Center of the Ural Branch of the Russian Academy of Sciences, Syktyvkar

Tarabukina Tatyana Vasilyevna, Candidate of Economic Sciences, Research Associate of the Institute Agrobiotechnologies named after A. V. Zhuravsky – a separate division of the FGBUN FIT Komi NC UrO RAS, Syktyvkar

Oblizov Alexey Valeryevich, Candidate of Economic Sciences, Researcher Institute Agrobiotechnologies named after A. V. Zhuravsky – a separate division of the Federal State Budgetary Institution of the Komi Scientific Center of the Ural Branch of the Russian Academy of Sciences, Syktyvkar 

Аннотация. На сегодняшний день современную экономику считают той сферой деятельности, в которой объединяются в основном хозяйственные субъекты, которые направлены на благоустройство, выраженное в денежном эквиваленте. Все это необходимо для того, чтобы получить максимальный результат, но сделав минимальные затраты, за счет повышения аккумуляции в продукте и индивидууме энергии, что достигается с помощью активации инновационных процессов на базе эффективной инновационной системы. Современное воспроизводство, который обладает инновационным характером, а также учитывая, все его перспективные направления меньше всего связаны с рыночной формой и с реальным производством. История развития управления инновационными процессами характеризуется закономерностями их перехода к новым поколениям моделей. Первая модель поколения – «подталкиваемые технологии», представляет собой управление в первых стадиях инновационного процесса, которые взаимодействуют с научно-исследовательскими проектами. Сам по себе инновационный процесс представлял собой процесс открытий, где происходит трансформация новых знаний в новые продукты, проходя определенные этапы. Модель второго поколения – «подтягиваемый спрос», данное управление состоит из основных стадий, такие как, производство, сбыт и диффузия. Сами инновации стали результатом сигналов рынка, которые могут удовлетворить спрос. Модель третьего поколения – «интерактивная», данная модель направлена на то, чтобы усилить внутренние и внешние связи между собой. Внутренние силы представляют собой различные подразделения фирмы, под внешними понимаются другие компании или клиенты.

Управление инновационными процессами при моделях третьего поколения – «интерактивных» – было ориентировано на усиление как внутренних (между подразделениями фирмы), так и внешних (с другими компаниями и клиентами) связей. Четвертая и пятая модели управления, направлены на то, чтобы обеспечить интеграцию научно-исследовательских проектов, а также создавать инновационные сети.

Abstract. Today, the modern economy is considered to be the sphere of activity in which mainly economic entities are united, which are aimed at landscaping, expressed in monetary terms. All this is necessary in order to. to get the maximum result, but making the minimum costs, by increasing the accumulation of energy in the product and the individual, which is achieved by activating innovative processes based on an effective innovation system. Modern reproduction, which has an innovative character, and taking into account all its promising areas, is least of all connected with the market form and with real production. The history of the development of innovation process management is characterized by the patterns of their transition to new generations of models. The first generation model – “pushed technologies”, represents management in the first stages of the innovation process, which interact with research projects. The innovation process itself was a process of discovery, where new knowledge is transformed into new products, passing through certain stages. The second-generation model is “pull-up demand”, this management consists of the main stages, such as production, sales and diffusion. The innovations themselves are the result of market signals that can meet the demand. The third-generation model is “interactive”, this model is aimed at strengthening internal and external links between each other. Internal forces represent various divisions of the company, external forces are understood as other companies or clients.

The management of innovation processes under the third generation models – “interactive” – was focused on strengthening both internal (between the company’s divisions) and external (with other companies and clients) relations. The fourth and fifth management models are aimed at ensuring the integration of research projects, as well as creating innovative networks.

Ключевые слова: инновационные процессы, аграрный сектор, современная экономика, нематериальные активы, интеграция

Keywords: innovation processes, agricultural sector, modern economy, intangible assets, integration

По К. Фримену, инновационная сеть – ограниченное число явных связей с предпочтительными партнёрами, для того, чтобы в конечном счете уменьшить статистическую и динамическую неуверенность [1].

В качестве задач управления: объединение подразделений предприятий, которые формируются вокруг инновационного процесса, также создание сетевой работы с потребителями, поставщиками, а также другими учреждениями. В рамках моделей инновационного процесса необходимо делать акцент на скрытые знания управления инновационными процессами, которые сконцентрированы на создании механизма, дабы увеличить вид данного знания. Кроме всего прочего управление направлено на нематериальные активы, то есть главные ресурсы предприятия, чтобы в конечном счете создать основные механизмы идентификации. Эволюция управления инновационными процессами представляет собой эволюцию управления взаимодействием всех его элементов [2].

По результатам исследований, теория систем представляет собой любое развитие, при котором на выходе получаем результат взаимодействия и взаимореализаций различных систем и их элементов, что в свою очередь позволит получить целостную систему управления. К. Фрименом и Д. Кларком, была представлена данная инновационная система (1970). Позднее, с середины 1980-х годов данной кконцепцией занимались Р. Нельсон, Б.А. Лундвалл. В основе данной концепции лежало понятие инновационной системы, которые представляет собой процесс и результат интеграции, отличающиеся между собой целями и задачами структур [3].

На сегодняшний день выделяют три основных концепции – национальная инновационная система:

Первая – рассмотрение данной системы, как совокупность институтов, которые направлены на генерирование и диффузию инноваций, то есть в основе концепции лежит коммерциализация, а также практическая отдача от науки. Это можно объяснить тем, что как только появится новый продукт, необходимо будет связывать работу нескольких хозяйствующих субъектов.

Вторая – представляет собой систему, как совокупность сопряженных экономических механизмов, а также видов деятельности, которые помогают обеспечивать данные инновационные процессы. Данная концепция более близка к действительности и ее достаточно легко использовать в практике, так как она четко подчеркивает динамичность взаимодействия между собой инновационные системы, а именно переход к нелинейной модели инновационного цикла.

Третья концепция, представляет собой часть национальной экономической системы. Однако следует отметить, что само создание инновационных структур в целом не даст полную гарантию на то, что будет успех. В этом случае необходимо сформировать благоприятный для этого инновационный климат.

По результатам многочисленных исследований отечественных и зарубежных ученых были сформированы соответствующие функции: благоприятное формирование инновационного климата, обеспечение полного цикла процесса, а также быстрое реагирование на изменения условий экономического развития [4].

В аграрном секторе экономики инновационная система представляет собой совокупность институтов, учреждений и организаций, которые необходимы для того, что создавать и проводить инновационные процессы именно в аграрном секторе, например обновление аграрного производства с использованием современных технологических разработок, для того, чтобы на выходе сформировать конкурентоспособный аграрный сектор [5]. Институциональный блок представляет собой блоки из инфраструктурного, экономического и нормативно-правового обеспечения.

В.Ф. Федоренко, Г.М. Демишкевич, Н.Е. Рыженкова и др. выделяют следующие закономерности функционирования инновационных систем в аграрном секторе экономики:

• партнёрство между заинтересованными сторонами (фермерами и другими сельхозпроизводителями, экспортёрами, поставщиками средств производства для сельского хозяйства и др.);
• возникновение инноваций не только в государственных исследовательских организациях или в исследовательских подразделениях компаний;
• активная роль государства в формировании аграрной инновационной системы;
• повышается роль регионов в развитии инновационных процессов в аграрном секторе экономики, при этом инновационная система рассматривается как один из факторов территориального развития [6].

По мнению исследователей, в России наиболее эффективны механизмы государственной поддержки аграрной науки и инновационной деятельности, реализуемые на уровне агроклиматических зон и субъектов Российской Федерации, поскольку одной из специфических особенностей аграрного сектора экономики Российской Федерации является значительная дифференциация регионов страны по условиям аграрного производства [7].

Государство формирует новое видение технологического развития через открытие новых коммуникационных каналов. Инновационная политика в аграрном секторе экономики представляет собой часть аграрной политики государства, направленную на соединение сравнительных национальных преимуществ аграрного сектора экономики с конкурентными преимуществами на основе инноваций [8].

Управление инновационными процессами отличается многообразием форм: стратегическое и тактическое управление; государственное, региональное и отраслевое; проблемно ориентированное управление. Стратегическое управление инновационными процессами предполагает изменение инновационной системы, характеристик инновационного потенциала на основе разработки и реализации стратегических мер.

К стратегическим задачам управления инновационными процессами относятся:

• определение совокупности комплексных технологий, что означает техноценоз;
• прогнозирование перехода от одного техноценоза к другому и к более прогрессивной техносфере;
• формирование соответствующего целям научно-технологического потенциала как совокупности научно-технических достижений и научно-технических ресурсов в разрезе кадровой, информационной и материально-технической составляющей [9].

Государственное регулирование инновационной деятельности в аграрном секторе экономики может осуществляться как непосредственно в лице отдельных органов власти, выступающих в качестве инициатора научно-исследовательских и опытно-конструкторских работ, инновационных проектов (административные методы), так и с помощью методов косвенного воздействия на экономические интересы хозяйствующего субъекта с помощью экономических рычагов (кредиты, дотации, налоги) [10].

Кроме всего прочего следует указать на тот факт, что механизм привлечения инвестиций недостаточно полно освещён в современной литературе. Под терминологией механизма привлечения инвестиций в агропромышленном комплексе следует понимать объединение различных методов и средств воздействия, которые направлены на инвестирование в агропромышленный комплекс, то есть вложение средств в программы, проект и т.д, а также контроль процесса привлечения инвестиций, схожая система с экономическим механизмом.

Следовательно, механизм привлечения инвестиция в агропромышленный комплекс  может складываться из трёх частей [11].

1. Организационно-экономический механизм, т.е. создание законодательно-правовых и финансово-экономических условий, способствующих вложению инвестиций в аграрную науку, селекционную работу: создание инфраструктуры для экономики АПК страны в целом, отдельных регионов, предприятий, включая ценовое регулирование; проведение эффективной государственной аграрной политики, включающей в себя систему формирования комплексной прямой и косвенной государственной инвестиционной поддержки аграрного сектора; осуществление государственных и региональных программ и проектов развития АПК, а также аграрной науки как основы инновационного развития аграрного сектора.
2. Финансово-кредитный механизм, предусматривающий прямое финансирование аграрного сектора из государственной бюджетной системы (например, финансирование целевых приоритетных проектов по АПК и фундаментальной аграрной науки), из внебюджетных целевых фондов (например, из инвестиционного фонда поддержки АПК, в том числе регионального). Также он предусматривает методы привлечения различных финансовых ресурсов частных инвесторов, кредитных организаций, негосударственных фондов, содействующих развитию АПК посредством представления налоговых и других льгот (инвестиционный налоговый кредит), увеличения нормы амортизационных отчислений сельскохозяйственным производителям для активизации собственных инвестиционных ресурсов; субсидирования предоставляемых им кредитов; использования лизинга при более низкой арендной плате и введения гарантированного страхования для защиты активов предприятия и возмещения возможных убытков.
3. Формирование благоприятной инвестиционной среды в АПК для активизации внутренних инвестиций, привлечения частных инвестиций (в том числе иностранных) и инвестиций населения. При этом привлечение иностранных инвестиций должно носить ограниченный характер и отвечать национальным интересам. Существуют различные подходы к механизмам привлечения инвестиций в АПК, среди которых можно выделить макроэкономический, мезоэкономический и микроэкономический. В первом случае речь идёт о механизме привлечения инвестиций в сельское хозяйство всей страны в целом. Конечно, он затрагивает правовой механизм прямого регулирования сельского хозяйства. Обычно совокупность таких условий отражается в государственной инвестиционной аграрной политике. Во втором случае используется мезоэкономический механизм привлечения инвестиций, т.е. механизм на уровне регионов (областей) [12].

Он должен основываться на макроэкономическом механизме, однако регионы имеют своё инвестиционное законодательство, значительно отличающееся от федерального. Отсюда и различный инвестиционный региональный климат. Как правило, регионы разрабатывают общий механизм привлечения инвестиций, т.е. распространяющийся на все отрасли. При этом региональный механизм привлечения инвестиций должен учитывать возможности экономического потенциала того или иного региона (области) и его сельскохозяйственную специализацию [13].

Микроэкономический подход подразумевает привлечение инвестиций в конкретные сельскохозяйственные предприятия (достаточно крупные сельскохозяйственные организации или малые и средние частные подсобные хозяйства, включая фермерские). Однако привлечение инвестиций может рассматриваться и по другой классификации сельскохозяйственных организаций: крупные и средние, малые, подсобные хозяйства несельскохозяйственные организации, крестьянские (фермерские) хозяйства, индивидуальные предприниматели, личные подсобные и другие индивидуальные хозяйства, некоммерческие объединения граждан [14].

Таким образом, ключевую роль в инновационной системе аграрного сектора экономики играет инновационная инфраструктура – совокупность элементов инновационной системы, обеспечивающих доступ к различным ресурсам и оказывающих услуги участникам инновационной деятельности [15].

Формирование инновационной инфраструктуры в аграрном секторе экономики основано на принципах: государственной поддержки; комплексности (комплексный характер инновационной инфраструктуры должен позволять оказывать услуги на всех этапах производства сельхозпродукции, связанных с внедрением инноваций); учёта специфики субъекта (при формировании инновационной инфраструктуры необходимо учитывать специфические условия хозяйствования: географические, экономические, социальные, демографические); единства взаимодействия (организации инновационной инфраструктуры аграрного сектора экономики должны иметь возможность координировать свои действия); гибкости (инновационная инфраструктура должна соответствовать изменениям внешней среды). При этих условиях автоматически будет задействован и механизм привлечения внутренних инвестиций, прежде всего собственных финансовых ресурсов российских сельскохозяйственных организаций, способствующий благоприятному развитию АПК.

Список источников

1. Блюм, Ю.Д. Анализ данных инновационного развития Республики Коми и сравнительный анализ регионов / Ю.Д. Блюм // Экономика и социум. – 2015. – № 1–2 (14). – С.476–482. 172
2. Бездудный, Ф. Сущность понятия инновации и его классификация / Ф. Бездудный, Г. Смирнова, О. Нечаева // Инновации. – 1998. – № 2–3. – С.98.
3. Березин, В.В. Стратегия обеспечения экономической безопасности бизнеса / В.В. Березин // Вестник Российского Нового Университета. – 2013. – № 2. – С.120–124.
4. Ван, С. Экономические преобразования в Китае: анализ и сопоставление с российским реформационным опытом / С. Ван, Г. Фан // Российский экономический журнал. – 2012. – № 9–10. – С.38–50.
5. Грибов, В.Д. Экономика организации (предприятия) / В.Д. Грибов. – М.: КноРус, 2014.
6. Гумеров, М.В. Продовольственная безопасность страны: к развитию правовых основ и экономических механизмов обеспечения / М.В. Гумеров // Российский экономический журнал. – 2016. – № 11–12. – С.52.
7. Дедеева, С.А. Инвестиции в сельское хозяйство: перспективы развития и риски / С.А. Дедеева // Экономика, управление, финансы: материалы III Международной науч. конф. (г. Пермь, февраль 2014 г.). – Пермь: Меркурий, 2014. – С.4–6
8. Демина, Н.Ф. Инновационная и инвестиционная деятельность в АПК: монография / Н.Ф. Демина, С.А. Булыгина. – Красноярск: Красноярский ГАУ, 2015.
9. Желнина, Е.В. Социальная технология подготовки персонала как фактор инновационной активности промышленного предприятия / Е.В. Желнина. – Тольятти: Технокомплект, 2015.
10. Желнина, Е.В. Синергетическая модель инновационной активности современного промышленного предприятия / Е.В. Желнина // Евразийское научное объединение. – 2015. – Т.2. – № 2–2. – С.239–241. 174
11. Желнина, Е.В. Наука и образование как факторы инновационной активности промышленных предприятий / Е.В. Желнина // Азимут научных исследований: педагогика и психология. – 2015. – № 1. – С.74–78.
12. Квасов, И.А. Моделирование размещения объектов энергетики с учётом инвестиционной привлекательности регионов России и Казахстана / И.А. Квасов. – М.: Научные технологии, 2014. 13. Костюченко, Т.Н. Состояние и проблемы инвестиционной деятельности в сельском хозяйстве / Т.Н. Костюченко, Д.В. Сидорова // ТЕRRА ECONOMICUS. – 2012. – Т.10. – № 3. – Ч.3. – С.68–71.
13. Нечаев, В.И. Проблемы инновационного развития животноводства: монография / В.И. Нечаев, Е.И. Артемова. – Краснодар: Атрии, 2009.
14. Оганезова, Н.А. Инвестиционная привлекательность хозяйствующих субъектов лесного сектора экономики Республики Коми / Н.А. Оганезова, О.И. Конакова, А.В. Калина // Корпоративное управление и инновационное развитие экономики Севера: вестник Научно-исследовательского центра корпоративного права, управления и венчурного инвестирования Сыктывкарского государственного университета. – 2012. – № 4. – C.170–186.

References

1. Blyum, Yu.D. Analiz danny`x innovacionnogo razvitiya Respubliki Komi i sravnitel`ny`j analiz regionov / Yu.D. Blyum // E`konomika i socium. – 2015. – № 1–2 (14). – S.476–482. 172
2. Bezdudny`j, F. Sushhnost` ponyatiya innovacii i ego klassifikaciya / F. Bezdudny`j, G. Smirnova, O. Nechaeva // Innovacii. – 1998. – № 2–3. – S.98.
3. Berezin, V.V. Strategiya obespecheniya e`konomicheskoj bezopasnosti biznesa / V.V. Berezin // Vestnik Rossijskogo Novogo Universiteta. – 2013. – № 2. – S.120–124.
4. Van, S. E`konomicheskie preobrazovaniya v Kitae: analiz i sopostavlenie s rossijskim reformacionny`m opy`tom / S. Van, G. Fan // Rossijskij e`konomicheskij zhurnal. – 2012. – № 9–10. – S.38–50.
5. Gribov, V.D. E`konomika organizacii (predpriyatiya) / V.D. Gribov. – M.: KnoRus, 2014.
6. Gumerov, M.V. Prodovol`stvennaya bezopasnost` strany`: k razvitiyu pravovy`x osnov i e`konomicheskix mexanizmov obespecheniya / M.V. Gumerov // Rossijskij e`konomicheskij zhurnal. – 2016. – № 11–12. – S.52.
7. Dedeeva, S.A. Investicii v sel`skoe xozyajstvo: perspektivy` razvitiya i riski / S.A. Dedeeva // E`konomika, upravlenie, finansy`: materialy` III Mezhdunarodnoj nauch. konf. (g. Perm`, fevral` 2014 g.). – Perm`: Merkurij, 2014. – S.4–6
8. Demina, N.F. Innovacionnaya i investicionnaya deyatel`nost` v APK: monografiya / N.F. Demina, S.A. Buly`gina. – Krasnoyarsk: Krasnoyarskij GAU, 2015.
9. Zhelnina, E.V. Social`naya texnologiya podgotovki personala kak faktor innovacionnoj aktivnosti promy`shlennogo predpriyatiya / E.V. Zhelnina. – Tol`yatti: Texnokomplekt, 2015.
10. Zhelnina, E.V. Sinergeticheskaya model` innovacionnoj aktivnosti sovremennogo promy`shlennogo predpriyatiya / E.V. Zhelnina // Evrazijskoe nauchnoe ob“edinenie. – 2015. – T.2. – № 2–2. – S.239–241. 174
11. Zhelnina, E.V. Nauka i obrazovanie kak faktory` innovacionnoj aktivnosti promy`shlenny`x predpriyatij / E.V. Zhelnina // Azimut nauchny`x issledovanij: pedagogika i psixologiya. – 2015. – № 1. – S.74–78.
12. Kvasov, I.A. Modelirovanie razmeshheniya ob“ektov e`nergetiki s uchyotom investicionnoj privlekatel`nosti regionov Rossii i Kazaxstana / I.A. Kvasov. – M.: Nauchny`e texnologii, 2014. 13. Kostyuchenko, T.N. Sostoyanie i problemy` investicionnoj deyatel`nosti v sel`skom xozyajstve / T.N. Kostyuchenko, D.V. Sidorova // TERRA ECONOMICUS. – 2012. – T.10. – № 3. – Ch.3. – S.68–71.
13. Nechaev, V.I. Problemy` innovacionnogo razvitiya zhivotnovodstva: monografiya / V.I. Nechaev, E.I. Artemova. – Krasnodar: Atrii, 2009.
14. Oganezova, N.A. Investicionnaya privlekatel`nost` xozyajstvuyushhix sub“ektov lesnogo sektora e`konomiki Respubliki Komi / N.A. Oganezova, O.I. Konakova, A.V. Kalina // Korporativnoe upravlenie i innovacionnoe razvitie e`konomiki Severa: vestnik Nauchno-issledovatel`skogo centra korporativnogo prava, upravleniya i venchurnogo investirovaniya Sy`kty`vkarskogo gosudarstvennogo universiteta. – 2012. – № 4. – C.170–186.

Для цитирования: Юдин А.А., Тарабукина Т.В., Облизов А.В. Методологические основы и механизм управления инновационными процессами в аграрном секторе современной экономики // Московский экономический журнал. 2021. № 8. URL: https://qje.su/otraslevaya-i-regionalnaya-ekonomika/moskovskij-ekonomicheskij-zhurnal-8-2021-7/

© Юдин А.А., Тарабукина Т.В., Облизов А.В., 2021. Московский экономический журнал, 2021, № 8.

Научная статья

Original article

УДК 332.14, 911.3

doi: 10.24412/2413-046Х-2021-10454

РЕГИОНАЛЬНАЯ ТРАНСПОРТНАЯ СИСТЕМА РЕСПУБЛИКИ ДАГЕСТАН: ПРОБЛЕМЫ И ПЕРСПЕКТИВЫ ТЕРРИТОРИАЛЬНОГО ПЛАНИРОВАНИЯ (ГЕОГРАФИЧЕСКИЕ АСПЕКТЫ) 

REGIONAL TRANSPORT SYSTEM OF THE REPUBLIC OF DAGESTAN: PROBLEMS AND PROSPECTS OF TERRITORIAL PLANNING (GEOGRAPHICAL ASPECTS)

Крылов Петр Михайлович, кандидат географических наук, доцент, доцент кафедры экономической и социальной географии, заместитель декана по научной работе, Государственное образовательное учреждение высшего образования Московской области «Московский государственный областной университет», г. Мытищи Московской области, Россия, E-mail: pmkrylov@yandex.ru

Krylov Petr Mikhailovich, Candidate of geographical sciences, associate professor, Associate professor, Department of Economic and Social Geography, Moscow State Regional University, Mytishchi, Russia, E-mail: pmkrylov@yandex.ru 

Аннотация. В статье анализируются современные проблемы развития транспортной системы Республики Дагестан с позиций территориального планирования. Анализируется выполнение мероприятий в области развития транспортной инфраструктуры, заложенных в Схеме территориального планирования Республики Дагестан 2013 года. Рассмотрены основные проблемы начертания транспортной сети и происходящих транспортных процессов в республике. Приведены сведения о современной транспортной освоенности территории республики. Проанализированы разработанные региональные нормативы градостроительного проектирования республики с точки зрения транспорта. Дается перечень основных стратегических направлений развития транспортной системы Республики Дагестан, как в целом, так и с учетом его приграничного положения. 

Abstract. The article analyzes the current problems of the development of the transport system of the Republic of Dagestan from the standpoint of territorial planning. The article analyzes the implementation of measures in the field of transport infrastructure development laid down in the Territorial Planning Scheme of the Republic of Dagestan in 2013. The main problems of the outline of the transport network and the ongoing transport processes in the republic are considered. The information about the modern transport development of the territory of the republic is given. The developed regional standards of urban planning design of the republic from the point of view of transport are analyzed. The list of the main strategic directions for the development of the transport system of the Republic of Dagestan, both in general and taking into account its border position, is given.

Ключевые слова: территориальное планирование, Схема территориального планирования Республики Дагестан, региональная транспортная система, транспортная система Республики Дагестан, региональные нормативы градостроительного проектирования

Keywords: territorial planning, Territorial planning scheme of the Republic of Dagestan, regional transport system, transport system of the Republic of Dagestan, regional standards of urban planning design

Введение

Региональное планирование является одной из важнейших составляющих социально-экономического развития. Сегодня говорить о наличии в этой сфере типовых или общепринятых практик не приходится. Органы власти одних государств полагают, что ставку необходимо делать на формирование крупных агломераций, концентрирующих человеческий и  финансово-экономический капитал, других – настаивают на сбалансированном (устойчивом) развитии регионов и выравнивании бюджетной обеспеченности, третьих – обосновывают дифференцированный подход к территориям разных типов. В настоящей работе автор рассматривает основные проблемы и перспективы территориального планирования транспортной инфраструктуры в составе проекта Схемы территориального планирования Республики Дагестан, в работе над которой в 2020-2021 гг. он принимал участие. Рассмотрение указанных проблем является целью настоящей статьи. Предметом изучения являются отдельные отраслевые и территориальные проблемы транспортной системы Дагестана.

Современное состояние и проблемы транспортной системы Республики Дагестан (пространственно-планировочные аспекты)

В территориальном плане транспортная структура республики построена по бицентрическому принципу и отдельными полуизолированными ареалами (локальными транспортными системами) в горных районах. При этом региональным транспортным центром является административный, промышленный и культурный центр, центр региональной системы расселения – город Махачкала. В качестве межрегиональных транспортных центров рассматриваются транспортные узлы, формирующийся на базе городов Дербент, Кизляр, Кизилюрт, Хасавюрт, находящиеся на пересечении важнейших внутрирегиональных и межрегиональных транспортных коммуникаций (включая проектируемые), и предлагаемые к развитию, в том числе в качестве логистических центров с созданием крупных транспортных терминалов. Транспортная система республики Дагестан представлена всеми современными видами транспорта общего пользования, за исключением внутреннего водного транспорта. Наличие морской и сухопутной границы с Грузией и Азербайджаном является один из важнейших условий перспективного развития транспортной системы республики. По мнению ряда сотрудников ДНЦ РАН в разрабатываемой «Стратегии социально-экономического развития Республики Дагестан до 2035 года» недостаточно учтены транспортно-коммуникационные аспекты пространственно-территориального развития Дагестана, в т. ч. не достаточно оценено влияние транспортного комплекса на динамику валового регионального продукта, отсутствует анализ влияния внешнеэкономического сектора на параметры экономического роста приграничного региона. В представленной ниже таблице 1 приведены показатели функционирования транспортного комплекса Республики Дагестан в январе-августе 2020 г. по сравнению с аналогичным периодом 2019 года. Необходимо отметить существенное снижение показателей пассажирской работы транспорта (что связано, в частности, с ухудшением эпидемиологической ситуации на всей территории республики). Тогда как грузооборот и перевозки грузов в существенной степени за рассматриваемый период не сократились.

Характерной чертой организации транспортной системы республики является сильная искривлённость транспортных путей (в первую очередь, автомобильных) дорог в силу влияния природного фактора. Ниже, в таблице 5 приведено сравнение географического (кратчайшего по поверхности геоида) и экономического (с учётом расположения участков автомобильных дорог общего пользования) расстояний между Махачкалой и отдельными населенными пунктами, см. табл. 2. Можно отметить существенное искажение автодорожной сети в горны районах (которое также сочетается с сложными условиями эксплуатации автомобильных дорог в зимний период).

На представленном ниже рисунке 1 дается оценка уровню транспортной обеспеченности муниципальных образований Республики Дагестан. Значительная их часть относится к категории муниципальных образований с низким уровнем транспортной обеспеченности. Помимо природных условий причиной подобной неблагоприятной ситуации следует считать низкий хозяйственный уровень освоения многих районов республики, а также неблагоприятную сложившуюся систему расселения.

Во внутриреспубликанских связях основную роль играет автомобильный транспорт, что связано с большими размерами территории Республики  и сложным рельефом – более 70% территории занято горами.

Структура сети автомобильных дорог неоднородна: более развитая сеть автодорог общего пользования размещается в центральной и восточной и южной части республики, являясь благоприятным фактором  для градостроительной деятельности. Недостаточно развитая сеть дорог в северной и горной части, затрудненные транспортные связи между частью населённых пунктов и районными центрами, что является сдерживающим фактором для развития территории.

Проведенный нами анализ 1,5-2-х часовой транспортной доступности населенных пунктов горной зоны показывает, что эта территория относительно автономна развитых территорий и поэтом требует создания своих межрайонных центров. В работе рассматривается вопрос о создании дополнительных межрайонных подцентров в с. Гуниб, с. Ботлих, с. Леваши. Транспортные обходы городов и районных центров значительно улучшают транспортную и планировочную ситуацию республики. В настоящее время всё ещё формируется сеть автомобильных дорог, соединяющих горные территории республики. В настоящее время прорабатывается возможность  реализации масштабного проекта – строительства в условиях степной местности железной дороги от села Кочубей, через Южно-Сухокумск на Буденновск протяженностью около 80 километров. Территории, прилегающие к вновь формируемому транспортному коридору, а это северная территория республики, приобретает повышенную ценность для градостроительного освоения северных территорий.  В долгосрочной перспективе принципиальное значение для транспортной системы Дагестана будет иметь строительство канала «Азов – Каспий».

Анализ реализации проектов по транспорту, представленных в Схеме территориального планирования республики Дагестан 2013 года

За семь лет, прошедших с момента утверждения последней (действующей на август 2021 г.) Схемы территориального планирования Республики Дагестан[1], многие крупные мероприятия были выполнены полностью или в значительной степени. Для части мероприятий срок их реализации перенесен на более отдаленную перспективу. Во многом это связано с изменением программно-целевых документов федерального значения (включая транспортную Стратегию России), а также предопределено экономические и геополитическими особенностями развития России и, в частности, Республики Дагестан в 2008-2020 гг. В частности, ухудшение взаимоотношений с Грузией послужило основанием для отказа от новых межгосударственных проектов в области транспортной инфраструктуры. Реализация на конец 2020 года важнейших мероприятий Схемы территориального планирования Республики Дагестан (редакции 2013 года) в сфере транспортной инфраструктуры показана в таблице 3.

Транспортная система Республики Дагестан и нормативы градостроительного проектирования

Основные требования социально-экономического характера к документам территориального планирования транспорта в России на региональном уровне содержатся в региональных нормативах градостроительного проектирования (РНГП). В РНГП, как правило, заложены нормы времени предельной транспортной доступности от мест проживания людей (населённых пунктов разной людности) до мест размещения значимых социально-экономических объектов и учреждений сферы обслуживания (интернатов, школ, крупных медицинских центров, станций скорой медицинской помощи и т.п.). Относительно более «бедные» регионы, экономящие свой бюджет, в т. ч. и на объектах транспортной инфраструктуры, вынуждены пересматривать свои РНГП в сторону ухудшения предельно допустимых норм транспортной доступности[1]. В итоге норматив транспортной доступности (как личным, так и общественным транспортом) социально-значимых объектов в них увеличивается, а потребность в данных социально-значимых объектах занижается, в результате чего в ряде случаев этим обосновывается, что их можно даже закрывать. В то же время «богатые» регионы могут устанавливать у себя менее жёсткие нормативы, с более благоприятными для населения проектными показателями доступности социально-значимых объектов.

В последние годы в РФ происходит смена парадигмы в транспортном планировании (переход от планирования преимущественно объемных показателей к планированию социально-ориентированных индикаторов), что отражает смену приоритета производителей транспортных услуг на приоритет потребностей потребителей [2, 3, 4]. Независимо от РНГП существуют отраслевые территориальные программы и схемы размещения и развития того или иного вида деятельности, например, услуг здравоохранения на региональном уровне в некоторых субъектах РФ, учитывающие в т. ч. современную (но не перспективную) транспортную доступность учреждений [5, 6]. Необходимо отметить, что при создании современных градостроительных документов в России используют также материалы проектов комплексного развития транспортной инфраструктуры (ПКРТИ), созданные для регионов соответствующего уровня (субъекта РФ, муниципального района, городского округа и т.д.).

Одной из задач РНГП является учёт специфики территориальной организации региональной транспортной системы. Даже в пределах одного и того же субъекта РФ уровень транспортной обеспеченности территории, как и уровень транспортной доступности социально значимых объектов, может существенно отличаться. С учётом изменения транспортной системы региона РНГП рекомендуется корректировать не реже, чем один раз в пять лет [7].

В РНГП Дагестана (действующих на 01.01.2021 г.) в области транспортной доступности социально значимых объектов, плотности улично-дорожной сети и обеспеченности территорий населенных пунктов парковочными местами есть разделение на горные и прочие территории, а также отличающиеся нормативы для городских и сельских населенных пунктов разной людности[2]. Необходимо отметить, что принятые в 2010 году нормативы содержали перспективные значения уровня автомобилизации населенных пунктов разного типа на 2015 и 2025 гг. По нашим данным, уже в 2015 году реальный уровень автомобилизации населения на 12–15% превышал заложенные на перспективу до 2025 г. значения. В 2020 г. по заказу ОАО «Гипрогор» был выполнен проект РНГП республики Дагестан (в связи с выполнением ОАО «Гипрогор» Схемы территориального республики Дагестан) [9]. Исполнителем работы являлось ООО «ПИИ ВолгаГражданПроект»[3]. Для разработки транспортной составляющей РНГП было использовано районирование территории республики на основе уровня транспортной освоенности территории: выделено три группы районов с высоким, средним и низким уровнем транспортной обеспеченности. По результатам комплексного анализа муниципальные образования Республики Дагестан были разделены на группы по территориально-пространственному положению (ТПП) и внутренней территориально-пространственной организации (ТПО). ТПП рассматривалось как расстояние и время удалённости от центра Махачкалинской агломерации (благоприятное ТПП (до 100 км / 114 мин.); нормальное ТПП (от 101 до 200 км / 114-228 мин.); ограниченное ТПП (свыше 200 км / 228 мин.)). По показателю ТПО республика была поделена на группы муниципальных образований на основании наибольшей удаленности населенного пункта от административного центра муниципального образования: компактная ТПО (до 30 км); нормальная ТПО (от 31 до 60 км); дисперсная ТПО (свыше 60 км). Таким образом, в основе транспортной доступности и транспортной обеспеченности РНГП республики Дагестан предлагается использовать сочетание территориально-пространственного положения и территориально-пространственной организации, то есть своего рода разные варианты транспортно-географического положения территории на мезоуровне. Такой подход разработки РНГП, на наш взгляд, может быть применим к большинству регионов (субъектов) РФ.

Транспортные проекты в Стратегии социально-экономического развития Республики Дагестан[4]

Стратегия социально-экономического развития Республики Дагестан до 2025 года (далее – Стратегия) утверждена Законом Республики Дагестан от 15.07.2011г. №38. Стратегия направлена на определение системы долгосрочных целей, обоснование приоритетных направлений и задач развития экономики и социальной сферы Республики Дагестан на период до 2025 года. Стратегия социально-экономического развития Республики Дагестан на период до 2035 года (далее – Стратегия) является документом стратегического планирования, определяющим приоритеты, цели и задачи органов государственной власти Республики Дагестан в сфере социально-экономического развития. Стратегия направлена на обеспечение устойчивого развития Республики Дагестан на период до 2035 года с учетом положений документов стратегического планирования Российской Федерации. В стратегии выделены следующие приоритетные направления [10]:

1. обеспечение Республики Дагестан транспортно-логистической инфраструктурой, отвечающей уровню экономического развития и потребностям населения;
2. повышение роли Республики Дагестан в международном транспортном коридоре «Север-Юг»;
3. развитие внутрирайонной сети автомобильных дорог с целью, чтобы каждый населенный пункт в Республике имел круглогодичную доступность;
4. развитие сети общественного транспорта, приспособленной к потребностям населения, в том числе при незначительных пассажиропотоках, с использованием автобусов малой вместимости и легковых автомобилей;
5. реконструкция объездной дороги вдоль федеральной автомобильной дороги Р-217 «Кавказ»;
6. строительство новой автодороги к Махачкалинскому порту;
7. спрямление участка автомобильной дороги Махачкала – Буйнакск со строительством тоннеля;
8. оптимизация управления дорожным движением в Махачкалинской агломерации;
9. оптимизация маршрутной сети на базе изучения и прогнозирования внутриагломерационных пассажиропотоков;
10. развитие железнодорожной инфраструктуры для ускоренного пассажирского движения;
11. строительство логистических центров, ориентированных на вывоз из Республики сельскохозяйственной продукции: как в северном направлении для внутрироссийского потребления, так и в южном с ориентацией на Иран и другие государства;
12. строительство логистических центров, ориентированных на транзитные грузопотоки, имея в виду создание добавленной стоимости за счет разнообразных действий с транзитными грузами.

В сфере воздушного транспорта предусматриваетсяреконструкция аэропорта «Махачкала» со строительством новой взлетно-посадочной полосы и железнодорожной линии для доставки горюче-смазочных материалов (ГСМ). Необходимость реализации данного проекта, в первую очередь, продиктовано устойчивым ростом пассажиропотока аэропорта Махачкала. По итогам 2019 года он превысил в 1,5 млн. чел., а в рамках стратегии развития аэропорта заложена цифра в 2 млн. чел. к 2025 году. Текущая пропускная способность аэропортовой инфраструктуры составляет 260 пассажиров/час. Модернизация инфраструктуры и основных фондов аэропорта позволит увеличить этот показатель до 500 пассажиров/час + 80 пассажиров VIP/час, а также обеспечить комфорт и безопасность пассажиров. Помимо расширения пропускной способности международного аэропорта «Махачкала», необходимость модернизации объясняется несколькими факторами: наличие ограничений по допуску ВС, ввиду низкого числа классификационной прочности покрытия (PCN); ограничением пропускной способности при перевозке ГСМ от железной дороги до склада ГСМ на территории аэропорта. В рамках проекта будет построена новая взлетно-посадочная полоса (ВПП), увеличена протяженность рулёжных дорожек и количество мест стоянок воздушных судов, построена новая топливозаправочная инфраструктура, предусматривающая доставку ГСМ по железной дороге непосредственно на территорию аэропорта. В дальнейшем, при росте пассажиропотока, будет возможность использовать железнодорожную инфраструктуру для осуществления пассажирских перевозок. Предполагается создание специализированного автобусного маршрута от Привокзальной площади г. Махачкалы до главного терминала аэропорта «Уйташ» с целью повышения его транспортной доступности.

Предусматриваются значимые мероприятия в сфере автомобильного транспорта и дорожного хозяйства. В частности, рассматриваетсястроительство автомобильной дороги между РФ и Грузией с устройством нового пограничного перехода. Проект предусматривает строительство автодороги II категории в направлении российско-грузинской границы (с использованием существующей автодорожной сети, с доведением отдельных участков до II категории), обустройство пункта пропуска через государственную границу, а также привлечение частных инвестиций в сопутствующую сервисную инфраструктуру (гостиницы, АЗС и пр.). Целесообразна дальнейшая передача автодороги «Махачкала – государственная граница» в федеральную собственность.

В сфере развития железнодорожного транспорта общего пользования предполагаетсяорганизация на базе существующей железнодорожной сети ускоренного пассажирского сообщения в Махачкалинской агломерации. В рамках проекта планируется организация ускоренного пригородно-городского движения на линии Хасавюрт – Махачкала – Дербент с тактовым графиком на центральном участке Шамхал – Новый Хушет. Поскольку планами долгосрочного развития Махачкалы не предусмотрена организация новых внеуличных видов транспорта (метрополитен, скоростной трамвай), единственной возможностью создания внеуличного транспорта является использование для этого пригородно-городского движения на железнодорожной инфраструктуре. В рамках проекта на территории Республики Дагестан планируется два мероприятия: строительство грузового железнодорожного обхода Махачкалы по направлению Шамхал – Новый Хушет ориентировочной протяженностью 27 км; развитие железнодорожного пункта пропуска «Самур», в том числе строительство железнодорожного пункта пропуска «Самур-2».

В области развития морского транспорта предполагаетсясоздание круизных и яхтенных портов в Махачкале и Дербент. В настоящее время круизный туризм на Каспийском море не развит, хотя строится первое специально предназначенное для каспийских круизов судно, а российские туристические компании предлагают выход в Каспийское море на волжских судах. Для того чтобы круизные туристы могли посещать Дагестан, необходимы специализированные круизные терминалы. Наиболее интересным городом Дагестана является Дербент, необходим терминал в Дербенте, ориентированный на однодневные заходы круизных судов разного типа (в том числе однодневные круизы на скоростных морских судах из Баку, где сейчас максимальные размеры въездного туризма во всём Каспийском регионе). Круизный терминал в Махачкале в большей степени может быть ориентирован на посадку-высадку туристов (международный аэропорт, железнодорожный вокзал), а также на автобусные экскурсии круизных туристов в горную часть Дагестана.Создание условий для открытия паромного сообщения на Каспии под российским флагом по маршрутам Махачкала – Иран и Махачкала – Туркменистан. Для России, при выборе из существующих каспийских портов (Астрахань, Оля, Махачкала), наиболее подходящим паромным терминалом представляется Махачкала. Это связано с тем, что в Махачкале сходятся две федеральные автодороги Р-217 «Кавказ» и Р-215, что позволяет прокладывать от Махачкалы удобные автомобильные маршруты по Северному Кавказу, а также в Краснодарский край и Ростовскую обл. В качестве второго паромного маршрута из Махачкалы следует рассматривать маршрут в Туркменистан.

Основные мероприятия в сфере перспективного развития транспортного комплекса Республики Дагестан приведены на рисунке 2.

Развитие транспортной инфраструктуры в связи с приграничным положением Республики Дагестан

На территории республики функционируют пункты пропуска через государственную границу России на российско-азербайджанском участке, в морском порту Махачкалы и в аэропорту Махачкалы «Уйташ» (табл. 4).

На российско-грузинском участке государственной границы пунктов пропуска нет в силу слабой освоенности юго-западных районов Дагестана и отсутствия крупных товарных и пассажирских потоков между соседями. В проектных документах в сфере территориального планирования республики Дагестан 1990-2005 гг. предполагалось рассмотреть возможность строительства автомобильной дороги из России (территория Дагестана) в Грузию [1]. Из-за ухудшения двухсторонних политических отношений после 2008 года все подобные проекты аннулированы. Одним из ограничений использования российско-азербайджанской границы является её двухсторонний характер. За исключением жителей большинства республик бывшего СССР и Ирана пересекать её больше никто не может. Следует также отметить, что до ввода ограничительных мер в 2020 году, связанных с распространением коронавирусной инфекцией, аэропорт «Уйташ» был связан прямыми авиарейсами с небольшим числом иностранных городов (в т. ч. включая сезонные рейсы). К таким городам можно отнести Стамбул, Дубай, Актау, а также города Саудовской Аравии в период выполнения хаджа. К 2025-2030 гг. ожидаются существенные ограничения в пропускной и провозной способности аэропорта «Уйташ» – возникает необходимость строительства новых взлётно-посадочных полос. С 2011 года в силу высокой террористической активности на Северном Кавказе, в том числе и на территории республики Дагестан, движение железнодорожных поездов по территории республики (как грузовых, так и пассажирских) в ночное время в течение всего года запрещено. Это приводит к ограничениям использования транспортной инфраструктуры республики, в т. ч. для приграничного и трансграничного перемещения грузов и пассажиров. Ограничения также негативно влияют на подвоз и вывоз грузов из морских портов республики, в первую очередь это касается Махачкалинского морского торгового порта.

В соответствии с положениями программно-целевых документов России в области развития морского транспорта и морской инфраструктуры предполагается до 2040 года созданием пассажирского терминала в Махачкале (а позже и в других приморских городах и посёлках) [10]. Следует отметить, что по состоянию на май 2021 года регулярного морского пассажирского судоходства нет не только в Дагестане, но также и в соседних регионах России (Калмыкии и Астраханской области), а также в других государствах Каспийского региона. На период до 2040 года на территории республики предполагается активное развитие приморского туристического кластера, что будет невозможным без изменения правового статуса прибрежной морской акватории (на 2021 год существуют значительные ограничения для рыболовства и грузового судоходства в дагестанской части акватории Каспийского моря (включая перемещение транспортных средств в темное время суток)) [11, 12]. В стратегии социально-экономического развития республики Дагестан до 2025 г., в частности, предполагается: строительство логистических центров, ориентированных на вывоз из Республики сельскохозяйственной продукции: как в северном направлении для внутрироссийского потребления, так и в южном с ориентацией на Иран и другие государства; строительство логистических центров, ориентированных на транзитные грузопотоки, имея в виду создание добавленной стоимости за счет разнообразных действий с транзитными грузами [13].

Заключение

В целом, уровень развития транспортно-логистической инфраструктуры республики можно считать удовлетворительным. Пассажирские перевозки в целом обеспечивают потребности населения в пространственной мобильности. Недостаточный уровень развития автомобильных дорог и низкий уровень транспортного обслуживания населения республики характерен для многих горных районов республики. Значимой проблемой республики является низкий уровень развития логистических услуг, а также почти полное отсутствие транспортной инфраструктуры (общего и необщего пользования) для целей рекреации и туризма.

На перспективу основными задачами, решаемыми с помощью инструментов территориального планирования, можно считать улучшение внутренней и внешней связности территории, развитие вспомогательной транспортной инфраструктуры, сокращение экономического расстояние между крупнейшими населенными пунктами региона. Реализация крупных транспортных проектов на территории республики в существенной степени зависит от изменения геополитической ситуации в приграничных государствах.

Развитие транспортной связи республики в связи с её приграничным положением в настоящее время ограничивает приграничные и трансграничные социально-экономические связи. Большой потенциал приграничный связей может быть реализован при появлении пассажирского судоходства на Каспийском море. Приграничное положение может помочь созданию транспортно-логистической инфраструктуры республики, существующей на 2021 год в ограниченном и неконсолидированном виде.

Список источников

1. Схема территориального планирования Республики Дагестан. Москва, Гипрогор, 2013 г. (Постановление Правительства Республики Дагестан от 28 августа 2013 года №413 «Об утверждении Схемы территориального планирования республики Дагестан».)

2. Бугроменко В.Н., Бадалян А.М., Калинчиков М.Ю., Крылов П.М. Белая книга автодорог Краснодарского края. М.: Палитрапринт, 2005, 101 с.

3. Бугроменко В.Н. Современная география транспорта и транспортная доступность // Известия РАН. Серия Географическая. №4. 2010. С. 7-16

4. Крылов П.М. К вопросу о требованиях и нормативах градостроительного проектирования в области транспортной инфраструктуры в России // Социально-экономические проблемы развития и функционирования транспортных систем городов и зон их влияния // Материалы XXIV Международной (XXVII Екатеринбургской, II Минской) научно-практической конференции. Минск, БНТУ, 2018, с. 27-33

5. Крылов П.М. Типологии региональных транспортных систем России. Диссертация на соискание ученой степени к. г. н. М.: ИГ РАН, 2007, 199 с.

6. Леонов С.А., Перхов В.И., Титова И.А., Матвеев Э.Н., Мирсков Ю.А., Бантьева М.Н. Дифференцированные нормативы объемов медицинской помощи по программе государственных гарантий и их эквивалентные единицы, рассчитанные с учетом коэффициентов транспортной доступности и плотности расселения населения // Социальные аспекты здоровья населения. 2011. №4(20). С. 1-18

7. Момот А.В. Проектирование протовопожарных лесных дорог по критерию времени доставки сил и средств пожаротушения // Лесотехнический журнал. 2016. Т. 6. № 1 (21). С. 116-122

8. Приказ Минэкономразвития России от 15.02.2021 N 71 «Об утверждении Методических рекомендаций по подготовке нормативов градостроительного проектирования»

9. Разработка региональных нормативов градостроительного проектирования Республики Дагестан». Заказчик: ОАО «Гипрогор». Волгоград, ООО «ПИИ ВолгаГражданПроект», 2020 г. [Отчёт НИР]

10. Программа комплексного развития транспортной инфраструктуры Республики Дагестан. Обосновывающие материалы. Москва, СтройИнвестПроект, 2020, 470 с.

11. Распоряжение Правительства Российской Федерации от 19.03.2013 г. №384-р «Об утверждении схемы территориального планирования Российской Федерации в области федерального транспорта (железнодорожного, воздушного, морского, внутреннего водного транспорта) и автомобильных дорог федерального значения» (с изменениями на 17 октября 2019 года).

12. Постановление Правительства Республики Дагестан от 28.08.2013 г. №413 об утверждении Схемы территориального планирования Республики Дагестан.

13. Стратегия социально-экономического развития Республики Дагестан до 2025 года, утвержденная Законом Республики Дагестан от 15.07.2011 г. №38.

References

1. Sxema territorialnogo planirovaniya Respubliki Dagestan. Moskva, Giprogor, 2013 g. (Postanovlenie Pravitelstva Respubliki Dagestan ot 28 avgusta 2013 goda №413 «Ob utverzhdenii Sxemyterritorialnogo planirovaniya respubliki Dagestan».)
2. Bugromenko V.N., Badalyan A.M., Kalinchikov M.Yu., Kry`lov P.M. Belaya kniga avtodorog Krasnodarskogo kraya. M.: Palitraprint, 2005, 101 s.
3. Bugromenko V.N. Sovremennaya geografiya transporta i transportnaya dostupnost` // Izvestiya RAN. Seriya Geograficheskaya. №4. 2010. S. 7-16
4. Krylov P.M. K voprosu o trebovaniyax i normativax gradostroitelnogo proektirovaniya v oblasti transportnoj infrastrukturyv Rossii // Socialno-ekonomicheskie problemy razvitiya i funkcionirovaniya transportnyx sistem gorodov i zon ix vliyaniya // Materialy XXIV Mezhdunarodnoj (XXVII Ekaterinburgskoj, II Minskoj) nauchno-prakticheskoj konferencii. Minsk, BNTU, 2018, s. 27-33
5. Krylov P.M. Tipologii regionalnyx transportnyx sistem Rossii. Dissertaciya na soiskanie uchenoj stepeni k. g. n. M.: IG RAN, 2007, 199 s.
6. Leonov S.A., Perxov V.I., Titova I.A., Matveev E.N., Mirskov Yu.A., Banteva M.N. Differencirovannye normativy ob`emov medicinskoj pomoshhi po programme gosudarstvennyx garantij i ix ekvivalentnye edinicy, rasschitannye s uchetom koefficientov transportnoj dostupnosti i plotnosti rasseleniya naseleniya // Socialnye aspektyzdorovya naseleniya. 2011. №4(20). S. 1-18
7. Momot A.V. Proektirovanie protovopozharnyx lesnyx dorog po kriteriyu vremeni dostavki sil i sredstv pozharotusheniya // Lesotexnicheskij zhurnal. 2016. T. 6. № 1 (21). S. 116-122
8. Prikaz Minekonomrazvitiya Rossii ot 15.02.2021 N 71 «Ob utverzhdenii Metodicheskix rekomendacij po podgotovke normativov gradostroitelnogo proektirovaniya»
9. Razrabotka regionalnyx normativov gradostroitel`nogo proektirovaniya Respubliki Dagestan». Zakazchik: OAO «Giprogor». Volgograd, OOO «PII VolgaGrazhdanProekt», 2020 g. [Otchyot NIR]
10. Programma kompleksnogo razvitiya transportnoj infrastrukturyRespubliki Dagestan. Obosnovyvayushhie materialy`. Moskva, StrojInvestProekt, 2020, 470 s.
11. Rasporyazhenie Pravitelstva Rossijskoj Federacii ot 19.03.2013 g. №384-r «Ob utverzhdenii sxemy territorialnogo planirovaniya Rossijskoj Federacii v oblasti federalnogo transporta (zheleznodorozhnogo, vozdushnogo, morskogo, vnutrennego vodnogo transporta) i avtomobilnyx dorog federal`nogo znacheniya» (s izmeneniyami na 17 oktyabrya 2019 goda).
12. Postanovlenie Pravitelstva Respubliki Dagestan ot 28.08.2013 g. №413 ob utverzhdenii Sxemy territorial`nogo planirovaniya Respubliki Dagestan.
13. Strategiya socialno-ekonomicheskogo razvitiya Respubliki Dagestan do 2025 goda, utverzhdennaya Zakonom Respubliki Dagestan ot 15.07.2011 g. №38.

Для цитирования: Крылов П.М. Региональная транспортная система Республики Дагестан: проблемы и перспективы территориального планирования (географические аспекты) // Московский экономический журнал. 2021. № 8. URL: https://qje.su/nauki-o-zemle/moskovskij-ekonomicheskij-zhurnal-8-2021-6/

© Крылов П.М., 2021. Московский экономический журнал, 2021, № 8.

[2] Схема территориального планирования Республики Дагестан. Москва, Гипрогор, 2013 г.

[3] Такой процесс в последние годы характерен, в частности, для ряда регионов Центральной России

[4] Постановление Правительства Республики Дагестан от 22 января 2010 г. № 14

[5] Отчет о ходе выполнения работ. Разработка РНГП Республики Дагестан. Договор подряда № 0103200008420002828/1 от 17.09.2020 г.  на выполнение части научно-исследовательской работы «Разработка схемы территориального планирования Республики Дагестан, региональных нормативов градостроительного проектирования» в составе: «Разработка региональных нормативов градостроительного проектирования Республики Дагестан». Заказчик: ОАО «Гипрогор». Волгоград, ООО «ПИИ ВолгаГражданПроект», 2020 г.

[6] При написании раздела использованы материалы Программы комплексного развития транспортной инфраструктуры Республики Дагестан (2020 г.).

Научная статья

Original article

УДК 33

doi: 10.24412/2413-046Х-2021-10453

СОСТОЯНИЕ РЫНКА ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В РОССИИ И ПЕРСПЕКТИВЫ СОТРУДНИЧЕСТВА С КНР

THE STATE OF THE ARTIFICIAL INTELLIGENCE MARKET IN RUSSIA AND THE PROSPECTS FOR COOPERATION WITH CHINA

Грин Даниил Михайлович, факультет международных экономических отношений, Финансовый Университет при Правительстве РФ, г. Москва, Email: danil-grin@yandex.ru

Grin Daniil Mikhailovich, Faculty of International Economic Relations, Financial University under the Government of the Russian Federation, Moscow, Email: danil-grin@yandex.ru

Аннотация. Россия – важная часть истории мирового развития искусственного интеллекта. Советская модель не только оставляет ценное технологическое наследие, но и ограничивает быстрое развитие искусственного интеллекта в современной России. Современная российская индустрия искусственного интеллекта сформировала уникальную «слабую рыночную модель», которая в основном проявляется в параллельном развитии трех основных секторов правительства, вооруженных сил и рынка.

Abstract. Russia is an important part of the history of the world development of artificial intelligence. The Soviet model not only leaves a valuable technological legacy, but also limits the rapid development of artificial intelligence in modern Russia. The modern Russian artificial intelligence industry has formed a unique “weak market model”, which is mainly manifested in the parallel development of three main sectors of government, the military and the market.

Ключевые слова: ИИ, Искусственный интеллект, Россия, Китай

Key words: AI, Artificial intelligence, Russia, China

Россия – важная часть истории мирового развития искусственного интеллекта. Советская модель не только оставляет ценное технологическое наследие, но и ограничивает быстрое развитие искусственного интеллекта в современной России. Современная российская индустрия искусственного интеллекта сформировала уникальную «слабую рыночную модель», которая в основном проявляется в параллельном развитии трех основных секторов правительства, вооруженных сил и рынка.

Государственный сектор занимает сильное и доминирующее положение, военный сектор образует замкнутый цикл независимого развития, а рыночный сектор подвержен множественным давлениям.

В следующие 10 лет Россия не внесет фундаментальных изменений в существующую модель развития, но будет способствовать технологическому и промышленному развитию посредством соответствующих корректировок на политическом уровне, что ограничит пространство и скорость ее развития. Китай и Россия по-прежнему имеют большой потенциал для сотрудничества в области гражданских технологий искусственного интеллекта, национальной безопасности и глобального управления.

Как точно оценить текущий статус развития индустрии искусственного интеллекта в России и как точно определить положение России на текущей глобальной карте развития технологий искусственного интеллекта – распространенная проблема, которая беспокоит всех исследователей в области искусственного интеллекта и экспертов по региональным вопросам. Глобальная индустрия искусственного интеллекта, являющаяся наиболее передовой областью технологических инноваций, сформировала относительно стабильную и зрелую систему оценки развития отрасли с учетом специфики страны.

Ежегодно многие профессиональные исследовательские институты публикуют отчеты об оценке индустрии искусственного интеллекта в различных странах. Однако в существующих аналитических отчетах Россия либо отсутствует, либо находится на крайне низком уровне, что сопоставимо со многими развивающимися странами, которые все еще находятся на начальных этапах индустриализации. Хотя эта ситуация в определенной степени отражает текущую проблему России в развитии технологий искусственного интеллекта, нет исследователей, которые хорошо разбираются в какой-либо области российской науки и технологий или знакомы с историей компьютерной индустрии и кибернетики. связанные теории. С советских времен российские ученые оказали важное влияние на развитие теории и практики искусственного интеллекта и сформировали отличительные идеи технологического развития.

Эти особые идеи развития, накопленные в процессе роста, постепенно сформировали особое развитие искусственного интеллекта в России. Модель по-прежнему оказывает важное влияние на строительство и продвижение смежных отраслей в России. Однако, как только историческая модель будет завершена, она неизбежно будет иметь зависимый от траектории эффект на институциональном уровне, что в конечном итоге приведет к тому, что развитие российской индустрии искусственного интеллекта будет явно отличаться от глобальной основной модели развития.

Таким образом, существующая общая система оценки не может полностью отображать общую картину развития индустрии искусственного интеллекта в России, а также существует определенное отклонение в позиционировании российской технологии искусственного интеллекта на глобальной карте. Это отклонение может ввести в заблуждение исследования и суждения по важным вопросам в смежных областях.

Пока что, хотя в России имеется относительно глубокое академическое накопление и даже философское мышление о самой технологии искусственного интеллекта и ее социальном воздействии, исследований по развитию индустрии искусственного интеллекта все еще мало, и большинство из них остается на уровне мгновенного описания или международного сравнения. Нет систематического рассмотрения с точки зрения структуры промышленности в сочетании с характеристиками российской истории, политики, экономики и международных отношений. Конечно, существующие результаты по-прежнему обеспечивают относительно богатый набор знаний для этого исследования. В европейских и американских академических кругах с ростом исследований, связанных с искусственным интеллектом, некоторые исследователи также начали анализировать и объяснять в развитии искусственного интеллекта и связанных с ним областей в советское время и в современной России, хотя в большинстве исследований все еще трудно избавиться от западной точки зрения.

В мировом научном сообществе внимание к теме искусственного интеллекта в России появилось только в конце 2019 года, и связанные с этим исследования все еще редки. Но в целом глубокие исследования и анализ развития российской индустрии искусственного интеллекта все еще остаются пустыми в академическом сообществе.

После 2010 года, когда появились многоуровневые нейронные сети и технологии глубокого обучения, искусственный интеллект открыл новый виток быстрого цикла разработки. В особенности с развитием эпохи Интернета и быстрым развитием информационных технологий, таких как большие данные и облачные вычисления, текущий раунд прогресса технологий искусственного интеллекта начал приближаться к порогу крупномасштабных коммерческих приложений. Из-за огромного потенциала развития технология искусственного интеллекта рассматривается странами всего мира как ведущая технология нового витка промышленной революции, и постепенно началась международная конкуренция ведущих мировых держав вокруг самой технологии и промышленного развития. Перед лицом волны развития технологий искусственного интеллекта и сопутствующего давления со стороны международной конкуренции Россия также уделяет все внимание технологиям искусственного интеллекта и промышленному развитию.

В данном случае российская индустрия искусственного интеллекта, на которую все еще в значительной степени влияет исторический путь развития, была вытеснена на новую глобальную арену искусственного интеллекта. Под совокупным влиянием множества внутренних и внешних факторов Россия сформировала уникальную модель промышленного развития. Из-за большой разницы между этим уникальным бизнес-форматом и международным основным бизнес-форматом, его сложно полностью представить в рамках общей системы оценки. Тем не менее, мы можем предоставить панорамный обзор состояния его развития в соответствии с характеристиками его бизнес-формата и проанализировать основные проблемы, существующие в процессе его развития. Проанализируйте и объедините свою модель развития, чтобы дать разумную оценку позиции российской индустрии искусственного интеллекта в мире.

С морфологической точки зрения, нынешняя российская индустрия искусственного интеллекта в основном состоит из трех параллельных промышленных секторов. Это три сектора: государственный сектор, военный сектор и рыночный сектор. Между тремя промышленными секторами существуют связи, но в значительной степени они также развиваются параллельно в своих соответствующих областях, создавая, таким образом, уникальную форму развития индустрии искусственного интеллекта.

В июле 2017 года правительство России одобрило «План развития цифровой экономики Российской Федерации», в котором развитие цифровой экономики рассматривается как важный фактор восстановления экономики. В этих рамках российское правительство начало организовывать силы для обсуждения развития российского искусственного интеллекта в национальной экономической системе и, наконец, утвердило «Национальную стратегию развития искусственного интеллекта до 2030 года» в октябре 2019 года и Федеральную комиссию по цифровому развитию. Подкомитет по разведке был создан при нем, чтобы конкретно руководить реализацией национальной стратегии развития. Это означает, что развитие и применение технологий искусственного интеллекта формально стало неотъемлемой частью национальной стратегии развития России. Во-вторых, с точки зрения координации реализации стратегии развития искусственного интеллекта, российское правительство в основном использует государственные предприятия, государственные холдинговые компании, государственные компании и другие учреждения, которые имеют тесные отношения с правительством для организации и координации. Это также общий нынешний путь России по содействию развитию высокотехнологичной промышленности. пытается. Во всей сфере информационно-коммуникационных технологий развитием технологии 5G занимаются «Ростелеком» и «Ростех».

Российская государственная группа технологий также отвечает за разработку квантовых датчиков, блокчейна и узкополосного Интернета вещей. Росатом специализируется на квантовых вычислениях и новых материалах, а РЖД отвечает за квантовые коммуникации. Официальным лидером в области развития искусственного интеллекта является крупнейший в России государственный коммерческий банк -Сбербанк – Сбер, также этим учреждением была разработана «Стратегия развития искусственного интеллекта до 2030 года». После обнародования «Стратегии развития искусственного интеллекта до 2030 года» Россия также учредила «Российский альянс искусственного интеллекта», состоящий из крупных отечественных предприятий. В его состав входят Сбер, Газпром, Яндекс, Почта. Ru, МТС и Российского фонда прямых инвестиций, миссия альянса – контролировать реализацию стратегии развития искусственного интеллекта. Эта договоренность также еще раз показывает, что абсолютное доминирование крупных государственных предприятий является ключевой идеей для развития индустрии искусственного интеллекта в России. В-третьих, в продвижении исследований в области искусственного интеллекта государственные фонды занимают абсолютное доминирующее положение. С 2007 по 2017 год Россия поддержала в общей сложности 1386 исследовательских проектов в области искусственного интеллекта, из которых 1229 были некоммерческими проектами в рамках федерального специального плана или финансировались различными фондами, на общую сумму 23 миллиарда рублей (286 миллионов долларов США). Государственная финансовая поддержка поступила в государственные ведомства, такие как транспорт, оборона и безопасность. При нынешней системе управления технологиями большая часть российских инвестиций в НИОКР в области науки и технологий поступает из государственных средств. В области информационных технологий в 2019 году 71,2% средств на НИОКР составляли государственные средства, а 25,8% – средства предприятий. Однако пока неизвестно, сколько из них было инвестировано государственными предприятиями или государственными холдинговыми компаниями. Ожидается, что средства государственных предприятий должны занять большую долю. пропорция. Кроме того, Российский государственный суверенный фонд отвечает за привлечение международных инвестиций.

Российский фонд прямых инвестиций опирался на свои отношения сотрудничества с 15 различными национальными суверенными фондами, чтобы получить 2 миллиарда долларов США в виде инвестиций в искусственный интеллект, надеясь помочь российским компаниям выйти на международный рынок. Нет сомнений в том, что в нынешней структуре российской индустрии искусственного интеллекта государственный сектор является лидером в российских исследованиях и разработках технологий искусственного интеллекта, а также в промышленном развитии, и его сильное влияние превзошло масштабы обычного промышленного планирования, но пытается принять на себя крупные государственные предприятия Роль непосредственно регулирует микроразвитие отрасли. Такое развивающее мышление по-прежнему является инерционным продолжением советской модели развития искусственного интеллекта. На уровне научно-технической системы управления не произошло принципиальных изменений. Мощный государственный сектор в корне определяет облик российской индустрии искусственного интеллекта.

Однако, поскольку участие военных ведомств в исследованиях искусственного интеллекта и контент, связанный с приложениями, тесно связан с военной безопасностью и имеет высокую степень конфиденциальности, исследователям из разных стран трудно иметь полное и точное представление о состоянии его разработки. Во многих случаях можно только толстой линией описать его статус развития через различную общедоступную информацию, которая просто раскрывается. Но закрытие этой информации также отражает еще одну ключевую особенность военного сектора, то есть военный сектор является независимым и замкнутым блоком развития во всей системе искусственного интеллекта.

Это напрямую связано с военно-стратегическими целями федерального центрального правительства, но связано с частными компаниями. Практически отсутствует пересечение с рыночным сектором, а совпадение ресурсов и технический прогресс военного сектора не перекинулись на гражданский рынок. Это также важная структурная особенность развития индустрии искусственного интеллекта в России. Сложные и растущие сегменты рынка. Для большинства стран, когда речь идет об индустрии искусственного интеллекта, объекты, к которым она относится, на самом деле являются компаниями, занимающимися искусственным интеллектом, и научно-исследовательскими учреждениями, участвующими в рыночной деятельности по умолчанию. Однако в России рыночный сектор в настоящее время является самой слабой категорией во всей системе индустрии искусственного интеллекта. В глобальном сравнении российский рынок искусственного интеллекта находится в относительно отсталой позиции с точки зрения размера рынка и статистики развития предприятий. мы и находится на начальном этапе разработки сложных исследований в условиях жесткой конкуренции на международном рынке. Во-первых, внутренний рынок искусственного интеллекта в России относительно невелик. Согласно статистике Российской ассоциации электронных коммуникаций, объем рынка искусственного интеллекта и машинного обучения в 2017 году составил 700 млн рублей. Но ожидается, что к 2023 году объем рынка увеличится до 28 миллиардов рублей (около 500 миллионов долларов США).

Хотя кажется, что темпы роста ожидаются большими, на российский рынок искусственного интеллекта приходится очень малая доля мирового рынка искусственного интеллекта, а слишком маленький внутренний рынок крайне пагубно сказывается на поддержке роста российских стартапов. Фундаментальной причиной недостаточного масштаба отечественного рынка искусственного интеллекта в России является ограниченный потребительский спрос на технологии искусственного интеллекта. 90% российских продюсерских компаний по-прежнему применяют классическую «доцифровую» модель производства. По состоянию на ноябрь 2019 года только около 30% крупных российских компаний уже используют технологии искусственного интеллекта или программное обеспечение со встроенными технологиями искусственного интеллекта. Хотя статистика показывает, что еще 70% компаний планируют внедрить искусственный интеллект и когнитивные технологии в ближайшие 1-2 года, масштабы и масштабы применения технологий не могут быть гарантированы из-за приверженности россиян к сохранению бумаги. «Экономическая и социальная цифровизация» – важный показатель, косвенно влияющий на потенциал развития искусственного интеллекта. Низкая цифровая зрелость России привела к нехватке ресурсов данных, а качество и доступность данных также низки, что, в свою очередь, делает спрос на внутреннем рынке искусственного интеллекта в России неспособным сформировать геометрическую прогрессию роста.

Разработка программного обеспечения для искусственного интеллекта в России имеет свою внутреннюю логику как одно из направлений развития рыночного сегмента. С одной стороны, у рынка программного обеспечения для искусственного интеллекта светлое будущее. В мировом масштабе объем продаж программного обеспечения, содержащего элементы искусственного интеллекта, составил 3 миллиарда долларов США в 2017 году и 8,1 миллиарда долларов США в 2018 году. Ожидается, что в 2025 году этот показатель достигнет 105,8 миллиарда долларов США. Если он сможет занять выгодное положение в этой области, он сможет эффективно способствовать росту компаний, связанных с Россией. С другой стороны, алгоритмы, вычислительная мощность и данные как основные базовые условия современной технологии искусственного интеллекта имеют ключевое влияние на развитие технологии искусственного интеллекта. В настоящее время Россия явно не способна конкурировать с пограничными странами в области технологий искусственного интеллекта с точки зрения вычислительной мощности и данных.

Это также неизбежный выбор для России – проявить свои сравнительные преимущества и вмешаться в международную цепочку индустрии искусственного интеллекта, совершив прорыв в области алгоритмов. Однако, хотя разработка программного обеспечения алгоритмов является сравнительным преимуществом в собственной российской системе искусственного интеллекта, это преимущество неочевидно в глобальном масштабе. Из-за отсутствия в России полноценной системы индустрии искусственного интеллекта, если более разумная институциональная структура не может быть сформирована посредством международного сотрудничества, будет трудно полностью реализовать свой потенциал в этой области. В целом Россия описала свои амбиции и мечты в области искусственного интеллекта в Национальной стратегии развития искусственного интеллекта до 2030 года. Россия стремится ускорить общее развитие технологий и отрасли искусственного интеллекта, а не только для того, чтобы не оказаться в невыгодном положении. будущая конкуренция крупных держав, но также и для предотвращения ее маргинализации в мировой экономике. Но за этими амбициями традиционное мышление по-прежнему доминирует в общем дизайне промышленного развития России. Он всегда избегал глубокой реформы существующей промышленной модели, надеясь продолжить решение проблемы развития за счет полного руководства государства и всестороннего и всестороннего вмешательства в промышленное развитие. Препятствия, встречающиеся на пути к достижению желаемых целей. Преимущество этого метода регулировки заключается в том, что он относительно безопасен и оказывает меньшее влияние на изначально стабильную промышленную систему, но недостаток состоит в том, что он не может принципиально устранить оковы, мешающие развитию отрасли, и может быть отрегулирован только в пределах ограниченное пространство.

Как важные стратегические партнеры Китай и Россия создали эффективные и всесторонние механизмы сотрудничества во многих областях. Что касается текущего промышленного развития двух стран, все еще существует большой потенциал для сотрудничества между Китаем и Россией в области искусственного интеллекта, который требует дальнейшего изучения: во-первых, в области гражданской науки и технологий, Китая и России. Россия может усилить исследования по основам теории искусственного интеллекта. Сотрудничество с обучением персонала и другие аспекты. Есть различия в сравнительных преимуществах Китая и России в области искусственного интеллекта, и у них есть потенциал для создания дополнительных механизмов сотрудничества. На нынешнем макроэкономическом фоне, когда США одновременно оказывают давление на Китай и Россию в области науки и технологий, сотрудничество между двумя странами имеет большое значение для развития технологий искусственного интеллекта друг для друга. Российские ученые хорошо разбираются в фундаментальных теоретических исследованиях и обладают большим талантом в области программного обеспечения для алгоритмов. Китай является одним из важнейших рынков искусственного интеллекта в мире, здесь много конкурентоспособных компаний, занимающихся искусственным интеллектом, и имеется хороший капитал, инфраструктура и накопление данных. Сотрудничество между Китаем и Россией в области технологий и бизнеса способствует раскрытию потенциала России в области алгоритмов, с одной стороны, позволяя ей более активно участвовать в кооперации производственных цепочек и распределять дивиденды развития китайского рынка. С другой стороны, это также помогает. Благодаря открытиям в основных теориях китайских компаний, занимающихся искусственным интеллектом, многие ключевые технические проблемы были решены. В настоящее время между Российской академией наук и Китайской академией наук подписано соглашение о научно-техническом сотрудничестве, и стратегическое сотрудничество между китайскими и российскими компаниями также неуклонно развивается.

Таким образом, традиционная система управления, в которой полностью доминирует государство, подвергается суровым испытаниям. Согласно новой модели развития, построение новой системы управления с участием нескольких сторон будет основным путем к решению проблем управления искусственным интеллектом. В процессе пропаганды открытости и многостороннего участия в этой системе управления правительство как надзорный орган не может исключать частный сектор и сообщество из участия в деятельности по управлению. Однако с точки зрения национальной безопасности правительство является высшим гарантом всех рисков безопасности. Он несет ответственность и обязан следить за тем, чтобы риски, связанные с технологиями искусственного интеллекта, находились под контролем. Следовательно, как разумно определить способ взаимодействия и сотрудничества между государством и другими заинтересованными сторонами в новых технологических условиях – задача, стоящая перед правительствами на новом этапе развития. Китай и Россия имеют много общих черт в построении систем внутреннего управления, и они также накопили богатый опыт в процессе участия в глобальной системе управления. Столкнувшись с проблемами, вызванными развитием технологий искусственного интеллекта, две страны должны укрепить связь и координацию на всех уровнях и изменить положение органов управления, процедур и положений управления, а также разработать соответствующие законы и постановления.

Начиная с двустороннего сотрудничества, выгодное управление будет постепенно улучшаться. Опыт распространяется на многосторонний уровень и способствует построению системы управления, соответствующей характеристикам эпохи искусственного интеллекта. Короче говоря, у Китая и России есть большой потенциал для сотрудничества в области искусственного интеллекта. Китайско-российское сотрудничество может не только стать полезным дополнением к развитию индустрии искусственного интеллекта Китая, но и позволить российской индустрии искусственного интеллекта, которая долгое время находилась в особой модели развития, получить доступ к глобальному мейнстримовому пути развития. Это также будет способствовать общему развитию мировой индустрии искусственного интеллекта и окажет важное положительное влияние.

Список источников

1. Азиз С., Доулинг М. Машинное обучение и искусственный интеллект для управления рисками // Disrupting Finance. – Palgrave Pivot, Cham, 2019. – С. 33-50.
2. Баренкамп М., Ребштадт Дж., Томас О. Применение искусственного интеллекта в классической программной инженерии // Перспективы искусственного интеллекта. – 2020. – Т. 2. – №. 1. – С. 1-15.
3. Бексултанова А. И., Садуева М. А., Назаева М. И. Применение цифровых технологий в агропромышленном комплексе России // Серия конференций IOP: Наука о Земле и окружающей среде. – IOP Publishing, 2021. – Т. 723. – №. 3. – С.205
4. Беланче Д., Касало Л.В. и Флавиан, Ч. Искусственный интеллект в FinTech: понимание того, как клиенты используют робо-консультантов. Промышленный менеджмент и системы данных, 2019, стр.50
5. Брабазон, А., Кампуридис, М., О’Нил, М., 2019. Применение генетического программирования в финансах и экономике: прошлое, настоящее, будущее. Генетическое программирование и развивающиеся машины, стр.1-21.
6. Хагендорф, Т. Этика этики искусственного интеллекта: оценка руководящих принципов. Умы и машины, 30 (1), 2020, стр. 99-120.
7. Хуан М. Х., Руст Р. Т. Помолвлены с роботом? Роль ИИ в сервисе // Журнал сервисных исследований. – 2021. – Т. 24. – №. 1. – С. 30-41.

References

1. Aziz S., Douling M. Mashinnoe obuchenie i iskusstvenny`j intellekt dlya upravleniya riskami // Disrupting Finance. – Palgrave Pivot, Cham, 2019. – S. 33-50.
2. Barenkamp M., Rebshtadt Dzh., Tomas O. Primenenie iskusstvennogo intellekta v klassicheskoj programmnoj inzhenerii // Perspektivy` iskusstvennogo intellekta. – 2020. – T. 2. – №. 1. – S. 1-15.
3. Beksultanova A. I., Sadueva M. A., Nazaeva M. I. Primenenie cifrovy`x texnologij v agropromy`shlennom komplekse Rossii // Seriya konferencij IOP: Nauka o Zemle i okruzhayushhej srede. – IOP Publishing, 2021. – T. 723. – №. 3. – S.205
4. Belanche D., Kasalo L.V. i Flavian, Ch. Iskusstvenny`j intellekt v FinTech: ponimanie togo, kak klienty` ispol`zuyut robo-konsul`tantov. Promy`shlenny`j menedzhment i sistemy` danny`x, 2019, str.50
5. Brabazon, A., Kampuridis, M., O’Nil, M., 2019. Primenenie geneticheskogo programmirovaniya v finansax i e`konomike: proshloe, nastoyashhee, budushhee. Geneticheskoe programmirovanie i razvivayushhiesya mashiny`, str.1-21.
6. Xagendorf, T. E`tika e`tiki iskusstvennogo intellekta: ocenka rukovodyashhix principov. Umy` i mashiny`, 30 (1), 2020, str. 99-120.
7. Xuan M. X., Rust R. T. Pomolvleny` s robotom? Rol` II v servise // Zhurnal servisny`x issledovanij. – 2021. – T. 24. – №. 1. – S. 30-41.

Для цитирования: Грин Д.М. Состояние рынка искусственного интеллекта в России и перспективы сотрудничества с КНР // Московский экономический журнал. 2021. № 8. URL: https://qje.su/ekonomicheskaya-teoriya/moskovskij-ekonomicheskij-zhurnal-8-2021-5/

© Грин Д.М., 2021. Московский экономический журнал, 2021, № 8.

Научная статья

Original article

УДК 330.15

doi: 10.24412/2413-046Х-2021-10452

ВЛИЯНИЕ ПАНДЕМИИ COVID-19 НА МИРОВУЮ ЭНЕРГЕТИКУ В 2020-2021 ГОДАХ

IMPACT OF THE COVID 19 PANDEMIC ON GLOBAL ENERGY IN 2020-2021 

Сыроватская Ольга Юрьевна, доцент кафедры прикладной экономики, кандидат экономических наук, доцент, Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина) (г. Санкт-Петербург), 8-921-346-24-52, syrovatskay_o.u@inbox.ru, SPIN-код  8665-0890, https://orcid.org/0000-0002-2504-3520 

Лашманова Наталья Викторовна, профессор кафедры инновационного менеджмента, доктор технических наук, профессор, Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина) (г. Санкт-Петербург), 8-911-741-81-28,  natalasha2007@mail.ru, SPIN-код  2075-0787

Садырин Игорь Анатольевич, доцент кафедры прикладной экономики, кандидат экономических наук, Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина) (г. Санкт-Петербург), 8-960-243-87-01, sadyrin-73@inbox.ru, SPIN-код  9780-6146

Syrovatskaya Olga Yurievna, candidate of economic sciences, associate professor, Associate Professor at the Department of Applied Economics, Saint Petersburg State Electrotechnical University “LETI” them. IN AND. Ulyanova (Lenin) (St. Petersburg), 8-921-346-24-52, syrovatskay_o.u@inbox.ru, SPIN 8665-0890, https://orcid.org/0000-0002-2504-3520

Lashmanova Natalia Viktorovna, Professor of the Department of Innovation Management, Doctor of Technical Sciences, Professor, Saint Petersburg State Electrotechnical University “LETI” them. IN AND. Ulyanova (Lenin) (St. Petersburg), 8-911-741-81-28, natalasha2007@mail.ru, SPIN 2075-0787

Sadyrin Igor Anatolievich, Associate Professor at the Department of Applied Economics, PhD in Economics, Saint Petersburg State Electrotechnical University “LETI” them. IN AND. Ulyanova (Lenin) (St. Petersburg), 8-960-243-87-01, sadyrin-73@inbox.ru, SPIN 9780-6146

Аннотация. В статье рассматривается влияние пандемии Covid-19 на изменение спроса на энергоресурсы в 2020 и 2021 гг. и проблемы восстановления экономической активности и использования энергии в ряде стран. Рассмотрены вопросы воздействия вакцинации против Covid-19 на экономические процессы во многих крупных странах, а также меры поддержки и стимулирования, способствующие усилению экономического роста и восстановлению спроса на энергию в 2021 году.

В статье приведены аналитические материалы ежегодных Глобальных энергетических обзоров, публикуемых Международным энергетическим агентством (IEA).

Abstract. The article examines the impact of the Covid-19 pandemic on the change in energy demand in 2020 and 2021. and the challenges of economic recovery and energy use in a number of countries. The issues of the impact of vaccination against Covid-19 on economic processes in many large countries, as well as support and incentive measures that help to strengthen economic growth and restore energy demand in 2021 are considered.

This article provides analytical materials from the annual Global Energy Reviews published by the International Energy Agency (IEA).

Ключевые слова: пандемия, COVID-19, энергия, источники энергии, спрос на энергоресурсы

Keywords: pandemic, COVID-19, energy, energy sources, energy demand

Мировая экономика находится в очень сложном, а по мнению ряда специалистов и экспертов в кризисном состоянии, сопоставимом с кризисом начала 30-х годов прошлого века. Сравнением с событиями «Великой депрессии» отметились многие официальные лица, определяющие финансово-экономическую политику как отдельных стран, так и мировой экономической системы. К такому сравнению обращались, например, Генеральный секретарь ООН Антониу Гутерриш, выступая на юбилейной 75 сессии Генассамблеи ООН [1], Директор-распорядитель МВФ Кристалина Георгиева [2], Президент РФ В.В. Путин в своем выступлении на Всемирном экономическом форуме в Давосе в январе 2021 [3] года и многие другие.

Среди тезисов выступлений и публикаций мировых политиков и экономистов, посвященных экономическим проблемам, можно выделить один общий аспект: признание пандемии короновируса как ключевой причины кризисных явлений. Безусловно, пандемия короновируса в наибольшей степени затронула отрасль здравоохранения всех стран, подвергшихся влиянию опасной болезни. Но при этом беспрецедентные меры, предпринимаемые для борьбы с вирусом, оказали глобальное негативное влияние как на национальные экономики, так и на мировую экономику в целом. Среди таких мер можно выделить карантин и самоизоляцию населения, локдаун различных секторов экономики, переход к не всегда эффективным дистанционным формам работы и образования. Данные меры, в первую очередь, затронули те отрасли и сферы экономики, которые связаны с оказанием услуг населению, но они также оказали существенное влияние и на те отрасли, без которых невозможно существование современного общества. Поэтому целесообразно рассмотреть влияние пандемии короновируса и мер по борьбе с ней на энергетическую отрасль с учетом аналитических данных  ежегодного Глобального энергетического обзора, публикуемого Международным энергетическим агентством (IEA) [4], [5].

В Глобальном энергетическом обзоре за 2020 год представлены аналитические данные по потреблению энергетических ресурсов в различных странах. На основании этих данных хорошо видно, как менялась ситуация с производством энергии и ее потреблением по мере развития пандемии. Главном образом, данный обзор охватывает первое полугодие 2020 года, которое характеризовалось прохождением так называемой «первой волны» пандемии, и на начало 2021 года уже можно оценивать степень влияния «второй волны» коронокризиса, которая началась в конце сентября-начале октября 2020 года и во многих странах еще развивалась на начало февраля 2021 года.

При этом вводимые по мере развития пандемии меры привели к значительному падению спроса на энергетические ресурсы. Так, в первом квартале 2020 года, когда введение изоляционных мер стало шоковым для многих людей и сфер деятельности, скорость падения спроса достигала 25% в неделю для стран с жестким режимом изоляции и 18% в неделю для стран с частичным режимом изоляции. Очевидно, что падение спроса на энергию зависело от продолжительности и строгости таких мер. Мировое падение спроса на энергоносители в среднем составило 3,8% за первый квартал 2020 года, его пик пришелся на время введения ограничений в большинстве стран Европы и Северной Америки.

Требования по изоляции людей во многих странах привели и к существенному влиянию на энергетический спрос в промышленности, торговле и других отраслях экономики. Одно из самых сильных воздействий было зафиксировано в потреблении угля, главным образом в Китае, экономика которого довольно сильно ориентирована именно на этот вид энергоресурсов. Здесь падение спроса составило 8% по отношению к тому же периоду 2019 года. Дополнительное негативное воздействие оказала и теплая зима 2020 года, а также невысокие мировые цены на газ.

Следует отметить, что падение спроса в 2020 году не повлияло на все виды энергетических ресурсов равномерно. Больше всего пострадал спрос на нефть, поскольку ограничения мобильности привели к падению спроса на транспортное топливо на 14% по сравнению с уровнями 2019 года. На пике ограничений в апреле мировой спрос на нефть был более чем на 20% ниже докризисного уровня. В целом за год спрос на нефть снизился почти на 9%.

Ожидается, что в 2021 году спрос на нефть вырастет на 6% быстрее, чем на все другие виды топлива. В последний раз спрос на нефть так быстро увеличивался в 1976 году. Несмотря на сильное восстановление, спрос на нефть остается на 3% (3,1 млн баррелей в сутки) ниже уровня 2019 года. Активность автомобильного транспорта оставалась вялой на протяжении большей части года, и ожидается, что она вернется к уровням, существовавшим до COVID ‑ 19, только в последние месяцы 2021 года, в то время как спрос на воздушный транспорт будет оставаться заметно ниже уровней 2019 года в течение всего 2021 года. В Азии и, в частности, в Китае спрос на нефть значительно превышает уровни, существовавшие до COVID ‑ 19.

В 2020 году спрос на уголь снизился на 220 млн тонн угольного эквивалента (МТУ), или на 4%. Наибольшее сокращение использования угля для производства электроэнергии произошло в странах с развитой экономикой – на 15%, что составляет более половины глобального спада угля. Уголь оказался особенно уязвимым в структуре электроэнергетики из-за снижения спроса на электроэнергию, увеличения выработки за счет возобновляемых источников энергии и низких цен на газ. В 2021 году уже наблюдается восстановление спроса на уголь, падение которого остановилось в конце 2020 года, хотя и с большими географическими различиями.

Падение энергетического спроса в 2020 году, главным образом, наблюдалось в Соединенных Штатах и Европе, но ожидается, что спрос в странах с развитой экономикой восстановится только на четверть от падения 2020 года, ограниченного развертыванием возобновляемых источников энергии, более низкими ценами на газ и политикой поэтапного отказа от углеводородных источников энергии. Между тем, по прогнозам, на долю Китая будет приходиться 55% прироста в 2021 году (рис. 1).

Более низкие цены позволили газу быть более устойчивым, чем уголь, в 2020 году, когда спрос упал всего на 2%. Сочетание продолжающегося снижения цен и быстрого роста экономики стран Азии и Ближнего Востока должно привести к росту спроса на газ на 3% в 2021 году. В результате, по прогнозам, мировой спрос на природный газ в 2021 году вырастет на 3,2 % за счет растущего спроса в Азии, на Ближнем Востоке и в Российской Федерации. Ожидается, что это повысит мировой спрос более чем на 1% по сравнению с уровнями 2019 года, самый сильный ожидаемый рост среди энергетических ресурсов.

В Соединенных Штатах – крупнейшем в мире рынке природного газа – ежегодный рост спроса составит менее 20% от 20 млрд куб. 2020 года, в условиях продолжающегося роста возобновляемых источников энергии и природного газа. При этом производство электроэнергии из природного газа остается ниже уровня 2019 года.

В Европейском союзе более высокие цены на углерод оказывают некоторую поддержку газу по сравнению с углем; предварительные данные за первый квартал показывают рост спроса на газ в Европе на 8%. Картина сильно отличается в развивающихся странах Азии, где ожидается, что в 2021 году спрос вырастет на 7% по сравнению с уровнем 2020 года, что на 8,5% превысит уровень 2019 года. Китай является лидером роста: спрос в 2021 году будет более чем на 14% (или 44 млрд куб. М) выше уровня 2019 года (рис. 2).

Мировой спрос на газ в 2021 году остается предметом значительной неопределенности, касающейся не только спроса на электроэнергию и промышленного производства, но и динамики цен на газ по сравнению с углем на ключевых рынках, таких как США, а также в отношении погодных условий в северном полушарии в сторону повышения к концу 2021 года.

Возобновляемые источники энергии оказались в значительной степени невосприимчивыми к пандемии, поскольку их доля в мировой энергетике менее 30%, но при этом появились новые мощности, которые вследствие энергетической политики многих стран, ориентированной на увеличение доли таких источников, получили приоритетный доступ на многие энергетические рынки. В целом использование возобновляемых источников энергии выросло на 3% в 2020 году, в основном за счет увеличения производства электроэнергии с помощью солнечных фотоэлектрических и ветряных электростанций на 330 ТВтч.

Производство солнечной энергии и энергии ветра по прогнозам должно вырасти на 17% в 2021 году по сравнению с 2020 годом. Производство гидроэнергии и биомассы также должно ускориться, при этом общее производство энергии из возобновляемых источников должно вырасти на 8,3% в 2021 году, что быстрее, чем 7%-й рост в 2020 году. Два года быстрого роста означают, что доля возобновляемых источников энергии в общем объеме производства электроэнергии достигнет почти 30% по сравнению с 27% в 2019 году.

Как видно из рис. 3 Covid-19 в разной степени затронул крупнейшие экономики мира. Спрос на энергетические ресурсы в странах с развитой экономикой упал в среднем более чем на 6% в 2020 году, при этом каждая развитая экономика в какой-то момент испытывала сокращение экономического производства.

К 2021 году ожидается, что в странах с развитой экономикой произойдет быстрое восстановление объемов производства и спроса на энергию в большинстве секторов. Однако восстановление не начнется всерьез до второй половины года из-за продолжающегося воздействия пандемии, особенно в Европейском союзе.

В Соединенных Штатах, несмотря на недавно объявленную программу стимулирующих расходов на сумму 2,3 триллиона долларов США, прогнозируется, что в 2021 году спрос на энергию вырастет всего на 4%, при этом спрос останется на 3% ниже уровня 2019 года.

Большинство стран с формирующимся рынком и развивающихся стран также испытали падение спроса на энергию в 2020 году, хотя и меньше, чем в странах с развитой экономикой. Спрос снизился на 5% в Индии, примерно на 3% в Юго-Восточной Азии, 2% на Ближнем Востоке и 1,5% в Африке.

Заметным исключением стал Китай, единственная крупная экономика, в которой во второй половине 2020 года уже наблюдался рост объемов производства и спроса на энергетические ресурсы. При этом, несмотря на значительный рост возобновляемых источников энергии, рост спроса на электроэнергию привел к рекордно высокому использованию угля в декабре 2020 года, который является важнейшим энергетическим ресурсом для китайской экономики.

Ожидается, что в 2021 году экономическая активность в Китае продолжит ускоряться, и ожидается, что спрос на энергию вырастет на 6%, при этом спрос в 2021 году будет почти на 8% выше, чем в 2019 году, что укрепит позиции Китая как экономики, наименее затронутой Covid-19.

Резкий спад экономики Индии в 2020 году привел к снижению спроса на нефть более чем на 8%, в то время как спрос на уголь для энергетики и промышленности упал на 5% и 11% соответственно. С учетом того, что экономика Индии, как ожидается, сильно вырастет в 2021 году, прогноз роста спроса на энергию составляет 7%, что на 2% превысит уровень 2019 года. Ожидается, что спрос на уголь вырастет почти на 9%, что в наибольшей степени будет способствовать восстановлению экономики по мере восстановления спроса на электроэнергию.

Можно констатировать, что пандемия короновируса привела к очень серьезным экономическим последствиям в различных сферах экономики и введение многомесячных ограничений на мобильность, социальную и экономическую активность практически сразу по цепочке экономических взаимосвязей затрагивает все отрасли энергетики. По оценкам Всемирной организации здравоохранения около половины населения земли так или иначе оказались подвергнуты ограничениям и запретам. Такая ситуация может привести к глобальной экономической рецессии, выход из которой будет происходить постепенно и сопровождаться снижением экономической активности, несмотря на все усилия макроэкономической политики.

Таким образом, прослеживается две глобальные тенденции в области производства энергоресурсов и энергопотребления, вызванные влиянием пандемии. Первая заключается в шоковых, внеэкономических ограничениях хозяйственной деятельности многих экономических субъектов. Ограничения на деятельность предприятий торговли, общественного питания, спортивных организаций, туристического бизнеса, переход на дистанционные формы работы и обучения, общее снижение деловой активности резко ограничивает спрос на различные виды энергетических ресурсов с одной стороны, а с другой – приводит к перераспределению этого спроса.

Вторая тенденция состоит в снижении реально располагаемых доходов потребителей и корпоративной инвестиционной активности, что приводит к сокращению рабочих мест и резкому росту безработицы. В таких странах как США и Великобритания абсолютные цифры роста количества безработных в 2020 году составляли миллионы человек. В других странах наблюдаются аналогичные тенденции, что негативно влияет на уровень жизни и потребления очень большого количества людей во всем мире, в том числе и на потребление различных видов энергии.

Такие тенденции явились естественным следствием ограничительных мер и вынудили правительства многих стран осуществлять различные мероприятия по стимулированию и поддержке бизнеса и населения. Следует заметить, что эти меры во многом носили неэкономический характер, как, например, прямые субсидии и перечисления денежных средств населению и бизнесу. Это, в свою очередь, спровоцировало инфляционные явления в некоторых странах в том числе в сфере энергоресурсов и топлива. Так, в США в первом полугодии 2021 года наблюдается значительный рост цен на различные виды топлива.

Начало 2021 года, несмотря на продолжающееся влияние пандемии и повторные ограничения экономической активности, характеризовалось существенным влиянием других факторов, которые привели к резким колебаниям спроса на энергию и росту цен на энергоресурсы. Среди таких факторов можно отметить довольно длительный период сильных морозов и холодной погоды в США и Европе зимой 2021 года, что привело к резкому увеличению спроса на энергию. При этом наблюдались массовые отключения электроэнергии в некоторых штатах вследствие превышения допустимой нагрузки. Особенно пострадали те регионы, которые в большей степени ориентировались на возобновляемые источники энергии, генерация энергии которыми оказалась не рассчитана на такие погодные условия, на резкие колебания потребления и при этом не позволяет аккумулировать запасы энергии. Вследствие таких событий выросло как потребление, так и стоимость электроэнергии, которая в некоторых штатах выросла на порядок. Похожие явления наблюдались и в странах Европы, что также привело к увеличению спроса на электроэнергию и росту цены на газ, как основного источника энергии.  

Статистические данные о спросе на энергию в первом полугодие 2021 года подчеркивают продолжающееся воздействие пандемии на глобальное потребление энергии. Основываясь на данных за первый квартал, прогнозы на 2021 год показывают, что по мере снятия ограничений, связанных с Covid, и восстановления экономики ожидается, что спрос на энергию вырастет на 4,6%, что приведет к увеличению глобального энергопотребления в 2021 году на 0,5% по сравнению с уровнями, существовавшими до COVID-19. Однако перспективы на 2021 год весьма неопределенны.

Многое зависит от разворачиваемой компании тотальной вакцинации, степени, в которой блокировка, вызванная Covid ‑ 19, нанесла ущерб экономике, а также от размера и эффективности пакетов мер стимулирования. Текущие экономические прогнозы предполагают, что мировой ВВП превысит уровень 2019 года, что повысит спрос на товары, услуги и энергию (рис. 4). Однако транспортная деятельность и, в частности, международные поездки по-прежнему сильно ограничены. Если в 2021 году спрос на транспорт вернется к уровням, существовавшим до COVID, глобальный спрос на энергию вырастет еще выше, почти на 2% по сравнению с уровнями 2019 года, что в целом соответствует восстановлению мировой экономической активности.

Таким образом, очевидно, что весь 2021 год также будет проходить под влиянием пандемии, которая уже провоцирует и будет провоцировать серьезные колебания в объемах энергопотребления и уровне цен на энергоносители. Положительное влияние на снятие ограничительных мер и восстановление экономической активности должна оказать массовая вакцинация населения, но для ее завершения потребуется еще, как минимум, несколько месяцев, в течение которых возможны новые волны пандемии и введения различных ограничительных мер. Поэтому в качестве основных тенденций рынков энергоносителей и энергопотребления можно выделить следующие:

1. Сокращение энергопотребления в промышленных секторах экономики, перераспределение спроса в другие отрасли при резком ухудшении эпидемиологической ситуации и введении новых ограничений и локдаунов.
2. Рост спроса на энергоносители и уровня цен в условиях снятия ограничений и наличия мер по стимулированию экономической активности различных субъектов экономики.
3. Возможные конфликты интересов на рынке энергетики между производителями, потребителями и регуляторами в случае сложных или кризисных явлений в экономике.
4. Нарастание противостояние между поставщиками традиционных и возобновляемых энергоресурсов.
5. Повышенное внимание и попытки ускоренного развитие «зеленой» и альтернативной энергетики в качестве стратегического направления развития энергетики с одновременным увеличением спроса на традиционные энергоносители в краткосрочной и среднесрочной перспективе.
6. Увеличение инвестиций в разработку и использование возобновляемых источников энергии.

Список источников

1. Пятый всадник: Генеральный секретарь ООН обновил список угроз человечеству и предложил пути их преодоления. https://news.un.org/ru/story/2020/09/1386302
2. Противодействие кризису: приоритетные задачи для мировой экономики. https://www.imf.org/ru/News/Articles/2020/04/07/sp040920-SMs2020-Curtain-Raiser
3. Стенограмма выступления Путина на онлайн-форуме «Давосская повестка дня 2021». http://prezident.org/tekst/stenogramma-vystuplenija-putina-na-onlain-forume-davosskaja-povestka-dnja-2021-27-01-2021.html
4. Global Energy Review 2020. The impacts of the Covid-19 crisis on global energy demand and CO2 emissions. https://www.iea.org/reports/global-energy-review-2020/context-a-world-in-lockdown#abstract
5. Global Energy Review 2021. Assessing the effects of economic recoveries on global energy demand and CO2 emissions in 2021. https://iea.blob.core.windows.net/assets/d0031107-401d-4a2f-a48b-9eed19457335/GlobalEnergyReview2021.pdf

References

1. Pyaty`j vsadnik: General`ny`j sekretar` OON obnovil spisok ugroz che-lovechestvu i predlozhil puti ix preodoleniya. https://news.un.org/ru/story/2020/09/1386302
2. Protivodejstvie krizisu: prioritetny`e zadachi dlya mirovoj e`konomiki. https://www.imf.org/ru/News/Articles/2020/04/07/sp040920-SMs2020-Curtain-Raiser
3. Stenogramma vy`stupleniya Putina na onlajn-forume «Davosskaya po-vestka dnya 2021». http://prezident.org/tekst/stenogramma-vystuplenija-putina-na-onlain-forume-davosskaja-povestka-dnja-2021-27-01-2021.html
4. Global Energy Review 2020. The impacts of the Covid-19 crisis on global ener-gy demand and CO2 emissions. https://www.iea.org/reports/global-energy-review-2020/context-a-world-in-lockdown#abstract
5. Global Energy Review 2021. Assessing the effects of economic recoveries on global energy demand and CO2 emissions in 2021. https://iea.blob.core.windows.net/assets/d0031107-401d-4a2f-a48b-9eed19457335/GlobalEnergyReview2021.pdf

Для цитирования: Сыроватская О.Ю., Лашманова Н.В., Садырин И.А. Влияние пандемии Covid-19 на мировую энергетику в 2020-2021 годах // Московский экономический журнал. 2021. № 8. URL: https://qje.su/ekonomika-apk/moskovskij-ekonomicheskij-zhurnal-8-2021-4/

© Сыроватская О.Ю., Лашманова Н.В., Садырин И.А., 2021. Московский экономический журнал, 2021, № 8.

Научная статья

Original article

УДК 330.35 (51-77)

doi: 10.24412/2413-046Х-2021-10451

РАЗРАБОТКА КОМПЛЕКСА ИЗ ТРЕХ МОДЕЛЕЙ ЧЕЛОВЕЧЕСКОГО КАПИТАЛА ДЛЯ ОЦЕНКИ ЭКОНОМИЧЕСКОЙ ДИНАМИКИ

DEVELOPMENT OF A COMPLEX OF THREE HUMAN CAPITAL MODELS FOR ASSESSING ECONOMIC DYNAMICS

Авторы благодарят Российский фонд фундаментальных исследований за финансовую поддержку работы в рамках научного проекта № 19-29-07328

Орехов Виктор Дмитриевич, канд. техн. наук, научный сотрудник, факультет экономики, Университет «Синергия», 125190, РФ, г. Москва, Ленинградский пр-т, д. 80, E-mail: vorehov@yandex.ru тел.: 8 903 258 3075

Каранашев Анзор Хасанбиевич, доктор эконом. наук, проф. кафедры, Кабардино-Балкарский гос. университет, 360004, РФ, КБР, г. Нальчик, ул. Чернышевского, 173, E-mail: kanzor77@mail.ru  тел.: 8 928 691 5399

Orekhov Viktor Dmitrievich, Candidate of Technical Sciences, Researcher, Faculty of Economics, Synergy University, 125190, Russia, Moscow, Leningradsky Ave, 80

Karanashev Anzor Khasanbievich, Doctor of Economics, Professor, Kabardino-Balkarian state University, 360004, Russia, KBR, Nalchik, Chernyshevsky str., 173

Аннотация. Целью настоящей работы является разносторонний анализ динамики ВВП на душу населения с помощью трех новых моделей человеческого капитала.

Для разработки моделей человеческого капитала и оценки роста ВВП на душу населения используются три основные методики: индикативная диагностика образовательной компоненты человеческого капитала, регрессионный анализ комплекса глобальных индексов и когнитивное моделирование системы трудовой деятельности.

Разработанный комплекс моделей позволяет оценивать влияние большого количества факторов (до 22) на величину человеческого капитала и рост ВВП на душу населения на разные временные интервалы (до 30 лет и более). Показано, что наибольшее влияние на величину человеческого капитала оказывает доля специалистов с профессиональным (третичным) образованием. На величину ВВП на душу населения оказывают положительное влияние человеческий капитал, природные ресурсы и производительность труда, а также отрицательные факторы: износ основных фондов и факторы внешнего экономического окружения. Согласно когнитивной модели, на экономическую динамику наиболее сильно воздействуют управляющие факторы, стратегические программы и инновационное развитие. Работа может быть использована для стратегического планирования экономической динамики и роста человеческого капитала, а также при разработке новых моделей человеческого капитала.

Abstract. The purpose of this work is a comprehensive analysis of the dynamics of GDP per capita using three new models of human capital.

To develop models of human capital and assess the growth of GDP per capita, three main methods are used: indicative diagnostics of the educational component of human capital, regression analysis of the complex of global indices, and cognitive modeling of the labor activity system.

The developed complex of models makes it possible to assess the influence of a large number of factors (up to 22) on the value of human capital and the growth of GDP per capita for different time intervals (up to 30 years and more). It is shown that the share of specialists with vocational (tertiary) education has the greatest influence on the value of human capital. The value of GDP per capita is positively influenced by human capital, natural resources and labor productivity, as well as negative factors: depreciation of fixed assets and factors of the external economic environment. According to the cognitive model, economic dynamics are most strongly influenced by control factors, strategic programs and innovative development. The work can be used for strategic planning of economic dynamics and growth of human capital, as well as in the development of new models of human capital.

Ключевые слова: экономическая динамика, прогнозирование, человеческий капитал, ВВП, когнитивное моделирование, глобальные индексы, образование, экстерналии

Key words: economic dynamics, forecasting, human capital, GDP, cognitive modeling, global indexes, education, externalities

Введение

Одной из важнейших социально-экономических систем современного общества является человеческий капитал (ЧК). Он заключает в себе до 80% мирового богатства и является важным компонентом при прогнозировании экономической динамики. В настоящее время для его измерения широко используются стоимостные методы, основанные на учете доходов, получаемых от использования ЧК, или издержек, связанных с формированием ЧК [4]. Однако основанная на знаниях природа человеческого капитала создает сложности при стоимостной оценке его величины. Поэтому стоимостные методы расчета ЧК достаточно сложны и используют ряд не вполне обоснованных предположений. Кроме того, эти методы не учитывают экстерналии, возникающие в результате использования образования, которые могут быть весьма значительными, поскольку именно знания и навыки, полученные в ходе обучения, являются двигателем технического прогресса. Поэтому исследователи разрабатывают новые методы оценки человеческого капитала. В числе таких новых методов следует отметить глобальные индексы человеческого капитала, разработанные Всемирным экономическим форумом [23] и Всемирным банком [25] и не имеющие стоимостной оценки, что требует их адаптации к использованию для прогноза роста ВВП.

Следует отметить, что экономическая динамика зависит от широкого круга факторов, действующих во взаимосвязи с человеческим капиталом, и попытки анализировать их влияние с использованием малого числа переменных и без учета всей сложности взаимосвязей дают повод к разработке более сложных и методически альтернативных моделей.

Поэтому в данной работе предпринята попытка разработки нескольких новых моделей человеческого капитала, которые в совокупности позволят проанализировать различные аспекты влияния на рост ВВП как человеческого капитала, так и других важных факторов.

В частности, по предположению авторов, использование широкого спектра глобальных агрегированных индексов позволяет более точно оценивать величину человеческого капитала и влияние различных факторов на экономическую динамику. Также авторами были проведены предварительные исследования по использованию для оценки человеческого капитала индикативных методов с дифференцированным учетом уровня обучения персонала [20], а также метода на основе когнитивного моделирования [7]. При широком спектре возможностей оценки человеческого капитала важно определить достоинства различных методов и области применимости, а также выявить взаимодополняющие выводы.

Целью настоящей работы является разносторонний анализ динамики ВВП на душу населения с помощью трех новых моделей человеческого капитала.

1. Литературный обзор

Вопросы изучения человеческого капитала стали важнейшим направлением  экономических исследований, начиная с работ Теодора Шульца и Гэри Беккера, обосновавших, что уровень образования детерминирует и будущий уровень трудового дохода работника. Согласно современной экономической теории, человеческий капитал – это запас знаний, навыков и способностей людей, которые используются в производстве и других видах деятельности. Тысячи экономистов внесли вклад в разработку методов измерения человеческого капитала. Выделяют следующие основные подходы к решению проблемы оценки человеческого капитала [4]:

1. Основанный на учете инвестиций в ЧК (восстановительный) [5];
2. Стоимостной, основанный на капитализации получаемых доходов [15];
3. Стоимостный (дисконтный), основанный на том, что из расчета совокупного богатства страны дисконтным методом вычитают физический и природный капитал, а остаток принимают за величину человеческого капитала [11];
4. Индикаторный, основанный на натуральных характеристиках ЧК [10]. К числу лучших из них можно отнести индекс развития человеческого потенциала – ИРЧП [3].

Оценки капитализации ЧК используются прежде всего для прогноза экономической динамики. В работе Р. Дж. Барро «Экономический рост» [1] детально рассматриваются аспекты человеческого капитала, которые являются основой современного экономического роста. Он отмечает, что решением проблем с неудовлетворительностью стандартной неоклассической модели роста «было расширение концепции капитала за счет включения в него человеческого компонента с последующим предположением, что у этого расширенного капитала отдача не убывает» [1].

Важным результатом работ по оценке ЧК является вывод J. Mincer [19] о том, что заработок работника экспоненциально зависит от числа лет (Е) его образования Y=Y₀e^RE (функция доходов).  Следует отметить еще одну модель прогнозирования экономического роста, которая базируется на использовании концепции ЧК с использованием подхода World Bank и разработана в макроэкономическом департаменте компании Pricewaterhouse Coopers [12]. Начиная с 2006 года PwC регулярно выпускает прогнозы ВВП крупнейших экономик мира на 2030-е, 2050-е годы.

Новый подход к определению индексов ЧК реализован Всемирным экономическим форумом [23] и Всемирным банком [25], причем в нем используют показатели, значительно отличающиеся друг от друга. Human Capital Index рассматривает в основном показатели, характеризующие здоровье ЧК: вероятность детей прожить более 5 лет, доля детей без отклонений в развитии, выживаемость работников до 60 лет и ожидаемое число лет обучения в школе до 18 лет. Global Human Capital берет в учет квалификацию персонала, в частности уровень образования людей, накопленные навыки, ноу-хау и рост квалификации.

2. Материалы и методы

В трех разделах работы использованы три различные методики определения человеческого капитала.

В первом разделе используется подход индикативной диагностики для определения зависимости ВВП на душу населения от образовательных характеристик работников с использованием математических методов, применительно к крупнейшим мировым экономикам. Во втором разделе используется корреляционно-регрессионный анализ зависимости индекса человеческого капитала от широкого спектра агрегированных глобальных индексов, представленных в таблице 1. В третьем разделе используется метод когнитивного моделирования [6] системы трудовой деятельности, включающей в себя 22 концепта, применительно к России.

Для того чтобы не разрывать описание разных методов исследования от раздела, в котором они применяются, детально эти методы и используемые материалы представлены в соответствующих разделах.

3. Результаты

3.1. Измерение человеческого капитала на основе уровня образования

Вследствие того, что человеческий капитал представляет собой материализованные в человека знания, навыки и способности людей, а они приобретаются в процессе образования, то логично предположить, что вклад специалистов в ВВП зависит, в основном, от числа лет их образования. Факторы численности работников и их здоровья отражаются показателем численности населения – N_C. С другой стороны, уровень здоровья людей только на 8–10% зависит от здравоохранения, поэтому и в ЧК оно вносит относительно малый вклад [2].

В этом разделе будем считать, что ВВП на душу населения по паритету покупательной способности (ВВП/Д по ППС) зависит только от числа лет образования специалистов и коэффициента, характеризующего страну, – М_С. Будем рассматривать только работоспособное население в возрасте 25–64 лет, считая в первом приближении, что их доля равна 50%. Выделим среди них n образовательных групп населения и будем считать, что вклад в ВВП/Д специалистов из группы n пропорционален 10⁵*K_n*D_n*М_C, где D_n – доля специалистов с этим уровнем образования, а K_n – весовой коэффициент вклада каждой группы, причем для специалистов с высшим образованием K_n = 1. Суммируя вклады всех специалистов, получим выражение для удельного индекса образовательного ЧК (S_HC).

Соответственно, величина ВВП/Д в международных долларах 2017 года выражается формулой (2)

Будем рассматривать пять уровней образования, продолжительностью примерно 8, 12, 14, 17 и 22 года, причем в составе последней группы будем учитывать численность работников НИОКР, вне зависимости от реальной продолжительности образования. Значения K_n определим из условия минимума коэффициента вариации параметра М_С, для восьми экономик, данные которых представлены в таблице 2.

Данные по Индии и России при оптимизации не будут использоваться, поскольку, согласно предыдущим исследованиям [8], они дают результаты, существенно отклоняющиеся от восьми указанных экономик. Для сглаживания небольших отклонений ВВП/Д и D_n использовались их средние значения за 2015–2017 годы.

Значения коэффициентов K_n , полученные при оптимизации, составляют: K₁ = 0,001, K₂ = 0,003, K₃ = 0,5, K₄ = 1,0, K₅ = 20. При этом коэффициент вариации для восьми экономик равен 15,9±0,05%, а для трех крупнейших – 11,6%. Характерна сильная зависимость коэффициентов K_n от числа лет обучения – Е. Если аппроксимировать значения коэффициентов K₃ – K₅ экспоненциальной зависимостью, то формула примет вид

При использовании данной модели для прогноза экономической динамики возникают сложности прогнозирования значений D_n. Поэтому модель коэффициентов можно упростить, поскольку K₁ и K₂ » 0, а K₃ » K₄. Проведя с этими условиями повторно оптимизацию коэффициентов, получим, что K₃ = K₄ =1, а K₅ = 18. Значения S_HC и M_C для этого случая приведены в последних двух столбцах таблицы 2. При этом среднее значение М_С = 0,81.  

Полученные значения K_n и М_С позволяют прогнозировать рост ВВП стран при наличии прогнозов темпов роста населения, доли специалистов с профессиональным образованием
(Dп = D₃ + D₄), а также количества работников НИОКР (N_S) на миллиард долларов ВВП по ППС (G). Проведенные исследования показали, что параметр N_S/G изменяется достаточно монотонно и для крупнейших экономик стремится к среднему мировому значению, равному 91 специалисту на миллиард долларов 2017 года ВВП по ППС. 

Темп прироста доли специалистов с профессиональным образованием (ΔD_П) меняется медленно, его значения в среднем с 2015 по 2019 год представлены в таблице 3. Для большинства крупнейших экономик ΔD_П = 0,8±0,2% в год и сохраняется примерно до D_П = 50%, а затем плавно стремится к значению D_П = 75%.

Для проверки достоверности разработанной модели определения индекса человеческого капитала (S_HC) с ее использованием было выполнено прогнозирование величины ВВП по ППС крупнейших экономик до 2050 года и сравнение с прогнозами, выполненными компанией PricewaterhouseCoopers [12]. Вначале в процессе прогнозирования  определялись данные об образовательном уровне работников на расчетный период. Значения M_C изменялись линейно от уровня, представленного в таблице 2, до конечного значения в 2100 году – M_Cf. Численность населения стран соответствовала среднему прогнозу ООН. Параметр N_S/G изменялся линейно от начального значения, соответствующего 2017 году, до I_S, которое могло быть либо среднемировым (91), либо более высоким, при наличии прогностических оснований. Далее определялась величина ВВП/Д, при которой потребное значение S_HC (согласно формуле (2)) не превышает то, которое обеспечено уровнем образования работников в данный период времени.

Расчетные значения ВВП в 2050 году, полученные в данной работе (ViС 21), приведены на рис. 1, в сравнении с прогнозом, опубликованным компанией PwC в 2017 году. Места, которые занимают в 2050 году шесть наиболее крупных и две наименьшие экономики, одинаковы в соответствии с обоими методами расчета. Несовпадение занимаемых мест наблюдается только среди четырех экономик с близкими по величине ВВП, который лежит в диапазоне 5,0–7,3 трлн долл.

Тренды для обоих методов расчета на рис. 1 близки друг к другу (пунктир – PwC). Среднее арифметическое значение разности значений ВВП по двум прогнозам равно 3%, а среднеквадратичное отклонение – 12%. Это позволяет утверждать, что эти два прогноза дают в целом близкие значения GDP крупнейших экономик.

В таблице 4 приведено сравнение относительного разброса (в %) значений прогноза PwC 17 от ViС 21 с разбросом между значениями PwC 2011–2017 годов.

Видно, что относительный разброс прогнозов ВВП, выполненных PwC в разные годы, в среднем в три раза больше, чем отличие прогноза PwC 17 от ViС 21. Только по Мексике отличие прогнозов PwC от ViС больше, чем между прогнозами PwC, что связано с высокой неопределенностью темпа роста образования в Мексике (таблица 3). Это позволяет утверждать, что выполненный в данной работе прогноз с использованием методики ViC имеет достаточно высокую достоверность в сравнении с прогнозом PwC.

Достоинством разработанного авторами метода измерения человеческого капитала является то, что удельный индекс ЧК (S_HC) является эндогенным и опирается на характеристики роста численности и образования населения. При этом коэффициент, характеризующий страну (М_С), зависит от внешней среды, но это объективный фактор данной ситуации. В противоположность этому метод, используемый компанией PwC, является экзогенным и формируется на основе догоняющего развития стран относительно США, что ограничивает его применение для прогноза на длительный промежуток времени.

3.2. Оценка человеческого капитала с использованием глобальных индексов

Предложенные Всемирным экономическим форумом и Всемирным банком индексы дают оценки, не связанные с денежными или образовательными единицами, и оценивают ЧК в долях единицы или процентах. Для того чтобы понять связь этих индексов с денежными единицами, целесообразно рассмотреть их корреляцию с ВВП на душу населения.

В связи с проблематичностью сравнения стран, значительно отличающихся по размеру ВВП, используем серию выборок, включающих в себя различное количество экономик, ранжированных по размеру ВВП. В зависимости от числа стран они обозначались: С6, С12, С24, С48, С72. Оптимизация предикторов ВВП/Д производилась с ориентацией на среднее по этим пяти выборкам значение погрешности регрессии (ΔR² = 1 – R²), которое обозначалось индексом m или mid.

На рис. 2 приведена зависимость погрешности регрессии ВВП/Д от числа стран в выборке для предикторов человеческого капитала, включающих в себя различное сочетание GHC и HCI. Видно, что погрешность регрессии от рассмотренных предикторов достаточно велика, а средние по 5 выборкам ее значения составляют ΔRm² = 15,5–22,9%. Погрешность ΔR² меньше для HCI в зоне выборок С12–С72. Для наименьшей выборки С6 минимальную погрешность до 9,6% обеспечивает GHC. Наименьшее значение средней по пяти выборкам погрешности регрессии составляет ΔRm² = 15,5% с предиктором, включающим в себя 40% GHC и 60% HCI.

Сформируем новый индекс человеческого капитала (ИЧК), который будет иметь наименьшую погрешность регрессии с ВВП/Д, на основе рассмотренных выше двух индексов ЧК, по формуле (4).

Зависимость ВВП/Д по ППС в тыс. долл. 2017 года от ИЧК приведена на рис. 3 для выборки С24. Характерно, что при формате индекса человеческого капитала, рассматриваемом в данном разделе, ВВП/Д очень сильно зависит от показателя человеческого капитала – экспоненциально или пропорционально степени 3,5 (пунктир).

Рассмотренный в первом разделе вариант удельного индекса человеческого капитала S_HC был связан с ВВП/Д линейной зависимостью. Однако весовые коэффициенты K_n вклада различных групп специалистов в ВВП/Д экспоненциально зависели (3) от числа лет обучения специалистов. Таким образом, экспоненциальная зависимость ВВП/Д от индекса человеческого капитала проявляется в обоих случаях, и это соответствует функции доходов J. Mincer [19].

Альтернативный формуле (4) метод измерения ИЧК можно получить с использованием регрессионного анализа в зависимости от других глобальных индексов ЧК, представленных в таблице 1. С этой целью вначале определим погрешность регрессии ИЧК от каждого из этих индексов индивидуально. Соответствующие результаты с трендом в виде кубического полинома приведены в таблице 5. Наименьшую погрешность регрессии обеспечивают индексы GDP/C (ΔRm² = 11%) и MYS (14%).

В таблице 6 представлена погрешность регрессии ИЧК от лучших парных оптимальных предикторов в паре с GDP/C или MYS. Видно, что наиболее сильное влияние на человеческий капитал в парах оказывает Global Competitiveness Index [22]. Так, погрешность регрессии предиктора 0,4∙MYS+0,6∙GCI составила ΔRm² = 6,2%, что почти вдвое меньше, чем у лучшего индивидуально индекса влияния на человеческий капитал – GDP/C, для которого ΔRm² = 11%. Следует отметить, что GCI кроме индикаторов конкурентоспособности экономики также содержит характерные для человеческого капитала компоненты: здоровье, образование и рынок труда.

Получение характеристик регрессии ИЧК с парными предикторами позволяет перейти к поиску оптимального комплексного предиктора (СР) для человеческого капитала. Оптимизация осуществлялась путем вариации коэффициентов вклада различных глобальных индексов в комплексный предиктор ki и поиска их значений, обеспечивающих минимальное среднее по пяти выборкам значения погрешности регрессии. Полученные оптимальные значения коэффициентов CP приведены в таблице 7. Для данного предиктора ΔRm² = 5,5%, по сравнению с 6,2% для лучшего парного предиктора. Третьим по величине влияния на ИЧК ожидаемо оказался ВВП/Д, а влияние остальных незначительно.

В рассмотренном в первом разделе варианте измерения человеческого капитала мы выявили, что величина ВВП/Д зависит не только от индекса S_HC, зависящего от уровня образования, но и от параметра М_С, характеризующего страну. Здесь мы получили аналогичный результат. ИЧК и, соответственно, ВВП/Д зависят от образовательного уровня ЧК, который характеризуется индексом MYS, и индекса конкурентоспособности – GCI. При этом GCI влияет даже сильнее. Влияние GDP/C на ИЧК показывает, что более богатые страны могут обеспечить лучшие условия образования, но это влияние достаточно мало.

Среди других индексов относительно большой вклад (5%) вносит Corruption Perception Index (CPI). Хотя его вклад и мал, но применительно к России это может иметь существенное значение. Так, для России CPI = 29%, а для США – 71%, тогда как величина GCI для них дифференцирована значительно меньше – 67% и 84% соответственно.

На рис. 4 приведена регрессионная зависимость ИЧК от оптимального комплексного предиктора CP для выборки G24. Точки, соответствующие выборке С6, обозначены на рис. 4 особыми значками увеличенного размера (слева направо: Индия, Китай, Россия – квадрат, Япония, Германия, США – круг). Видно, что точки выборок С6 и С24 достаточно хорошо согласованы с трендом. При росте предиктора СР до уровня 0,8 величина ИЧК выходит «на полку» и достигает значения около 0,8. Поэтому экспоненциальная зависимость ВВП/Д от ИЧК не приведет к чрезмерному росту ВВП/Д согласно тренду.

Таким образом, в данном разделе предложено усовершенствование второго подхода к определению индекса человеческого капитала и показано, как можно измерять ИЧК не только через индексы GHC и HCI, но и через индексы GCI, MYS, ВВП/Д и другие. Сравнение факторов, влияющих на эти индексы, позволяет выявить новые закономерности.

3.3. Когнитивный метод оценки человеческого капитала

Понятие «человеческий капитал» было введено вследствие возникших противоречий при разработке моделей экономической динамики. В сущности, важным результатом этих расчетов являются оценки потока доходов от работы людей. Этот поток доходов удобно оценивать вкладом в ВВП страны. Ясно также, что поток доходов зависит не только от квалификации работников, но и от других факторов, которые важно оценить.

В данном разделе мы сформируем такую модель с использованием когнитивного метода [6], что позволит учесть влияние не только хорошо измеримых факторов, но и тех, которые можно только оценивать по величине. Следуя методике когнитивного моделирования, сформируем основные группы концептов, действующих в данной системе трудовой деятельности и влияющих на рост ВВП, применительно к России [7]. Проведенный анализ показал, что большая часть концептов является экономическими, а остальные относятся к социальным, технологическим и политическим. Список концептов представлен в левом столбце таблицы 8.

Далее выявим связи между концептами и уровень их влияния на другие. Для измерения силы связи использовалась шкала от +1 до –1, она была разбита на квартили (четверти), которые, соответственно, нумеровались цифрами от +4 до –4. На основе этих данных была сформирована нечеткая когнитивная карта (Fuzzy Cognitive Map – FCM) системы трудовой деятельности, представленная в таблице 8.

На основе выявленных связей и при помощи системы поддержки принятия решений «ИГЛА» [9] был проведен анализ матрицы когнитивного диссонанса, которая демонстрирует меру доверия к концептам FCM, показывает, что она характеризуется низким диссонансом со средним значением 26%. Наибольший диссонанс наблюдается по уровню безработицы – 65% и социально-трудовым институтам – 62%, стимулам к образованию – 53%, деловому образованию – 51% и уровню образования персонала – 47%.

На рис. 5 приведен альфа-срез концептов на уровне отсечения 75% для взаимного влияния концептов, причем положительные влияния обозначены сплошными линиями, а отрицательные – пунктиром (концепты, связанные с отрицательным влиянием, выделены курсивом).

Эта схема дает возможность выделить основные узлы прямого влияния на целевой концепт «ВВП на душу населения». Среди основных из них три взаимно-положительных: человеческий капитал, природные ресурсы и производительность труда, а также два взаимно-отрицательных: изношенность основных фондов и межстрановые барьеры. В свою очередь человеческий капитал зависит от уровня образования и социально-трудовых институтов, а производительность труда – от стратегических программ, образования персонала, научно-технического прогресса, инфраструктуры и финансовых институтов.

Данная модель дает возможность динамического моделирования развития системы. В качестве целевого концепта при этом использовался ВВП на душу населения с целевым уровнем – очень высокий (100%). В качестве управляющих параметров были выбраны концепты, которыми можно реально управлять: стратегические программы, инновационная деятельность, деловое образование и расходы на систему ВПО. На первом шаге по условному времени значения одного из концептов получают управляющий импульс и далее происходит изменение всех концептов системы.

На рис. 6 представлена динамика целевого фактора и группы концептов вследствие импульсного увеличения в начальный момент управляющего концепта «Инновационная деятельность» с уровня 20% до 50%.

Видно, что после начального импульса первым начинает расти концепт «стратегические программы». Затем и остальные концепты начинают быстро расти, а затем выходят «на полку», причем инновационная деятельность – на уровень 87%, деловое образование – 70%, а остальные стремятся к 100%. Целевой концепт при таком управляющем воздействии достигает 100% на 14-м шаге. Отметим, что инновационная деятельность влияет, согласно когнитивной карте (таблица 8), только на НТП, а он, в свою очередь, влияет на стратегические программы. Далее уже стратегические программы воздействуют на весь комплекс концептов, включая производительность труда, и приводят к их росту и достижению целевого значения.

На рис. 7 представлено поведение концептов, связанных с производительностью труда, включая человеческий капитал, при том же инновационном управляющем воздействии.

Видно, что наиболее быстро, хотя и медленнее, чем «Стратегические программы», реагирует на управляющее воздействие «Производительность труда», затем «Изношенность основных фондов» и «Инфраструктура».  Далее в рост идет «Уровень образования», а затем «Человеческий капитал». При этом уровня в 100% первым достигает «Уровень образования», а затем «Человеческий капитал». Примерно столь же быстро снижается «Изношенность основных фондов».

На рис. 8 представлена динамика концептов, влияющих на рост ВВП/Д, при увеличении управляющего концепта «Стратегические программы» с 50% до 64%.

Вслед за «Стратегическими программами», обгоняя их, растет «Человеческий капитал», а за ним ВВП/Д. Производительность труда растет относительно медленно, что сдерживается «Изношенностью основных фондов». При управляющем концепте «Стратегические программы» целевое значение ВВП/Д = 100% достигается на 13-м шаге, то есть примерно так же быстро, как под воздействием управляющего концепта «Инновационная деятельность».

В целом результаты динамического анализа социально-экономической системы показывают, что инновационная деятельность и стратегические программы, как управляющие факторы, значительно быстрее влияют на достижение целевым параметром ВВП/Д целевого уровня 100%, чем расходы на систему ВПО или деловое образование.

3.4. Сравнение трех моделей измерения человеческого капитала

Выше были рассмотрены три разные модели человеческого капитала. Эти модели предназначены для определения величины человеческого капитала и генерируемого им ВВП на душу населения. Также они могут использоваться для прогнозирования экономической динамики. Основные особенности моделей представлены в таблице 9.

Эти модели существенно различаются по своей сложности и возможностям оценки человеческого капитала и прогнозирования экономической динамики. Так, модель на основе уровня образования учитывает только образовательный уровень работников, долю работников НИОКР и косвенно влияние внешней среды. Но она позволяет относительно хорошо прогнозировать экономическую динамику на долгосрочный период – с достоверностью, подтвержденной сравнением с прогнозом компании PwC. Достоинством модели является то, что она позволяет определить уровень вклада в ВВП/Д специалистов с различным уровнем образования, а также берет в учет экстернальные эффекты. Важно, что она является эндогенной.

Модель на основе глобальных индексов позволяет определять величину индекса человеческого капитала, как на основе линейной комбинации индексов Global Human Capital и Human Capital Index, так и на основе более широкого спектра глобальных индексов, причем с достаточно низкой погрешностью регрессии – ΔRm² = 5,5%. Выявленное влияние индекса Global Competitiveness Index указывает на то, что влияние внешней среды (коэффициент М_С), которое обнаружено в модели на основе уровня образования, может быть оценено с помощью индекса конкурентоспособности.  Однако методы прогнозирования экономической динамики для данной модели пока не разработаны, хотя могут быть сформированы на основе глобальных индексов, которые определяются ежегодно.

Модель на основе когнитивного моделирования наиболее сложна и учитывает 22 фактора, причем учитывает сложные транзитивные взаимодействия. Но именно поэтому результаты, которые она позволяет получить, являются относительно нечеткими. Тем не менее она позволила обнаружить, что рост ВВП/Д зависит не только от человеческого капитала, но и от износа основных фондов, природных ресурсов и межстрановых барьеров. В других моделях не было возможности исследовать данные факторы, а они оказывают значительное влияние в отдельных случаях. Модель разработана применительно к современной России, для которой эти факторы важны. Также она позволяет приближенно оценить влияние на экономическую динамику в среднесрочной перспективе таких факторов, как стратегические программы и инновационное развитие. Обнаруженное влияние на рост ВВП/Д межстрановых барьеров указывает на еще один действующий фактор, связанный с влиянием внешней среды и конкурентоспособности стран, которое было обнаружено в рамках других моделей.  

Таким образом, разработанные три модели дополняют друг друга в вопросах измерения человеческого капитала и ВВП/Д. Они также позволяют в точках пересечения обнаружить новые эффекты, существенно влияющие на успешность прогнозирования экономической динамики.

4. Обсуждение

Разработанные модели нацелены на одну и ту же задачу оценки величины человеческого капитала и ВВП на душу населения. Однако непосредственная стыковка этих моделей не реализована, что связано с разным количеством учитываемых в них факторов. В будущем важно более тесно состыковать эти модели, в частности когнитивную и основанную на учете глобальных индексов, поскольку они имеют меньшее различие по количеству учитываемых факторов.

Представляется, что можно разработать еще одну модель, нацеленную на оценку величины ВВП на душу населения с использованием широкого спектра глобальных индексов, без формирования модели человеческого капитала. Это позволит более точно определить факторы влияния на ВВП/Д без отвлечения на рассмотрение индекса человеческого капитала, поскольку в такой модели возникает конкуренция целей создания модели.

5. Заключение 

1. Разработан комплекс из трех моделей, позволяющих оценивать влияние различных факторов на величину человеческого капитала (ЧК) и рост ВВП на душу населения (ВВП/Д).
2. Достоинствами модели индикативной диагностики на основе дифференцированного учета образовательного уровня работников является ее приспособленность к долгосрочному прогнозированию экономической динамики, свойство эндогенности, учет вклада эстернальных факторов и достаточно высокая достоверность. Наибольшее влияние на величину человеческого капитала, согласно данной модели, оказывает доля специалистов, имеющих высшее и среднее профессиональное образование.
3. Модель на основе глобальных индексов позволяет оценивать влияние на человеческий капитал и рост ВВП/Д широкого спектра (15) глобальных индексов. Показано, что большое влияние на величину эффективности человеческого капитала оказывает среднее число лет обучения работников и Global Competitiveness Index.
4. Модель на основе когнитивного моделирования отличается возможностью наиболее широкого учета факторов (22), влияющих на рост ЧК и ВВП/Д, причем и таких, которые нельзя точно описать количественно и которые влияют друг на друга транзитивно. Показано, что основными узлами прямого влияния на величину ВВП/Д являются человеческий капитал, природные ресурсы и производительность труда, а также два отрицательных фактора: изношенность основных фондов и межстрановые барьеры. На экономическую динамику наиболее сильно влияют управляющие факторы: стратегические программы и инновационное развитие.
5. Все три модели указывают на то, что на рост ВВП/Д, кроме фактора «человеческий капитал», зависящего от образования, существенное влияние оказывает внешнее окружение, которое в разных моделях проявляется через фактор конкурентоспособности страны или межстрановых барьеров.

Список источников

1. Барро Р. Дж, Сала-и-Мартин Х. Экономический рост. М.: БИНОМ. Лаборатория знаний, 2017. 824 с.
2. Игнатьева Л.П. Факторы, влияющие на здоровье: учебное пособие / Л. П. Игнатьева, М. В. Чирцова, М. О. Потапова; ГБОУ ВПО ИГМУ Минздрава России, Кафедра коммунальной гигиены и гигиены детей и подростков. – Иркутск: ИГМУ, 2014.
3. Индекс развития человеческого потенциала. Гуманитарная энциклопедия: Исследования. Центр гуманитарных технологий. 2018. URL:https://gtmarket.ru/ratings/human-development-index/human-development-index-info
4. Капелюшников Р.И. Сколько стоит человеческий капитал в России? – М., препр. WP3/2012/06, Нац. исслед. ун-т «Высшая школа экономики», М., 2012.
5. Кендрик Дж. Совокупный капитал США и  его формирование. М., Прогресс, 1980.
6. Захарова А.А., Подвесовский А.Г., Исаев Р.А. Нечеткие когнитивные модели в управлении слабоструктурированными социально-экономическими системами // Информационные и математические технологии в науке и управлении. – 2020. – № 4 (20). – С. 5–23. DOI: 10.38028/ESI.2020.20.4.001
7. Мельник М.С., Орехов В.Д., Причина О.С. Моделирование тенденций и закономерностей трудовой деятельности в России: когнитивный подход. М., Юр-ВАК. Проблемы экономики и юридической практики. 2018. № 3. С. 94–101.
8. Орехов В.Д. Прогнозирование развития человечества с учетом фактора знания: Монография. Жуковский: МИМ ЛИНК. – 2015. URL:http://world-evolution.ru/monograph/monography.pdf
9. Подвесовский А.Г., Лагерев Д.Г., Коростелев Д.А. СППР «ИГЛА». (Свидетельство отраслевого фонда алгоритмов и программ Росстата № 50200701348). URL: http://iipo.tu-bryansk.ru/quill/developers.html
10. David P. (2013) Knowledge, Capabilities and Human Capital Formation in Economic Growth //Treasury Working Paper Series from New Zealand Treasury No 01/13
11. Dixon J., Bakkes J., Hamilton К. et al. Expanding the Measure of Wealth Indicators of Environmentally Sustainable Development. Environmentally Sustainable Development. Studies and Monographs, Ser. No 17. Wash., The World Bank, 1997.
12. Hawksworth J., Audino H., Clarry R. (2017). The World in 2050. The long view: how will the global economic order change by 2050? PwC Economics & Policy services. URL: http://www.pwc.com/world2050
13. Helliwell, J., Layard, R., Sachs, J.: World happiness report 2019, New York: Sustainable Development Solutions Network. (2019).
14. Heritage Foundation: 2020 index of economic freedom. URL: https://www.heritage.org/index/pdf/2020/book/index_2020.pdf. Accessed: 27.06.2020. (2020).
15. Jorgenson D.W., Fraumeni B.M. The Accumulation of Human and Nonhuman Capital, 1948–1984 / R.E. Lipsey, H.S. Tice (eds.). The Measurement of Savings, Investment and Wealth. Chicago: The University of Chicago Press, 1989.
16. Kaufmann, D., Kraay, A, Mastruzzi, M.: The worldwide governance indicators: Methodology and analytical issues.
17. Knoema: R&D Expenditure as a share of GDP. (2017). URL: https://knoema.com/atlas/topics/Research-and-Development/RandD-Expenditure/RandD-expenditure-as-a-share-of-GDP.
18. Legatum Institute: The Legatum prosperity index, 2019. URL: https://www.prosperity.com/rankings.
19. Mincer J. (1994) The Production of Human Capital and The Lifecycle of Earnings: Variations on a Theme. – Working Paper of the NBER, No 4838.
20. Orekhov, V.D., Prichina, O.S., Blinnikova, A.V., Panfilova, E.A., Shchennikova, E.S.: Indicative diagnostics of the educational component of human capital based on mathematical modeling. Opción. Año 35, 20, 2337-2365. (2019).
21. Savina, G., Haelg, F., Potrafke, N., Sturm, J.E.: The KOF globalisation index – revisited. Review of International Organizations, 14(3), 543-557. (2019).
22. Schwab, K., World Economic Forum: The global competitiveness report 2019. URL: http://www3.weforum.org/docs/WEF_TheGlobalCompetitivenessReport2019.pdf
23. Schwab, K.: The global human capital report. World Economic Forum. Cologny/Geneva Switzerlan. 2019. URL: WEF_The Global Competitiveness Report2019.pdf
24. Stern, S., Wares, A., Epner, T.: Social progress index methodology report. URL: https://www.socialprogress.org/assets/downloads/resources/2018/2018-Social-Progress-Index-Methodology.pdf.
25. World Bank Group: The changing nature of work. World development report 2019. Washington, DC 20433.
26. Transparency International: Corruption perception index. URL: https://www.transparency.org/en/cpi.
27. UNDP: Human development indexes and indicators: 2018 statistical update. URL: http://hdr.undp.org/sites/default/files/2018_human_development_statistical_update.pdf.

References 

1. Barro R. Dzh, Sala-i-Martin X. E`konomicheskij rost. M.: BINOM. Laboratoriya znanij, 2017. 824 s.
2. Ignat`eva L.P. Faktory`, vliyayushhie na zdorov`e: uchebnoe posobie / L. P. Ignat`eva, M. V. Chirczova, M. O. Potapova; GBOU VPO IGMU Minzdrava Rossii, Kafedra kommunal`noj gigieny` i gigieny` detej i podrostkov. – Irkutsk: IGMU, 2014.
3. Indeks razvitiya chelovecheskogo potenciala. Gumanitarnaya e`nciklopediya: Issledovaniya. Centr gumanitarny`x texnologij. 2018. URL: https://gtmarket.ru/ratings/human-development-index/human-development-index-info
4. Kapelyushnikov R.I. Skol`ko stoit chelovecheskij kapital v Rossii? – M., prepr. WP3/2012/06, Nacz. issled. un-t «Vy`sshaya shkola e`konomiki», M., 2012.
5. Kendrik Dzh. Sovokupny`j kapital SShA i ego formirovanie. M.,  Progress, 1980.
6. Zaxarova A.A., Podvesovskij A.G., Isaev R.A. Nechetkie kognitivny`e modeli v upravlenii slabostrukturirovanny`mi social`no-e`konomicheskimi sistemami // Informacionny`e i matematicheskie texnologii v nauke i upravlenii. – 2020. – № 4 (20). – S. 5–23. DOI: 10.38028/ESI.2020.20.4.001
7. Mel`nik M.S., Orexov V.D., Prichina O.S. Modelirovanie tendencij i zakonomernostej trudovoj deyatel`nosti v Rossii: kognitivny`j podxod. M., Yur-VAK. Problemy` e`konomiki i yuridicheskoj praktiki. 2018. № 3. S. 94–101.
8. Orexov V.D. Prognozirovanie razvitiya chelovechestva s uchetom faktora znaniya: Monografiya. Zhukovskij: MIM LINK. – 2015. URL: http://world-evolution.ru/monograph/monography.pdf
9. Podvesovskij A.G., Lagerev D.G., Korostelev D.A. SPPR «IGLA». (Svidetel`stvo otraslevogo fonda algoritmov i programm Rosstata № 50200701348). 2018. URL: http://iipo.tu-bryansk.ru/quill/developers.html
10. David P. (2013) Knowledge, Capabilities and Human Capital Formation in Economic Growth //Treasury Working Paper Series from New Zealand Treasury No 01/13
11. Dixon J., Bakkes J., Hamilton K. et al. Expanding the Measure of Wealth Indicators of Environmentally Sustainable Development. Environmentally Sustainable Development. Studies and Monographs, Ser. No 17. Wash., The World Bank, 1997.
12. Hawksworth J., Audino H., Clarry R. (2017). The World in 2050. The long view: how will the global economic order change by 2050? PwC Economics & Policy services. URL: http://www.pwc.com/world2050
13. Helliwell, J., Layard, R., Sachs, J.: World happiness report 2019, New York: Sustainable Development Solutions Network. (2019).
14. Heritage Foundation: 2020 index of economic freedom. URL: https://www.heritage.org/index/pdf/2020/book/index_2020.pdf. Accessed: 27.06.2020. (2020).
15. Jorgenson D.W., Fraumeni B.M. The Accumulation of Human and Nonhuman Capital, 1948–1984 / R.E. Lipsey, H.S. Tice (eds.). The Measurement of Savings, Investment and Wealth. Chicago: The University of Chicago Press, 1989.
16. Kaufmann, D., Kraay, A, Mastruzzi, M.: The worldwide governance indicators: Methodology and analytical issues.
17. Knoema: R&D Expenditure as a share of GDP. (2017). URL: https://knoema.com/atlas/topics/Research-and-Development/RandD-Expenditure/RandD-expenditure-as-a-share-of-GDP.
18. Legatum Institute: The Legatum prosperity index, 2019. URL: https://www.prosperity.com/rankings.
19. Mincer J. (1994) The Production of Human Capital and The Lifecycle of Earnings: Variations on a Theme. – Working Paper of the NBER, No 4838.
20. Orekhov, V.D., Prichina, O.S., Blinnikova, A.V., Panfilova, E.A., Shchennikova, E.S.: Indicative diagnostics of the educational component of human capital based on mathematical modeling. Opción. Año 35, 20, 2337-2365. (2019).
21. Savina, G., Haelg, F., Potrafke, N., Sturm, J.E.: The KOF globalisation index – revisited. Review of International Organizations, 14(3), 543-557. (2019).
22. Schwab, K., World Economic Forum: The global competitiveness report 2019. URL: http://www3.weforum.org/docs/WEF_TheGlobalCompetitivenessReport2019.pdf
23. Schwab, K.: The global human capital report. World Economic Forum. Cologny/Geneva Switzerlan. 2019. URL: WEF_The Global Competitiveness Report2019.pdf
24. Stern, S., Wares, A., Epner, T.: Social progress index methodology report. URL: https://www.socialprogress.org/assets/downloads/resources/2018/2018-Social-Progress-Index-Methodology.pdf.
25. World Bank Group: The changing nature of work. World development report 2019. Washington, DC 20433.
26. Transparency International: Corruption perception index. URL: https://www.transparency.org/en/cpi.
27. UNDP: Human development indexes and indicators: 2018 statistical update. URL: http://hdr.undp.org/sites/default/files/2018_human_development_statistical_update.pdf.

Для цитирования: Орехов В.Д., Каранашев А.Х. Разработка комплекса из трех моделей человеческого капитала для оценки экономической динамики // Московский экономический журнал. 2021. № 8. URL: https://qje.su/ekonomicheskaya-teoriya/moskovskij-ekonomicheskij-zhurnal-8-2021-3/ 

© Орехов В.Д., Каранашев А.Х., 2021. Московский экономический журнал, 2021, № 8.

 

Научная статья

Original article

УДК 339

doi: 10.24412/2413-046Х-2021-10450

МЕТОДИКА ПРОВЕРКИ БУХГАЛТЕРСКОЙ (БЮДЖЕТНОЙ) ОТЧЕТНОСТИ 

ACCOUNTING (BUDGET) VERIFICATION METHODOLOGY REPORTING

Булычев Дмитрий Владимирович, преподаватель, ФКОУ ВО “Академия права и управления Федеральной службы исполнения наказаний”, город Рязань, E-mail: bulychevd@mail.ru

Bulychev Dmitry Vladimirovich, teacher, FKOU VO “Academy of Law and Management of the Federal Penitentiary Service”, Ryazan, E-mail: bulychevd@mail.ru

Аннотация. При проведении проверки финансово-хозяйственной деятельности учреждений одной из целей являются проверка показателей годовой отчетности по виду бюджета. Информация должна содержать достоверную информацию о деятельности учреждения. Целью проверки является установление достоверности годового отчета, подтверждающего соблюдение единого порядка подготовки и представления бюджетного отчета, исполнения бюджетной структуры информации и содержания информационных форм и регламентов, установленных требованиями.

Abstract. When conducting an audit of the financial and economic activities of institutions, one of the goals is to check the annual reporting indicators by budget type. The information must contain reliable information about the activities of the institution. The purpose of the audit is to establish the reliability of the annual report, confirming compliance with the unified procedure for preparing and submitting the budget report, the implementation of the budget structure of information and the content of information forms and regulations established by the requirements.

Ключевые слова: проверка; формы бюджетной отчетности; методы; показатели отчетности

Keywords: audit; budget reporting forms; methods; reporting indicators

Во время проверки используется сплошной или выборочный метод проверки. В рамках внешней проверки обычно используется выборочный метод. Сплошной метод проверки используется в исходящем контрольном событии для отдельных операций.

Информационной базой для внешней проверки являются материалы (документы, информация), представленные объектом контроля, а также полученные по запросу из внешних источников, а именно:

• годовой бухгалтерский учет (баланс) проверяемого учреждения;
• акт инвентаризации, который был проведен до заполнения форм годовой отчетности;
• бухгалтерские записи (бюджет), созданные в течение периода проверки (счета и / или другие записи бюджетного учета);
• реестр государственных (муниципальных) контрактов);
• реестр договоров, заключенных без заключения государственных (муниципальных) контрактов);
• реестр расходных обязательств;
• информация о проведенных мероприятиях по внешнему контролю, количестве выявленных нарушений и недостатков и мерах, принятых для их устранения;
• уведомления о расчетах между бюджетами;
• другая информация, необходимая для контрольного события.

Для начала проверки требуются все документы, необходимые для ее проведения. Затем они анализируют данные, отраженные в документах и отчетных формах. Проводя документальную проверку, аудиторы могут быть прерваны и фактически проверить интересующую их проблему.

Контрольные процедуры, проводимые в связи с проверкой годового бюджета, можно разделить на несколько этапов:

1. Проверка соответствия заполненных форм годовой бухгалтерской отчетности (баланса) нормативным актам, регламентирующим порядок ведения бюджетного учета и составления бухгалтерской отчетности (баланса) (по полноте и форме).

Цель процедуры подтверждения соответствия единому порядку составления и представления бухгалтерской (балансовой) отчетности, требованиям к содержанию бухгалтерской (балансовой) отчетности и формам отчетности.

2. Убедитесь, что показатели форм отчетности соответствуют сальдо и обороту счетов, указанных в главной книге.

Цель данного этапа контрольных процедур – проверка достоверности бюджетных показателей путем сопоставления отчетных показателей с общими данными бухгалтерского учета.

В ходе проведенных проверок:

• сравнение показателей модуля бюджетной отчетности и данных главной книги;
• сумма поворачивается в соответствии с Общим учетом.[1]

В ходе проведения контрольных мероприятий устанавливаются факты искажения показателей деятельности учреждения. Искажение в бухгалтерском учете и учете (бюджете) указывает на неправильное отражение и представление данных бухгалтерского учета и учета (бюджета).

Различают умышленное и непреднамеренное искажение бухгалтерской (балансовой) отчетности. Умышленное искажение данных бухгалтерского учета (баланса) отчетности является результатом умышленных действий (или бездействия) работников учреждения, такие действия совершаются с целью получения прибыли с целью введения в заблуждение пользователей отчетности. Недобровольное искажение данных бухгалтерского учета и бухгалтерской отчетности (баланса) является результатом непреднамеренных действий (или бездействия) работников учреждения. Это может быть следствием арифметических или логических ошибок в бухгалтерском учете, ошибок в расчетах, неправильного отражения в бухгалтерском учете фактов хозяйственной деятельности, неправильной оценки наличия и состояния имущества.

Независимо от того, совершено нарушение при заполнении отчетных форм умышленно или нет, виновным в совершении уголовных правонарушений грозит административная ответственность.

Так в соответствии со ст. 15.15.6 КоАП РФ непредставление или представление с нарушением сроков, установленных бюджетным законом и иными нормативными актами, регулирующими правоотношения по бухгалтерской отчетности , бухгалтерскому балансу, либо подготовка и представление с нарушением требований информации (документов), необходимой для подготовки и рассмотрения проекта бюджета бюджетной системы Российской Федерации, исполнения бюджетов бюджетной системы Российской Федерации, требует привлечения должностных лиц к административной ответственности, от 10 000 до 30 000 рублей. [2]

Проверка балансов бюджетных средств оформляется отдельным документом (актом, справкой, заключением). В заключении (Акте, справке) выражается мнение о наличии, а не о достоверности бюджетных ведомостей или отказываются выражать мнение о достоверности бюджетных ведомостей. Если достоверных данных нет, укажите причины и следствия, которые привели к достоверности бюджетных ведомостей. Отказ в выражении мнения о достоверности бюджета осуществляется в случаях непредставления данных, необходимых для подтверждения достоверности бюджета (неисполнение бюджетных форм, отсутствие необходимых показателей в форме взаимоувязанным показателей другой формы отчетности и т.д.).

В случае возникновения отклонений анализируются причины и условия, повлиявшие на такие расхождения.

Список источников

1. Об утверждении Инструкции о порядке составления и представления годовой, квартальной и месячной отчетности об исполнении бюджетов бюджетной системы Российской Федерации (утверждено Приказом Минфина России от 28 декабря 2010 г. № 191н); [Электронный ресурс] // СПС «Гарант» – режим доступа: https://base.garant.ru/12181732/
2. Кодекс Российской Федерации об административных правонаруше-ниях : Федер. закон от 30 дек. 2001 г. № 195-ФЗ : принят Гос. Думой 20 дек. 2001 г. : одобрен Советом Федерации 26 дек. 2001 г. : [ред. от 2 авг. 2019 г.] // Собрание законодательства Российской Федерации. — 2002.

References

1. Ob utverzhdenii Instrukcii o poryadke sostavleniya i predstavleniya godovoj, kvartal`noj i mesyachnoj otchetnosti ob ispolnenii byudzhetov byudzhetnoj sistemy` Rossijskoj Federacii (utverzhdeno Prikazom Minfina Rossii ot 28 dekabrya 2010 g. № 191n); [E`lektronny`j resurs] // SPS «Garant» – rezhim dostupa: https://base.garant.ru/12181732/
2. Kodeks Rossijskoj Federacii ob administrativny`x pravonarushe-niyax : Feder. zakon ot 30 dek. 2001 g. № 195-FZ : prinyat Gos. Dumoj 20 dek. 2001 g. : odobren Sovetom Federacii 26 dek. 2001 g. : [red. ot 2 avg. 2019 g.] // Sobranie zakonodatel`stva Rossijskoj Federacii. — 2002.

Для цитирования: Булычев Д.В. Методика проверки бухгалтерской (бюджетной) отчетности // Московский экономический журнал. 2021. № 8. URL: https://qje.su/ekonomicheskaya-teoriya/moskovskij-ekonomicheskij-zhurnal-8-2021-2/ 

© Булычев Д.В., 2021. Московский экономический журнал, 2021, № 8.

Научная статья

Original article

УДК 528.88

doi: 10.24412/2413-046Х-2021-10449 

ДИСТАНЦИОННЫЕ МЕТОДЫ ВЫЯВЛЕНИЯ ПРОЦЕССОВ ДЕГРАДАЦИИ ПОЧВЕННОГО ПОКРОВА

REMOTE SENSING METHODS FOR DETECTING SOIL DEGRADATION PROCESSES

Мезенцева Ольга Варфоломеевна, доктор географических наук, академик РАЕ, ФГБОУ ВО «Омский государственный педагогический университет», Омск

Бевз Виктория Владимировна, аспирант, ФГБОУ ВО «Омский государственный педагогический университет», Омск

Mezentseva Olga Varfolomeevna, Doctor of geographical Sciences, academician of The Russian Academy of Natural History, Omsk State Pedagogical University, Omsk

Bevz Victoria Vladimirovna, Postgraduate student, Omsk State Pedagogical University, Omsk

Аннотация. Во всех странах мира антропогенная деятельность негативно повлияла на состояние земель и их плодородие и привела к деградации почвенного покрова. В данной статье произведен анализ использования материалов дистанционного зондирования Земли для обнаружения и мониторинга участков почвенного покрова, подвергшихся деградации. Рассмотрены комбинированные индексы, применяемые при изучении состояния почв. Приведен пример применения данных дистанционного зондирования Земли для исследования деградации почвенного покрова на сельскохозяйственных угодьях Акмолинской области Республики Казахстан с использованием разновременных космических снимков со спутников Landsat-5 и Landsat-7.      

Abstract. In all countries of the world, anthropogenic activities have negatively affected the state of lands and their fertility and led to the degradation of the soil cover. This article analyzes the use of Earth remote sensing materials for monitoring degraded soil cover areas. The combined indices used in the study of the state of soils are considered. An example of the use of remote sensing of the Earth for the study of agricultural land in the Republic of Kazakhstan using satellite images Landsat-5 and Landsat-7 is given.

Ключевые слова: дистанционное зондирование, космические снимки, деградация почв, почвенный покров

Key words: remote sensing, satellite images, soil degradation, soil cover

Деградация почвенного покрова – серьезная экологическая проблема, особенно в регионах, имеющих сельскохозяйственный профиль развития экономики. Разработка и реализация мер по борьбе с процессами деградации почв требует тщательного изучения степени деградации, площадей ее проявления. Процесс исследования почвенной деградации осложняется ее зависимостью от нескольких переменных, таких как плодородие почвы, климат, топография и деятельность человека [1]. Выявление участков почвы, подвергшихся деградации, и факторов, которые оказывают наибольшее отрицательное воздействие на почвенный покров – является одной из важных задач ученых-экологов во всем мире.

Развитие информационных технологий, появление космических снимков высокого и сверхвысокого разрешения, разработка усовершенствованных моделей геодезического оборудования привели к качественным изменениям методов оценки деградации почв [2]. В связи с этим в последнее время методы дистанционного зондирования Земли и геоинформационные технологии стали ведущими методами оценки деградации почвенного покрова.

Целью данного исследования является анализ использования материалов дистанционного зондирования Земли для выявления процессов деградации почв.

В настоящее время существует несколько десятков спутников дистанционного зондирования Земли с высоким пространственным разрешением (от 30 см до 15 м). Для изучения процессов деградации почвенного покрова чаще всего используются оптические спутниковые системы Landsat, Sentinel, SPOT, WorldView. Данные, полученные со спутников Landsat, являются самыми популярными, поскольку этот проект представляет собой самый продолжительный непрерывный сбор космических данных дистанционного зондирования земли среднего разрешения [3].

Вопросами определения процессов почвенной деградации по спутниковым данным занимались такие исследователи, как Lui W.T., Kogan F.N., Reed B.C., Krause K., Добрынин Д.В., Зборишук Ю.Н., Кравцова В.И., Ильенко Т.В.

Проанализировав исследования отечественных и зарубежных ученых, приходим к выводу, что данные дистанционного зондирования Земли являются важным источником информации для картирования, мониторинга и прогнозирования процессов деградации почвы, так как имеют ряд преимуществ. С помощью космических снимков можно оперативно получить информацию о развитии почвенной деградации, провести наблюдение в определенный момент или отследить ее динамику за определенный промежуток времени [4].

Дистанционные методы изучения почвенного покрова обеспечивают возможность исследования деградации почв в труднодоступной местности, при отсутствии возможности применения полевых методов.

Проанализировав космические снимки, можно получить информацию о факторах, влияющих на развитие процессов деградации почв, таких как рельеф, тип почв, тип растительности, формы землепользования.

Большинство дистанционных методов изучения деградации почв основано на определении индексов, являющихся дробно-линейными комбинациями спектральных каналов в видимом, ближнем инфракрасном и инфракрасном диапазонах спектра.

Спектральные индексы подстилающей поверхности, такие как Нормализованный дифференцированный вегетационный индекс (NDVI) и Нормализованный разностный индекс снега (NDSI), применение метода преобразования Tasseled Cap (TCT), а также Линейного спектрального анализа несмешивания (LSMA) часто используется для оценки деградации почвы, изменения ее свойств [5].

Изменение цвета, структуры почвенного покрова на космических снимках также могут быть показателем их деградации. Цвет – важный параметр, характеризующий состояние почвы. Спектральные характеристики почв зависят от их состава и влажности. К примеру, почвы, подверженные деградации, имеют меньшее содержание гумуса и более светлый оттенок.

Спектральный коэффициент отражения почвы, зависит от содержания оксидов железа и соединений углерода. Низкая отражательная способность почв обычно ассоциируется с низкой степенью деградации (наличие оксидов железа, отсутствие карбонатов) [6].

Индекс спектральной яркости позволяет отличить растительность от непокрытой почвы, в следствие чего, он широко используется как индикатор деградации почвы. Низкий уровень индекса яркости объясняется растительным покровом, а высокий уровень – непокрытой поверхностью [7].

В ходе изучения предлагаемых методов, было выявлено, что алгоритм оценки участков почвы, подверженных деградации состоит из следующих этапов:

1. выявление факторов, способствующих деградации почвенного покрова на исследуемой территории;
2. подбор материалов дистанционного зондирования Земли на исследуемой территории, их анализ, обработка и обнаружение процессов деградации почв;
3. изучение динамики процессов почвенной деградации по сериям спутниковых снимков;
4. сопоставление полученной информации ​​со старыми топографическими картами;
5. создание тематических картографических материалов;
6. прогнозирование развития процессов деградации;
7. разработка мероприятий по борьбе с деградацией почвенного покрова на исследуемой территории.

В качестве примера применения данных дистанционного зондирования Земли для исследования деградации почвенного покрова рассмотрим выявление эрозионных процессов на сельскохозяйственных угодьях Акмолинской области Республики Казахстан с использованием разновременных космических снимков со спутников Landsat-5 и Landsat-7.

На снимках за 1995, 2005 и 2020 гг. (Рис. 1) мы можем наблюдать динамику эрозионных процессов как одну из форм проявления деградации почв.

Выявление эродированных участков было достигнуто путем применения эмпирических уравнений: универсальное уравнение потерь почвы, пересмотренное универсальное уравнение потерь почвы и т.д. Визуальное дешифрование производилось последовательно и состояло из идентификации, классификации, интерпретации результатов.

Анализ пригодности данных дистанционного зондирования Земли для определения территорий с деградацией почв, мониторинга, оценки воздействия человека на почву показывает возможность использования серий мультиспектральных изображений для решения указанного круга задач.

Спутниковая съемка позволяет быстро и своевременно фиксировать наличие и интенсивность процессов деградации почв, прогнозировать их влияние на рельеф, содержание гумуса, продуктивность сельскохозяйственных угодий.

Список источников

1. Добровольский Г.В. Деградация и охрана почв. – М.: Изд. Московского университета, 2002. – 651 с.
2. Лабутина И.А. Дешифрирование аэрокосмических снимков. – М.: Аспект Пресс, 2004. – C.98-99.
3. Ермолаев О.П., Медведева Р.А., Платончева Е.В. Методические подходы к мониторингу процессов эрозии на сельскохозяйственных землях Европейской части России с помощью материалов космических съемок // Учен. зап. Казан. ун-та. Сер. Естеств. науки. – 2017. – Т. 159, кн. 4. – С. 668–680.
4. Reed B.C. Using remote sensing and Geographic Information Systems for analyzing landscape/drought interaction. International Journal of Remote Sensing, 14, 1993, p.p. 3489 – 3503.
5. Kogan, F.N. 1987: Vegetation index for areal analysis of crop conditions. Preprints, Proc.18th Conf. Of Agricaltural and Forest Meteorology, West Lafayette, IN, Amer. Meteor. Soc., p.103-107.
6. Carlson T.N., Gillies R.R., Perry E.M. A method to make use of thermal infrared temperatures and NDVI measurements to infer soil water content and fractional vegetation cover. Remote Sensing Reviews, 1994, № 9, p.p.161 – 173.
7. Виноградов Б.В. Дистанционное измерение фитомассы. // Исследование Земли из космоса. – 1982. – №5. с. 36 – 45.

References

1. Dobrovol`skij G.V. Degradaciya i oxrana pochv. – M.: Izd. Moskovskogo universiteta, 2002. – 651 s.
2. Labutina I.A. Deshifrirovanie ae`rokosmicheskix snimkov. – M.: Aspekt Press, 2004. – C.98-99.
3. Ermolaev O.P., Medvedeva R.A., Platoncheva E.V. Metodicheskie podxody` k monitoringu processov e`rozii na sel`skoxozyajstvenny`x zemlyax Evropejskoj chasti Rossii s pomoshh`yu materialov kosmicheskix s“emok // Uchen. zap. Kazan. un-ta. Ser. Estestv. nauki. – 2017. – T. 159, kn. 4. – S. 668–680.
4. Reed B.C. Using remote sensing and Geographic Information Systems for analyzing landscape/drought interaction. International Journal of Remote Sensing, 14, 1993, p.p. 3489 – 3503.
5. Kogan, F.N. 1987: Vegetation index for areal analysis of crop conditions. Preprints, Proc.18th Conf. Of Agricaltural and Forest Meteorology, West Lafayette, IN, Amer. Meteor. Soc., p.103-107.
6. Carlson T.N., Gillies R.R., Perry E.M. A method to make use of thermal infrared temperatures and NDVI measurements to infer soil water content and fractional vegetation cover. Remote Sensing Reviews, 1994, № 9, p.p.161 – 173.
7. Vinogradov B.V. Distancionnoe izmerenie fitomassy`. // Issledovanie Zemli iz kosmosa. – 1982. – №5. s. 36 – 45.

Для цитирования: Мезенцева О.В., Бевз В.В. Дистанционные методы выявления процессов деградации почвенного покрова // Московский экономический журнал. 2021. № 8. URL: https://qje.su/nauki-o-zemle/moskovskij-ekonomicheskij-zhurnal-8-2021/

© Мезенцева О.В., Бевз В.В., 2021. Московский экономический журнал, 2021, № 8.

УДК 332: 631

DOI 10.24412/2413-046Х-2021-10448

АНАЛИЗ И ПЕРСПЕКТИВЫ РАЗВИТИЯ ЧАЙНОЙ ОТРАСЛИ РОССИИ В УСЛОВИЯХ ЦИФРОВИЗАЦИИ СЕЛЬСКОГО ХОЗЯЙСТВА 

ANALYSIS AND PROSPECTS FOR THE DEVELOPMENT OF THE RUSSIAN TEA INDUSTRY IN THE CONTEXT OF DIGITALIZATION OF AGRICULTURE

Пэн Юньлун, аспирант (соискатель) кафедры землеустройства ФГБОУ ВО Государственного университета по землеустройству, -mail: t_papaskiri@mail.ru 

Шунин Илья Анатольевич, аспирант (соискатель) кафедры землеустройства ФГБОУ ВО Государственного университета по землеустройству, E-mail: shunin_ilya@mail.ru

Дронина Дарья Александровна, ФГБОУ ВО Государственного университета по землеустройству, E-mail: Droninadarya@yandex.ru

Воробьева Татьяна Андреевна, ФГБОУ ВО Государственного университета по землеустройству, E-mail: Tanya.vorobyeva135@gmail.com

Peng Yunlong

Shunin Ilia Anatolievich

Dronina Darya Aleksandrovna

Vorobyova Tatyana Andreevna

Аннотация. В статье приводиться анализ развития чайной отрасли в России. Рассмотрены вопросы повышения эффективности использования земель сельскохозяйственного назначения, в контексте развития чайной отрасли в условиях цифровизации сельского хозяйства. В статье сделаны важные выводы о том, что развитие цифровых технологий и их применение для решения поставленных задач землеустройства будут способствовать развитию чайной отрасли в России. В работе представлен и проанализирован статистический фактографический и фотографический материал из открытых источников. На основе анализа сделаны прогнозы развития отрасли. 

Summary. The article provides an analysis of the development of the tea industry in Russia. The issues of increasing the efficiency of agricultural land use in the context of the development of the tea industry in the conditions of digitalization of agriculture are considered. The article draws important conclusions that the development of digital technologies and their application to solve the tasks of land management will contribute to the development of the tea industry in Russia. The paper presents and analyzes statistical cartographic and photographic material from open sources. Based on the analysis, forecasts of the development of the industry are made. 

Ключевые слова: чайная отрасль, рациональное использование и охрана земель, землеустройство, цифровое землеустройство, цифровое сельское хозяйство, землепользование, управление земельными ресурсами, земли сельскохозяйственного назначения, самообеспеченность, плантации чая, ГИС, БПЛА.

Keywords: tea industry, rational use and protection of land, land management, digital land management, digital agriculture, land use, land management, agricultural land, self-sufficiency, tea plantations, GIS, unmanned aerial vehicle (UAV).

Проблемы сельского хозяйства России вызваны несовершенством земельного законодательства и неконкретной земельной политикой проводимой в стране. Этому вопросу посвящены много работ. Выделим некоторые из них [1-5, 8-10, 14-15, 18, 20, 22-26, 28, 30-35].

Восстановление и развитие чайной отрасли является актуальным вопросом и одной из приоритетных задач в стратегическом развитии сельского хозяйства России.

Несмотря на то, что последние десятилетия чайная отрасль, как и многие другие, находилась в состоянии стагнации и переживала явный спад, потенциал для развития очевиден и подтверждается многочисленными публикациями и исследованиями, среди которых можно выделить следующие [1-5, 9, 14-16, 21, 27 – 29, 32]. На рисунке 1 показано состояние отрасли в динамике с 2016 по 2021 годы, основанное на данных Росстата, прослеживается явная тенденция к росту по всем направлениям.

При этом надо отметить, что преимущественно цифры производства чая основаны на импортном сырье. Более половины российского чая произведено не из местного сырья.

Такая ситуация должна исправляться за счет вовлечения новых территорий и повышения эффективности использования существующих плантаций. [8-10, 21, 29, 33]

Для этого необходимо использовать новые технологии, основанные на ГИС, применении данных дистанционного зондирования (с помощью БПЛА, аэрофотосъемки и космоснимков высокого разрешения). Этой новации посвящено множество публикаций, из которых выделим следующие [6-9, 12-20, 22, 29-35].

На рисунках 2-4 показаны фрагменты результатов дистанционного зондирования территорий чайных плантаций для целей мониторинга их состояния. На рисунке 2 и 4 отчетливо видны участки, требующие с проплешинами, требующие ремонта и восстановления плантаций.

Для мониторинга состояния чайных плантаций и выявления подходящих участков для их размещения целесообразно использовать БПЛА (рис. 5). Такой подход дает возможность не только оперативно в режиме реального времени отследить состояние существующих плантаций, но и подобрать по набору факторов и условий потенциальные территории для размещения новых. При этом существует возможность построения цифровых моделей проектируемых участков (рис. 5, 6, 7) [6-9, 12-20, 22, 29-35].

Применение новых технологий позволит в короткие сроки подобрать новые участки для размещения новых плантаций, потребность в которых достаточно велика. Об этом говорит динамика роста самообеспеченности, потребления и спроса на чайную продукцию, как в России, так и в мире (рис.8).

Повышение эффективности использования существующих плантаций должно осуществляться за счет применения минеральных удобрений, ввода систем регулируемого орошения, применения систем мониторинга с использованием коэффициентов NDVI, для точного управляемого и адресного влияния на процессы вегетации и ухода за плантацией.

Согласно прогнозам всемирной организации продовольствия ФАО, на ближайшую перспективу глобальное производство черного чая будет расти в среднем на 2,2% в год и превысит 4,4 млн тонн к 2027 году, а рост производства зеленого чая в мире будет выше и составит в среднем 7,5%, достигнув 3,65 млн тонн к 2027 году.

Место России в этом прогнозе пока не велико. Но потенциал для роста есть, необходимо его использовать.

Список использованных источников

1. О состоянии сельских территорий в Российской Федерации в 2016 году. Ежегодный доклад по результатам мониторинга: науч. изд. – М.: ФГБНУ «Росинформагротех», 2018, вып. 4 – 328 с.
2. Агроэкологическая оценка, проектирование адаптивно-ландшафтных земледелия и агротехнологии: Методическое руководство. М.:ФГНУ «Росинформагротех», 2005, В.И. Кирюшина, акад. А.Л. Иванова.
3. Актуальные проблемы обеспечения современного землеустройства: материалы международного научно-практического форума, посвящённого 95-летию основания факультета и кафедры землеустройства Государственного университета по землеустройству // сост. и отв. ред. Т.В. Папаскири // -М.: ГУЗ, 2014. -832 с.
4. Волков, С. Н. Земельная политика и управление земельными ресурсами в Китае : Учебно-научное издание / С. Н. Волков. – Москва : Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Государственный университет по землеустройству, 2019. – 424 с. – ISBN 9785921504363.
5. Волков, С.Н. Проблемы территориального планирования в Российской Федерации на современном этапе [Текст] / С. Н. Волков // Землеустройство, кадастр и мониторинг земель. ‑ 2006. – №3. – С. 10-14.
6. Геоинформационные системы и технологии автоматизированного проектирования в землеустройстве [Текст]: Учебно-метод. пособие / Т.В. Папаскири. – 4-е изд., перераб. и доп. – М.: Новые печатные технологии, 2013. – 249 с.
7. Геоинформационные системы и технологии автоматизированного проектирования в землеустройстве : учебно-методическое пособие для выполнения лабораторных работ и дипломных проектов ГУЗ / Т. В. Папаскири. – Москва : Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Государственный университет по землеустройству, 2003. – 180 с. – ISBN 5921500895
8. Земельная политика Российской Федерации под угрозой новой редакции закона «о землеустройстве» (мнение экспертов) [Текст]// Папаскири Т.В., Черкашина Е.В., Петрова Л.Е. и др. // ж-л: Землеустройство, кадастр и мониторинг земель.- М.: ИД «Панорама», Изд-во «Афина», – 2019. -№4 – стр.11-36.
9. Землеустроительное обеспечение реализации государственных программ и приоритетных национальных проектов по развитию АПК и других отраслей экономики: монография / Под общ. ред. С.Н. Волкова. -М.: Изд-во ФГБОУ ВО ГУЗ, 2017. -568 с.
10. Землеустройство как основной механизм ввода в оборот не используемых земель сельскохозяйственного назначения // Папаскири Т.В., Ананичева Е.П., Фомкин И.В., Пэн Юньлун // [Текст]: Московский экономический журнал, 2/2017, 12с., электронный журнал, http://qje.su/selskoe-hozyajstvo/moskovskij-ekonomicheskij-zhurnal-2-2017-11/
11. Корпоративное управление: подходы и методы оценки недвижимого имущества : Практика их применения / Ю. А. Цыпкин, Н. В. Комов, С. А. Шарипов [и др.]. – Москва : Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Государственный университет по землеустройству, 2020. – 148 с. – (Управление проектами устойчивого пространственного развития ).
12. Критерии оценки эффективности землеустроительного проектирования и землеустройства на основе автоматизации / Т. В. Папаскири // Государственный аудит. Право. Экономика. – 2015. – № 1. – С. 88-95.
13. Методы формирования систем автоматизированного землеустроительного проектирования [Текст] / Т.В. Папаскири // Вестник Российского университета дружбы народов. Серия: Агрономия и животноводство. 2015. № 2. С. 25-33.
14. Организационно-экономический механизм формирования системы автоматизированного проектирования в землеустройстве: диссертация … доктора экономических наук [Текст] / Т.В. Папаскири //: 08.00.05 — Москва, [Место защиты: ФГБОУ ВО Государственный университет по землеустройству], 2016. — 399с., ил.
15. О концепции цифрового землеустройства [Текст] / Т.В. Папаскири // Ж-л: Землеустройство, кадастр и мониторинг земель.- М.: ИД «Панорама», Изд-во «Афина», – 2018.-№11 – С.5-11
16. Папаскири, Т. В. Аспекты цифрового землеустройства / Т. В. Папаскири // Землеустройство, геодезия и кадастр: прошлое – настоящее – будущее : Сборник научных статей по материалам Международной научно-практической конференции, посвященной 95-летию землеустроительного факультета, Горки, 25–27 сентября 2019 года / Редколлегия: А.В. Колмыков (гл. ред.) [и др.]. – Горки: Белорусская государственная сельскохозяйственная академия, 2020. – С. 101-122.
17. Папаскири Т.В. Геоинформационные системы и технологии автоматизированного проектирования в землеустройстве. Учебно-методическое пособие (3-е издание, переработанное и дополненное)– М.: Изд-во «Новые печатные технологии», 2011.– 226 C.
18. Папаскири, Т.В. Землеустроительное проектирование и землеустройство на основе автоматизации: проблемы и решения //Землеустройство, кадастр и мониторинг земель.- М.: ИД «Панорама», Изд-во «Афина», – 2015.-№8. – С.10-15
19. Папаскири Т. В. Технологии САПР и ГИС в землеустроительном проектировании // Землеустройство, кадастр и мониторинг земель. 2005. № 2. С. 27-30.
20. Разработка Федеральной целевой программы “по созданию системы автоматизированного землеустроительного проектирования (САЗПР) и пакета прикладных программ (ППП) на выполнение первоочередных видов землеустроительных и смежных работ на территорию Российской Федерации” / Т. В. Папаскири // Землеустройство, кадастр и мониторинг земель. – 2014. – № 4(112). – С. 14-25.
21. Рындин, А. В. Перспективы развития субтропического садоводства на Юге России / А. В. Рындин // Плодоводство и ягодоводство России. – 2011. – Т. 27. – С. 187-197.
22. Создание системы автоматизированного землеустроительного проектирования и пакета прикладных программ на выполнение первоочередных видов землеустроительных и смежных работ на территорию Российской Федерации : федеральная целевая программа (Проект) / Т. В. Папаскири. – 2-е издание, переработанное и дополненное. – Москва : Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Государственный университет по землеустройству, 2014. – 40 с. – ISBN 9785905742729.
23. Теория и практика разграничения земель по формам собственности на территории поселений: (монография) / Т. В. Папаскири, О. В. Шутова // под ред. Папаскири Т.В.// М.: «Издательский Дом ФОРУМ», 2005. – 152 с. 
24. Управление проектами пространственного развития: учебное пособие // Алтухов А.И., Баутин В.М., Близнюкова Т.В. и др. // [Текст] //Учебное пособие / Под общ. ред. акад. РАН Комова Н.В., проф. Цыпкина Ю.А., проф. Носова С.И.; отв. за выпуск проф. Ликефет А.Л. – М.: ИП Осьминина Е.О., 2020. – 540 с.: ил.
25. Федеральный закон “О землеустройстве” : Проект / С. Н. Волков, В. Н. Хлыстун, Н. В. Комов [и др.]. – Москва : Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Государственный университет по землеустройству, 2020. – 144 с.
26. Хлыстун, В. Н. О принципах и содержании проекта нового закона “о землеустройстве” / В. Н. Хлыстун, В. Н. Семочкин, Т. В. Папаскири // Экономика сельскохозяйственных и перерабатывающих предприятий. – 2019. – № 9. – С. 52-56. – DOI 10.31442/0235-2494-2019-0-9-52-56.
27. ЧАЙ: мнение эксперта. // Рамаз Чантурия // обзор ВЭД. – 2021. -03 августа., – 28 с. https://mcx.gov.ru/upload/iblock/b7c/b7cb84e866d69ab92d 476a6ba0be0c08.pdf
28. Шагайда Н.И., Фомин А.А. Совершенствование земельной политики в Российской Федерации // Московский экономический журнал. 2017. № 3. С. 71.
29. Экономика и землеустройство чайной отрасли Китая / Т. В. Папаскири, Ю. Пэн. – Москва : Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Государственный университет по землеустройству, 2018. – 299 с.
30. Land-property and land-resource information obtained as a result of land management / S. N. Volkov, T. V. Papaskiri, N. N. Alekseenko [et al.] // IOP Conference Series: Earth and Environmental Science, Moscow, 10 марта 2020 года. – Moscow, 2020. – P. 012132. – DOI 10.1088/1755-1315/579/1/012132.
31. Lidin K.L., Meerovich M.G., Bulgakova E.A., Vershinin V.V., Papaskiri T.V. Applying the theory of informational flows in urbanism for a practical experiment in architecture and land use. [Текст] //  Espacios. 2018. Т. 39. № 1. С. 12.
32. Methods of land management when locating tea plantations / T. V. Papaskiri, Yu. Peng, A. E. Kasyanov [et al.] // IOP Conference Series: Earth and Environmental Science : 2019th International Symposium on Earth Sciences: History, Contemporary Issues and Prospects, Moscow, 28 марта 2019 года. – Moscow: Institute of Physics Publishing, 2019. – P. 012067. – DOI 10.1088/1755-1315/350/1/012067.
33. Papaskiri, T. On creating digital land management in the framework of the program on digital economy of the Russian Federation / T. Papaskiri, A. Kasyanov, E. Ananicheva // IOP Conference Series: Earth and Environmental Science, Moscow, 24–25 октября 2018 года. – Moscow: Institute of Physics Publishing, 2019. – P. 012092. – DOI 10.1088/1755-1315/274/1/012092.
34. Digital land management / T. V. Papaskiri, A. E. Kasyanov, N. N. Alekseenko [et al.] // IOP Conference Series: Earth and Environmental Science : 2019th International Symposium on Earth Sciences: History, Contemporary Issues and Prospects, Moscow, 28 марта 2019 года. – Moscow: Institute of Physics Publishing, 2019. – P. 012065. – DOI 10.1088/1755-1315/350/1/012065
35. T V Papaskiri, A E Kasyanov, N N Alekseenko, V N Semochkin, E P Ananicheva and I V Volkov. Modern technologies of digital land management // IOP Conf. Series: Earth and Environmental Science 350 (2019) 012066 // 7p., doi:10.1088/1755-1315/350/1/012066 https://iopscience.iop.org/1755-1315/350/1/012066/pdf/EES_350_1_012066.pdf