Анализ влияния цифровизации экономики на занятость в региональном научно-исследовательском секторе

Грачев С.А.1
1 Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых, Россия, Воронеж

Статья в журнале

Креативная экономика (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 15, Номер 3 (Март 2021)

Цитировать:
Грачев С.А. Анализ влияния цифровизации экономики на занятость в региональном научно-исследовательском секторе // Креативная экономика. – 2021. – Том 15. – № 3. – С. 675-694. – doi: 10.18334/ce.15.3.111767.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=45600388
Цитирований: 14 по состоянию на 30.01.2024

Аннотация:
В статье рассмотрены особенности воздействия цифровиации экономики на занятость в научно-исследовательском секторе. Высказано предположение о наличие прямой взаимосвязи между массовым внедрением цифровых технологий и сервисов и уровнем занятости в условиях обеспечения устойчивого развития. Целью работы является формирование подхода, позволяющего оценить непосредственное влияние указанных процессов на занятость в научно-исследовательском секторе регионов в разрезе категорий. Методами выступили анализ и методы корреляционно-регрессионного анализа. Проведена оценка региональных особенностей структуры занятости в условиях цифровизации с учетом отдельных аспектов устойчивого развития. Сформирована классификация регионов Центрального федерального округа с описанием особенностей территорий за 2011-2019 гг. Доказано существование прямой связи между процессами цифровизации и структурой занятости в научно-исследовательском секторе.

Ключевые слова: цифровизация, устойчивое развитие, анализ, занятость, научно-исследовательский сектор

JEL-классификация: O33, I23, J21



Введение

Процесс цифровизации, являясь объективным процессом, затрагивает все сферы социально-экономической системы. Происходит их трансформация под воздействием меняющихся требований внешней и внутренней среды. Одной из составляющих, адаптирующихся к меняющимся условиям, является сфера занятости населения. Изменения вызваны, прежде всего, тем фактом, что многие компетенции, востребованные в прошлом, заменяются применяемыми цифровыми и сетевыми технологиями. В связи с этим анализ и оценка процессов изменения в сфере занятости представляются достаточно актуальной проблемой. Отметим, что данный вопрос приобретает еще большее значение в условиях необходимости обеспечения также устойчивого развития территорий.

Гипотезой данного исследования является предположение о наличии прямой взаимосвязи между глобальными процессами цифровизации и занятостью в отдельных сферах экономической деятельности в условиях обеспечения устойчивого развития.

Целью данной работы является формирование инструментария оценки зависимости занятости в научно-исследовательском секторе региона и индикаторов цифровизации.

Для достижения поставленных целей применялись экономико-математические методы, методы анализа.

К элементам научной новизны можно отнести формирование инструментария, позволяющего оценить не только уровень цифровизации территории, но и устойчивость протекающих процессов, а также влияние данных факторов на отдельно взятый сектор экономической деятельности в рамках занятости населения.

Отметим, что несмотря на достаточно активное изучение указанных процессов как отечественными, так и зарубежными учеными, остается много нерешенных задач. Как правило, исследования данной сферы предполагают изучение снижения занятости из-за внедрения новых технологий. При этом этот вопрос представляется весьма актуальным ввиду высокой скорости протекания деструктивных процессов. К данному выводу пришли американские ученые, которые выяснили, что почти половина работников заняты операциями, которые потенциально могут быть заменены новыми технологиями и машинами уже в течение одного-двух десятилетий [1] (Frey, Osborne, 2017). Схожее исследование в Германии оценило долю подобных работников в 42% [2]. Также к возможным негативным сторонам цифровизации относят рост экономического неравенства между странами, потенциальное увеличение безработицы, а также отдельных криминогенных факторов [3] (Coyle, 1999). Указанный перечень, на наш взгляд, становится возможным дополнить ростом дифференциации не только на международном, но и на внутригосударственном уровнях. Это прослеживается в части концентрации наиболее значимых факторов развития в отдельных регионах, формируя тем самым взаимоотношения по типу «центр – периферия». В целом это проявляется через снижение спроса на прежние квалификации и профессии традиционной занятости [4, с. 101] (Rozhkova, Andreyanova, 2020, р. 101).

Однако, на наш взгляд, не следует учитывать только негативные стороны данного процесса. К плюсам можно отнести рост мобильности труда [5] (Christensen, Maskell, 2003) ввиду «размывания» границ, что открывает новые возможности и способствует развитию конкурентоспособности на региональном и национальном уровнях [6] (Uskov, 2020). Также стоит выделить создание новых профессий ввиду формирования новых сфер и отраслей деятельности. Немалое влияние на данные процессы оказала и пандемия. Среди прочего следует отметить, что ограничения, вызванные вводимыми санитарными требованиями, имели и некоторые положительные эффекты в части цифровизации. К таковым можно отнести рост использования сетевых технологий и сервисов, а также возможное увеличение общего уровня цифровой грамотности населения. Отметим, что существует вероятность того, что подобная принудительная цифровизация, вводимая как временная мера, вполне может применяться на постоянной основе.

Также отдельные авторы высказывают мнение, что цифровизация потенциально негативно влияет на качество жизни населения. Так, не отрицая формирования новых рабочих мест, отмечают невысокую оплату труда, что отрицательно влияет на уровень жизни отдельных профессий и сфер [7] (Zimmermann, 1944). Становится очевидно, что дифференциация в оплате труда и качестве жизни зависит в первую очередь от уровня квалификации работников. Развитие автоматизации на сегодняшний день несет большую угрозу как специалистам с низкой квалификацией, так и специалистам со средней квалификацией [8, с. 88] (Patrushev, Bespalyy, 2020, р. 88). При этом более высокую нагрузку по адаптации к работе несут малообеспеченные и низкоквалифицированные работники [9, с. 71] (Kozlova, 2020, р. 71). Существует мнение, что цифровизация потенциально может привести к росту краткосрочной безработицы, однако влияние на длительную безработицу остается весьма спорным [10] (Uskova, 2020). Однако исследователи диагностируют возрастание продолжительности поиска работы, что напрямую связывают с процессами цифровизации [11, c. 167] (Lyadova, Polushkina, Udalova, 2020, р. 167). Для перспективной кадровой подготовки регионов и страны в целом необходимо заблаговременно выявлять тенденции, оказывающие влияние на рынок труда [12, с. 1139] (Migranova, 2020, р. 1139). Таким образом, протекающие процессы ускоряют трансформацию в сфере занятости и вызывают необходимость увеличения скорости адаптации работников к меняющимся условиям. Более активно данные процессы протекают в наиболее развитых странах или секторах. Так, были исследованы влияние цифровизации на IT-сферу [13] (Klimova, 2020), рассмотрен опыт отдельных компаний [14] (Osipov, 2019) и стран [15] (Gorodnova, Skipin, Rozhentsov, 2019).

Кроме того, необходимо учитывать, что цифровизация накладывается на необходимость соблюдения принципов устойчивого развития, способствующих удовлетворению потребностей как нынешнего, так и будущих поколений.

Наиболее часто под устойчивым понимают развитие, в основе которого лежит оптимизация и гармонизация всех подсистем, функционирование которых затрагивает удовлетворение потребностей не только настоящих, но и будущих поколений [16] (Uskova, 2009). Перечень задач, которые необходимо решить для обеспечения более оптимальных условий протекания данных процессов, включает помимо прочего удовлетворение основных потребностей населения [17] (Uskova, Voroshilov, 2015). При этом отметим, что немаловажным параметром, напрямую влияющим на данный факт, является занятость населения, которая служит источником финансовых ресурсов. Как верно отмечают исследователи данного вопроса, достичь устойчивого роста территории в рамках проблемы занятости населения при активной цифровизации экономики региона можно при снижении дифференциации в уровне и качестве жизни населения при помощи определенных механизмов социальной и бюджетной политики, обеспечивающих рост человеческого потенциала [18] (De Groot, Poot, Smit, 2009). Соответственно, анализ данного направления является также актуальным и с позиции регионального устойчивого развития.

Подводя итог, отметим, что процесс цифровизации обладает не только деструктивными, но и адаптирующим, трансформирующим характером. К подобным выводам приходят и другие исследователи [19] (Fossen, Sorgner, 2019). Кроме того, на данный вопрос оказывает влияние также направленность на осуществление непрерывного экономического развития, в основе которого лежит устойчивое развитие. При анализе проблем занятости в определенной сфере экономической деятельности необходимо одновременно учитывать оба указанных аспекта: цифровизация и устойчивость.

Для более точной оценки влияния процессов цифровизации экономики в разрезе отдельного вида экономической деятельности в рамках устойчивого развития на отдельные факторы занятости можно использовать следующий подход при апробации на национальном уровне:

1. Формирование индикатора цифровизации промышленного сектора (Iцпс) на основе данных официальной статистики. В качестве таковых были выбраны доли организаций от общего числа обследованных организаций, использовавших серверы (Хс), локальные вычислительные сети (Хлвс) и глобальные информационные сети (Хгис) соответственно. Все указанные индикаторы являются показателями, публикуемыми в официальных статистических изданиях (исходные данные представлены в таблице 1).

Таблица 1

Исходные данные для расчета показателей индикатора цифровизации промышленного сектора

Регион
2011
2012
2013
2014
2015
2016
2017
2018
2019
Хс – организации, использовавшие серверы (в процентах от общего числа обследованных организаций соответствующего субъекта Российской Федерации)
Российская Федерация
19,7
18,9
19,7
26,6
47,7
50,8
50,6
53,4
53,8
Белгородская область
21,2
19,0
18,9
28,8
47,9
52,6
53,7
55,9
56,9
Брянская область
13,1
12,4
12,6
21,7
44,6
45,3
46,8
46,7
49,4
Владимирская область
22,1
17,6
18,4
28,8
52,5
55,8
52,4
57,2
56,1
Воронежская область
18,2
19,0
20,1
31,1
50,3
52,2
55,3
56,1
55,2
Ивановская область
16,9
17,5
20,7
29,6
50,5
56,1
51,8
52,3
54,9
Калужская область
19,8
19,9
22,0
30,6
48,7
54,1
53,9
54,3
56,5
Костромская область
15,6
14,3
16,2
24,1
38,4
40,8
42,9
43,0
44,3
Курская область
13,0
14,2
14,9
28,4
36,5
39,2
39,6
37,9
40,2
Липецкая область
20,3
19,6
20,6
32,0
47,8
49,9
47,8
50,7
50,5
Московская область
20,1
20,1
23,1
30,8
55,7
57,0
59,5
62,0
62,6
Орловская область
12,6
12,3
12,5
23,2
38,9
42,5
43,5
43,6
45,3
Рязанская область
22,7
21,0
21,0
24,0
43,4
47,9
44,9
49,4
49,0
Смоленская область
15,8
13,9
15,8
25,5
42,4
47,9
51,0
49,8
54,1
Тамбовская область
14,5
15,6
16,4
16,0
35,6
42,6
42,4
44,3
45,5
Тверская область
16,6
13,8
14,2
16,3
36,7
38,1
40,7
46,8
48,4
Тульская область
15,4
15,3
19,5
30,4
49,6
54,8
53,0
55,3
56,1
Ярославская область
20,2
20,0
23,1
29,8
57,6
62,9
60,8
62,2
61,9
г. Москва
42,0
42,5
44,1
54,0
83,7
79,1
74,8
72,4
70,3

Хлвс – организации, использовавшие локальные вычислительные сети (в процентах от общего числа обследованных организаций соответствующего субъекта Российской Федерации)


Российская Федерация
71,3
71,7
73,4
67,2
63,5
62,3
61,1
63,9
63,5
Белгородская область
76,0
75,6
77,2
68,8
68,0
67,5
66,9
69,2
70,8
Брянская область
60,7
61,9
65,3
60,9
62,9
64,2
65,9
66,0
65,5
Владимирская область
81,4
81,3
81,1
79,1
77,1
73,6
66,1
69,8
68,5
Воронежская область
70,2
72,1
74,2
64,5
68,3
59,7
63,8
64,7
62,4
Ивановская область
67,1
71,5
75,9
65,1
65,0
65,5
65,9
65,0
63,9
Калужская область
64,2
68,2
71,7
64,2
62,0
62,0
64,0
63,1
62,6
Костромская область
70,7
69,0
71,6
64,2
59,1
60,5
62,2
64,3
61,3
Курская область
55,2
57,7
59,9
58,7
59,1
58,8
55,5
55,3
55,4
Липецкая область
70,5
74,7
79,2
68,5
63,4
63,2
60,6
62,6
61,2
Московская область
75,1
76,7
76,9
67,9
65,9
63,6
64,9
68,2
67,8
Орловская область
61,2
61,3
62,0
53,5
54,2
54,2
53,4
55,6
56,8
Рязанская область
74,0
71,3
72,2
66,7
63,1
62,5
61,1
65,1
61,6
Смоленская область
62,9
65,0
69,8
61,8
60,7
61,2
61,7
61,6
62,6
Тамбовская область
58,4
63,0
67,9
69,7
69,3
71,1
72,2
73,2
73,1
Тверская область
62,4
57,7
60,4
54,1
45,2
46,2
46,9
54,6
53,5
Тульская область
68,5
67,5
72,4
66,0
64,6
65,4
64,9
68,6
67,2
Ярославская область
74,6
76,2
80,2
73,6
72,2
73,4
71,5
73,7
73,9
г. Москва
93,0
93,4
94,3
86,4
80,8
75,1
70,5
68,6
66,0

Хгис – организации, использовавшие глобальные информационные сети (в процентах от общего числа обследованных организаций соответствующего субъекта Российской Федерации)
Российская Федерация
85,6
87,5
88,7
89,8
89,0
89,6
89,7
92,0
92,0
Белгородская область
88,0
88,4
90,0
93,3
93,6
95,5
95,0
96,8
97,0
Брянская область
75,4
77,6
81,8
84,4
92,7
94,0
95,1
92,5
93,9
Владимирская область
88,4
90,0
91,0
93,1
93,5
92,3
90,8
95,2
95,7
Воронежская область
80,9
84,4
87,6
90,6
92,2
92,5
97,8
95,5
95,1
Ивановская область
84,9
88,7
92,0
92,9
94,0
95,8
95,2
94,7
95,1
Калужская область
77,2
81,7
83,5
88,1
92,3
92,1
94,2
93,7
93,3
Костромская область
86,1
84,6
87,0
86,5
82,5
84,0
89,8
90,7
90,3
Курская область
69,6
74,8
77,4
85,1
86,5
85,1
85,8
84,2
85,8
Липецкая область
82,1
87,8
91,0
94,4
94,1
94,8
93,5
94,7
92,4
Московская область
86,8
91,3
91,8
91,7
93,2
88,2
90,4
92,5
91,0
Орловская область
76,1
80,9
81,6
88,1
89,4
90,2
92,2
90,3
90,7
Рязанская область
86,1
84,9
87,2
89,4
92,8
94,1
93,2
95,4
93,2
Смоленская область
84,5
90,9
91,9
93,4
94,3
96,2
96,3
95,6
93,7
Тамбовская область
76,8
80,3
82,7
85,1
87,7
91,6
95,6
96,0
96,0
Тверская область
82,7
77,9
81,8
83,2
79,4
82,8
85,0
89,7
90,4
Тульская область
77,6
82,3
84,6
86,5
85,9
88,9
87,9
91,4
90,7
Ярославская область
88,3
90,1
91,1
92,3
92,8
95,4
93,8
94,7
94,9
г. Москва
98,6
98,6
98,8
99,2
99,6
99,2
99,0
98,9
98,5
Источник: Приложение к «Регионы России. Социально-экономические показатели». 2020: Стат. сб. / Росстат. - М., 2020. - 1242 с. (п. 17.1.2, 17.1.3, 17.1.4) [Электронный ресурс]. URL: https://rosstat.gov.ru/folder/210/document/47652 (дата обращения: 10.02.2021).

На основе сформированного перечня был определен индикатор цифровизации промышленного сектора (Iцпс) как результат аддитивной сверки указных индикаторов. Рассмотрим пример расчета индикатора за 2011 год:

Iцпс = (Хс+ Хлвсгис)/100. (1)

Расчеты за остальные периоды выполнены аналогичным образом.

Полученные результаты представлены в таблице 2.

Таблица 2

Индикатор цифровизации промышленного сектора

Период
Iцпс
2011
1,766
2012
1,781
2013
1,818
2014
1,836
2015
2,002
2016
2,027
2017
2,014
2018
2,092
2019
2,093
Источник: составлено автором на основе [20].

2. Оценка устойчивости отдельных составляющих процессов цифровизации, был определен показатель вариации (V).

, (2)

при , (3)

где σ – среднеквадратическое отклонение;

– среднее значение по ряду данных;

число периодов, за которые представлены данные.

Трактовка данного показателя в рамках данного исследования остается стандартной, т.е. при величине менее 0,33 процесс будет считаться устойчивым, при значении ≥ 0,33 вывод обратный. Таким образом, полученные значения представлены в таблице 3.

Таблица 3

Оценка устойчивости отдельных составляющих цифровизации


Хс
Хлвс
Хгис
Iцпс
Значение коэффициента вариации
0,063
0,004
0,024
0,062
Источник: составлено автором.

Анализируя данные таблицы, становится возможным сделать вывод о высоком уровне устойчивости рассмотренных индикаторов ввиду близости данных к нулю.

Вторым направлением оценки является оценка риска изменения тенденции развития показателей и их выход из оптимальной тенденции. Подобную оценку видится возможным произвести следующим образом:

- расчет средней величины оцениваемого параметра Х i-го вида деятельности за анализируемый период t:

- определение вероятности снижения параметра X i-го вида деятельности ниже средней величины:

где M – число лет из анализируемого периода t, для которых выполняется неравенство:

- расчет итогового показателя, характеризующего риск неоптимального изменения параметра X i-го вида деятельности:

где σ – среднеквадратическое отклонение результативности параметра X i-го вида деятельности за анализируемый период t.

Для анализа итогового индикатора F предлагается использовать следующую трактовку: при F > 1 вероятность снижения параметра X i-го вида деятельности выше средней по сложившейся динамике (не оптимально), при F < 1 – соответственно, вероятность ниже средней по сложившейся динамике в регионе (положительный фактор). В случае F = 1 тенденция не выявлена.

Таким образом, полученные значения представлены в таблице 4.

Таблица 4

Оценка риска изменения тенденции развития показателей цифровизации


Хс
Хлвс
Хгис
Iцпс
Значение коэффициента F
0,618
0,559
0,691
0,556
Источник: составлено автором.

Все рассмотренные параметры имеют величину < 1, что позволяет классифицировать анализируемые параметры как низкорисковые. Учитывая данный вывод, можно их определить как устойчивые в текущей тенденции развития.

3. Оценка уровня связи показателей занятости в секторе экономики с рассчитанным индикатором цифровизации промышленного сектора (Iцпс). Для апробации был выбран научно-исследовательский сектор. Соответственно, параметром занятости выступает численность персонала, занятого научными исследованиями и разработками.

Силу связи исходных данных возможно оценить посредством расчета коэффициента корреляции (8), который является стандартным инструментом анализа данного аспекта.

(8)

где x и y – исследуемые величины, представленные в виде статистических совокупностей {x1, x2, … , xn} и {y1, y2, … , yn} соответственно.

Как правило, применяют следующую трактовку величин данного коэффициента по модулю (шкала Чеддока) [21]:

- от 0 до 0,3 – очень слабая сила связи;

- от 0,3 до 0,5 – слабая сила связи;

- от 0,5 до 0,7 – средняя сила связи;

- от 0,7 до 0,9 – высокая сила связи;

- от 0,9 до 1 – очень высокая.

Было получено значение коэффициента корреляции -0,73, что соответствует средней величине силы связи Iцпс и численности персонала, занятого научными исследованиями и разработками (Знис). Отметим, что также может наблюдаться несколько ситуаций:

- в случае если сила связи является слабой или очень слабой, то возможно сделать вывод о несформированности механизма взаимодействия цифровизации и научно-исследовательского сектора;

- в случае если сила связи средняя и выше, но при этом взаимодействие является пропорциональным (положительная величина коэффициента вариации), то, возможно, сформированы необходимые количественные структуры, но при этом развитие можно охарактеризовать как экстенсивное, привлечение новых сфер и отраслей.

Таким образом взаимосвязь может быть описана следующим уравнением:

Знис= 942910,078-116539,77 Iцпс

при R2 = 0,73 и p = 0,03.

Следует отдельно отметить обратную зависимость между данными показателями, т.е. чем выше уровень цифровизации, тем меньшее число занятых в научно-исследовательском секторе.

Соответственно, зная структуру занятых, становится возможным определить наименее востребованную категорию в современных условиях. Структура численности персонала, занятого научными исследованиями и разработками, представлена в таблице 5.

Таблица 5

Структура численности персонала, занятого научными исследованиями и разработками


Исследователи
(kиссл)
Техники
(kтех)
Вспомогательный персонал (kвп)
2011
374746
61562
178494
2012
372620
58905
175790
2013
369015
61401
175365
2014
373905
63168
173554
2015
379411
62805
174056
2016
370379
60441
171915
2017
359793
59690
170347
2018
347854
57722
160591
2019
348221
58681
160864
Источник: Регионы России. Социально-экономические показатели. 2020: Стат. сб. / Росстат. М., 2020. 1242 с.

Следует отметить, что за анализируемый период происходит снижение численности занятых по всем трем категориям: среди вспомогательного персонала (-9,8%), исследователей (-7%), техников (-4%).

Соответственно, соотнеся определенный показатель Iцпс и структуру занятых, становится возможным определить влияние цифровизации на отдельные категории. Данная оценка сформирована на основе расчета коэффициента корреляции. Соответственно, он составил:

- исследователи – -0,68;

- техники – -0,46;

- вспомогательный персонал – -0,84.

Таким образом, становится возможным сделать вывод о том, что категория «Техники» сокращается по причинам иным, чем заложенным в показатель Iцпс. Остальные же группы снижаются непосредственно под влиянием процессов цифровизации. Учитывая трактовку заложенных в индекс составляющих, можно сделать вывод, что причина, возможно, кроется в переносе определенной доли исследований в цифровое поле, что, соответственно, высвобождает определенное число занятых в данной сфере. При этом техническое обслуживание остается востребованным при росте требований к квалификации работников, выполняющих данные функции.

Соответственно, модели, отражающие число занятых по категориям в зависимости от параметров цифровизации отдельного вида экономической деятельности, могут быть представлены в виде:

kиссл=479898,78-58702,27× Iцпс,

kвп=248529,68-39920,55× Iцпс.

Инструментарий может быть применен для исследования также на региональном уровне с целью формирования моделей территориального развития научно-исследовательских секторов (НИС) и создания новой классификации субъектов.

В рамках данного исследования апробация была проведена в рамках регионов Центрального федерального округа (ЦФО) за период 2011–2019 гг. Iцпс, полученный по регионам, а также параметры устойчивости и риска, приведены в таблице 6.

Таблица 6

Оценка параметров цифровизации и устойчивости процессов

2011
2012
2013
2014
2015
2016
2017
2018
2019
Коэффициент вариации
F
Белгородская область
2,214
2,153
2,158
2,270
2,354
2,526
2,604
2,689
2,752
0,085
0,529
Брянская область
1,729
1,742
1,806
1,958
2,242
2,375
2,499
2,475
2,542
0,142
0,697
Владимирская область
2,297
2,197
2,198
2,387
2,520
2,616
2,532
2,699
2,697
0,069
0,624
Воронежская область
2,008
2,075
2,129
2,236
2,372
2,387
2,611
2,617
2,595
0,085
0,641
Ивановская область
1,984
2,077
2,205
2,238
2,352
2,547
2,567
2,561
2,611
0,084
0,640
Калужская область
1,945
2,027
2,104
2,198
2,276
2,438
2,559
2,553
2,598
0,092
0,536
Костромская область
2,005
1,933
2,007
2,061
2,019
2,168
2,342
2,383
2,376
0,072
0,516
Курская область
1,608
1,711
1,756
2,063
2,036
2,136
2,165
2,124
2,193
0,096
0,763
Липецкая область
2,073
2,151
2,228
2,337
2,301
2,428
2,424
2,507
2,485
0,053
0,608
Московская область
2,165
2,220
2,268
2,281
2,417
2,457
2,608
2,716
2,732
0,073
0,517
Орловская область
1,731
1,766
1,767
1,937
2,033
2,168
2,253
2,269
2,334
0,100
0,656
Рязанская область
2,210
2,119
2,124
2,118
2,231
2,386
2,388
2,531
2,477
0,062
0,506
Смоленская область
1,908
1,945
2,029
2,129
2,205
2,390
2,509
2,490
2,568
0,098
0,543
Тамбовская область
1,750
1,856
1,929
1,961
2,164
2,409
2,532
2,575
2,611
0,135
0,579
Тверская область
1,903
1,733
1,790
1,767
1,795
1,932
2,052
2,293
2,330
0,092
0,425
Тульская область
1,890
1,917
2,066
2,199
2,255
2,460
2,495
2,619
2,628
0,105
0,549
Ярославская область
2,176
2,200
2,296
2,334
2,513
2,734
2,751
2,817
2,844
0,095
0,539
г. Москва
3,000
3,000
3,000
3,000
3,000
3,000
2,976
2,931
2,893
0,010
0,677
Источник: составлено автором.

На данном этапе можно сделать ряд выводов:

- большинство регионов демонстрируют рост параметра Iцпс, свидетельствующего о росте вовлеченных цифровых технологий в экономику регионов. Наибольший рост показателя наблюдается в Тамбовской (+49%) и Брянской (+47%) областях. Единственный субъект, в котором происходит снижение критерия, это г. Москва (-3,5%);

- протекающие процессы можно охарактеризовать как устойчивые (коэффициент вариации составляет величину менее 0,33) и низкорисковые (параметр F менее 1).

Далее был рассчитан коэффициент корреляции между параметром цифровизации и численностью занятых в научно-исследовательских секторах регионов. Полученные значения представлены на рисунке 1. Пунктирными линиями выделен интервал [-0,49; 0,49], который был определен как свидетельство о неполной сформированности механизмов взаимодействия цифровизации и научно-исследовательского сектора.

Рисунок 1. Значения коэффициентов корреляции по регионам ЦФО

Источник: составлено автором.

Исходя из озвученных выше положений, все регионы ЦФО можно разделить на три категории:

1. Качественное взаимодействие (коэффициент корреляции в интервале от -0,5 до -1) – при росте цифровизации происходит снижение численности занятых в НИС – Брянская (-0,75), Калужская (-0,82), Курская (-0,8), Тамбовская (-0,97), Тверская (-0,87) области.

2. Количественное взаимодействие – коэффициент корреляции в интервале от 0,5 до 1) – при росте параметра цифровизации увеличивается число занятых в НИС – Белгородская (0,67), Липецкая (0,72), Смоленская (0,68), Тульская (0,88) области и г. Москва (0,92).

3. Неполное взаимодействие (коэффициент корреляции в интервале от -0,49 до 0,49) – зависимость не наблюдается – Владимирская (0,26), Воронежская (-0,49), Ивановская (-0,43), Костромская (-0,097), Московская (0,38), Орловская (0,2), Рязанская (0,1) и Ярославская (-0,03) области.

Соответственно, моделирование возможно только по группам 1 и 2. Отметим, что, анализируя структуру занятых, становится возможным выделить наличие взаимосвязи с категорией «Исследователи» и «Вспомогательный персонал» при качественной модели. В случае количественного взаимодействия наличие данных зависимостей не является обязательным. Индивидуальные особенности развития проявляются в формировании отдельных ключевых категорий занятых в НИС.

В рамках данного исследования было выполнено построение моделей по группе 1. Результаты представлены в таблице 7.

Таблица 7

Моделирование параметров занятости регионов

Регион
Модель
Брянская область
kиссл = 1204,339-356,363* Iцпс
Калужская область
kиссл = 10237,507-2757,241* Iцпс
Курская область
kиссл = 1758,672-338,168* Iцпс
Тамбовская область
kиссл = 1162,908-265,849* Iцпс
Тверская область
kиссл = 4230,192-1038,447* Iцпс
Источник: составлено автором.

Заключение

Подводя итог проведенному исследованию, отметим, что проблема оценки влияния процессов цифровизации экономики на занятость населения является весьма актуальной. Несмотря на достаточно активную работу ученых в рамках данной проблемы, остаются нерешенные проблемы, среди которых можно выделить отсутствие единого универсального подхода, позволяющего оценить последствия массового внедрения цифровых и сетевых технологий и сервисов в научно-исследовательской сфере региона.

В результате была выявлена проблема различия тенденций развития регионов ЦФО в вопросе цифровизации, реализуемой в рамках устойчивого развития. Индивидуальные особенности развития регионов проявляются в формировании отдельных ключевых категорий занятых в НИС и отражаются в полученных моделях. Решение потенциальной проблемы снижения числа занятых в НИС регионов видится в необходимости учета озвученных особенностей взаимодействия параметров цифровизации и занятых по категориям при составлении планов и стратегий развития не только на национальном и региональном уровне, но и на уровне отдельных организаций указанной сферы деятельности. Дальнейшее направление исследований заключается в выявлении конкретных профессий, находящихся в рисковой категории с точки зрения потери занятости при активной цифровизации экономики.


Источники:

1. Frey C.B., Osborne M.A. The Future of Employment: How Susceptible Are Jobs to Computerization? // Technological Forecasting and Social Change. – 2017. – p. 254-280.
2. Bonin H., Gregory T., Zierahn U. Übertragung der Studie von Frey/Osborne (2013) auf Deutschland. ZEW Expertise 57 Berlin, Mannheim, Zentrum für Europäische Wirtschaftsforschung GmbH (ZEW). - 2015. - 50 p
3. Coyle D. The Weightless World: Strategies for Managing the Digital Economy. - Cambridge, MA: MIT Press, 1999. – 250 p.
4. Рожкова А.Ю., Андреянова И.В. Действие национальной системы квалификаций на рынке труда: подходы и перспективы // Управление устойчивым развитием. – 2020. – № 4(29). – c. 100-110.
5. Christensen J., Maskell P. The Industrial dynamics of the new digital economy. - London: Edward Elgar Publishing Ltd, 2003. – 271 p.
6. Усков В.С. К вопросу о цифровизации российской экономики // Проблемы развития территории. – 2020. – № 6(110). – c. 157-175. – doi: 10.15838/ptd.2020.6.110.10.
7. Zimmermann E.W. What We Mean by Resources. / Chapter 1.Texas Looks Ahead. - Texas: ed., Austin, 1944. – 136 p.
8. Патрушев А.А., Беспалый С.В. Цифровые компетенции и навыки в современных условиях развития экономики // Информационные технологии. – 2020. – № 2(11). – c. 88-93.
9. Козлова Е.И. Влияние цифровизации на рынок труда // Вестник Челябинского государственного университета. – 2020. – № 10(444). – c. 70-77. – doi: 10.47475/1994-2796-2020-11008.
10. Ускова Т.В. Проблемы устойчивого развития и стратегического планирования в исследованиях ВолНЦ РАН // Экономические и социальные перемены: факты, тенденции, прогноз. – 2020. – № 6. – c. 9-23. – doi: 10.15838/esc.2020.6.72.1.
11. Лядова Е.В., Полушкина И.Н., Удалова Н.А. Отраслевые и профессиональные сдвиги на рынке труда под влиянием технологических изменений и цифровизации // Вестник Белгородского университета кооперации, экономики и права. – 2020. – № 5(84). – c. 163-173. – doi: 10.21295/2223-5639-2020-5-163-173.
12. Мигранова Л.И. Рынок труда в изменяющихся условиях социальной среды и цифровой трансформации экономики // Экономика труда. – 2020. – № 12. – c. 1135-1148. – doi: 10.18334/et.7.12.111396.
13. Климова Ю.О. Проблемы подготовки кадров в сфере информационных технологий // Проблемы развития территории. – 2020. – № 6(110). – c. 86-105. – doi: 10.15838/ptd.2020.6.110.6.
14. Осипов В.С. Проблема занятости в цифровой экономике // Цитисэ. – 2019. – № 1(18). – c. 35.
15. Городнова Н.В., Скипин Д.Л., Роженцов И.С. Применение Smart-технологий: оценка влияния на развитие человеческого капитала // Креативная экономика. – 2019. – № 10. – c. 1837-1858. – doi: 10.18334/ce.13.10.40965.
16. Ускова Т.В. Управление устойчивым развитием региона. / Монография. - Вологда: ИСЭРТ РАН, 2009. – 355 c.
17. Ускова Т.В., Ворошилов Н.В. Региональная политика территориального развития. / Монография. - Вологда: ИСЭРТ РАН, 2015. – 156 c.
18. De Groot H., Poot J., Smit M. Agglomeration externalities, innovation and regional growth: theoretical perspectives and meta-analysis. / Capello R. (Ed), Handbook of Regional Growth and Development Theories. - Cheltenham: Edward Elgar Publishing Limited, 2009. – 256-281(529) p.
19. Fossen F., Sorgner A. Mapping the Future of Occupations: Transformative and Destructive Effects of New Digital Technologies on Jobs // Foresight and STI Governance. – 2019. – № 2. – p. 10-18. – doi: 10.17323/2500-2597.2019.2.10.18.
20. Регионы России. Социально-экономические показатели. 2020. / стат. сб. - М.: Росстат, 2020. – 1242 c.
21. Елисеева И.И. Бизнес-статистика. - М.: Издательство Юрайт, 2018. – 411 c.

Страница обновлена: 14.07.2024 в 11:27:48