Направления научных исследований

1. Моделирование и стратегическое управление социально-экономическими системами на основе теории заинтересованных сторон.

1.1. Разработка нечетко-множественных моделей и методов оценки, формирования и развития интеллектуального капитала на основе когнитивных активностей с учетом рисков (2023-2024 гг.)

Тектонические сдвиги, происходящие в мировой и национальной экономике в настоящее время, обусловлены появлением нового хозяйственного уклада, основанного на экономике знаний (информационной экономике), инструментальным стержнем которой является интеллектуальный капитал.

Системная трансформация экономических систем обеспечивается за счет развития интеллектуального капитала, который формируется как на макро- и мезоуровнях, так и на уровне отдельно взятых организаций.

Существует значительное количество моделей и методов оценки величины интеллектуального капитала и ее прироста в результате тех или иных управленческих воздействий. Среди них следует особо выделить нечетко-множественные модели и методы, что связано с экономической природой интеллектуального капитала, который, с одной стороны, сам является имплицитным фактором управленческой деятельности, при этом, с другой стороны, среди факторов самого интеллектуального капитала преобладающими являются имплицитные факторы, количественная оценка которых затруднена. Значительным преимуществом использования нечетких моделей и методов является также возможность формализации различного рода неопределенностей и количественной оценки рисков.

Научная проблема проекта определяется тем, что за рамками существующих моделей остаются различные сценарии взаимодействия элементов интеллектуального капитала, определяющие специфику его формирования и развития в различных условиях, траектории развития и смену эволюционных состояний. Отсутствуют модели управления противоречиями между компонентами интеллектуального капитала. Кроме того, в структуре интеллектуального капитала не выделяются возможные типы когнитивной активности, развитие которых и обеспечивает в конечном итоге рост интеллектуального капитала. В этой связи целью проекта является модернизация имеющихся и разработка новых инструментальных средств, представляющих комплекс взаимосвязанных нечетко-множественных моделей и методов оценки, формирования и развития интеллектуального капитала.

Актуальность решения вышеозначенной научной проблемы определяется необходимостью разработки и продвижения современных методов оценки, формирования и развития интеллектуального капитала организаций и территорий в условиях существующего тренда развития отечественной экономики в направлении формирования инфраструктурной поддержки ее перехода к экономике, основанной на знаниях (цифровой экономике), а также необходимостью создания условий для эффективного социально-экономического развития регионов на основе повышения интеллектуального капитала. Существующие методы и модели оценки и управления интеллектуальным капиталом носят разрозненный характер, за их рамками остаются многие важнейшие факторы и условия развития интеллектуального капитала, практически не учитываются риски.

Разработка комплекса новых взаимосвязанных нечетко-множественных моделей и методов не только позволит устранить имеющиеся пробелы, но и внесет вклад в развитие аппарата теории интеллектуального капитала.

Научная значимость проекта заключается в развитии инструментальной составляющей методологии управления интеллектуальным капиталом.

Научная новизна состоит в разработке принципиально новых нечетко-множественных моделей и методов, позволяющих учесть при оценке, формировании и развитии интеллектуального капитала различные сценарии взаимодействия его элементов (включая типы когнитивной активности), противоречия между ними и допустимые компромиссы, прямое и опосредованное влияние имплицитных факторов, количественные оценки рисков.

Разработанные многопериодные модели нечеткой оптимизации позволят осуществлять динамическое регулирование интеллектуального капитала в рамках выбранной траектории развития.

Научный коллектив: Солодухин К.С., Макарова Д.В., Завалин Г.С., Недолужко О.В.

Основные публикации:

^{*С другими публикациями можно ознакомиться в портфолио, кликнув на фамилию интересующего автора}

1.2. Разработка экономико-математических инструментов моделирования процесса развития компетенций сотрудников за счет формирования и реализации программы well-being (2023-2024 гг.)

В последние годы наблюдается тенденция перехода организаций на систему MBO, в рамках которой для оценки достижения стратегических целей на всех уровнях используются KPI.

Одним из условий перехода на систему MBO является трансформация взаимодействия сотрудников и работодателей, направленная на смещение внимания в сторону оценки личной эффективности деятельности сотрудника, а не оценку его трудозатрат.

Использование MBO приводит к необходимости формирования обоснованных ответов по ряду вопросов:

• как корректно формировать стратегические цели компании, декомпозировать их на KPI для сотрудников и определять их целевые значения;
• достаточно ли имеющихся ресурсов для достижения целевых значений KPI;
• какова степень влияния сотрудника на значения его KPI;
• какие мероприятия способствуют достижению целевых значений KPI;
• как влияет выгорание сотрудников на значения их KPI.

Все это формирует необходимость использования релевантных инструментов для моделирования процесса развития сотрудников с целью достижения целевых значений KPI. Однако, существует дефицит инструментальных средств, которые бы в полной мере отвечали современной парадигме управления персоналом. Таким образом, актуальность решения обозначенной научной проблемы обусловлена необходимостью разработки такого рода инструментов. При этом научная новизна заключается в разработке инструментальной составляющей методологии развития человеческого капитала организации с учетом процессов выгорания ее сотрудников для достижения целевых значений ее KPI.

Разработанные инструменты позволяют: формировать оптимальную корпоративную программу well-being, элементы которой оказывают прямое или косвенное влияние на развитие компетенций сотрудников и их выгорание, для максимально возможного продвижения по достижению целевых показателей эффективности сотрудников и, как следствие, стратегических целей компании в целом; определять элементы well-being, которые необходимо включить в программу для ликвидации выгорания сотрудников с учетом их ценностных ориентиров; определять компетенции сотрудника, на которые процесс его выгорания оказывает наибольшее влияние.

Среди основных результатов исследования можно выделить:

1. концептуальную модель развития компетенций сотрудника, позволяющих достигать целевые значения его KPI, за счет реализации корпоративной программы well-being;
2. многофакторные эконометрические модели, функционально описывающие влияние: личного рейтинга ценностей отдельного сотрудника на его оценки желаемого наличия элементов well-being в компании; отклонений между наличием элементов well-being, которые реализованы в компании, и которые хочет иметь сотрудник, на показатели его вовлеченности, удовлетворенности и лояльности; реализации элементов well-being на изменение конкретной компетенции сотрудника; значений компетенций сотрудника на значение каждой компоненты его KPI;
3. четкий и нечеткий методы оценки влияния показателей удовлетворенности, вовлеченности и лояльности сотрудника на степень полноты использования им конкретной компетенции для достижения целевых значений KPI;
4. метод формирования оптимальной программы well-being для максимально возможного продвижения по достижению целевых значений KPI сотрудника за счет развития его компетенций в четкой и нечеткой постановках;
5. метод оценки возможных рисков отклонения от моделируемого продвижения по достижению целевых значений KPI на основе формирования оптимальной программы well-being.

Научный коллектив: Мазелис Л. С., Красько А. А., Гренкин Г. В.

Основные публикации:

^{*С другими публикациями можно ознакомиться в портфолио, кликнув на фамилию интересующего автора}

1.3. Разработка экономико-математических методов и моделей развития регионального человеческого капитала (2018-2020 гг).

В рамках реализации гранта РФФИ №18-010-01010 «Разработка экономико-математических методов и моделей развития регионального человеческого капитала», 2018-2020 гг.:

1. разработана концептуальная модель развития регионального человеческого капитала за счет процесса инвестирования региональных государственных финансовых средств в повышение качества жизни и развитие регионального человеческого капитала;
2. построены эконометрические модели, функционально описывающие каналы влияния: структура и объемы инвестиций по разным направлениям инвестирования в региональный человеческий капитал → показатели регионального человеческого капитала → показатели социально-экономического развития региона → показатели демографических процессов в регионе;
3. разработана многопериодная оптимизационная модель распределения инвестиций, направляемых на повышение качества жизни населения и развитие человеческого капитала региона, для повышения величины регионального человеческого капитала в четкой и нечеткой постановках;
4. разработана динамическая модель формирования оптимальной структуры региональных государственных инвестиций, способствующей через опережающее развитие человеческого капитала достижению стратегических целей и задач социально-экономического развития региона и позволяющая формировать инвестиционные стратегии в области развития регионального человеческого капитала, в четкой и нечеткой постановках;
5. разработан метод формирования оптимального портфеля стратегических проектов на региональном уровне, напрямую или косвенно влияющих на развитие регионального человеческого капитала, для максимально возможного продвижения по развитию регионального человеческого капитала в четкой и нечеткой постановках;
6. разработан метод формирования оптимального портфеля стратегических проектов на региональном уровне, напрямую или косвенно влияющих на развитие регионального человеческого капитала, для максимально возможного продвижения по достижению целевых значений показателей социально-экономического развития региона в четкой и нечеткой постановках;
7. разработан метод оценки возможной степени отклонения от моделируемого продвижения по достижению стратегических целей и задач региона на основе формирования оптимальной структуры государственных инвестиций, способствующих развитию человеческого капитала.

Результаты представлены в: 6 статьях в продолжающихся изданиях, индексируемых аналитическими базами данных Scopus и/или Web of Science; 4 статьях в журналах, индексируемых РИНЦ и входящих в список ВАК; 2 статьях в сборниках конференций; 3 тезисах (докладах) на конференциях; 1 монографии.

Научный коллектив: Мазелис Л.С., Красько А.А., Емцева Е.Д., Красова Е.В., Лавренюк К.И..

Основные публикации:

^{*С другими публикациями можно ознакомиться в портфолио, кликнув на фамилию интересующего автора}

1.4. Модели и методы принятия стратегических решений в сетях заинтересованных сторон с множественными "центрами власти" (2018-2019 гг.)

Цель исследования – разработка моделей и методов принятия стратегических решений в организации, рассматриваемой в сети заинтересованных сторон с множественными «центрами власти», в условиях неопределенности.

Задачи Проекта:

1. Анализ существующих инструментов принятия стратегических решений в стейкхолдерских сетях.
2. Разработка концептуальной модели причинно-следственных связей между характеристиками отношений участников сети заинтересованных сторон с множественными «центрами власти» и метода расчета количественных значений характеристик отношений.
3. Разработка моделей выбора стратегий взаимодействия организации со стейкхолдерами в сети с множественными «центрами власти» в условиях неопределенности.
4. Разработка многокритериальных моделей для поддержки процессов принятия стратегических решений в условиях необходимости поиска компромиссов в стейкхолдерской сети с множественными «центрами власти».
5. Модификация предложенных моделей с использованием нечетко-множественного инструментария.
6. Разработка инструментального средства (программного комплекса), позволяющего реализовать разработанные методы и модели на практике.
7. Апробация предложенных многопериодных моделей на примере конкретных стейкхолдер-компаний.

Полученные результаты внесут вклад в развитие инструментальной составляющей теории заинтересованных сторон и методологии стратегического управления стейкхолдер-компаниями и будут опубликованы в 4 статьях в изданиях, индексируемых в системах цитирования (СКОПУС, РИНЦ) и материалах конференций. Разработанные модели и методы смогут напрямую использоваться на всех этапах стратегического управления стейкхолдер-компаниями.

Научный коллектив: Солодухин К.С., Гресько А.А.

Основные публикации:

^{*С другими публикациями можно ознакомиться в портфолио, кликнув на фамилию интересующего автора}

1.5. Разработка многопериодных моделей выбора чистых и смешанных типов стратегий взаимодействия организации с группами заинтересованных сторон в условиях неопределенности (2016-2017 гг.)

Научное направление посвящено разработке новых многопериодных моделей выбора чистых и смешанных типов стратегий взаимодействия организации с группами заинтересованных сторон в условиях неопределенности.

Данные модели должны позволить учитывать многократные (причем, далеко не всегда монотонные) изменения характеристик отношений между организацией и ее стейкхолдерами, вызванные различными факторами, в том числе, изменениями отношений между самими заинтересованными сторонами.

Предполагается использование сценарного подхода при моделировании изменений отношений организации с группами заинтересованных сторон и стейкхолдеров между собой. Предполагается получение интегральной оценки последствий выбора каждого типа стратегии с учетом вероятности сценариев.

Для снижения возникающих рисков предполагается разработка методов формирования «смешанных» стратегий. Поскольку выбор стратегий обычно осуществляется в условиях высокой неопределенности, недостатка релевантной информации, носящей невероятностный характер (при одновременном огромном объеме неоднозначной информации, которую необходимо учитывать при принятии решений), предполагается модификация разработанных моделей с использованием нечетко-множественного инструментария.

Научный коллектив: Солодухин К.С., Гресько А.А.

Основные публикации:

^{*С другими публикациями можно ознакомиться в портфолио, кликнув на фамилию интересующего автора}

2. Механика деформируемого твердого тела.

Направление посвящено математическому моделированию процессов интенсивного необратимого деформирования упруговязкопластических материалов в неизотермическом случае; постановке и решению краевых задач теории больших упругопластических деформаций о прямолинейных и вискозиметрических течениях. Исследования проводятся совместно с Институтом автоматики и процессов управления ДВО РАН.

Научный коллектив: Буренин А.А., Ковтанюк Л.В. (ИАПУ ДВО РАН), Бегун А.С. (ИАПУ ДВО РАН), Панченко Г.Л., Дац Е.П.

Основные публикации:

^{*С другими публикациями можно ознакомиться в портфолио, кликнув на фамилию интересующего автора}

3. Аналитика Больших Данных

3.1. построения на основе больших медицинских данных моделей, описывающих процессы в области клинической медицины.

• Разработаны многофакторные регрессионные модели, с помощью которых можно оценить в количественном выражении влияние социально-экономических условий конкретного региона на активность эпидемического процесса туберкулёза. Модели построены на основе данных панельной структуры с предварительной кластеризацией регионов РФ по бремени туберкулёза. Разнообразие социально-экономических факторов, влияющих на основные индикаторы эпидемического процесса, сокращается по мере роста его напряжённости.
• Рассмотрена задача планирования стационарной медпомощи и углубления персонализированного подхода к терапии для больных сахарным диабетом 1 типа. На основе кластерного анализа записей МИС выстроен континуум, показывающий этапы развития патогенетического процесса, и выявлены различия в стационарном ведении пациентов с СД 1 – в назначаемых диагностических процедурах и операциях. Это позволило углубиться в патогенетические механизмы развития заболевания. Для выявленных кластеров определены кластерообразующие медуслуги. Проанализированы и сопоставлены открытые международные генетические базы данных для некоторых ключевых с точки зрения патогенеза СД 1 молекулярных комплексов с данными, описывающими кластеры.
  

Научный коллектив: Мазелис Л.С., Шахгельдян К.И., Кучерова С.В., Емцева Е.Д., Мазелис А.Л., Яковлева Д.А., Левагин А.Д., Солдатов Д.А., Котова Е.С., Николаев А.Э.

Основные результаты представлены в 2 статьях в изданиях, индексируемых аналитическими базами данных Scopus и/или Web of Science; 1 статье в журнале, индексируемом РИНЦ и входящих в список ВАК:

^{*С другими публикациями можно ознакомиться в портфолио, кликнув на фамилию интересующего автора}

3.2. API-Социология: оценка глобальных деструктивных влияний на глокализационную ситуацию.

Предложена гибридная социологическая и технологическая концепция умного города с согласованными решениями, дополняющими друг друга. Разработанная модель на основе цифровых архитектур и бионического решения для обеспечения управления данными и с политикой здравоохранения, включённой в социологию города, показывает, что умный город по сравнению с традиционным городом внутри обладает тесными взаимосвязями, как социальный «организм». Показана зависимость здоровья от целостной реализации целей устойчивого развития и внедрения среди населения практики ответственного «устойчивого» поведения.

Научный коллектив: Мазелис Л.С., Яковлева Д.А..

Результаты представлены в публикациях, индексируемых аналитическими базами данных Scopus и/или Web of Science.

Основные публикации:

3.3. Исследование академической успеваемости студентов с помощью методов интеллектуального анализа данных.

Направление посвящено разработке и применению методов интеллектуального анализа данных для:

• Выявление факторов, влияющих на успеваемость студентов, определение закономерностей и тенденций в образовательных процессах
• Оценка вероятности успешного завершения учебы, выявление студентов, находящихся в группе риска, и прогнозирование их дальнейшей успеваемости
  

В качестве методов используются кластеризация (группировка студентов по схожим характеристикам для выявления групп риска), классификация (прогнозирование успеваемости студентов на основе исторических данных).

В рамках исследования используются образовательные данные (оценки, посещаемость и др.), а также данные социальных сетей (активность в них, тематики сообществ и т.д.)

Список студенческих проектов:

• Исследование влияния интересов студентов в социальной сети «ВКонтакте» на академическую успеваемость;
• Исследование влияние активности студентов ВВГУ в социальной сети «ВКонтакте» на академическую успеваемость.

Научный коллектив: Завалин Г.С., Мазелис А.Л.

4. Совершенствование организационной структуры управления транспортной системой крупного города

Научный коллектив: Ембулаев В.Н.

Основные публикации по направлению:

5. Разработка методов анализа многомерных данных.

Этим направлением под руководством профессора кафедры математики и моделирования Мартышенко С.Н. занимаются студенты бакалавриата «Бизнес-информатика» и магистратуры «Информационная бизнес-аналитика».

Задачи, которыми они занимаются: выявление и анализ структур в условиях зашумленных выборок (проблема классификации многомерных данных), повышение качества данных (обнаружение ошибок и восстановление данных), разработка компьютерных технологий анализа плохо структурированных данных.