Вестник БГУ. Экономика и менеджмент
Библиографическое описание:
, , , , Анализ цифровых следов населения как инструмент диагностики и прогнозирования социально-экономических проблем сельских территорий региона (на примере Республики Бурятия) // Вестник БГУ. Экономика и менеджмент. - 2026. №1. . - С. 155-163.
Заглавие:
Анализ цифровых следов населения как инструмент диагностики и прогнозирования социально-экономических проблем сельских территорий региона (на примере Республики Бурятия)
Финансирование:
Работа выполнена при финансовой поддержке республиканского бюджета Республи- ки Бурятия, проект №25-28-20352 «Применение методов машинного обучения для оценки эффективности реализации проектов по программе “Комплексное развитие сельских территорий на основе мониторинга изменений актуальных проблем сельских жителей”» и НИР «Построение математической модели для исследования общественных настроений их текстовых сообщений, опубликованных в социальных сетях на основе цифровых следов жителей Республики Бурятия».
Коды:
Аннотация:
В условиях цифровой трансформации публичной сферы анализ неструктурированных текстовых обращений граждан становится критически важным инструментом для повышения эффективности регионального управления. В статье представлены результаты разработки и апробации комплексной аналитической системы, построенной на интеграции методов машинного обучения и больших языковых моделей (LLM) для исследования общественных настроений жителей Республики Бурятия. На основе массивов данных из трех ключевых каналов коммуникации за 2023– 2025 гг. система обеспечивает автоматическое выявление латентных проблемных кластеров, их семантическую интерпретацию, генерацию аналитических резюме и прогнозирование динамики обращений. Практические результаты демонстрируют способность системы диагностировать пространственно-отраслевые диспропорции, проактивно обнаруживать новые социально-экономические вызовы и формировать доказательную базу для обоснования управленческих и инвестиционных решений. Внедрение подобных решений позволяет осуществить переход от реактивной к проактивной модели управления, оптимизировать бюджетные расходы и повысить качество государственных услуг, что вносит вклад в развитие концепции управления, основанного на данных (data-driven governance) на региональном уровне.
Ключевые слова:
региональная экономика, социально-экономическое развитие, цифровые следы, машинное обучение, общественное настроение, Республика Бурятия, прогнозирование, диагностика проблем.
Список литературы:
Ковальчук А. Г., Цыбаков Д. Л. Анализ современных цифровых платформ вовлечения граждан в региональное управление: опыт российских субъектов // Общество: политика, экономика, право. 2025. № 9(146). С. 33–41. DOI 10.24158/pep.2025.9.3. EDN MCCWAT. Текст: непосредственный.
Васильева Е. И., Орфонидий А. В. Платформы гражданского участия как направление цифровизации публичного управления // Муниципалитет: экономика и управление.
2022. № 3. С. 49–60. DOI: 10.22394/2304-3385-2022-3-49-60 EDN: VCBSLS. Текст: непосредственный.
Порошина Л. А., Зелева А. Д. Реализация цифровой трансформации через платформу «Единая централизованная цифровая платформа в социальной сфере» // Финансовая экономика. 2025. № 5. С. 222–226. EDN HPSATB. Текст: непосредственный.
Ju J., Liu L., Feng Y. Citizen-centered big data analysis-driven governance intelligence framework for smart cities. Telecommunications Policy. 2018; 42(10): 881–896. DOI: 10.1016/j.telpol.2018.01.003.
Мейрияни М., Варганегара Д. Л., Андини В. Большие данные, машинное обучение, искусственный интеллект и блокчейн в корпоративном управлении // Форсайт. 2023. Т. 17, № 4. С. 69–78. DOI 10.17323/2500-2597.2023.4.69.78. EDN SZPLVY. Текст: непосредственный.
Завьялова Е. А., Погадаева Н. Ю. Цифровая трансформация государственных и муниципальных услуг // Вестник Кемеровского государственного университета. Сер. Политические, социологические и экономические науки. 2021. Т. 6, № 2(20). С. 219– 228. DOI: 10.21603/2500-3372-2021-6-2-219-228 EDN: TNHVLQ. Текст: непосредственный.
Мухаметов Д. Р. Модели платформ вовлечения граждан для создания в России умных городов нового поколения // Вопросы инновационной экономики. 2020. № 3. С. 1605–1622. EDN: GUXXWD. Текст: непосредственный.
Аюшеева И. З. Большие данные: проблемы определения гражданско-правового режима // Lex Russica (Русский закон). 2023. Т. 76, № 10(203). С. 125–134. DOI 10.17803/1729-5920.2023.203.10.125-134. EDN KRLORF. Текст: непосредственный.
Василевская Л. Ю., Подузова Е. Б., Тасалов Ф. А. Цифровизация гражданского оборота: big data в механизме гражданско-правового регулирования (цивилистическое исследование): монография: в 5 томах. / ответственный редактор Л. Ю. Василевская. Москва: Проспект, 2023. Т. 5. 360 с. EDN: FKCCGN. Текст: непосредственный.
Захарова О. И. Разработка модели семантического анализа и синтеза текстовых данных // Приборы и системы. Управление, контроль, диагностика. 2024. № 4. С. 49–57. DOI 10.25791/pribor.4.2024.1493. EDN NGMXXF. Текст: непосредственный.
Васильева Е. И., Орфонидий А. В. Платформы гражданского участия как направление цифровизации публичного управления // Муниципалитет: экономика и управление.
2022. № 3. С. 49–60. DOI: 10.22394/2304-3385-2022-3-49-60 EDN: VCBSLS. Текст: непосредственный.
Порошина Л. А., Зелева А. Д. Реализация цифровой трансформации через платформу «Единая централизованная цифровая платформа в социальной сфере» // Финансовая экономика. 2025. № 5. С. 222–226. EDN HPSATB. Текст: непосредственный.
Ju J., Liu L., Feng Y. Citizen-centered big data analysis-driven governance intelligence framework for smart cities. Telecommunications Policy. 2018; 42(10): 881–896. DOI: 10.1016/j.telpol.2018.01.003.
Мейрияни М., Варганегара Д. Л., Андини В. Большие данные, машинное обучение, искусственный интеллект и блокчейн в корпоративном управлении // Форсайт. 2023. Т. 17, № 4. С. 69–78. DOI 10.17323/2500-2597.2023.4.69.78. EDN SZPLVY. Текст: непосредственный.
Завьялова Е. А., Погадаева Н. Ю. Цифровая трансформация государственных и муниципальных услуг // Вестник Кемеровского государственного университета. Сер. Политические, социологические и экономические науки. 2021. Т. 6, № 2(20). С. 219– 228. DOI: 10.21603/2500-3372-2021-6-2-219-228 EDN: TNHVLQ. Текст: непосредственный.
Мухаметов Д. Р. Модели платформ вовлечения граждан для создания в России умных городов нового поколения // Вопросы инновационной экономики. 2020. № 3. С. 1605–1622. EDN: GUXXWD. Текст: непосредственный.
Аюшеева И. З. Большие данные: проблемы определения гражданско-правового режима // Lex Russica (Русский закон). 2023. Т. 76, № 10(203). С. 125–134. DOI 10.17803/1729-5920.2023.203.10.125-134. EDN KRLORF. Текст: непосредственный.
Василевская Л. Ю., Подузова Е. Б., Тасалов Ф. А. Цифровизация гражданского оборота: big data в механизме гражданско-правового регулирования (цивилистическое исследование): монография: в 5 томах. / ответственный редактор Л. Ю. Василевская. Москва: Проспект, 2023. Т. 5. 360 с. EDN: FKCCGN. Текст: непосредственный.
Захарова О. И. Разработка модели семантического анализа и синтеза текстовых данных // Приборы и системы. Управление, контроль, диагностика. 2024. № 4. С. 49–57. DOI 10.25791/pribor.4.2024.1493. EDN NGMXXF. Текст: непосредственный.
Статья.pdf