CC BY
0
Для цитирования: Трушкова Е.А. Технологии оценки региональной неоднородности адаптации в условиях цифровой трансформации // Управление в современных системах. 2023. №.4. С. 95-105.
DOI: 10.24412/2311-1313-40-95-105
УДК 338.001.36.004 JEL: Ж, D63
ББК 65.050.22
ТЕХНОЛОГИИ ОЦЕНКИ РЕГИОНАЛЬНОЙ НЕОДНОРОДНОСТИ АДАПТАЦИИ В УСЛОВИЯХ ЦИФРОВОЙ ТРАНСФОРМАЦИИ
Трушкова Е.А.1, Институт экономики Уральское отделение РАН
Аннотация
Различные регионы обладают неодинаковыми возможностями приспособления к изменениям в условиях цифровой трансформации. Это требует анализа ключевых факторов и показателей развития регионов. Целью статьи выступает обобщение и анализ методических аспектов оценки неоднородности развития регионов и использования потенциала приспособления в условиях цифровой трансформации. Для достижения поставленной цели автором проведен анализ научных исследований, посвященных оценке, в том числе компонентного влияния процесса трансформации на региональную неоднородность адаптации; систематизированы и раскрыты группы методов оценки региональной неоднородности адаптаций в условиях цифровой трансформации. По итогам сформулирован вывод о необходимости освещения проблемы региональной неоднородности адаптации в условиях цифровизации, например, в части финансирования реализации по регионам России Национального проекта «Цифровая экономика» и ее отдельных направлений: информационная инфраструктура, кадры для цифровой экономики, информационная безопасность, цифровые технологии и цифровое государственное управление. Данные направления обеспечивают основные тренды цифровизации, то подобная оценка отражала бы, с одной стороны, финансовые адаптационные возможности регионов, с другой стороны, достигнутые результаты реализации мероприятий в зависимости от осуществленных затрат из бюджета и достигнутых показателей.
Полученные результаты могут быть использованы в ходе дальнейших исследований, связанных с разработками предложений по наращиванию адаптивного потенциала регионов и обоснованием направлений совершенствования государственной политики регионального выравнивания.
Ключевые слова: неоднородность, цифровая трансформация, адаптация, регион, изменения, направления цифровизации
1 Трушкова Екатерина Александровна - к.э.н., старший научный сотрудник, Институт экономики Уральского отделения РАН, сектор исследований адаптации региональных систем, Россия, 620014, г. Екатеринбург, ул. Московская, 29, [email protected]; Author ID РИНЦ: 638565, SPIN-код РИНЦ: 8879-3233; Scopus Author ID: 23994656800; ORCID: 0000-0001-7232-2576
Введение
Региональная неоднородность адаптации в условиях цифровой трансформации представляет собой феномен, связанный с неравномерной приспособляемостью различных регионов к новым технологиям и возможностям, привносимым цифровой революцией. В современном мире все больше и больше отраслей экономики и социальных сфер сталкиваются с быстрыми изменениями, вызванными развитием информационных технологий. При этом, несмотря на общий тренд в направлении цифровизации, каждый регион адаптируется к этим изменениям в своем собственном темпе и с разными результатами.
Разнообразие причин неоднородности [Митяева, 2004; Юдина, 2012; Ищенко, 2012] вытекает из институциональной динамики, различий в структурно-объектном наполнении региона, достижения целей и противоречащих друг другу социальных и экономических процессов и многих других факторов. При этом адаптация, как процедура реформирования управленческой деятельности, предусматривает подстройку системы управления под происходящие изменения [Ходзинская, 2012].
Одной из причин возникновения региональной неоднородности в адаптации к цифровой трансформации является неравномерное распределение доступа к инфраструктуре. В некоторых регионах мира, особенно в отдаленных и малонаселенных районах, инфраструктура связи может быть недостаточно развита, что затрудняет доступ к высокоскоростному интернету и новым технологиям. В результате, жители этих регионов оказываются на более низком уровне адаптации к цифровым инновациям, что может негативно сказываться на их экономическом и социальном развитии.
Кроме того, культурно-исторические особенности и социально-экономический контекст также влияют на различия в адаптации регионов к цифровой трансформации. Регионы с более высоким уровнем образования и развитыми институтами, такими как научно-исследовательские центры и инновационные хабы, обычно имеют большую готовность и способность осваивать новые технологии и применять их в практике. В то же время, более консервативные и традиционно настроенные регионы могут испытывать сопротивление внедрению цифровых инноваций, что замедляет их адаптацию к новым условиям.
Следует также отметить, что экономический фактор играет существенную роль в региональной неоднородности адаптации к цифровой трансформации. Более развитые и богатые регионы, обладающие большими инвестиционными ресурсами и доступом к финансовым инструментам, способны более успешно осваивать и применять новые цифровые решения. В то время как менее привлекательные экономически регионы сталкиваются с ограничениями в доступе к средствам для инвестиций и инноваций.
Таким образом, региональная неоднородность адаптации в условиях цифровой трансформации является сложным явлением, зависящим от множества факторов, от инфраструктуры и доступности информационных технологий до социокультурных и экономических особенностей. Понимание этих различий и поиск способов их устранения в адаптации являются важными задачами для общества в целом, чтобы каждый регион мог полностью использовать преимущества, предоставляемые цифровой эпохой. Разнообразие во взглядах на факторы неоднородности обуславливают дискуссионность проблемы и наличие широкого круга подходов к ее оценке.
Целью данной статьи является проведение сравнительного анализа существующих методов оценки региональной неоднородности в условиях процесса цифровизации. В этой связи мы предполагаем, что при всем многообразии указанных методов отсутствует какой-
либо универсальный, обеспечивающий измерение проявления неоднородности адаптаций регионов в условиях цифровой трансформации.
Научная новизна заключается в обзоре и классификации предлагаемых методов оценки неоднородности адаптаций. Это становится отправной точкой для дальнейших исследований, направленных на разработку новых и более совершенных подходов к оценке региональной неоднородности адаптаций в условиях изменений, происходящих в сфере цифровизации.
Основная часть
Анализ научных исследований, посвященных оценке неоднородности адаптаций, а также компонентного влияния цифровизации на отдельные сферы регионального развития, позволили выделить группы подходов (рис. 1).
Рисунок 1 - Методический подход к оценке влияния цифровизации на отдельные
сферы регионального развития
Источник: авторская разработка
Основой систематизации являлись критерии, которые учитывали схожесть объектов исследования, аналогичность методологического аппарата, близость целей и задач исследования, а также специфические черты и особенности.
Первую группу образовывают методики, основанные на применении многомерных методов исследования. Основной целью исследований с применением многомерных методов оценки является осуществление типологизации с учетом интенсивности проявления различий. Методики, основанные на применении многомерных методов исследований, могут стать [Шаталова, 2013] важным инструментом мониторинга и контроля органами государственной власти ситуации в регионах. Путем сопоставления данных и проведения сравнительной
оценки, органы государственной власти могут выявить успешные практики и определить области, требующие дополнительного внимания и поддержки.
Применение многомерных методов исследования представляет собой сложный процесс расчетов, требующий использования математического аппарата и последовательного проведения этапов исследования с использованием большого объема данных. Однако, несмотря на эти сложности, преимущества таких методов перекрывают их недостатки. Многие авторы видят ключевые преимущества применения многомерных методов в возможности обнаружения скрытых факторных воздействий, выявления малозаметных явлений, сравнения субъектов РФ по комплексу изучаемых параметров, разработки стратегических и тактических решений в управлении системами различного уровня, сегментации этих систем для разработки политико-управленческих мер и создания новых алгоритмов принятия решений, а также визуализации результатов диагностики.
В качестве примера использования многомерных методов исследования многие исследователи приводят работу С.А. Суспицына [Суспицын, 2002]. Его методика направлена на решение основных задач сравнительного анализа состояния территориальных объектов, построение сводных рейтингов (этап ранжирования), разделение на однородные группы (этап кластеризации). Это, в свою очередь, позволяет упорядочить их в многомерном пространстве индикаторов, оценить желаемые уровни социально-экономического развития территорий (этап нормирования), основываясь на реалистичных оценках снижения межрегиональных различий, а также оценить ресурсы, необходимые для перехода нуждающихся территорий в желаемые состояния (этап бюджетирования). В предлагаемом автором подходе ключевым элементом является концепция зоны приемлемых состояний. Эта зона определяется как окрестность точки средних значений индикаторов для рассматриваемой группы регионов. В эту зону попадают регионы, где численность населения составляет не менее половины от общей численности населения всех регионов [ИЭОПП СО РАН, 2010].
О.М. Рой, М.А. Юдина [Рой, Юдина, 2014] предлагают свой авторский подход, отличающийся от работ С.А. Суспицина. В их подходе отказываются от «эталонизации» средних значений показателей и вместо этого выявляют непосредственные отношения доминирования (эквивалентности) между регионами, не привязываясь к срединному кластеру. Для проведения мультипараметрической структурной диагностики развития региональных систем они предлагают использовать теоретико-графовую модель региональной системы, основанную на математическом моделировании и методах многокритериальной оптимизации. Построение дуг графа основано на выявлении двух типов отношений: мультипараметрического доминирования (когда уровень развития одного региона превышает уровень развития другого) и эквивалентности (когда уровни развития совпадают в выбранном интервале эквивалентности) [Юдина, 2016].
Также, к примеру, М.А. Есенин и М.И. Казырид [Есенин, Казырид, 2022] в своей работе применили многомерные статистические методы для проведения кластеризации регионов, которые выделяются неоднородностью по уровню развития цифровизации по различным направлениям, включая развитие необходимой инфраструктуры, внедрение современных цифровых технологий в организациях, предпринимательском секторе, а также в области государственных услуг и активного использования информационно-коммуникационных технологий населением в субъектах РФ. Это помогло авторам выделить проблемные направления для осуществления цифровой трансформации - максимальное использование цифровых технологий в организациях и предпринимательском секторе во втором кластере; в третьем кластере - развитие инфраструктуры и применение информационно-
коммуникационных технологий среди населения; в четвертом кластере - широкое использование современных цифровых возможностей для предоставления государственных услуг населению; в регионах первого кластера - активное развитие мобильной связи и адаптации цифровых технологий под потребности бизнеса.
В отличие от предыдущих авторов Л.М. Никитина, В.А. Куркин [Никитина, Куркин, 2020] проводят оценку неоднородности регионов с точки зрения роли участника цифровизации - населения, бизнеса и государства. Применение кластерного анализа позволило авторам выделить группы регионов России с точки зрения активности пользователей информационно-коммуникационных технологий в соответствующей общественной подсистеме — драйвере развития цифровой экономики. По результатам оценки авторами отмечено, что половина субъектов РФ находится в аутсайдерах.
М. Сизьунго, В. М. Московкин, О.В. Ваганова [Сизьунго, Московкин, Ваганова, 2022] используя статистический пространственный анализ исследуют процессы информатизации в российских регионах в части компьютеризации и интернетизации. Авторами была проведена кластеризация регионов на основе исходных и расчетных значений показателей, а также сравнение средних данных по России и их прироста цифровизации. В результате авторы разделили все регионы России на несколько категорий: лидеры, аутсайдеры, догоняющие регионы и регионы, теряющие потенциал цифровизации. Анализ показал преобладание аутсайдеров и регионов, теряющих потенциал цифровизации.
Для выявления групп регионов, характеризующихся разными темпами информатизации, и определения факторов, влияющих на их развитие, исследователи Т.В. Сарычева и Д.Д. Иванова [Сарычева, Иванова, 2020] применили многомерные методы компонентного, кластерного и регрессионного анализа, а также графическую визуализацию данных. С использованием системы показателей, описывающих развитие интернет-сети в регионах Российской Федерации, и методов кластерного анализа на основе главных компонент, авторами выделены территории с различным уровнем развития информационно-коммуникационных технологий. На основании результатов эконометрического анализа сформированы социально-экономические показатели, которые определяют скорость развития ИКТ-технологий в регионах, принадлежащих к разным кластерам. Из полученных результатов авторы делают выводы о том, что создание благоприятных условий для всеобщего распространения сети Интернет и сокращение различий в уровне ее использования между отдельными регионами является стратегически важным направлением развития информационного общества на федеральном и региональном уровнях.
С целью выявления однородных регионов по уровню цифровизации в статье О.В. Деркаченко [Деркаченко, 2021] выполнен кластерный анализ, который позволил разбить регионы на группы схожих по уровню развития цифровой экономики. Для этого автор использует статистические данные - индексы цифровой экономики: административные показатели, кадры, исследовательские компетенции, инфраструктура, безопасность, экономические показатели, эффект от внедрения. Автор предлагает несколько мер для решения вопросов неоднородности регионов, включая увеличение финансирования процессов цифровизации, развитие региональных порталов государственных услуг, создание специальных подразделений по использованию цифровой экономики и развитие компьютерных технологий для предоставления онлайн-услуг, строительство базовых станций связи в отдаленных населенных пунктах, обеспечение подготовки высококвалифицированных кадров, расширение производства цифрового контента и электронной торговли.
Широкое применение метода кластеризации обосновано преимуществами данного метода, а именно, возможностью разбить объекты на группы на основе нескольких признаков, а не только одного, способностью выявлять однородные кластеры и нетипичные («аномальные») объекты с целью их дальнейшего анализа и прогнозирования. Кроме того, кластерный анализ не накладывает ограничений на тип объектов и позволяет работать с разнообразными данными. Однако при сокращении объема исходных данных могут возникать искажения и теряются индивидуальные особенности объектов, так как их характеристики заменяются обобщенными значениями параметров кластера.
Вторую группу составляют методики, основанные на традиционных методах проведения вариационного анализа. Данные методы широко используются в региональных исследованиях многих авторов - А.О. Полынев, В. Мисаков, А. Мисаков, Л. Цурова, М. Эскиев, З. Ильяева, И.Г. Акперов, Н.В Брюханова, Е.А. Постникова, Е.А. Шильцин и др.
Как правило, проблемы деформации профессионально-квалификационной структуры, дефицита квалифицированных кадров в аспекте цифровых навыков и т.д. характеризуется динамичными изменениями, которые варьируются под воздействием многих причин. Основным преимуществом методов вариационного анализа является возможность выявления оценки неоднородности значений анализируемого показателя.
Для оценки наличия и масштаба различий между регионами по уровню проникновения интернета и вовлеченности населения в цифровое пространство М.А Груздева [Груздева, 2020] прибегает к расчетам коэффициента вариации и группировке регионов в границах однородности и неоднородности, и степени их вариации.
Так, например, Смирнов С.Н. предлагает использовать показатель - размах вариации (амплитуда колебаний), представляемый как разность между максимальным и минимальным значениями признака в изучаемой совокупности. В предлагаемой автором методике [Смирнов, 2023] проводится оценка региональной неоднородности по уровню доступа и использованию населением цифровых технологий, а также уровня цифровизации домашних хозяйств.
А.А. Шабунова, М.А. Груздева, О.Н. Калачикова анализируют влияние поселенческого фактора на существование различий между регионами по уровню включения в цифровую среду - собственно включенности (активного использования) и наличия или отсутствия необходимых для этого навыков [Шабунова, Груздева, Калачикова, 2020]. Для этого авторы проводят группировку регионов в зависимости от показателя - размах вариации значений исследуемых показателей, характеризующих цифровое развитие, а именно доле домохозяйств, имеющих доступ к сети Интернет, доле активных пользователей интернета, доле населения, которое отказывается от использования интернета по причине отсутствия навыков, доле населения, обладающего цифровыми навыками. Такой метод оценки как размах вариации принято считать самым простым способом расчета, однако в случаях, когда имеются наиболее низкие и наиболее высокие значения полученных данных вариации - экстремальных значений признака, то в совокупности всего массива данных его значений представляется несколько искаженная амплитуда изменений. Данное обстоятельство может быть вызвано применением нетипичных для исследуемого объекта показателей. Однако, как правило, размах вариации допускает изменения используемой совокупности статистических данных. Недостатком данного показателя является то, что он оценивает только предельные значения (грани) варьирующего признака, не позволяя оценить общую колеблемость исследуемого признака в рамках этих граней.
Третью группу формируют методики, основанные на вычислении интегральных индексов.
Положительным в применении данного метода является то, что он дает возможность получить обобщающий показатель по каждому из исследуемых направлений (сфер), представляя некое методологическое единство частных показателей; позволяет сравнивать и распределять территориальные образования как по одному из изучаемых направлений проявления неоднородности (например, социальной), либо нескольких (социальных, экономических, инвестиционных).
Множество уникальных факторов, отражающих различные аспекты экономического, социального, инфраструктурного и прочего развития территорий, используются в качестве стандартных показателей оценки. Однако каждый из этих факторов оказывает разное влияние, что приводит к возникновению сложностей при расчете. В результате, все процессы сопровождаются увеличением объема и трудоемкости вычислений по определению влияния каждого фактора на изменение итогового показателя.
Так, например, Г.П. Литвинцева, А.В. Шмаков, Е.А. Стукаленко, С.П. Петров рассчитывают региональный индекс неоднородности цифровой составляющей качества жизни населения с учетом параметров обеспеченности цифровыми благами населения, цифровыми компетенциями, качества трудовой жизни и социальной сферы в условиях цифровизации, электронными государственными услугами населению и безопасности информационной деятельности населения [Литвинцева, Шмаков, и др, 2019]. Авторами применена комбинированная методика оценки цифровой составляющей качества жизни населения, обусловленная характером используемой информации, а именно статистической информации, и результатами опросов населения и домашних хозяйств.
Или обратить внимание на исследование сотрудников ИСИЭЗ НИУ ВШЭ, которые для агрегированной оценки динамики цифровой трансформации экономики и жизни общества разработали специальный индекс, отражающий уровень использования цифровых технологий, цифровизации бизнес-процессов, цифровых навыков персонала, затрат на внедрение и использование цифровых технологий и кибербезопасности [Васильковский, Ковалева, Абдрахманова и др.].
Четвертую группу образуют методики, основанные на применении статистических методов для анализа региональных различий. Здесь авторы используют различные модификации методов корреляционно-регрессионного анализа и пространственной эконометрики.
Е.В. Попов, Е.А. Стрельцова в своем исследовании проводят оценку региональных различий по степени цифровизации домохозяйств и уровня развития цифровых навыков населения [Попов, Стрельцова, 2022]. По результатам корреляционного анализа авторами установлено отсутствие зависимости между частотой использования Сети в субъектах РФ и уровнем развития у населения цифровых компетенций. Это объясняется тем, что доступ к цифровой инфраструктуре в разных субъектах Российской Федерации не всегда приводит к освоению цифровых навыков населением. Такая ситуация вряд ли изменится в ближайшем будущем, поскольку большая часть сервисов, включая государственные, и программных приложений адаптирована для использования на смартфонах. Это подразумевает, что население не испытывает необходимости в развитии специализированных цифровых навыков, таких как работа с компьютерным программным обеспечением и настройка цифрового оборудования.
В исследовании Е.А. Стрябкова, А.М. Кулик, Н.А. Герасимовой, М.В. Тебекина [Стрябкова, Кулик и др., 2022] проведена оценка уровня неоднородности пространственного распределения человеческого капитала в зависимости от существующих различий в условиях цифровой трансформации региона (интеллектуального развития территории, социально-экономического и информационно-коммуникационного). Авторами по результатам оценки установлено, что наиболее плотное скопление человеческого капитала наблюдается в регионах, где имеются высокие уровни интеллектуального потенциала, социально-экономического развития и информационно-коммуникационной инфраструктуры на территории.
В работе Ю.В. Дубровской [Дубровская, 2020] с использованием инструментария пространственной эконометрики эмпирически проверена гипотеза о взаимосвязи цифровой и экономической неоднородности в развитии различных регионов. Таким образом, автор для анализа цифрового пространства использует показатель доли населения, использовавшего сеть Интернет для заказа товаров и (или) услуг, в общей численности населения, для анализа экономического пространства - скорректированный ВРП на душу населения. После расчета глобальных индексов Морана в работе обосновано наличие статистически значимой положительной пространственной автокорреляции среди соседних регионов, что подтверждает наличие процессов кластеризации. Визуальная интерпретация результатов, полученных в виде пространственных диаграмм рассеяния и географических карт, наглядно доказала, что население регионов с высокими значениями ВРП на душу населения активно пользуется интернет-магазинами, и наоборот. Дополнительный анализ показателей цифровизации в разных регионах за период с 2014 по 2018 годы показал, что выявленные тенденции будут усиливаться с увеличением доли населения, использующего интернет для онлайн-покупок, а также с ростом предложения предприятий дистанционной торговли. Кроме того, расширение онлайн-продаж будет иметь положительное влияние на развитие бизнеса и увеличение ВРП в каждом регионе.
Выводы
К настоящему времени накоплены многочисленные результаты разноплановых исследований, касающихся различных аспектов адаптации регионов к цифровизации и проявления неоднородности.
Проведенный анализ научных исследований, посвященных оценке неоднородности, а также компонентного влияния процесса трансформации на адаптацию регионов, позволили выделить проявления неоднородности с точки зрения существующих различий в развитии информационно-коммуникационных технологий, инфраструктуры и развитии «цифровой» компетентности субъектов - участников социально-экономической действительности. Однако в них слабо освещены проблемы развития неоднородности региональной адаптации к цифровизации, например, в части финансирования реализации по регионам России Национального проекта «Цифровая экономика» и ее отдельных направлений: информационная инфраструктура, кадры для цифровой экономики, информационная безопасность, цифровые технологии и цифровое государственное управление. Поскольку данные направления обеспечивают основные тренды цифровизации, то подобная оценка отражала бы, с одной стороны, финансовые (адаптационные) возможности регионов на развитие цифровизации, с другой стороны, достигнутые результаты реализации мероприятий в зависимости от осуществленных затрат из бюджета и достигнутых показателей. Между тем, технологии оценки неоднородности адаптаций в условиях цифровой трансформации
обеспечили бы выбор приоритетов и разработку мер, по наращиванию адаптивного потенциала регионов с целью их дальнейшего устойчивого развития и обоснованием направлений совершенствования государственной политики регионального выравнивания. С их помощью можно сделать цифровую трансформацию более равномерной и справедливой, ускорить развитие отстающих регионов и обеспечить рост и процветание всей страны. Оценка неоднородности адаптаций позволяет выявить слабые стороны различных регионов и определить приоритеты для их развития. Это может включать в себя формирование специальных программ поддержки для отстающих регионов, расширение доступа к цифровым технологиям и обучению населения, а также развитие инфраструктуры для развертывания цифровых сервисов. Настоящая статья выступает фундаментом для проведения дальнейших исследований.
Благодарность. Публикация подготовлена в рамках выполнения НИР по госзаданию Института экономики Уральского отделения РАН на 2021-2023 гг. № 0327-2021-0011 «Институциональные модели и факторы социальной и экономической адаптации населения региона в условиях перехода к динамичному развитию ».
Список источников
1. Васильковский С., Ковалева Г., Абдрахманова Г., Вишневский К., Зинина Т., Рудник П. Индекс цифровизации отраслей экономики и социальной сферы. URL: https://issek.hse.ru/news/783750202.html (Дата обращения: 6.10.2023).
2. Груздева М.А. Включенность населения в цифровое пространство: глобальные тренды и неравенство российских регионов // Экономические и социальные перемены: факты, тенденции, прогноз. 2020. Т. 13. № 5. С. 90-104. DOI: 10.15838/esc.2020.5.71.5
3. Деркаченко О.В. Многомерный анализ регионов России по уровню развития цифровой экономики// Учет и статистика. 2021. № 2 (62). С. 84-91.
4. Есенин М.А., Казырид М.И. Неоднородность развития цифровизации в регионах России: многомерный статистический анализ// Управленческий учет. 2022. №4. С. 381-387.
5. Ищенко М.К. К вопросу неоднородности социально-экономических систем// Вестник Института экономики Российской академии наук. 2012. №2. С. 92-98. https://sochum.ru/s2073-64870000617-8-1-ru-509/
6. Литвинцева, Г.П., Шмаков, А.В., Стукаленко, Е.А., Петров, С.П. Оценка цифровой составляющей качества жизни населения в регионах Российской Федерации // Terra Economicus. 2019. 17(3). 107-127. DOI: 10.23683/2073-6606-2019-17-3-107-127
7. Митяева Н.В. Природа неоднородных экономических систем// Вестник Саратовского государственного социально-экономического университета. 2004. №9. С. 39-43. С. 40.
8. Никитина Л.М., Куркин В.А. Применение кластерного анализа для оценки развития цифровой экономики регионов России// РЕГИОН: системы, экономика, управление. 2020. № 3 (50). С. 28-38.
9. Оптимизация территориальных систем / под редакцией д.э.н. Суспицына С.А. / ИЭОПП СО РАН, Новосибирск,2010. 632 с.
10. Полынев А.О. Межрегиональная экономическая дифференциация: методология анализа и государственного регулирования. М.: УРСС, 2003. 208 с.
11. Попов Е.В., Стрельцова Е.А. Цифровые навыки населения в регионах России// Цифровая экономика. 2022. URL: https://issek.hse.ru/mirror/pubs/share/767680649.pdf (Дата обращения: 6.10.2023).
12. Постникова Е.А., Шильцин Е.А. Новейшие тенденции регионального развития России: некоторые фрагменты// Регион: экономика и социология. 2009. №3. С. 67-86.
13. Рой О.М., Юдина М.А. Эвристические возможности мультипараметрической модели структурной диагностики развития региональных систем // Известия Уральского государственного экономического университета. 2014. № 2 (52). С. 62-68.
14. Юдина М.А. Экономическая интерпретация результатов мультипараметрического моделирования региональных социально-экономических систем // «Проблемы оптимизации сложных систем»: Труды 12-й Международной Азиатской школы-семинара/ Под ред. С.И. Кабанихина, А.В. Кельманова, А.С. Родионова. Новосибирск: Издательство: Институт вычислительной математики и математической геофизики Сибирского отделения РАН, 2016. С. 552-557.
15. Сарычева Т.В., Иванова Д.Д. Многомерный статистический анализ развития сети интернет в регионах Российской Федерации// Вестник Марийского государственного университета. Серия: сельскохозяйственные науки. Экономические науки. Т. 6. № 4 (24). 2020. С. 498-508
16. Сизьунго М., Московкин В. М., Ваганова О.В. Пространственно-временной анализ процессов цифровизации российских регионов // Научный результат. Экономические исследования. 2022. Т. 8. № 3. С. 48-62. DOI: 10.18413/2409-1634-2022-8-3-0-4
17. Смирнов С.Н. Цифровизация в Российских домохозяйствах: региональные различия. Социально-трудовые исследования. 2023, № 51(2), с. 100-108. DOI: 10.34022/26583712-2023-51-2-100-108
18. Стрябкова Е.А., Кулик А.М., Герасимова Н.А., Тебекин М.В. Оценка условий пространственной неоднородности распределения человеческого капитала региона с учетом цифровой трансформации // Научный результат. Экономические исследования. 2022. Т. 8. № 3. С. 69-84. DOI: 10.18413/2409-1634-2022-8-3-0-6
19. Дубровская Ю. В. Анализ неоднородности экономического развития территорий в условиях цифровизации // Вестник Омского университета. Серия «Экономика». 2020. Т. 18. № 2. С. 102-113. DOI: 10.24147/1812-3988.2020.18(2).102-113.
20. Суспицын С.А. Проект СИРЕНА: методы измерения и оценки региональной асимметрии. - Новосибирск: ИЭиОПП СО РАН, 2002, с. 172-181;
21. Ходзинская А.Б. Адаптация региональной экономической системы изменяющимся факторам внешней и внутренней среды функционирования// Вестник Адыгейского государственного университета. Серия 5: Экономика. 2014. № 4 (151). С.118-125
22. Шабунова А.А., Груздева М.А., Калачикова О.Н. Поселенческий аспект цифрового неравенства в современной России // Проблемы развития территории. 2020. № 4 (108). С. 719. DOI: 10.15838/ptd.2020.4.108.1
23. Шаталова О. И. Экономико-статистические методы многомерной оценки регионального развития // Международный научно-исследовательский журнал. 2013. № 7 (14) Часть 3. С. 93—94. URL: https://research-journal.org/economical/ekonomiko-statisticheksie-metody-mnogomernoj-ocenki-regionalnogo-razvitiya/ (дата обращения: 06.05.2020.).
24. Юдина М.А. Анализ основных подходов к формированию эффективной региональной политики// Омский научный вестник. 2012. С. 108-111.
TECHNOLOGIES FOR ASSESSING REGIONAL HETEROGENEITY OF ADAPTATION UNDER CONDITIONS OF DIGITAL TRANSFORMATION
Trushkova E.A., Institute of Economics of the Ural Branch of Russian Academy of Sciences
Abstract
Different regions have different capacities to adapt to changes in the conditions of digital transformation. This requires analyzing key factors and indicators of regional development. The purpose of the article is to summarize and analyze the methodological aspects of assessing the
heterogeneity of regional development and the use of adaptation potential in the conditions of digital transformation. In order to achieve this goal, the author analyzed the scientific research devoted to this assessment, including the component of the impact of the transformation process on regional adaptation heterogeneity; systematized and disclosed the groups of methods for assessing regional adaptation heterogeneity in the conditions of digital transformation. As a result, a conclusion is formulated about the need to highlight the problem of regional heterogeneity of adaptation in the conditions of digitalization, for example, in terms of financing the implementation of the national project "Digital Economy" by Russian regions and its individual areas: information infrastructure, human resources for the digital economy, information security, digital technologies and digital public administration.
These areas provide the main trends of digitalization, then such an assessment would reflect, on the one hand, the financial adaptive capacity of the regions, on the other hand, the achieved results of the implementation of measures depending on the budget expenditures and achieved indicators.
The results obtained can be used in the course of further research related to the development of proposals to increase the adaptive capacity of regions and justification of directions for improving the state policy of regional equalization.
Keywords: heterogeneity, digital transformation, adaptation, region, change, directions of digitalization
