CC BY
18
Источники
1. Биоклиматический потенциал России: продуктивность и рациональное размещение сельскохозяйственных культур в условиях изменения климата / Под ред. А.В. Гордеева. М., 2012.
2. Светлов Н.М., Оболенцев И.А. Математические методы в анализе продовольственной безопасности: вопросы методологии // Развитие АПК в контексте обеспечения продовольственной безопасности / Под ред. В.Г. Гусакова. - Минск: Институт системных исследований, 2010. - с. 206-213.
3. Светлов Н.М., Сиптиц С.О., Романенко И.А. Как улучшить размещение отраслей сельско-
го хозяйства России // АПК: экономика, управление. 2018. №3. С.13-19.
4. Отчёт о НИР по теме «Разработать базы данных региональных агропродовольственных систем, содержащие инструментарий для оценки их эффективности и устойчивости» / ВИАПИ; Рук. темы С.О. Сиптиц. М., 2015.
5. Светлов Н.М. О подходе к совершенствованию размещения отраслей сельского хозяйства России в условиях технологических и климатических изменений // Сб. материалов СПЭК-2018 / Под общ. ред. С.Д. Бодрунова. СПб., 2019 (в печати).
ПРИОРИТЕТЫ ТЕХНОЛОГИЧЕСКОГО РАЗВИТИЯ СЕЛЬСКОГО ХОЗЯЙСТВА В СТРАНАХ МИРА: РЕЗУЛЬТАТЫ АНАЛИЗА БОЛЬШИХ ДАННЫХ Наумов А.С., к.геогр.н., зав. кафедрой МГУ имени М. В. Ломоносова, Кузьминов И.Ф., к. геогр.н., ст. науч. сотр., Хабирова Е.Е., ИСИЭЗ НИУ ВШЭ
Ускорение развития науки, технологий и инноваций влечет за собой радикальную трансформацию агропромышленного комплекса, рынков, бизнес-моделей, способов производства и распространения продуктов и услуг, институтов и приоритетов развития сельского хозяйства [1, 2, 3]. Взрывной рост объёма неструктурированной информации, которая уже не поддается анализу традиционными методами, становится серьезным вызовом для принятия доказательных и своевременных решений.
Для ответа на эти вызовы разработан инновационный подход к определению приоритетов технологического развития сельского хозяйства, результаты применения которого представлены ниже. Он основан на интеллектуальном анализе больших массивов текстовых данных с использованием Системы интеллектуального анализа больших данных iFORA, созданной в Институте статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ. Аналитика больших текстовых данных обеспечивает информационную поддержку процесса сканирования горизонтов и идентификации перспективных технологических направлений для научно-технологического прогнозирования (форсайта).
В основу проведённого анализа легла разработанная ранее онтология современных технологий, полученная из большого массива документов, связанных с сельским хозяйством. Методология этого анализа описана в одной из работ авторов [4]. Развитие связанных с сельским хозяйством технологий рассматривалось нами как для мира в целом, так и по отдель-
ным странам, что позволило выявить его глобальные и национальные приоритеты.
Основой анализа послужили различные тексты, в том числе, более 2 млн научных статей в международных журналах, 2 млн патентных заявок, более 200 тыс. отчетов международных организаций и национальных агентств (ФАО, Министерства сельского хозяйства США и др.), более 10 млн сообщений в отраслевых СМИ, посвящённых технологическим инновациям и венчурным инвестициям. Для проведения интегрированного статистического, синтаксического и семантического анализа текстов использовались автоматизированные инструменты сбора, обработки и преобразования данных. Для визуализации результатов были построены семантические карты (автоматически генерируемые онтологии рассматриваемого поля), географические карты частоты упоминания различных технологий, а также матрица соотнесения технологических приоритетов с отдельными странами. Таким образом, выявлены и наглядно продемонстрированы наиболее актуальные тематики в обработанном корпусе документов и их взаимосвязи, в том числе, в географическом контексте.
Ряд семантических карт был построен с целью выявления глобальных приоритетов технологического развития мирового сельского хозяйства по различным данным: базе публикаций WoS, патентным базам, публикациям в профильных СМИ. Рис.1 позволяет судить о наиболее часто встречающихся в научных статьях терминах, которые описывают сельскохозяйственные технологии и их элементы, а также об их взаимосвязях. Центральное место на ней занимает кластер, сфокусированный
на понятие «изменения климата». С ним тесно связаны такие часто встречающиеся словосочетания, как урожайность культур, продовольственная безопасность, высокоточное сельское хозяйство, минимальная обработка почвы. Также выделяются кластер технологий, основанных на генетике (близкие термины — последовательность ДНК, иммуноферментный анализ, молекулярное клонирование, морфология растений, сельскохозяйственные культу-
ры), кластер «пищевые добавки» (близкие термины — биоактивные соединения, молочные продукты, биомаркеры, заболевания), и др. Интересно, что и на семантических картах, построенных по результатам анализа СМИ и патентных баз, центральное место занимал кластер «изменения климата», а наиболее близки к нему были термины высокоточное сельское хозяйство, экосистемные услуги, органическое сельское хозяйство.
Рисунок 1. Глобальные приоритеты технологического развития сельского хозяйства по данным научных статей в журналах WoS за 2011-2015 гг. Источник: Система интеллектуального анализа больших данных iFORA (правообладатель ИСИЭЗ НИУ ВШЭ)
С целью выявления национальных приоритетов технологического развития сельского хозяйства был проведён анализ текстов из различных источников по странам мира. На рисунке 2 видно лидерство США по наиболее значимым технологиям. 2-е и 3-е места занимают Индия и Китай. Бразилия выделяется по упоминанию технологий, связанных с производством биотоплива, Израиль — ирригации. В контексте России значимым оказалось лишь упоминание ветеринарных технологий. ¡БОЯЛ (правообладатель ИСИЭЗ НИУ ВШЭ)
Была построена серия карт, показывающих частоту упоминания в научных статьях из базы WoS технологий (генетические модификации, высокоточное сельское хозяйство, гид-
ропоника, овощеводство, фидлоты) по странам (рис. 3). Важно заметить, что упоминание страны может в данном случае указывать на неё и как на место разработки, и как на место применения данной технологии. Интересно, что для всех технологий, за исключением садоводства (мировой лидер — Китай), 1 -е место занимают США, за которым следует Китай; отчётливо видны и остальные лидеры.
Разработанный подход, основанный на анализе больших данных, позволяет, на наш взгляд, представить достаточно объективную картину технологического развития сельского хозяйства.
Рисунок 2. Частота упоминания передовых аграрных технологий в контексте некоторых стран в научно-технических публикациях за 2013-2017 гг. Источник: Система интеллектуального анализа больших данных iFORA (правообладатель ИСИЭЗ НИУ ВШЭ)
Рисунок 3. Частота упоминания технологий генетической модификации в сельском хозяйстве в 5628 публикациях WoS за 2013-2017 гг. Источник: Система интеллектуального анализа больших данных
Источники Логинова И. В., Мартынова С. В., Ратай Т. В.,
1. Гохберг Л. М., Гребенюк А. Ю., Дьяченко Е. Л., Рудник П. Б., Соколов А. В., Суслов А. Б., Точилина
Китова Г. А., Кузнецова Т. Е., Кузьминов И. Ф., Е. Е., Фридлянова С. Ю., Фурсов К. С., Чулок А. А.
Прогноз научно-технологического развития агропромышленного комплекса Российской Федерации на период до 2030 года. М.: НИУ ВШЭ, 2017.
2. Gokhberg L., Kuzminov I. Technological future of the agriculture and food sector in Russia / The Global Innovation Index 2017: Innovation Feeding the World. Ithaca, Fontainebleau, and Geneva: Cornell University, INSEAD, and WIPO, 2017. P. 135-141.
3. Gokhberg L., Kuzminov I., ChulokA., Thurner T. The future of Russia's agriculture and food industry
between global opportunities and technological restrictions // International Journal of Agricultural Sustainability. 2017. Vol. 15. No. 4. P. 457-466.
4. Kuzminov I., Bakhtin P., Khabirova E., Kotsemir M., Lavrynenko A. Mapping the Radical Innovations in Food Industry: A Text Mining Study / NRU Higher School of Economics. Series WP BRP "Science, Technology and Innovation". 2018. No. WP BRP/80/STI/2018.
АНАЛИЗ РАЗВИТИЯ СЕЛЬСКОГО ХОЗЯЙСТВА РОССИИ С ПОМОЩЬЮ МЕТОДА ДИНАМИЧЕСКОГО НОРМАТИВА Родионова Е.В. к.э.н., доц., Поволжского государственного технологического университета Исследование выполнено при финансовой поддержке РФФИ и Республики Марий Эл, проект «Стратегическое управление предприятиями агропромышленного комплекса в условиях импортозамещения (на примере Республики Марий Эл)»
№ 17-12-12008-ОГН
Результаты функционирования социально-экономических систем, в том числе сельского хозяйства, характеризуются совокупностью разнообразных показателей. Получить общее представление об эффективности развития системы путем анализа этих показателей по отдельности затруднительно, поэтому учеными-экономистами предложены различные методы расчета интегральных показателей, позволяющих дать общую оценку развитию объекта исследования. Одним из них является метод динамического норматива, предложенный И. М. Сыроежиным [1].
Метод базируется на построении нормативного (эталонного) упорядочения темпов роста показателей деятельности объекта и определении отклонений фактического упорядочения показателей от нормативного. Исследователи используют динамический норматив в основном для оценки эффективности деятельности предприятий, однако имеются и публикации, в которых динамический норматив используется для анализа тенденций развития отраслей и регионов. Нами предпринята попытка применить метод динамического норматива для исследования развития сельского хозяйства России.
Использование метода динамического норматива для оценки результатов деятельности социально-экономических систем реализуется путем последовательного осуществления нескольких этапов.
На первом этапе выбираются показатели, характеризующие состояние объекта исследования.
С учетом требований к их количеству и характеристикам [1-3] были отобраны следующие статистические показатели развития сельского хозяйства России, находящиеся в открытом доступе: объем инвестиций в основной ка-
питал (И), объем производства продукции сельского хозяйства в хозяйствах всех категорий (П), среднегодовая численность занятых (Ч), рентабельность организаций с учетом субсидий (Р), объем экспорта продовольственных товаров и сельскохозяйственного сырья (Э).
Рентабельность относится к относительным показателям, которые не рекомендуется включать в динамический норматив одновременно с абсолютными, однако было принято решение о его использовании, поскольку статистический показатель сальдированного финансового результата содержит в себе искажающее влияние инфляции. Объем экспорта включен в динамический норматив в связи с реализацией на современном этапе развития российской аграрной сферы стратегии импор-тозамещения и расширения экспорта сельскохозяйственной продукции.
На втором этапе соотношения темпов роста показателей выстраиваются в нормативный ряд, составляющий эталонную модель функционирования объекта исследования.
Исходя из общего правила об относительной ценности входных, процессных и выходных показателей в качестве эталонного для эффективного развития сельского хозяйства на современном этапе был построен нормативный ряд соотношения темпов роста выбранных показателей, представленный в табл. 1.
На третьем этапе определяются фактические темпы роста показателей, которые ранжируются по убыванию значения, образуя фактический ряд.
Таблица 1 . Эталонный ряд соотношения темпов роста показателей развития сельского хозяйства России
Показатель Тэ Тр Тп Ти Тч
Ранг 1 2 3 4 5
