Построение рейтинга инновационного развития российских регионов по уровню вовлечённости университетов

Введение. В статье приводится методика кластеризации и группировки показателей деятельности университетов для построения интегрального рейтинга регионов России по уровню вовлечённости университетов в региональное инновационное развитие. Рассмотрены следующие проблемы, требующие управленческого воздействия государственных структур: роль научно-исследовательской базы региональных университетов в укреплении инновационного потенциала регионов, степень вовлечённости университетов в инновационное региональное пространство.

Цель исследования – разработка системы рейтингования регионов России по степени вовлечённости университетов в инновационное развитие с использованием математического инструментария и интеллектуальной системы обработки данных.

Гипотеза статьи – существование связи регионального инновационного развития с результативностью университетского вклада.

Математический подход предполагает рассмотрение и многомерное ранжирование основных групп показателей деятельности университетов с целью получения кластерных классификаций в рамках каждой из поставленных проблем. Решение проблем состоит в построении барометра инновационной активности в виде многоцелевого проблемно-ориентированного рейтинга.

Материалы и методы. Применён подход, включающий оценку и многомерное ранжирование вклада университетов с использованием групп интегральных индексов, созданных на основании агрегирования нескольких важных показателей деятельности вуза. Вычислительные эксперименты проведены по данным Минобрнауки для регионов России и региональных вузов.

Рассмотрено 16 показателей регионов России за 2016 год.

Результаты и дискуссия. Выполнено ранжирование и сопоставление вузов по степени вовлечённости в инновационное развитие региона с использованием индикаторной модели и агрегирования в зависимости от целевой проблемы. Получены количественные показатели качества деятельности вузов по регионам, позволяющие получить интегральный рейтинг российских регионов по уровню вовлечённости университетов. В отличие от других подходов, авторский метод включает три составляющих, которые являются самостоятельными интегральными индексами и указывают на уровень вовлечённости университетов в региональное инновационное развитие. Выполнена обработка статистических данных по ведущим показателям российских вузов за 2016 год. Авторская методика Наука – модель с тремя факторами – модель с перегруппировкой, названная автором А-В-С, показала высокий потенциал вузов России по сбалансированности востребования научных центров вузов на региональном уровне в региональном управлении наукой и инновациями.

Заключение. Результаты исследования сопоставлены с рейтингами известных агентств. Автор надеется, что в скором времени в России появится надёжная наукометрическая система на уровне рейтингования вузов по их вовлечённости в инновационное развитие России, такой рейтинг будет бесспорным аргументом в пользу финансирования региональных вузов. Автор заложил высокое требование: соответствие трём моделям, только в таком случае региональные вузы могут получить финансирование из муниципалитета, после перераспределения от центра. При этом необходимо тщательно выбирать вузы, в которых проекты получат развитие и перспективу. Региональные органы власти должны выполнить требования для получения необходимых инвестиций в перспективные проекты. Научный потенциал и востребованность теоретических исследований для их полноценного применения на всех предприятиях, соединение сфер теоретической науки и практического внедрения позволят снизить затраты на содержание устаревших технологий во всех областях знаний и задействовать опыт старших поколений и силы молодёжи для развития высокотехнологичного производства в России. Поэтому результаты исследования будут полезны федеральным органам власти и финансово-кредитным организациям, осуществляющим финансирование.

1. Нижегородцев, Р.М. (2017). Прогнозирование показателей социально-экономического развития региона / Р.М. Нижегородцев, Е.И. Пискун, В.В. Кудревич // Экономика региона. Т. 13, № 1, c. 38-48.

2. Клюев А.К. (2010). Программы инновационного развития региона и университетов: поиск соответствия // Университетское управление: практика и анализ. № 1, c. 30-34.

3. Blind, K. & Grupp, H. (1999). Interdependencies between the science and technology infrastructure and innovation activities in German regions: empirical findings and policy consequences // Research Policy, № 28 (2), pp. 451-468.

4. Griliches, Z. (1979). Issues in assessing the contribution of R&D to productivity growth // Bell Journal of Economics. № 10(1), pp. 92-116.

5. Jaffe, A. (1989). Real effects of academic research // American Economic Review. № 79, pp. 957–970.

6. Сио К.К. (2000). Управленческая экономика. Пер. с англ. М.: ИНФРА-М, 671 с.

7. Goddard, J. B., Chatterton, Р. (2000). The response of universities to regional needs // European Journal of Education. № 35(4), pp. 475-496.

8. Teece D.J., Peteraf M., Leih S. (2016). Dynamic Capabilities and Organizational Agility: Risk, Uncertainty, and Strategy in the Innovation Economy. California Management Review, 58 (4), pp. 13-35.

9. Fratesi U., Senn L. (2009). Growth and Innovation of Competitive Regions: the Role of Internal and External Connections. Berlin: Springer-Verlag Berlin Heidelberg. – 368 р.

10. Benneworth, P. (2013). University Engagement With Socially Excluded Communities. Publisher: Springer Netherlands, Copyright Holder: Springer Science+Business Media Dordrecht,. – 352 p. DOI 10.1007/978-94-007-4875-0.

11. Etzkowitz, H. & Leydesdorff, L. (1995). The triple helix–university–industry–government relations: a laboratory for knowledge-based economic development // EASST Review. № 14 (1), pp. 14–19.

12. Vygodchikova, Irina Yurievna et al. (2017). Estimation of Bond Risks using Minimax. Journal of Advanced Research in Law and Economics, [S.l.], v. 7, n. 7, p. 1899-1907, mar. 2017. ISSN 2068-696X. Available at: <http://journals.aserspublishing.eu/jarle/article/view/784>. Date accessed: 15 mar. 2017. doi: http://dx.doi.org/10.14505//jarle.v7.7(21).38.

13. Awrejcewicz, J., et al. (2015). Quantifying chaos of curvilinear beam via exponents. Communications in Nonlinear Science and Numerical Simulation. № 27(1-3), pp. 81-92.

14. Fritsch, et al. (2007). Universities and Innovation in Space // Industry and Innovation. № 14 (2), pp. 201-218.

15. Autant-Bernard, C. (2001). Science and knowledge flows: evidence from the French case // Research Policy. № 30 (7), pp. 1069-1078.

16. Derunova, et al. (2014). The study of the dynamics of innovative development of economy on the endogenous growth through multi-sector extension of the Solow model // Biosci. Biotech. Res. Asia. № 11(3), pp. 1581-1589.

17. Pisano G. P. (2010). The Evolution of Science-Based Business: Innovating, How we Innovate // Industrial and Corporate Change. Vol. 19(2), pp. 465–482.

18. Innovation Union Scoreboard 2013. Belgium: European Union. 2013. — 80 p.

19. Подиновский В.В. (2013). Метод взвешенной суммы критериев в анализе многокритериальных решений: pro et contra / В.В. Подиновский, М.А.Потапов // Бизнес-информатика, № 3 (25), c. 41-48.

20. van Vught, F., Westerheijden, Don F. (2010). Multidimensional ranking: a new transparency tool for higher education and research // Higher education management and policy, vol. 22, № 3, pp. 6-11.

21. Козлова О. А., Гаркавенко А. Н., Андреева Е. Л. (2008). Роль университета в инновационном развитии региональной экономики // Экономика региона. № 2 (14), c. 64-74.

22. Varga, A., Sebestyén, T., Szabó, N., Szerb, L. (2020). Estimating the economic impacts of knowledge network and entrepreneurship development in smart specialization policy. Regional Studies 54, 48-59. https://doi.org/10.1080/00343404.2018.1527026

23. Бутко Е.Я. (2016). Индикаторы как инструмент сравнительного анализа образования // Дистанционное и виртуальное обучение. № 1 (103), c. 31-37.

24. Курочкин Д.А. (2014). Инновационная среда региона и особенности ее формирования (на примере Московской области) // Вопросы региональной экономики. Т. 20, № 3, с. 59-66.

25. Нижегородцев Р.М. Перспективы генерации знаний в XXI веке: функции и барьеры // Экономический вестник ИПУ РАН. 2020. Т. 1. № 1. С. 3-11.