Емкость рынков онлайн-образования в развитых и развивающихся странах: эволюционно-симулятивная методология и ее возможности для определения данного показателя

Введение. Прогнозирование инвестиционного потенциала с использованием эволюционно-симулятивного метода опирается на экономико-математическое моделирование [3]. Такой подход позволяет учитывать основные факторы, влияющие на макроэкономическую стабильность и инвестиционную привлекательность. С помощью этого метода можно исследовать как достигается баланс спроса и предложения на рынках товаров, денег и ценных бумаг; каким образом осуществляется управление с опорой на нормы и правила; какие факторы влияют на достижение равновесия в физических, биологических и химических процессах [6].

Цель исследования: обосновать возможность применения эволюционно-симулятивного метода в процессе оценки ёмкости рынков онлайн-образования в развитых и развивающихся странах.

Задачи исследования:

– рассмотреть теоретические аспекты эволюционно-симулятивного метода;

– провести апробацию эволюционно-симулятивного метода в процессе оценки ёмкости рынков онлайн-образования в развитых и развивающихся странах.

Практическая значимость работы. Предложенная ЭСМ достаточно универсальна, то есть, её можно дополнять и расширять другими индикаторами, изменять с точки зрения значимости и величины в целях проведения анализа и использования для прогнозно-сценарного моделирования в среднесрочной перспективе.

Основная часть. Эволюционно-симулятивная методология (ЭСМ) объединяет в себе несколько подходов, таких как стохастическое программирование, байесовский подход и статистическая оптимизация. Название методологии происходит от двух терминов: «эволюционный» и «симулятивный».

Первая информация об ЭСМ появилась в 1970 г. На основе этой методологии была разработана инструментальная система Decision. По решению № 126 Президиума Российской академии естественных наук от 15 июня 2000 г. система Decision признана открытием. Это заключение сделано на основании решения Международной ассоциации авторов научных открытий, членами которой являются 28 нобелевских лауреатов [10].

Общее описание ЭСМ

Оценка изменений общей ёмкости рынков EdTech как развитых, так и развивающихся государств выполняется в целях определения объема необходимых затрат, связанных с его беспрерывным расширением ввиду преобразования конъюнктуры международных экономических отношений [5]. В соответствии с вышеизложенным, авторами, на основе ЭСМ, создана специализированная модель. Данная методология была использована вследствие наличия у неё такого качества, как универсальность общего математического моделирования равновесных случайных процессов.

На рисунке 1 представлена ​​созданная ЭМР, в математическом виде, которая дает описание существующих параметров

Рисунок 1. Математическая запись разработанной ЭСМ

Источник: составлено авторами на основе [2].

Благодаря использованию ЭСМ принимаются во внимание: случайные факторы, способные сделать ситуацию неопределенной; последствия, связанные с возможностью расхождения решения, которое нужно принять, и итогом его выполнения, которые имеют двойственную природу (итог может быть чрезмерно оптимистическим, выполненным не в полном объеме, что в таком случае повлияет на возможные убытки от мало эффективного расходования вложенных средств. И в обратном направлении: итог чрезмерно пессимистичен, что приведет к потерям упущенных возможностей); происходит уменьшение излишне высокой исходной погрешности ( ) до ей приемлемого уровня ( ) ; становится возможным принятие решений, оптимизирующих возникающие риски, связанные с переоценкой/недооценкой решения.

Значение PL определяется до начала его оценки, и остается неизменным во время анализа оценки плана. Значения Fa, R1 и R2 неизвестны во время составления такого плана, так как они случайные величины. Математическое ожидание прогнозируемых размеров издержек, которые могут возникнуть виду несовпадения PL (плана) с Fa (фактом) – это риск переоценки/недооценки плана. Для того, чтобы найти оптимум, необходимо сгенерировать значения факторов [1] (f), затем на их основе рассчитываются значения Fa и R1, R2. Среднее от R1 и R2 при заданном PL, – и есть риск (соответственно переоценки и недооценки).

Созданная ЭСМ основывается на интегральных факторах [1], которые определяют развитие EdTech, в том числе с учетом происходящих изменений в рассматриваемых странах в части макроэкономики и развития технологий. На интегральный фактор, в данном случае, приходится уровень влияния определенного фактора на EdTech. Его оценка – взвешенная величина, которая учитывает влияние общего комплекса особо значимых факторов на исследуемую часть преобразований в рассматриваемых странах.

В ЭСМ f ̅, как отмечалось ранее, представляет собой вектор случайных факторов, объединенных в интегральные факторы. Случайная величина в данном случае демонстрирует диапазон изменения фактора, в котором он может принимать любое значение в соответствии с заданной функцией распределения. По умолчанию используется линейная функция распределения (т.е. значение фактора на интервале изменений равновероятно).

p ̅ – вектор условно-постоянных величин, демонстрирующий степень влияние фактора (вес фактора) в интегральном факторе (его сумма 1).

Расчёт ЭСМ позволяет определить вероятные изменения объема рынка EdTech. Расчёт издержек завышений/занижений осуществляется c допущением [2]: издержка отклонения от оптимума пропорционально величине самого отклонения.

Данные для анализа

ЭСМ состоит из двух блоков (регуляторный и технологический). Регуляторный блок – это интегральный фактор, изменение значения индикатора – фактор (f), а вес индикатора в блоке – условно-постоянная величина (p). Данные блоки, в свою очередь, включают в себя собственные индикаторы (табл. 1).

Под индикаторами, входящими в регуляторный блок, подразумеваются показатели, дающие общее представление о состоянии экономики стран, использующихся в исследовании [9]. Индикаторы технологического блока предоставляют информацию об уровне человеческого капитала в рассматриваемых странах и современных технологий, применяющихся в образовательных целях. Выбор указанных блоков и индикаторов обусловлен тем, что образование играет важную роль в экономическом развитии государства. Без должного развития человеческого капитала (навыков, знаний, компетенций граждан) невозможно представить дальнейший экономический рост [7]. Образованные граждане зачастую являются более компетентными сотрудниками, готовыми адаптироваться к постоянно меняющимся условиям функционирования рынка труда. Более того, образование способно снизить уровень бедности и социальное расслоение, предоставляя необходимые навыки и знания тем, кто заинтересован в трудовой деятельности и улучшении своего экономического положения [8].

Однако ни для кого не секрет, что в настоящее время образование переходит в онлайн-режим. Индивидуальные подходы к обучающимся, новейшие инструменты и технологии, участвующие в образовательном процессе, широкие возможности для обучения, самомотивация, усовершенствованные системы оценки и отчетности – это далеко не все плюсы, которые характерны для обучающихся в формате онлайн. Принимая во внимание, что именно количество образованных людей напрямую влияет на увеличение экономических показателей страны, вопрос дальнейшего развития онлайн-образования остается актуальным. Однако важно помнить, что мгновенно развить этот сектор невозможно, для этого необходимо решить ряд имеющихся проблем, связанных и с наличием технических средств у населения, и с доступом к сети Интернет, и даже вложением в НИОКР.

Таблица 1. Индикаторы ЭСМ

Источник: составлено авторами.

Как видно из таблицы 1, если в регулятивном блоке значимость индикаторов по странам (развитым и развивающимся) одинакова, то в технологическом блоке наблюдаются существенные различия между странами.

Используемые в анализе страны, представлены в таблице 2. Их выбор обусловлен высоким уровнем развития инфраструктуры EdTech (развитые страны), и имеющимися успехами по внедрению и распространению такой инфраструктуры (развивающиеся страны).

Таблица 2. Страны, использованные в ЭСМ

Источник: составлено авторами.

Для расчета ЭСМ использовались официально размещенные в сети Интернет данные с 2012-2022 г. следующих международных институтов: ООН, ЮНЕСКО, Всемирный банк. Ряд недостающих значений, по котором отсутствовала официальная информация в сети Интернет (отдельные индикаторы 2018-2022 г.), а также прогнозная информация по 2023-2024 г. (по 2024 г. прогнозные значения рассчитаны относительно последней официально размещенной статистической информации в сети Интернет) были получены методом интервальной оценки при помощи построения линейной регрессии с использованием инструмента «Equilibrium» в интегрированной среде языка R для дальнейшей статистической обработки полученных данных и построения графической интерпритации.

Ход вычислений

В ходе работы по формированию ЭСМ проводился эконометрический анализ, в результате которого выбирались для дальнейшей работы значения, соответствующие минимальному (LO 95) и максимальному (HI 95) интервалам. Данный выбор обусловлен тем, что во внимание принимаются значения с достаточно высокой надежностью, свидетельствующие о том, что именно эти значения попадут в исходный интервал с вероятностью 95%.

Затем происходит вычисление разницы между 2024 г. и предыдущим (в данном случае это 2022 год, поскольку по этому году определялось процентное изменение каждого показателя для исследуемых стран). После того как были получены все значения по одному показателю для разных стран, определялся диапазон (минимальное и максимальное значение), учитываемый при построении ЭСМ.

Важно отметить, что значения на 2024 г. по индикаторам «Инфляция, потребительские цены (% в годовом исчислении)» и «Рост ВВП (% в годовом исчислении)», полученные с помощью эконометрического анализа не брались в расчет построения ЭСМ из-за низкого качества модели в рассматриваемых интервалах (надежность <50%). В данной ситуации элементы модели были взяты из официально обнародованных прогнозных данных международных финансовых организаций, которые были опубликованы в СМИ. По той же причине для данных по индикатору «Пользователи Интернета (% населения)» был взят средний прирост числа пользователей Всемирной сети в рассматриваемых странах на основе открытых данных.

Индикаторы имеют разную степень важности для развитых и развивающихся стран. Технологический блок составляет 70% для развитых стран и 50% – для развивающихся. Регуляторный блок имеет долю в 30% для развитых стран и в 50% – для развивающихся. Причина такого распределения заключается в особенностях развитых стран (рис. 2): они обладают высоким уровнем ВВП на душу населения, который стабильно увеличивается, их экономика представлена разнообразными отраслями с преобладающим сектором услуг, разница в доходах между обеспеченными и малоимущими слоями населения невелика, а множество транснациональных компаний играют ключевую роль в формировании национальной экономики [11].

Рисунок 2. Сравнительный анализ ВВП на душу населения,

исследуемых стран, в долл. США

Источник: составлено авторами по материалам [4].

Как видно из рисунка 2, за анализируемый период 2021-2023 гг. высокий уровень значений и положительный тренд на увеличение по «ВВП на душу населения» отмечен у Германии (2023 г. – 52,746 долл. США), Австралии (2023 г. – 64,712 долл. США), Великобритании (2023 г. – 48,867 долл. США), Швеция (2023 г. – 56,305 долл. США), США (2023 г. – 81,695 долл. США).

Данный показатель, как фактор свидетельствует о сформировавшейся экономической системе таких стран. В связи с этим, на сегодняшний день развитые страны отдают предпочтение дальнейшему развитию технологического направления, которое способно качественно изменить технологический базис экономики. Данные изменения уже проявляются в экономическом росте, основанном на развитии фундаментальной и прикладной наук и производстве инновационных товаров благодаря использованию научно-технических ресурсов.

Низкий уровень значений «ВВП на душу населения» (рис. 2) продемонстрировали: Китай (2023 г. – 12,614 долл. США), Россия (2023 г. – 13,817 долл. США), Индия (2023 г. – 2,484 долл. США), Индонезия (2023 г. – 4,941 долл. США), Эфиопия (2023 г. – 1,293 долл. США).

На сегодняшний день в развивающихся странах сложилась совершенно другая ситуация. Так как национальные экономические системы недостаточно развиты, технологический блок играет гораздо меньшую роль по сравнению с регуляторным. Устойчивость экономики – необходимое условие для достижения развивающимися странами высоких значений в таких областях, как человеческое развитие, уровень образования, расходы на НИР и обеспечение доступа к интернету.

Чтобы определить долю значимости индикаторов ЭСМ, был использован Метод Дельфи, основанный на экспертной оценке предложенных индикаторов. Это необходимо для последующего ранжирования индикаторов по степени их важности: от самого незначительного до самого важного аспекта для будущего развития онлайн-образования в данных странах. Экспертами опроса выступили специалисты из сферы экономики и образования. Стоит подчеркнуть, что важность технологических индикаторов для развитых и развивающихся стран неодинакова. С точки зрения отраслевых специалистов, наиболее важными факторами для развитых стран являются общий уровень образования населения и расходы на исследования и разработки, в то же время для развивающихся стран ключевое значение имеет обеспечение населения средствами связи, компьютерами и Интернетом.

Проведённое исследование позволяет утверждать, что объём рынка онлайн-образования в экономически развитых странах к концу 2024 г. вырастет примерно на 3,14%. Изображение на рисунке 3 получено при помощи пакета «Equilibrium» иллюстрирует точку пересечения графиков – рисков завышения и рисков занижения, представляющую собой равновесное состояние модели, эквивалентное указанному выше проценту. В случае неблагоприятного развития ситуации на рынке, в том числе изменений в регуляторной и технологической сферах, объём рынка онлайн-образования к концу 2024 г. сократится на 4%, а при благоприятном – увеличится на 10%. Стратегия компаний на рынке формируется через принятие решений и их исполнение [12]. После этого полученные результаты подвергаются анализу и учитываются при формировании дальнейших стратегий. Принятие решений в условиях неопределенности связано с двумя типами рисков: риском принятия слишком оптимистичного решения (риск завышения) и риском принятия чрезмерно пессимистического решения (риск занижения). Для лиц, принимающих решение (ЛПР) риск завышения психологически связан со страхом потратить средства впустую (трусостью), а риск занижения – с желанием использовать все возможности без исключения (жадностью).

Для правильной интуитивной ориентации в такой ситуации необходимо умеренное присутствие этих эмоций. Как можно заметить, страх и желание выгоды противостоят друг другу при принятии рационального экономического решения, и в результате определяют действия лиц, ответственных за принятие решений (будь то физических или юридических лиц) и влияют на стратегию компании. Риск завышения и риск занижения, таким образом, являются реальными мотивами, определяющими действия фирм. С помощью ЭСМ можно раскрыть экономический смысл интуитивных решений и поддержать их количественными расчетами. Согласно проведенному эконометрическому исследованию, компаниям, имеющим интерес к сектору онлайн-образования, рекомендовано при принятии решений опираться на интервал неопределенности, который находится в рамках от 1,3% до 4,8%. Надежность ЭСМ, согласно проведенному анализу, составляет 49%.

Рисунок 3. Ожидаемый рост рынка дистанционного образования

в 2024 г. в развитых государствах

Источник: составлено авторами.

Говоря о динамике рынка онлайн-образования для развивающихся государств, стоит отметить, что согласно проведенному исследованию, к концу 2024 г. прогнозируется его рост на 5,7% (рис. 4). Если события на рынке будут развиваться по негативному сценарию, включая возможные изменения в законодательном регулировании и технологиях, то к концу 2024 года рынок дистанционного образования может сократиться на 5,2%, а при оптимистичном сценарии может вырасти на 18%. Интервал неопределённости (исходная ошибка) был уменьшен до диапазона допустимой ошибки от 3,5 до 9 процентов. Точность ЭСМ, исходя из результатов анализа, составляет 49%.

Рисунок 4. Ожидаемый рост рынка дистанционного образования в 2024 г.

в развивающихся государствах

Источник: составлено авторами.

Благодаря функционалу пакета «исследование» инструмента «Equilibrium» в интегрированной среде языка R возможно провести классификацию рассмотренных индикаторов регуляторного и технологического блоков, исходя из их влияния на результаты моделирования. По результатам анализа, для экономически развитых стран, показателями, оказывающими наибольшее влияние на ожидаемый рост, стали количество статей в научных изданиях и доступ к средствам коммуникации, включая персональные компьютеры. Тогда как для развивающихся государств наиболее значимыми индикаторами оказались расходы на НИР и доступность к информационно-технологической инфраструктуре, прежде всего к персональным компьютерам (табл. 3). Исследование позволило выделить среди широкого спектра факторов и параметров те, дополнительное изучение которых позволит уточнить их величину и, соответственно, итоговое значение планируемого показателя, а именно емкость рынка онлайн-образования.

Таблица 3. Степень чувствительности индикаторов ЭСМ на II кв. 2024 г., %

Источник: составлено авторами.

Странам, данные которых были использованы для создания модели, необходимо учитывать происходящие трансформации в мировой экономической системе при формировании образовательной политики, планировании соответствующего бюджета и достижении поставленных целей. Также важно обращать внимание на чувствительность показателей, которые использовались при разработке ЭСМ. Акцент на эти аспекты, грамотное и результативное планирование, контроль и развитие образовательной политики в сфере онлайн-обучения будут способствовать увеличению объёма этого рынка, как в экономически развитых, так и в развивающихся государствах.

Заключительные выводы

Подводя итоги, стоит подчеркнуть, что благодаря разработанной ЭСМ можно оценить изменения ёмкости рынков онлайн-образования в развитых и развивающихся странах, что позволяет получить более достоверный результат при планировании государственных расходов на эти цели, обеспечив тем самым эффективность бюджетного процесса, четкие ориентиры при разработке образовательной политики государства, способствующей формированию актуальной профессиональной структуры национальных рынков труда в условиях трансформации мировой экономики.

Предложенная ЭСМ имеет ряд преимуществ: во-первых, она представляет собой модель, которая может оценить ёмкость рынков онлайн-образования в исследуемых странах, что важно для местных компаний, планирующих выйти на региональный рынок онлайн-услуг. Во-вторых, предложенная ЭСМ достаточно универсальна, то есть, её можно дополнять и расширять другими индикаторами, изменять с точки зрения значимости и величины в целях проведения анализа и использования для прогнозно-сценарного моделирования в среднесрочной перспективе.

[1] В процессе расчёта система Decision генерирует более 7000 вариантов значений для каждого фактора.

[2] Модель позволяет вносить любые изменения, включая в пропорцию отклонения и оперативно проводить расчёты сравнивая полученные результаты.