«Первый экономический журнал». Статьи номера

УДК 338.001.36

Авторы:

Титова Александра Викторовна
Кандидат экономических наук, доцент кафедры бизнес-информатики и менеджмента, ФГАОУ ВО «Санкт-Петербургский государственный университет аэрокосмического приборостроения»

Название статьи:

ИСПОЛЬЗОВАНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ В МНОГОМЕРНОЙ КЛАССИФИКАЦИИ СОЦИАЛЬНО-ЭКОНОМИЧЕСКОГО РАЗВИТИЯ СТРАН

Страницы:
67-73

Аннотация:

В настоящей статье на примере социально-экономических систем крупного масштаба изучены возможности использования машинного обучения в целях кластеризации стран по трем основным направлениям – экологической составляющей, уровню экономического развития и социального благосостояния. На основании данных открытого доступа выбраны группы переменных, характеризующих развитие стран по данным направлениям, выявлены переменные, позволяющие построить наиболее устойчивые и поддающиеся описанию кластеры стран. Показаны преимущества использования позиции страны в трехмерном пространстве по сравнению с широко применяемыми индексами и агрегатными показателями. Разработаны рекомендации для формирования стратегии развития страны, на основании группы принадлежности и желаемого состояния. Даны рекомендации в области дальнейшего развития кластеризации социально-экономических систем в трехмерном пространстве.

Ключевые слова:

экономическое развитие, социальное благополучие, экология, устойчивое развитие, машинное обучение, кластеризация.

Список использованных источников:

1. Афанасьева Т. В., Казанбиева А. Х. (2022). Подход к оценке развития цифровой экономики на основе кластеризации субъектов Российской Федерации. Экономика региона, 18 (4). С. 1075-1088. https://doi.org/10.17059/ekon.reg.2022-4-8.
2. Балашова С.А., Нахатян Е.О. Систематизация подходов к оценке социально-экономического развития стран по индексу благосостояния // Вестник РУДН. Серия: экономика. — 2017. — № 25–2. — С. 219–232.
3. Веблен Т. Теория праздного класса. Москва: Либроком. — 2018. — 368 с.
4. Горбашко Е.А., Титова А.В. Мировые рейтинги социально-экономического развития: ретроспективный анализ, современные тенденции и перспективы // ПСЭ. 2018. №2 (66).
5. Горбашко Е.А. Индекс инклюзивного развития в устойчивом повышении качества жизни населения // Стандарты и качество. — 2018. — № 4. — С. 54–57
6. Дюран Б., Оделл П. Кластерный анализ. М.: Статистика, 1977. 128 с
7. Доничев О.А., Красюкова Н.Л., Фраймович Д.Ю. Кластерный анализ как инструмент оценки социально-экономического развития регионов // Экономический анализ: теория и практика. 2011. №47.
8. Кузнецов Д. Ю., Трошина Т. Л. Кластерный анализ и его применение // Ярославский педагогический вестник. №4.
9. Cobb С., Glickman M., and Cheslog C. The Genuine Progress Indicator: 2000 Update. — Oakland, CA: Redefining Progress. — 2000.
10. Getting Started with the Sustainable Development Goals. A Guide for Stakeholders. — New York: Sustainable development solution network. — December 2015.
11. Wackernagel M. et al. Tracking the Ecological Overshoot of the Human Economy // Proceedings of the National Academy Science. — 2002. — № 14

Финансирование научной работы:
Нет сведений.

Ссылка для цитирования:

Титова А.В. Использование методов машинного обучения в многомерной классификации социально-экономического развития стран // Первый экономический журнал. – 2023. – №9. – С. 67–73.

URL статьи: https://naukavak.ru/pezh-№9-339-2023_67-73/

© Титова А.В., 2023

 Материал распространяется на условиях лицензии Creative Commons «Атрибуция» 4.0 Международная (CC BY 4.0)