Cluster analysis of conditions for the development of physical education and mass sports in the Russian regions on the basis of artificial neural networks

Введение

Развитие массового спорта и физической культуры является эффективной мерой увеличения продолжительности жизни населения, улучшения ее качества и укрепления здоровья нации [6, 8, 13]. Преимущества физической активности включают снижение риска хронических заболеваний, таких как ожирение, сердечно-сосудистые заболевания, диабет, рак и депрессия. Регулярные занятия физической культурой и спортом могут помочь улучшить успеваемость школьников и студентов, способствовать росту производительности труда.

Однако, несмотря на широкое признание того, что физическая активность является одним из базовых факторов долгой жизни, недорогой альтернативой лечению и профилактике многих заболеваний, большинство взрослого населения по-прежнему не занимаются физической культурой и спортом на регулярной основе [12].

Многие страны уделяют значительное внимание созданию условий для повышения физической активности своих граждан. Так, в Российской Федерации утверждена Стратегия развития физической культуры и спорта до 2030 года, включающая одиннадцать приоритетных направлений, охватывающих как спорт высших достижений, так и массовый спорт. В числе одного из главных направлений - развитие спортивной инфраструктуры для повышения физической активности населения страны. Государственные программы развития физической культуры и спорта в российских регионах также содержат цели и задачи, связанные с увеличением доли граждан, занимающихся физической культурой и спортом.

В программе «Здоровые люди 2020», принятой в США, физическая активность признается одним из ключевых мероприятий по улучшению здоровья. В Рекомендациях по физической активности для американцев, принятой Кабинетом министров по спорту и физической активности, даны рекомендации для детей и взрослых. Дети и молодые люди от 3 до 17 лет должны сохранять объем физической активности не менее 3 часов в день. Чтобы физическая активность принесла максимальную пользу здоровью, взрослым необходимо не менее 150-300 минут аэробных нагрузок средней интенсивности, таких как быстрая ходьба или танцы, каждую неделю. В Германии реализуется национальный план «В форме – немецкая инициатива по продвижению здорового питания и физической активности». В Китае с 1995 года действуют Закон о физическом здоровье и Общенациональная программа по физической подготовке.

Государственная политика на федеральном и региональном уровнях, а также деятельность органов местного самоуправления рассматривается как одна из важных детерминант, влияющих на активный образ жизни населения [16, 21]. Повышение физической активности граждан приводит не только к оздоровлению нации, но и выполняет очень важную роль в реализации следующих процессов жизнедеятельности: здравоохранение, образование, правоохранительная деятельность и оборона [2, 4, 11, 14]. Основными целями государственной политики в области физической культуры и спорта являются разработка эффективных стратегий, программ, направленных на развитие спортивной инфраструктуры, повышение кадрового потенциала [3] и создание благоприятных условий для занятий физической культурой и спортом.

В настоящее время по данным Министерства спорта РФ за 2022 г. в стране используется 353494 объекта спорта. Рисунок 1 иллюстрирует результаты финансирования физической культуры и спорта в 2022 году по федеральным округам Российской Федерации.

1 – Центральный федеральный округ, 2 – Северо-Западный федеральный округ,

3 – Южный федеральный округ, 4 – Северо-Кавказский федеральный округ,

5 – Приволжский федеральный округ, 6 – Уральский федеральный округ,

7 – Сибирский федеральный округ, 8 – Дальневосточный федеральный округ

Рисунок 1. Финансирование физической культуры и спорта за 2022 г., тыс. руб. (составлено авторами по данным Министерства спорта Российской Федерации)

Наибольшие объемы финансирования отрасли характерны для Центрального, Северо-Западного и Приволжского федеральных округов, а наименьшие – в Северо-Кавказском федеральном округе.

Экономическое развитие регионов, несомненно, способствует созданию условий для активного образа жизни граждан [1, 15]. Многочисленные исследования, в которых изучается взаимосвязь между экономическими показателями и физической активностью, свидетельствуют о положительной связи между экономическими ресурсами человека и его физической активностью. Например, Д. Мельцер и А. Йена [22] обнаружили положительную связь между доходом и физической активностью. Люди из группы с самым высоким доходом занимаются физической культурой и спортом в среднем на 26% больше и на 3% интенсивнее, чем люди из группы с самым низким доходом. Аналогичным образом, Б. Хамфрис и Д. Русески обнаружили, что лица с более высокими доходами с большей вероятностью чаще участвовали в любом виде физической активности, чем лица с более низкими доходами [19]. Авторы оказали, что доход является важным фактором, определяющим физическую активность [18]. С. Шольц и Д. Миндел, используя репрезентативные данные по физической активности английских и американских подростков, проживающих в семьях с разным уровнем дохода, выявили, что подростки в семьях с высоким доходом по сравнению с семьями с низким доходом имеют более высокую склонность к занятиям физической культурой и спортом [23].

Однако взаимосвязь между доходом и физической активностью населения более сложная. Часто рост дохода сопровождается увеличением рабочего времени, а также ростом вариативности возможного досуга. Таким образом, хотя более высокие доходы и предоставляют больше возможностей для физической активности, они могут увеличивать альтернативные издержки досуга и, как следствие, уменьшать количество времени, затрачиваемого на физическую культуру и спорт, замещая физическую активность трудовой деятельностью или другими видами досуга.

Таким образом, на физическую активность граждан оказывают влияние не только состояние отрасли, но и уровень дохода и занятость населения.

В связи со сказанным выше, является актуальным исследование условий развития физической культуры и массового спорта в регионах Российской Федерации в целях совершенствования и инновационного развития отрасли, что будет способствовать дальнейшему росту качества и продолжительности жизни населения, экономического потенциала российского государства [10], и усилению его обороноспособности.

Целью работы является кластеризация субъектов Российской Федерации в зависимости от условий развития физической культуры и спорта.

Результаты исследования

Для исследования, согласно авторскому представлению, отобраны данные в соответствии с методологией статистического учета Министерства спорта России и Федеральной службы государственной статистики по 9 показателям за 2022 год:

а) Показатели, характеризующие развитие физической культуры и массового спорта, а также создание условий для повышения физической активности населения:

· Х1 – количество спортивных сооружений;

· Х2 – численность работников физкультурно-спортивной сферы;

· Х3 – доля населения, занимающегося физической культурой и спортом (3–79 лет);

· Х4 – численность спортсменов, получивших спортивные разряды;

· Х5 – единовременная пропускная способность объектов спорта в процентах от норматива.

б) Показатели, характеризующие численность, доход и занятость населения:

Х6 – Среднемесячная заработная плата работников организаций в целом по региону. Данный показатель определяется как среднемесячная номинальная начисленная заработная плата работников по полному кругу организаций в целом по экономике;

· Х7 – средний размер пенсий;

· Х8 – численность населения;

· Х9 – уровень занятости населения в возрасте 15-72 лет;

Поскольку каждый объект (т.е. каждый регион России) описывается девятью показателями, следовательно, имеем многофакторную задачу исследования состояния физической культуры и спорта в регионах РФ. В этих условиях высоко проявили себя многомерные статистические методы анализа данных, изложенные в работах Ю.А. Кузнецова и В.И. Перовой [7]. Метод нейросетевого кластерного анализа относится к перспективным и продуктивным средствам, которые добавляют новые возможности для исследования многомерных задач.

Для решения задачи кластерного анализа многомерных данных, а также их визуального представления были применены искусственные нейронные сети, обучаемые без учителя. Эффективность применения данного инструмента искусственного интеллекта доказана в научных трудах ряда ученых [5, 9, 20]. В этот класс нейронных сетей входят искусственные нейронные сети – самоорганизующиеся карты Кохонена. Для работы подобных нейронных сетей нужны только входные данные. Кроме того, не имеется внешнего вмешательства в процессе работы нейронной сети (неконтролируемое обучение). Выходной слой нейросети представляется в виде топологической карты, на которой отображены кластерные образования.

В результате кластеризации на основании нейросетевого моделирования с применением российской программной аналитической платформы Deductor 85 регионов Российской Федерации объединились в 7 кластеров (рис. 2). Отметим, что в исследование не были включены регионы: Донецкая Народная Республика (ДНР), Луганская Народная Республика (ЛНР), Запорожская область и Херсонская область по причине отсутствия официальных статистических данных за 2022 г. на сайтах Министерства спорта Российской Федерации и Федеральной службы государственной статистики РФ.

Рисунок 2. Самоорганизующаяся топологическая карта размещения регионов

Российской Федерации по кластерам в 2022 г. (составлено авторами)

С использованием критерия Дэвиса-Боулдина [17] была проведена оценка качества полученного кластерного решения, которая констатировала отсутствие перекрытия кластеров, т.е. неимение спорных объектов, и подтвердила обоснованность результатов кластеризации. Это подтверждают и результаты на рисунке 2.

Рисунок 3 иллюстрирует количество регионов России в кластерных образованиях.

Рисунок 3. Число регионов Российской Федерации в кластерах за 2022 год (составлено авторами)

Из результатов на рисунке 3 имеем важную особенность, состоящую в том, что по совокупности исследуемых показателей наблюдается сильное расслоение регионов по кластерам (в 10 раз). Развернутое вхождение регионов РФ в кластеры представлено в таблице 1.

Таблица 1. Группировка регионов РФ по кластерам (составлено авторами)

Кластерный анализ показал, что распределение субъектов Российской Федерации по кластерам происходит неравномерно и не зависит от их местоположения и отнесения к федеральным округам РФ.

Данные по средним значениям исследуемых показателей в отдельных кластерах и в целом по России представлены в таблице 2.

Таблица 2. Средние значения индикаторов по набору кластеров и среднероссийские значения за 2022 г. (составлено авторами)

Данные таблицы 2 подтверждают разный уровень развития условий для физической активности граждан. Максимальное количество населения (Х8) сосредоточено в регионах кластера № 7 (Московская область, г. Москва, г. Санкт-Петербург). В регионах данного кластера наблюдается и наибольший уровень его занятости (Х9). Регионы кластера № 7 также аттестуются максимальными значениями спортивных сооружений (Х1), кадров (Х2) и подготовки разрядников (Х4).

Наибольшей долей физически активного населения характеризуются регионы, образовавшие кластер № 5.

Единовременная пропускная способность объектов спорта принимает максимальное значение в регионах кластера № 1 (Х5), а минимальное значение – в регионах кластера № 4.

Регионы, вошедшие в кластер № 4, имеют наименьшие значения спортивных показателей Х2, Х3, Х4 по сравнению с регионами, распределившимися в другие кластеры.

В кластере № 3 отмечается наименьшее количество населения, однако в регионах данного кластера прослеживаются наибольшие значения среднемесячной номинальной начисленной заработной платы работников организаций региона (Х6) и среднего размера назначенных пенсий (Х7).

Выводы

В исследовании использован продуктивный инструмент – искусственные нейронные сети, которые являются релевантным компонентом искусственного интеллекта. Проведенный кластерный анализ состояния физической культуры и массового спорта с использованием инструментов нейросетевого моделирования позволил выявить неравномерность созданных условий для развития физической активности населения в разных регионах России и определить дальнейшие перспективы роста и сближения уровней регионального развития.

Предложенные в работе результаты исследования могут быть использованы при разработке стратегий и программ развития физической культуры и спорта как на уровне государства, так и отдельных субъектов Российской Федерации, а также при принятии управленческих решений, в том числе о распределении бюджетного целевого финансирования между регионами.