Кластеризация субъектов Российской Федерации по социально-экономическим показателям, характеризующим потенциал развития системы среднего профессионального образования
Аннотация
В современном мире важным основанием для принятия управленческих решений, координации действий, контроля и анализа процессов, происходящих в обществе, являются данные. Однако объемы данных, характеризующие различные аспекты жизни современного общества, насколько велики, настолько и сложны в обработке.
Объектом исследования является такая важная часть жизни общества как образование, в частности, обучение в образовательных организациях, реализующих программы среднего профессионального образования (далее – СПО). Основанием исследования служат представления о том, что развитие системы СПО позволяет решить ряд социально-экономических проблем регионов. Основная гипотеза исследования – знания социально-экономических особенностей регионов позволяют сформировать оптимальную государственную политику в сфере СПО.
Задачи исследования состояли в выявлении факторов, оказывающих влияние на востребованность СПО, проведении кластерного анализа регионов методом k-средних, определении и описании профилей кластеров, определении вклада каждого фактора в формирование востребованности СПО и его влияние на развитие системы СПО.
Методология исследования предполагала сокращение размерности данных с помощью метода главных компонент. Кластеризация осуществлялась методом k-средних. В качестве меры расстояния между объектами кластеров использована евклидова норма. Кластеризация выполнена с помощью библиотек Python.
Для проведения кластерного анализа определены три главные компоненты, характеризующие уровень вовлеченности населения в обучение в СПО, уровень качества жизни и вовлеченности населения в высокопроизводительные отрасли, миграционную ситуацию.
В результате проведенного анализа сформировано 7 кластеров, представлено описание ключевых характеристик, определяющих уровень востребованности СПО. Результаты исследования систематизируют фактическую социально-экономическую ситуацию в регионах и описывают ее влияние на региональные системы СПО. Будут полезны исполнительным органам субъектов Российской Федерации, осуществляющих государственное управление в сфере образования, федеральным органам исполнительной власти и научным институтам.
Перспективным направлением использования результатов исследования является оптимизация распределения контрольных цифр приема и их адаптации к социально-экономическим реалиям регионов.
EDN: NOVNIA
Скачивания
Литература
Дождиков, А. В., & Корнилова, Е. В. (2023). Образовательная миграция абитуриентов между регионами Российской Федерации как источник данных для планирования развития системы высшего образования. Высшее образование в России, 32(3), 67–83. https://doi.org/10.31992/0869-3617-2023-32-3-67-83 EDN: https://elibrary.ru/DUSOSM
Прокофьева, Е. С., & Зайцев, Р. Д. (2020). Анализ клинических путей пациентов в медицинских учреждениях на основе методов жесткой и нечеткой кластеризации. Бизнес-информатика, 14(1), 19–31. https://doi.org/10.17323/2587-814X.2020.1.19.31 EDN: https://elibrary.ru/QLPEAJ
Мирсоянов, Р. В., Левада, Ю. А., & Нех, Ю. И. (2020). Использование кластерного анализа для изучения городской среды. Научные междисциплинарные исследования, (8-2). Получено с https://cyberleninka.ru/article/n/ispolzovanie-klasternogo-analiza-dlya-izueniya-gorodskoy-sredy (дата обращения: 04.07.2025)
Жданко, Т. А. (2023). Теоретические аспекты реализации кластерного подхода в образовании. Вестник БГУ. Образование. Личность. Общество, (1), 19–28. https://doi.org/10.18101/2307-3330-2023-1-19-28 EDN: https://elibrary.ru/PNXNHX
Шамрай-Курбатова, Л. В., & Леденева, М. В. (2021). Кластерный анализ субъектов РФ по уровню инновационной активности. Бизнес. Образование. Право, (1), 88–97. https://doi.org/10.25683/VOLBI.2021.54.174 EDN: https://elibrary.ru/JUDWJI
Овсянникова, Р. В. (2018). Кластерный анализ в оценке уровня и качества жизни населения субъектов РФ. Вестник Самарского государственного экономического университета, (1), 38–45. EDN: https://elibrary.ru/YTFEOT
Прохоренков, П. А., Регер, Т. В., & Гудкова, Н. В. (2022). Методы кластерного анализа в региональных исследованиях. Фундаментальные исследования, (3), 100–106. https://doi.org/10.17513/fr.43221 EDN: https://elibrary.ru/KOVJWZ
Ullah, M. I., Aslam, M., & Altaf, S. (2016). mctest: An R package for detection of collinearity among regressors. The R Journal, 8(2), 495–505. https://doi.org/10.32614/RJ-2016-062
Кучумов, И. В. (2024). Теоретические основы методов кластеризации данных в интеллектуальном анализе. Цифровая экономика, (1(27)), 69–77. https://doi.org/10.34706/DE-2024-01-08 EDN: https://elibrary.ru/FLUZST
Арутюнов, Ю. А. (2008). Формирование региональной инновационной системы на основе кластерной модели экономики региона. Корпоративное управление и инновационное развитие экономики Севера: Вестник Научно-исследовательского центра корпоративного права, управления и венчурного инвестирования Сыктывкарского государственного университета, (4), 6–24. EDN: https://elibrary.ru/MSMBBF
Бондаренко, Н. В. (2017). Анализ взаимодействия системы среднего профессионального образования и работодателей, использующих труд работников массовых профессий и специальностей: информационный бюллетень. Москва: Высшая школа экономики. 48 с.
Жилов, Р. А. (2023). Интеллектуальные методы кластеризации данных. Известия Кабардино-Балкарского научного центра РАН, (6), 152–159. https://doi.org/10.35330/1991-6639-2023-6-116-152-159 EDN: https://elibrary.ru/LBDSYZ
Гумеров, М. Ф. (2017). Системность среднего профессионального и высшего экономического образования в современных условиях. Современные проблемы социальной работы, 3(4), 90–97. https://doi.org/10.17922/2412-5466-2017-3-4-90-97 EDN: https://elibrary.ru/XNPJZZ
Мерзляков, А. А., & Богданов, В. С. (2015). Практика дистанционных онлайн-исследований в онтологическом поле проблем социологии управления (дистанционный анализ реализации кластерной политики в регионах РФ). Вестник Академии права и управления, (2), 207–230. EDN: https://elibrary.ru/TSEKLR
Гаврилов, А. В., & Стадник, Я. В. (2024). Кластерный подход в системе среднего профессионального образования при подготовке педагогических кадров в рамках федерального проекта "Профессионалитет". Педагогический журнал, 14(5А), 111–123. EDN: https://elibrary.ru/FHBYIQ
Стафеева, А. А. (2017). Востребованность среднего профессионального образования у современных старшеклассников. Молодёжь и наука: актуальные проблемы педагогики и психологии, (2), 183–187. EDN: https://elibrary.ru/QMPJMP
Wang, D. D. (2019). Performance-based resource allocation for higher education institutions in China. Socio-Economic Planning Sciences, 65(C), 66–75.
References
Dozhdikov, A. V., & Kornilova, E. V. (2023). Educational migration of entrants between regions of the Russian Federation as a source of data for planning the development of the higher education system. Higher Education in Russia, 32(3), 67–83. https://doi.org/10.31992/0869-3617-2023-32-3-67-83 EDN: https://elibrary.ru/DUSOSM
Prokofieva, E. S., & Zaitsev, R. D. (2020). Analysis of patient pathways in medical facilities based on methods of hard and fuzzy clustering. Business Informatics, 14(1), 19–31. https://doi.org/10.17323/2587-814X.2020.1.19.31 EDN: https://elibrary.ru/QLPEAJ
Mirsoyanov, R. V., Levada, Yu. A., & Neh, Yu. I. (2020). Cluster analysis for studying urban environments. Scientific Interdisciplinary Research, (8-2). Retrieved from https://cyberleninka.ru/article/n/ispolzovanie-klasternogo-analiza-dlya-izueniya-gorodskoy-sredy (Accessed: July 4, 2025)
Zhdanko, T. A. (2023). Theoretical aspects of cluster approach implementation in education. Bulletin of BGU. Education. Personality. Society, (1), 19–28. https://doi.org/10.18101/2307-3330-2023-1-19-28 EDN: https://elibrary.ru/PNXNHX
Shamray-Kurbatova, L. V., & Ledeneva, M. V. (2021). Cluster analysis of Russian Federation subjects by level of innovation activity. Business. Education. Law, (1), 88–97. https://doi.org/10.25683/VOLBI.2021.54.174 EDN: https://elibrary.ru/JUDWJI
Ovsiannikova, R. V. (2018). Cluster analysis in evaluating living standards and quality of life of Russian regions’ populations. Bulletin of Samara State University of Economics, (1), 38–45. EDN: https://elibrary.ru/YTFEOT
Prokhorenkov, P. A., Reger, T. V., & Gudkova, N. V. (2022). Cluster analysis methods in regional studies. Fundamental Research, (3), 100–106. https://doi.org/10.17513/fr.43221 EDN: https://elibrary.ru/KOVJWZ
Ullah, M. I., Aslam, M., & Altaf, S. (2016). mctest: An R package for detection of collinearity among regressors. The R Journal, 8(2), 495–505. https://doi.org/10.32614/RJ-2016-062
Kuchumov, I. V. (2024). Theoretical foundations of data clustering methods in intelligent analysis. Digital Economy, (1(27)), 69–77. https://doi.org/10.34706/DE-2024-01-08 EDN: https://elibrary.ru/FLUZST
Arutyunov, Yu. A. (2008). Formation of a regional innovation system based on the cluster model of regional economy. Corporate Governance and Innovative Development of Northern Economies: Bulletin of the Research Centre for Corporate Law, Management and Venture Investment of Syktyvkar State University, (4), 6–24. EDN: https://elibrary.ru/MSMBBF
Bondarenko, N. V. (2017). Analysis of interaction between medium professional education system and employers using mass occupations and specialties: Information bulletin. Moscow: Higher School of Economics. 48 p.
Zhilov, R. A. (2023). Intelligent data clustering methods. Bulletin of Kabardino-Balkarian Scientific Centre of RAS, (6), 152–159. https://doi.org/10.35330/1991-6639-2023-6-116-152-159 EDN: https://elibrary.ru/LBDSYZ
Gumerov, M. F. (2017). Systematic approach to medium professional and higher economic education in modern conditions. Modern Problems of Social Work, 3(4), 90–97. https://doi.org/10.17922/2412-5466-2017-3-4-90-97 EDN: https://elibrary.ru/XNPJZZ
Merzlyakov, A. A., & Bogdanov, V. S. (2015). Practice of distant online research in the ontological field of problems of management sociology (remote analysis of cluster policy implementation in Russian regions). Bulletin of the Academy of Law and Administration, (2), 207–230. EDN: https://elibrary.ru/TSEKLR
Gavrilov, A. V., & Stadnik, Ya. V. (2024). Cluster approach in medium professional education for preparing teaching staff within the framework of the federal project "Professionalitet." Pedagogical Journal, 14(5A), 111–123. EDN: https://elibrary.ru/FHBYIQ
Stafeeva, A. A. (2017). Demand for medium professional education among modern high school students. Youth and Science: Current Issues of Pedagogy and Psychology, (2), 183–187. EDN: https://elibrary.ru/QMPJMP
Wang, D. D. (2019). Performance-based resource allocation for higher education institutions in China. Socio-Economic Planning Sciences, 65(C), 66–75.
Просмотров аннотации: 68 Загрузок PDF: 10
Copyright (c) 2025 Pavel I. Samtsevich, Sergey G. Yankov, Elena V. Kornilova
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
