Розширена анотація українською мовою

Глобальним трендом економічного розвитку є перехід до формування нового економічного укладу – інформаційної економіки. Здатність до генерації знань та інновацій стає передумовою підвищення конкурентоспроможності країни та її регіонів, а також визначає темпи їх соціально-економічного розвитку. У такому контексті актуалізується необхідність визначення рівнів розвитку інформаційної економіки та її структурних компонент (освітньої, дослідницької, інноваційної) у регіонах країни. Метою статті є розробка й апробація методичного інструментарію оцінки розвитку інформаційної економіки у розрізі її структурних компонент, що дозволить сформувати регіональні кластери за інтенсивністю освітньої, інноваційної й дослідницької компонент, а також визначити пріоритетні вектори стимулювання розвитку інформаційної економіки на макро- та мезоекономічному рівнях. При розробці методичного інструментарію автори виходили з існуючих у світі методичних підходів, можливості їх адаптації до національної специфіки, а також потенціалу статистичних баз. Для здійснення кластеризації регіонів України за рівнем розвитку освітньої, інноваційної та дослідницької компонент інформаційної економіки використано алгоритм k-means. Проведений кластерний аналіз показав, що процеси становлення інформаційної економіки в Україні розвиваються нерівномірно та перебувають на етапі становлення. Більша кількість областей держави потрапляє в кластер проблемних регіонів з низьким рівнем розвитку освітньої, інноваційної та дослідницької компонент; лідерські позиції за рівнем розвитку інформаційної економіки демонструє Харківська область, віднесена до кластеру регіонів з інтенсивним розвитком інформаційної економіки; виокремлено також кластер перспективних регіонів із середнім рівнем розвитку інформаційної економіки. Проведене дослідження дозволило виявити основні проблемні моменти та ідентифікувати зони виникнення регіональних дисбалансів в розвитку інформаційної економіки, у тому числі в розрізі її структурних компонент. У висновках авторами запропоновано напрями вдосконалення підходів до державного регулювання процесів становлення інформаційної економіки, що ґрунтуються на врахуванні специфічних особливостях регіонів, їх смарт-спеціалізації, фактичних потужностей та досягнутого рівня розвитку компонент інформаційної економіки.

Ключові слова: інформаційна економіка, регіон, інновації, вища освіта, R&D, кластер, освітня компонента, інноваційна компонента, дослідницька компонента.

Класифікація JEL: I21, I22, O11.

Цитувати як: Shkarlet, S., Kholiavko, N., Dubyna, M. (2019). Information economy: management of educational, innovation, and research determinants Marketing and Management of Innovations, 3, 126-141. https://doi.org/10.21272/mmi.2019.3-10

Ця стаття публікуються за ліцензією Creative Commons Attribution International License

Список використаних джерел

1. Arthur, D., Vassilvitskii, S. (2006) How slow is the k-means method? In SCG ’06: Proceedings of the twenty-second annual symposium on computational geometry. ACM Press.
2. Artuhur, D., Vassilvitskii, S. (2007) К-means++: The Advantages of Careful Seeding. Proceedings of the Eighteenth Annual ACM-SIAM Symposium on Discrete Algorithms. pp. 1027-1035.
3. Bell, D. (1973) The Coming of Post-industrial Society: A Venture of Social Forecasting. New York : Basic Books. 507 р.
4. Bezvushko, Ye. (1999) Klastery` ta yix rol` u vidrodzhenni ekonomiky` Podillya [Clusters and their role in the revival of the economy of Podillya] Perspective studies. №2. P. 17–23.
5. Bottou, L. & Bengio, Y. (1995) Convergence properties of the k-means algorithm. Advances in Neural Information Processing Systems.
6. Butenko, A. I., Lazaryeva, Ye. V. (2009) Fenomen klastera u formuvanni innovacijnoyi modeli ekonomiky` regionu [The phenomenon of the cluster in the formation of an innovative model of the region’s economy] Investments: practice and experience. No. 2. С. 25–28. URL: http://www.investplan.com.ua.
7. Carayannis, E. & Grigoroudis, E. (2016) Quadruple Innovation Helix and Smart Specialization: Knowledge Production and National Competitiveness. Foresight and STI Governance. vol. 10. № 1. Рp. 31–42.
8. Castells, M. (1997) The Information Age: Economy, Society and Culture: The Power of Identity. Oxford : Blackwell, 1997. 461 р
9. Chy`gry`ns`ka, O.S., Vlasyuk, T.M. (2006) Teoriya ekonomichnogo analizu [The theory of economic analysis] К.: Center for Educational Literature.232 p.
10. Dubrov, A.M., Mxy`taryan, V.S., Troshy`n, L.Y`. (1998) Mnogomernыe staty`sty`chesky`e metody [Multidimensional statistical methods] М.: Fy`nansy y` staty`sty`ka. 350 p.
11. Elkan, C. (2003) Using the triangle inequality to accelerate k-means. Proceedings of the Twentieth International Conference on Machine Learning, Volume 3, pp. 147-153.
12. Har-Peled, S., Sadri, B. (2005) How fast is the k-means method? In SODA’05: Proceedings of the sixteenth annual ACM-SIAM symposium on Discrete algorithms, pages 877–885, Philadelphia, PA, USA, 2005. Society for Industrial and Applied Mathematics.
13. Hartigan, J.A. and Wong, M.A. (1979) A k-means clustering algorithm. Applied Statistics, Vol. 28, pp. 100-108.
14. Ivanov, Yu., Tyshchenko, V. (2015) Public-private partnership potential in knowledge economy: regional aspect. Economic Annals-XXI. № 3-4(1). Pp. 28-31. URL: http://nbuv.gov.ua/UJRN/ecchado_2015_3-4%281%29__8
15. Jain, A. J., Murty, M.N., Flynn, P.J. (1999) Data clustering: a review. ACM Computing Surveys. V. 31. № 3. Pр. 264–323.
16. Kanungo, Т., Mount, D.M., Netanyahu, N.S., Piatko, C.D., Silverman, R., Wu A.Y. (2004) A local search approximation algorithm for k-means clustering. Comput. Geom., 28(2-3):89–112.
17. Korepanov, O.S. (2018) Adaptaciya metody`chnogo zabezpechennya do specy`fiky` ocinyuvannya tery`torial`nogo rozvy`tku informacijnogo suspil`stva v Ukrayini [Adaptation of methodological support to the specifics of the evaluation of the territorial development of the information society in Ukraine] Business Inform. №4. P. 364-370.
18. Ky`m, Dzh.-O. (1989) Faktornyj, dy`skry`my`nantnyj y` klasternyj analy`z. [Factorial, discriminant and cluster analysis.] М. : Finances and statistics. 215 p.
19. Masuda, Y. (1983) The Information Society as Postindustrial Society. Washington: Word Future Soc. Р. 45.
20. Mielikainen, J. (2002). A novel full-search vector quantization algorithm based on the law of cosines. IEEE Signal Processing Letters. No 9. Pp. 175–176.
21. Mikula, N. (2003) Yevroregiony`: dosvid ta perspekty`vy` [Euroregions: experience and perspectives] Lviv: IRD NAS of Ukraine. 222 p.
22. Pankaj, K. (2004) Agarwal and Nabil H. Mustafa. К-means projective clustering. PODS ’04: Proceedings of the twenty-third ACM SIGMOD-SIGACT-SIGART symposium on Principles of database systems. Рр. 155–165, New York, NY, USA. ACM Press.
23. Plyuta, V. (1980) Sravny`tel`nyj mnogomernyj analy`z v ekonomy`chesky`x y`ssledovany`yax. Comparative multidimensional analysis in economic research. M.: Statistics 143 p.
24. Porat, Mark U. (1977) The Information Economy. Nine volumes. Office of Telecommunication, US Department of Commerce. Washington.
25. Prokopenko, I.F., Ganin, V.I. (2008) Metody`ka i metodologiya ekonomichnogo analizu Methodology and methodology of economic analysis. К.: Center for Educational Literature.430 p.
26. Sculley, D. (2010) Web Scale K-Means Clustering. Proceedings of the 19th International Conference on World Wide Web. pp. 1177-1178.
27. Sokolenko, S. (2004) Klastery` v global`nij ekonomici [Clusters in the global economy] K.: Logos.
28. Soshny`kova, L.A., Tamashevy`ch, V.N. (1999) Mnogomernyj staty`sty`chesky`j analy`z v ekonomy`ke [Multivariate statistical analysis in the economy] М. : YuNY`TY`. 598 p.
29. Toffler, A.(1980) The Third Wave. New York : Bantam Books. 544 р.
30. Turovs`ky`j, I. V. (2017) Ekonometry`chny`j pidxid do klastery`zaciyi regioniv Ukrayiny` za rivnem social`no-ekonomichnogo rozvy`tku [Econometric approach to clusterization of regions of Ukraine by the level of socio-economic development] Scientific herald of Uzhgorod National University: Series: International Economic Relations and World Economy / Heads. edit MM Palinchak Uzhhorod: Helvetia. Vol. 14. Part.2. P. 147–152.
31. Vojnarenko, M. P. (2011) Klastery` v insty`tucijnij ekonomici: monografiya [Clusters in the institutional economy: a monograph] Xmel`ny`cz`ky`j: XNU, TOV«Triada-M». 502 p.
32. Vojtovy`ch, A.D. (2010) Klastery`zaciya regioniv za rivnem social`no-ekonomichnogo rozvy`tku [Clusterization of regions on the level of socio-economic development] Bulletin of the Khmelnytsky National University. №4. Vol. 1.P. 248-252.
33. Wu, X., Kumar, V. (2009) The Top Ten Algorithms in Data Mining. Chapman & Hall. CRC.