В последние три десятилетия в мировой научной литературе произошел существенный рост числа публикаций, посвященных библиометрическому анализу и картографированию библиографических данных об исследованиях по всем наукам, в том числе по экономике и менеджменту. Изучение этих работ показывает, что в них делается упор на анализ публикационной активности и лексико-терминологический анализ с акцентом на авторство, источники, цитируемость и т. п. Вместе с тем не реализованы возможности поиска новых направлений исследований на пересечениях категорий предметных классификаций. Это побудило авторов статьи разработать и многократно опробовать общую методологию системно-инновационного библиометрического анализа и картографирования научной литературы СИБАКНЛ, для которой имеется аргументированная предметная классификация и достаточно развитая электронная база данных источников. В предлагаемой статье по принципу «от простого к сложному» описана общая схема этой методологии, показаны варианты ее применения на трех версиях классификации JEL за 1886–1920 гг. и на классификации ASJC и данных системы Scopus издательства Elsevier. Возможности картографирования проиллюстрированы на примерах таблиц межпредметных взаимосвязей публикаций и построения частотных кластерных таблиц и карт взаимосвязей терминов из названий и рефератов предметных категорий при помощи программы VOSviewer. Кратко освещен многолетний опыт применения созданных методов и полученных результатов в высшем образовании и научных экономических исследованиях. Важным моментом является детализация проблем с разными видами публикаций и базами данных, которые усиливают неопределенность результатов библиометрического анализа. Главный результат – на основе развития идей В. В. Леонтьева впервые в мире удалось построить динамические таблицы межпредметных взаимосвязей и показать возможности их использования для оценки новых направлений исследований в экономической и других науках.
Идентификаторы и классификаторы
- SCI
- Экономика
- Префикс DOI
- 10.25205/2542-0429-2024-24-2-162-195
В небольшой книге «Научное картографирование цифровой трансформации в бизнесе. Библиометрический анализ и перспективы исследования», со ссылками на работы других авторов, отмечается, что библиометрическое исследование, по мнению автора, предполагает сочетание показателей публикационной активности по различным показателям (частоты цитирования по авторам, источникам, странам и др.) и научное картографирование, которое фокусируется на связях элементов исследования (ключевые слова, соавторство и т. д.) [9, p. 11].
Список литературы
1. Лычагин М. В., Мкртчян Г. М., Суслов В. И. Концепция системно-инновационного библиометрического анализа и картографирования экономической литературы // Вестник НГУ. Серия: Социально-экономические науки. 2014. Т. 14, вып. 2. С. 127-141.
2. Hall K. S., Mayer H. M., Wrigley Jr. R. L. Mapping Chicago’s industrial and commercial land use // Land Economics. 1944. Vol. 20(0). P. 365-370.
3. McPherson W. W., Faris J. E. “Price mapping” of optimum changes in enterprises [in North Carolina] // Journal of Farm Economics. 1958. Vol. 40(0). P. 821-834.
4. Финансовые инновации: Зарубежный опыт / Отв. ред. В. И. Суслов, М. В. Лычагин ; НГУ. Новосибирск: Наука. Сиб. отд-е, 1997. 160 с. URL: htps://lib.nsu.ru/xmlui/handle/nsu/21149.
5. Лычагин М. В., Лычагин А. М., Шевцов А. С. Атлас публикаций по экономике на основе EconLit. 1992-2005 = Atlas of publications in economics on the EconLit basis. 1995-2005 / отв. ред. В. И. Суслов; Новосиб. гос. ун-т. Новосибирск: Изд-во СО РАН, 2007. 400 с. URL: https://lib.nsu.ru/xmlui/handle/nsu/2455 .
6. Gulia D., Kumar S., Arora S. Bibliometric Analysis and Science Mapping of Business Incubators // Journal of the Knowledge Economy. 2023. 08 Dec. P. 1-23. https://doi.org/10.1007/s13132-023-01618-w.
7. Kumar S. et al. Artificial Intelligence and Blockchain Integration in Business: Trends from a Bibliometric-Content Analysis // Information Systems Frontiers. 2023. Vol. 25. P. 871-896. https://doi.org/10.1007/s10796-022-10279-0.
8. Safeei R. et al. Unveiling the Trajectory of Board Diversity Research: A Bibliometric Study // Information Management and Business Review. 2024. Vol. 16. No. 1. P. 1-15.
9. Bota-Avram C. Science Mapping of Digital Transformation in Business. A Bibliometric Analysis and Research Outlook. SpringerBriefs in Business. Springer Nature Switzerland AG, 2023. 78 p.
10. Glänzel W., Moed H. F., Schmoch U., Thelwall M. Springer Handbook of Science and Technology Indicators. Springer Nature Switzerland AG, 2019. 1103 p.
11. Таблицы взаимосвязей 859 предметных микрокатегорий JEL на основе EconLit в 1991-2020 годах: авторское свидетельство № 2023620457 Рос. Федерация / М. В. Лычагин (RU), А. М. Лычагин (RU), правообладатель: М. В. Лычагин (RU). - Заявка № 2023620170; дата поступления 23 янв. 2023 г.; дата гос. регистрации 02 февраля 2023 г., Офиц. бюл. № 2, 2023. 1 с.
12. Dickhaut J. et al. The Impact of the Certainty Context on the Process of Choice // Proceedings of the National Academy of Sciences of the United States of America. 2003. Vol. 100(6). P. 3536-3541.
13. Атлас новых исследований на основе EconLit (2006-2013) [Электронный ресурс]: в 19 т. / Т. 4: JEL-категория D / Под ред. М. В. Лычагина, Г. М. Мкртчяна, В. И. Суслова, К. П. Глущенко. На англ. яз., с фрагментами на рус. яз. Новосиб. гос. ун-т, ИЭОПП СО РАН. Новосибирск: ИПЦ НГУ, 2018. 2282 с. (Серия: Инновационный библиометрический анализ в экономических исследованиях). URL: https://lib.nsu.ru/xmlui/handle/nsu/15212.
14. Olcaysoy Okten I., Magerman A., Forbes C. E. Behavioral and Neural Indices of Trust Formation in Cross-Race and Same-Race Interactions // Journal of Neuroscience, Psychology, and Economics. 2020. Vol. 13(2). P. 100-125.
15. Tomaselli V. et. al. Building Decision-Making Indicators through Network Analysis of Big Data // Social Indicators Research. 2020. Vol. 151(1). P. 33-49.
16. Anderson G., Post T., Whang Y.-J. Somewhere between Utopia and Dystopia: Choosing from Multiple Incomparable Prospects // Journal of Business and Economic Statistics. 2020. Vol. 38(3). P. 502-515.
17. Özdemir V., Hekim N. Birth of Industry 5.0: Making Sense of Big Data with Artificial Intelligence, “the Internet of Things” and Next-Generation Technology Policy // Journal of Integrative Biology. 2018. Vol. 22 (1). P. 65-76. https://doi.org/10.1089/omi.2017.0194
18. Madsen D. Ø., Berg T. An exploratory bibliometric analysis of the birth and emergence of industry 5.0 // Applied System Innovation. 2021. Vol. 4 (4), art. no. 87.
19. Akundi A. et al. State of Industry 5.0 - Analysis and Identification of Current Research Trends // Applied System Innovation. 2022. Vol. 5 (1), art. no. 27. https://doi.org/10.3390/asi5010027.
20. Aslam F., Aimin W., Li M., Rehman K. U. Innovation in the era of IoT and industry 5.0: Absolute innovation management (AIM) framework // Information (Switzerland). 2020. Vol. 11 (2), art. no. 124.
21. Khojasteh Y., ed. Supply Chain Risk Management: Advanced Tools, Models, and Developments. New York: Springer Nature, Springer. 2018. P. xi, 334.
22. Johannessen M. R., Berntzen L. The Transparent Smart City: How City Councils and City Administrations Can Apply Smart Technology for Increased Transparency-With Case Evidence from Norway // Smart Technologies for Smart Governments: Transparency, Efficiency and Organizational Issues. New York: Springer Nature, Springer, 2018. P. 67-94.
23. Shepherd D. A., Patzelt H. Entrepreneurial Cognition: Exploring the Mindset of Entrepreneurs. New York: Springer Nature, Palgrave Macmillan, 2018. P. xiii, 281.
24. Park Y. W. Business Architecture Strategy and Platform-Based Ecosystems. New York: Springer Nature, Springer, 2018. Pp. xi, 129.
25. De D., Siddhartha Bhattacharyya S., Rodrigues J. J. P. C., eds. Blockchain based Internet of Things. Springer Nature Singapore Pte Ltd., 2022. 300 p.
26. Machado C. F, João Paulo Davim J. H., eds. Industry 5.0. Creative and Innovative Organizations. Springer Nature Switzerland AG, 2023. 159 p.
27. Финансовые инновации: методы изучения / Отв. ред. М. В. Лычагин, Л. Б. Меламед, В. И. Суслов. Новосибирск: Изд-во СО РАН, 1998. Т. 1. С. 42-59. URL: https://lib.nsu.ru/xmlui/handle/nsu/21150.
Выпуск
Другие статьи выпуска
В работе исследуются сходства функционирования организации и человеческого организма, выявляются адаптационные биологические характеристики, которые проявляются также на уровне социальной структуры, описываются приспособленческие явления биологического порядка на клеточном уровне и проявления подобных на организационном. Цель исследования состоит в дополнении органического понимания сущности организаций нейрофизиологическими эффектами биологических систем. Представлена гипотеза о наличии казуальных связей между способностями стратегической гибкости организации к вызовам внешней среды и адаптивными свойствами нейрофизиологической природы, которая свойственна биологическим объектам. В исследовании применены общенаучные методы, такие как анализ, синтез, сравнение, сопоставление, экстраполяция, а также социально-экономический, исторический, биологический и нейрофизиологический подходы. Излагается новое понимание адаптационных свойств организации в условиях неопределенности внешней среды, ее быстрой изменчивости с точки зрения нейрофизиологии. Описаны такие клеточные эффекты, как спилловер, интернализация рецепторов и репрезентативный дрейф нейронов, которые проявляются на предприятии на уровне социальном и организационном. Представлены организационные проекции нейрофизиологических эффектов на социальном и организационном уровне по распространению информации, знаний, оптимизации организационных структур, непрерывном обновлении, ротации и смены структурных подразделений, участвующих в адаптационном процессе. Выявлено соответствие эффектов имманентным свойствам организации, таким как эмерджентность, ингрессивность и эгрессивность. Представлен обновленный тезаурус и семантика общего и стратегического менеджмента при рассмотрении организации с точки зрения организменного подхода. Показана результативность адаптационных возможностей менеджмента организации при проведении мероприятий по снижению вредных воздействий внешней среды на механизм устойчивого функционирования.
Система управления персоналом, основанная на стимулировании, общепризнанна, широко распространена, но имеет ряд недостатков, в частности, создает почву для конфликтов в коллективах, требует результативного контрольного аппарата и, главное, не способствует раскрытию творческого потенциала работников. Автор наблюдал примеры организации эффективной работы коллективов, главным образом творческих, без использования инструментов стимулирования (поощрений или наказаний), более того, попытки применения в таких коллективах стимулирования приводили к снижению их эффективности. Целью исследования было сформулировать и исследовать модель управления персоналом без применения инструментов стимулирования, названную мотивационной, а также интерпретировать результаты наблюдений производственной практики с позиций этой модели. Метод исследования состоял в критическом осмыслении автором личного производственного опыта, соотнесении его с имеющимися литературными данными в области промышленной психологии и управления персоналом. В результате исследования сформулированы постулаты мотивационной модели управления персоналом, проанализированы ее особенности, достоинства и недостатки в сопоставлении с моделью управления на основе стимулирования. Рассмотрены примеры из производственной практики и дана их оценка с точки зрения двух моделей.
Автор пришел к выводу о возможности и целесообразности управления персоналом без применения стимулирования и о неизбежности перехода на мотивационную модель управления как более эффективную и гуманистическую. Статья может представлять интерес для руководителей трудовых коллективов.
Cравнивается метод пакетной реализации гребневой регрессии с математической моделью на основе оптимизированного байесовского критерия. Цель – проверить модель адаптированной гребневой регрессии на коррелирующих данных. Предлагаемая модель имеет преимущество, так как, помимо отбора переменных, как это делает классическая гребневая регрессия, позволяет оценить p-values построенной линейной регрессии. Кроме этого, метод позволяет регулировать параметры тьюнинга таких моделей, как гребневая регрессия или лассо, на более глубоком уровне. Методический подход применяется для многомерной выборки, в которой необходимо отсеять наименее значимые факторы, и при этом данные отличаются однородностью и разного рода выбросами. Данные взяты на основе опроса населения Российской Федерации, проведенного Высшей школой экономики.
В силу большого объема предложения на EdTech-рынке и неразвитой культуры выбора онлайн-курсов в интернет-пространстве появляются платформы, которые агрегируют информацию об онлайн-продуктах и тем самым помогают пользователю с выбором. Подобные агрегаторы не лишены недостатков: предлагают готовые рейтинги, но с непонятной методикой ранжирования; рекомендуют сравнивать или ранжировать курсы по малому набору характеристик; предоставляют недостоверную информацию об образовательных онлайн-продуктах. Настоящая работа демонстрирует разработанную авторами модель ранжирования онлайн-курсов для пользователей, преимущества которой состоят в прозрачности инструментария, расширенном наборе характеристик, а также в персональном подходе к каждому пользователю. Практическое значение работы заключается в том, что методика, в случае ее использования агрегатором онлайн-курсов, поможет пользователям принимать более рациональные решения при выборе образовательных продуктов.
В настоящее время все большую актуальность приобретает формирование центров превосходства и обеспечение ими научно-технологической и промышленной безопасности страны на различных исторических этапах. Возникает проблема анализа опыта формирования центров превосходства и поиск способов его распространения в современных реалиях для разработки эффективного государственного механизма создания и развития центров превосходства на основе использования подхода «триединые контексты». Методологической основой исследования является принцип триад. Использованы методы индукции, дедукции, анализа и синтеза, наблюдения, сравнения, систематизации, описания, эмпирический, а также эволюционный, системный и историко-логический подходы к анализу. Информационную основу работы составили публикации, проиндексированные в международных базах данных Web of Science Core Collection и Scopus. В результате исследования были выявлены и охарактеризованы за период с 1920 г. по настоящее время эффективные механизмы и инструменты формирования и стимулирования развития центров превосходства, представлена их эволюция на основе применения триединых контекстов. Проведенный анализ показал, что при разработке механизма и выборе инструментов формирования центров превосходства в современной России целесообразно учитывать опыт СССР.
В работе проводится исследование факторов роста и причин неравномерности развития федеральных округов РФ в период 2008–2021 гг., которое включает в себя ретроспективный анализ структур основных макроэкономических показателей по регионам, декомпозицию прироста ВРП в текущих ценах на компоненты, которые, в свою очередь, тоже дифференцированы по факторам, анализ «сдвиг – доля» и распределение прироста ВРП страны по федеральным округам и отраслям.
В качестве пространственного разреза используются ЦФО, СЗФО, ЮФО, СКФО, ПФО и УФО без Тюменской области, образующие Европейскую часть РФ, и Тюменская область, СФО и ДФО, формирующие Азиатскую часть РФ. Для получения более детальных результатов исследование проводится для периодов 2008–2015, 2015–2019 и 2019–2021 гг.
В работе показано изменение тенденции пространственного развития экономики РФ в период 2019–2021 гг. Если для 2008–2015 и 2015–2019 гг. наблюдается опережающий рост Азиатской части РФ, то для 2019–2021 гг. прирост реального ВРП западных регионов в 5 раз превышает соответствующий показатель Азии, что соизмеримо с диспропорциями роста производительности труда. Кроме того, для 2008–2015 и 2015–2019 гг. вклад Азиатской части РФ в экономический рост страны составляет примерно 30 %, в то время как для 2019–2021 гг. наблюдается его сокращение до 7 %, вызванное снижением объемов добычи полезных ископаемых.
При переходе к устойчивому развитию весьма актуальным становится вопрос о разработке новых подходов к изменению содержания и методов оценки социальных эффектов. В течение последних десятилетий наблюдается опережающий рост исследований и публикаций именно в этом направлении. За это время обязательства по нефинансовой отчетности организаций в некоторых странах были установлены на законодательном уровне. Однако постоянно проявляются проблемы с согласованностью общей терминологии, а также концептуальные различия между сформулированными понятиями в зарубежной и отечественной литературе, что затрудняет получение и обмен знаниями в этой области исследований. В предлагаемой статье мы классифицируем подходы к определению социальных эффектов, что помогает сформировать более четкое представление об этой концепции, следовательно, проанализировать методы оценки последствий принятия решений в программах и проектах. Отдельно исследуются различия в формулировке данного понятия в зарубежной и отечественной литературе. В статье также рассматривается несколько методов, широко применяемых при оценке социальных эффектов, с разделением на методы оценки (анализ затрат и выгод, анализ затрат и результативность, анализ затрат и полезность, социальная рентабельность инвестиций) и методы измерения (макроэкономические и микроэкономические). В результате обеспечивается систематизация концептуальных подходов к формулировке социальных эффектов.
Издательство
- Издательство
- Новосибирский Государственный Университет
- Регион
- Россия, Новосибирск
- Почтовый адрес
- 630090, Новосибирская область, г. Новосибирск, ул. Пирогова, д. 1.
- Юр. адрес
- 630090, Новосибирская область, г. Новосибирск, ул. Пирогова, д. 1.
- ФИО
- Федорук Михаил Петрович (Руководитель)
- E-mail адрес
- rector@nsu.ru
- Контактный телефон
- +7 (383) 3634000
- Сайт
- https://www.nsu.ru/