Научный архив: статьи

Целью настоящего исследования является систематизация и раскрытие сущностей социотехнологических (гибридных) драйверов развития современной цифровой экономики. Показано, что сущность цифровой экономики состоит в применении передовых цифровых технологий и современных социально-экономических моделей поведения для ведения хозяйственной деятельности. Показано, что современные цифровые технологии обеспечивают гармоничное развитие социально-экономической среды. С одной стороны, процессы цифровизации находят широкое применение в области создания современных технологических инноваций, с другой - создают условия для трансформации социально-экономических отношений, являются условием создания социальных инноваций, формируют предпосылки для перехода к цифровому обществу. Таким образом, процессы цифровизации являются неким гибридным драйвером (объединяющим в себе как технологии, так и формируемые на их основе социально-экономические модели поведения) общественного развития. Выделены следующие социотехнические (гибридные) драйверы развития цифровой экономики: большие данные, облачные технологии, цифровые платформы, интернет вещей, концепция умного города, долевая экономика, технология блокчейна. Даны определения указанным гибридным драйверам развития цифровой экономики. Обозначены сущности данных направлений развития, заключающиеся в применении передовых цифровых технологий для наиболее эффективной организации хозяйственной деятельности. Показано, что гибридные драйверы развития цифровой экономики представляют собой вложенные множества, каждое из которых включает в себя другие технологии и модели поведения. Отмечены различные темпы эволюции разных направлений цифровой экономики. Новизна полученных результатов заключается в формировании иерархической системы социотехнологических драйверов развития цифровой экономики. Теоретическая значимость проведенного исследования состоит в систематизации сущностей драйверов развития цифровой экономики. Практическая значимость исследования заключается в формировании возможных будущих исследований разумного хозяйствования в условиях цифрового общества.

Вовлечение цифровых технологий в предпринимательскую деятельность расширяет границы, в рамках которых возможно выявление и последующее использование коммерчески значимой информации. Цифровая экономика, с одной стороны, формирует среду, в которой бизнес способен шире реализовать действительную или потенциальную ценность сведений, составляющих коммерческую тайну, а с другой — создает новые риски в информационной среде, к которым бизнес может быть не готов. Актуальными становятся поиски новых проявлений коммерческой тайны в цифровой среде. Главной целью работы выступает обоснование закономерности изменений взглядов на коммерчески значимую информацию в условиях цифровой экономики. Смежной целью выступает раскрытие возможного практического использования цифровых технологий при работе со сведениями, составляющими коммерческую тайну. Изложенные цели обусловливают задачу переосмысления самого института коммерческой тайны под давлением новых технологий. В качестве методов применены сравнение, анализ, синтез и моделирование. Исследование продемонстрировало ряд перспектив переосмысления института коммерческой тайны. Использование цифровых технологий не признается обязательным фактором функционирования коммерческой тайны в новых условиях, но вовлечение таких технологий в предпринимательскую сферу способно раздвинуть горизонты круга сведений, составляющих коммерческую тайну, а также заложить фундамент подхода к защите тайны, при котором любое умышленное действие по ее нарушению ставится вне закона. При действующем правовом регулировании и сложившейся судебной практике несовершение владельцем коммерческой тайны перечисленных в статье формальных действий может привести к выводу о том, что режим коммерческой тайны не установлен, а это легализует действия правонарушителя.

Во введении раскрывается актуальность исследования вопросов внедрения технологий искусственного интеллекта как одного из методов борьбы с преступностью. Отмечается нормативно-правовое закрепление необходимости использования указанных технологий. Цель исследования состоит в аргументировании позиции необходимости внедрения технологий искусственного интеллекта в деятельность по раскрытию и расследованию преступлений, а также в демонстрации эффективности указанных технологий в различных ситуациях.

Выводы. Сформулированы основные характеристики технологий искусственного интеллекта, позволяющие внедрить их в деятельность по раскрытию и расследованию преступлений. Раскрывается потенциал использования указанных технологий, позитивно влекущих за собой изменение традиционных методов работы, а также частных криминалистических теорий.

Городские агломерации в настоящее время находятся в фокусе внимания ученых и практиков государственного управления. несмотря на это дискуссионной и слабо изученной остается проблематика выделения фактических границ и обоснования инструментов развития агломераций так называемых «второго» и «третьего» эшелонов, ядрами которых выступают крупные, большие и средние города. тем не менее именно они могут стать драйверами развития территорий за пределами основной полосы расселения, прежде всего, Севера и Арктики. Цель статьи- выявление состава и фактических границ северных / арктических агломераций России с учетом их специфики. Для ее достижения был разработан авторский методический подход к делимитации границ агломераций, базирующийся на синтезе традиционного (изохроны транспортной доступности, гравитационные методы) и современного (ГИС-технологии, аналитика больших данных социальных сетей) инструментария. В результате его апробации определены состав и границы трех северных / арктических агломераций с ядрами в Архангельске, Сургуте, норильске, а также выделены их специфические черты: а) фактические границы зачастую не соответствуют жестким традиционным критериям делимитации, в частности 1,5-часовой изохроне транспортной доступности города-ядра, по причине ослабленного здесь влияния фактора географической близости, б) по критерию развитости системы расселения к агломерациям можно отнести две из них (Сургутская, Архангельская), в) несмотря на слабо развитый каркас расселения (коэффициент развитости менее 2,7) и продолжающиеся процессы увеличения доли города-ядра в общей численности населения экономический «центр тяжести» агломерации смещается в спутниковую зону. Обоснована целесообразность применения гибкого подхода к делимитации границ и выбору инструментария развития городских агломераций с учетом факторов их формирования и экономико-географического положения, в частности в проекции «Север» и «не-Север». Дальнейшие исследования будут связаны с углубленной оценкой эффектов локализации и урбанизации изучаемых агломераций.

Маятниковая миграция создает условия для самореализации и выбора лучшего места работы для человека, но при этом может ограничивать возможности социально-экономического развития для территории. Управление процессом в рамках программ развития территорий затруднено в силу отсутствия статистических данных в разрезе муниципальных образований. Целью статьи являлось выявление специфики маятниковой трудовой миграции в агломерациях России, изучалась половозрастная структура мигрантов, поскольку авторами выдвинута гипотеза о наличии особенностей маятниковой трудовой миграции в центрах агломераций и спутниках (с учетом их типов: города-спутники, сёла-спутники). Основным методом исследования является аналитика социальных сетей, также применены метод возрастных пирамид и компаративный анализ. Эмпирическая база сформирована авторами в 2023 г., включает обезличенные данные около 396 тыс. пользователей соцсети ВКонтакте в возрасте 14-73 лет, проживающих в 14 городах-миллионниках и 92 их городах-спутниках. Установлено, что за исключением Воронежской и Уфимской агломераций большую долю маятниковых мигрантов, направляющихся из городов-спутников в центры агломераций, составляют мужчины, возрастная группа мигрантов от 29 до 43 лет среди представителей обоих полов является наиболее активной. В потоках маятниковой трудовой миграции, направленных из городов-центров агломераций, большую долю составляют женщины (52,8 %), при этом женщины более активно едут работать в сёла-спутники, чем мужчины. Выявлено, что доли мигрантов обоих полов для городов-спутников по всем возрастным группам характеризуются большей близостью значений, чем для сёл-спутников. Основные возрастные группы жителей городов-миллионников, включенные в маятниковую миграцию, - 24-28 лет и 44-48 лет. Результаты исследования могут быть использованы для корректировки направлений развития городов в части миграции населения, уточнения программ поддержки занятости с учетом выявленных особенностей половозрастной структуры маятниковых трудовых мигрантов агломераций и спутников разного типа.

Дается представление о перспективах применения криминалистических технологий в сочетании с большими данными в обеспечении экспертно-криминалистических задач органов внутренних дел (ОВД) при организации противодействия экстремистской идеологии. Отмечается тенденция создания единой системы сбора, обработки, анализа и использования криминалистически значимой информации. Поддержка указанной системы основывается на применении передовых информационных и математических технологий (больших данных, имитационного моделирования, искусственного интеллекта), внедрения новых методов информационно-аналитической работы в ИСОД МВД России. Показано, что открытые источники информации являются самым емким каналом ее получения в целях криминалистического обеспечения раскрытия и расследования преступлений. В рамках указанного подхода рассмотрено развитие таких направлений криминалистических технологий, как дактилоскопия, почерковедческая экспертиза, габитоскопия. Обсуждены особенности использования больших данных, включающих криминалистические учеты и аналитическую разведку в системе противодействия экстремистской идеологии. В этой связи представлена общая схема взаимодействия основных элементов системы информационного обеспечения, анализа и прогнозирования криминогенной обстановки. Сформулированы требования и пути решения задач применения технологий больших данных, искусственного интеллекта для создания и эксплуатации аналитических систем обеспечения противодействия экстремистской идеологии. Сделан вывод, что одно из основных направлений повышения эффективности уголовно-правового процесса связано с необходимостью формирования комплексной системы доказательств при раскрытии и расследовании преступлений, где большие перспективы связаны с информационными возможностями криминалистических учетов и технологиями моделирования.

В данной статье рассмотрено внедрение больших данных в образовательную систему. Система образования продолжает создавать и собирать большое количество данных, и на сегодняшний день вопрос работы в системе с этими данными можно назвать одним из самых важных. Большие данные могут быть мощным инструментом для преобразования обучения, переосмысления способов, преодоления давних пробелов и накопления опыта для повышения эффективности самого процесса обучения.

Статья посвящена философскому анализу термина «благополучие» и его интерпретации в информационном обществе. В мире больших данных и цифровых технологий появляются новые критерии человеческого благополучия. Понятие «цифровое благополучие» анализируется с точки зрения того, что означает жить хорошей для нас жизнью в цифровом обществе через параметры измерения цифрового благополучия, предложенные Л. Флориди: цифровая благодарность, автоматизированные вмешательства и устойчивое совместное благополучие. Цифровые технологии с опорой на большие данные имеют не просто инструментальную функцию, они стали активными соучастниками формирования ощущения благополучия личности через подбор реакций, решений, рекомендаций на основе анализа данных в разных областях человеческой деятельности. За повышением качества жизни, эффективности рабочих и социальных процессов стоят манипуляции, дискредитация, нарушение прав, опасность нанесения серьезного ущерба. Человек в своем стремлении к повышению благополучия - материального и морального - оказался в ситуации необходимости более тщательного выбора своих поступков. Автоматизм действий, присущий человеку, повышает риски причинения вреда как самой личности, так и окружающим людям.

В условиях постоянного накопления больших данных и развития систем искусственного интеллекта появляются новые и трансформируются уже имеющиеся в социальном воображаемом образы будущего. Если в качестве ключевой технологии будущего представить большие данные, можно обозначить совокупность позитивных образов будущего как датаоптимизм, негативных - как датапессимизм и умеренных - как датареализм. В качестве критерия оценки образов будущего можно использовать уровень моральных рисков, представляющих собой ситуации, в которых вероятность поступить «не по совести» возрастает. Признаками морального риска являются: эгоистические соображения, ситуация ценностно-нормативного конфликта, высокий уровень неопределенности последствий принятого решения. Моральные риски в датаоптимистическом будущем связаны с высоким уровнем доверия технологиям, основанным на больших данных. В этом образе будущего за людьми сохраняются навыки определения ситуации ценностно-нормативного конфликта, но деформируются навыки принятия решений без опоры на предиктивную аналитику. Датапессимизм характеризуется моральными рисками, связанными с гиперподталкиванием к благу, определенному большими данными, но не самим человеком. В датапессимистическом будущем люди не доверяют технологиям, но подчиняются им, постепенно теряя мотивацию к нравственному совершенствованию. Датареализм, несмотря на формирование взвешенного отношения к большим данным и смежным технологиям, опасен для совести человека неопределенностью границ применения принципа предосторожности и ростом уровня неопределенности в целом. Чем меньшие моральные риски несет образ будущего, тем более желательным он является, при условии, что такие риски не устраняются полностью.

В статье рассматривается применение учебной аналитики (Learning Analytics, LA) в образовательном процессе. Она широко используется, позволяет оптимизировать процесс обучения, оперативно оценивать качество материалов и преподавания, учитывать результаты и достижения обучающегося, прогнозировать его успеваемость. Среди этических проблем, возникающих при использовании образовательной аналитики, наиболее часто дискуссии возникают вокруг конфиденциальности, прозрачности, навешивания ярлыков, права собственности на данные, алгоритмической справедливости и обязанность вуза упреждающе взаимодействовать с обучающимися при наличии академической неуспеваемости. Каждая из них акцентирует автономию обучающегося, его активную и осознанную вовлеченность в процесс контроля своего обучения для самостоятельного принятия решений. Есть примеры вузовских кодексов использования учебной аналитики, что свидетельствует о необходимости введения нормативной практики использования новых образовательных инструментов.

Рассматриваются наиболее перспективные векторы развития информационных систем такие как: кибербезопасность, большие данные, облачные системы хранения, искусственный интеллект. Указана важность их использования в современных условиях, а также их взаимосвязь и взаимодействие между собой. Приведены роли перечисленных информационных систем в производственной деятельности на примере организации работы склада.

В современном школьном образовании актуализируется проблема обучения школьников технологиям сбора, анализа и защиты данных собственного цифрового следа и формирования у них соответствующих компонентов цифровой грамотности. Элективный курс «Мой цифровой след» включает следующие темы: «Понятие цифрового следа», «Кибергигиена при работе с большими данными», «Извлечение и анализ цифрового следа». Описан ход лабораторных работ «Анализ собственного цифрового следа» и «Анализ цифрового следа с помощью автоматизированных инструментов». Представлены примеры практических заданий на анализ жизненных ситуаций. Элективный курс нацелен на формирование предметных результатов, входящих в компонентный состав цифровой грамотности школьников: понимание сути понятия «цифровой след», структуры и состава личных данных, составляющих цифровой след, умение выявлять и анализировать собственный цифровой след, владение навыками управления своим цифровым следом.