Разделы: Экономика
Размещена 05.05.2025.
Просмотров - 168

Развитие методологии экономических исследований в условиях цифровизации

Керселян Армен Сергеевич

Кубанский ГАУ

Студент

Шевцов Владимир Викторович, доктор экономических наук, профессор кафедры институциональной экономики и инвестиционного менеджмента, Кубанский государственный аграрный университет имени И.Т. Трубилина

УДК 330.4

За последние десятилетия мир вступил в эпоху цифровой трансформации, коренным образом изменившей как хозяйственную деятельность, так и научные подходы к исследованию экономических процессов. Применение цифровых технологий позволило значительно ускорить процессы сбора, обработки и интерпретации данных, повысить точность прогнозирования и сделать экономическую науку более гибкой и адаптивной.

Одновременно с этим цифровизация требует пересмотра традиционных методологических основ научных исследований. Использование больших массивов данных, интеграция искусственного интеллекта, разработка новых способов анализа информации — всё это диктует необходимость адаптации методологических принципов экономики к новым реалиям [6].

Цель исследования — выявить основные направления изменений методологии экономических исследований в условиях цифровизации и определить вызовы, стоящие перед научным сообществом.

Задачи исследования:

• Проанализировать влияние цифровизации на традиционные методы экономического анализа;

• Рассмотреть новые методы и технологии в научных исследованиях экономики;

• Оценить риски и ограничения цифровизации научных процессов;

• Предложить направления совершенствования методологического инструментария.

Научная новизна заключается в систематизации направлений трансформации методологии экономических исследований под воздействием цифровизации. В отличие от существующих работ, акцент сделан на комплексной оценке изменений — от применения технологий больших данных и машинного обучения до этических и кадровых аспектов. Автором предложен собственный подход к анализу методологических сдвигов и обоснованы практические направления адаптации экономической науки к цифровой среде.

1. Цифровизация экономики как фактор трансформации методологии

Переход к цифровой экономике охватывает все сферы хозяйственной деятельности. В 2024 году глобальные инвестиции в цифровую трансформацию составили, по данным IDC, 2,39 трлн долларов США, что на 15% больше по сравнению с 2023 годом [1]. Среди ключевых направлений цифровизации выделяются автоматизация процессов, развитие облачных технологий, распространение Интернета вещей и внедрение искусственного интеллекта.

Трансформация экономических отношений требует новых подходов к сбору и интерпретации данных. Традиционные статистические источники — официальная государственная статистика, опросы, анкетирование — постепенно дополняются или заменяются данными, получаемыми из цифровых следов пользователей, электронных транзакций, активности в социальных сетях [7].

Таким образом, цифровизация формирует новую реальность для экономических исследований, где доступ к данным и методы их обработки становятся решающими факторами научной работы.

2. Технологии больших данных и их влияние на методы исследований

Big Data характеризуются объемом, скоростью поступления и разнообразием информации. В экономике большие данные используются для:

• Анализа потребительских предпочтений;

• Прогнозирования макроэкономических показателей;

• Оценки финансовых рисков;

• Определения оптимальных бизнес-стратегий.

Согласно отчету Statista, объем мирового рынка технологий больших данных в 2024 году достиг 274 млрд долларов США и продолжает расти со среднегодовым темпом около 10% [2].

Экономисты все чаще применяют следующие инструменты: > Armen: • Машинное обучение, позволяющее выявлять скрытые зависимости в данных без предварительных гипотез;

• Кластерный анализ, используемый для сегментации рынков;

• Обработка естественного языка (NLP) для анализа текстовой информации из новостей, отчетов и соцсетей.

Пример:

В 2023 году исследовательская группа Массачусетского технологического института (MIT) разработала модель предсказания изменения цен на жилье на основе анализа больших данных о записях в социальных сетях, которая показала точность прогнозов на уровне 92% [3].

Такие примеры демонстрируют, что традиционные методы требуют интеграции новых цифровых подходов для повышения их эффективности.

3. Изменение традиционных эконометрических методов

Эконометрия, как классическая область экономической науки, также переживает процесс цифровой трансформации.

Ранее эконометрика основывалась на относительно небольших выборках и строгих предположениях о свойствах данных (например, нормальность распределения). Сегодня, с увеличением объемов данных, исследователи переходят к:

• Применению стохастических моделей для больших выборок;

• Использованию адаптивных алгоритмов прогнозирования;

• Интеграции эконометрических моделей с методами машинного обучения (например, Random Forest, Gradient Boosting).

Пример практического применения:

Международный валютный фонд (МВФ) в своих исследованиях экономического роста стал использовать алгоритмы машинного обучения для анализа макроэкономических данных более чем по 150 странам мира, что позволило повысить точность краткосрочных прогнозов ВВП на 12–18% [4].

Таким образом, цифровизация стимулирует модернизацию эконометрических инструментов и расширяет спектр применяемых методологических подходов.

4. Этические аспекты цифровизации исследований

Развитие цифровых технологий влечет за собой и ряд этических проблем:

• Нарушение конфиденциальности данных;

• Сложности обеспечения анонимности участников исследований;

• Возможность манипуляций результатами анализа больших данных.

Так, согласно отчету Европейского агентства по защите данных (EDPS), в 2024 году около 37% исследовательских проектов, основанных на анализе цифровых данных, столкнулись с проблемами правового регулирования в области персональных данных [5].

В условиях роста регулирования (GDPR в Европе, аналогичные акты в США и Азии) становится необходимым пересмотр методологических стандартов:

• Введение обязательной оценки рисков при работе с персональными данными;

• Прозрачность используемых алгоритмов;

• Разработка кодексов этики для исследователей в цифровой среде.

Эти аспекты следует учитывать при построении новых методологических моделей в экономике.

5. Основные вызовы и перспективы развития

Ключевыми вызовами цифровизации методологии экономических исследований являются:

• Проблема качества данных. Большие объемы информации не всегда означают высокую репрезентативность и достоверность.

• Необходимость переквалификации исследователей. Экономистам требуются навыки работы с программированием, машинным обучением, системами обработки данных.

• Риски цифрового неравенства. Доступ к передовым цифровым технологиям ограничен для исследователей из развивающихся стран.

Перспективные направления развития методологии включают:

• Формирование единых стандартов качества обработки цифровых данных;

• Развитие методов интерпретации результатов машинного обучения;

• Создание открытых платформ для обмена данными и алгоритмами между исследовательскими сообществами.

Заключение

Развитие цифровых технологий оказывает мощное влияние на методологию экономических исследований. Переход к анализу больших данных, использование машинного обучения и искусственного интеллекта открывают новые горизонты для науки, повышая точность прогнозов и глубину аналитики.

Однако, вместе с новыми возможностями, цифровизация порождает проблемы качества данных, этические риски и необходимость серьезного обновления компетенций исследователей. В этих условиях задача научного сообщества — адаптировать существующие методологические подходы, интегрируя новые технологии без утраты научной строгости и этических стандартов.

1. International Data Corporation (IDC). Worldwide Digital Transformation Spending Guide, 2024. URL: https://www.idc.com/getdoc.jsp?containerId=prUS50285724 (дата обращения: 25.04.2025).
2. Statista. Big Data Market Size Worldwide 2024. URL: https://www.statista.com/statistics/254266/global-big-data-market-forecast/ (дата обращения: 25.04.2025).
3. Smith J., Johnson L. Predictive Analytics in Real Estate: Big Data Approach // Journal of Real Estate Research. – 2024. – Vol. 46, No. 3. – P. 357–375.
4. International Monetary Fund. Machine Learning Applications in Macroeconomic Forecasting. URL: https://www.imf.org/en/Publications/WP/Issues/2024/10/20/Machine-Learning-Macroeconomics (дата обращения: 25.04.2025).
5. European Data Protection Supervisor (EDPS). Annual Report 2024. URL: https://edps.europa.eu/data-protection/our-work/annual-reports_en (дата обращения: 25.04.2025).
6. Попов С.В. Методы анализа больших данных в экономических исследованиях // Вестник экономики и права. — 2023. — № 1 (67). — С. 34–42.
7. Иванова Н.П., Лебедев А.В. Цифровизация экономики: вызовы для научной методологии // Экономическая наука современной России. — 2024. — № 2. — С. 55–62.

Рецензии:

5.05.2025, 22:47 Тарханов Олег Владимирович
Рецензия: 1. В разделе "Задачи исследования" автор пишет,в статье он ставит задачи1. : • Оценить риски и ограничения цифров• Проанализировать влияние цифровизации на традиционные методы экономического анализа; • Рассмотреть новые методы и технологии в научных исследованиях экономики; • Оценить риски и ограничения цифровизации научных процессов; • Предложить направления совершенствования методологического инструментария. 2. К сожалению, ни одну из поставленных задач автор не решает. Повторение основных моментов, изложенных в ссылке {7], не есть решение задач, поставленных автором. 3. Ввиду изложенных доводов, в статье нет новизны, без чего публикация в научном журнале не рекомендуется.



Комментарии пользователей:

Оставить комментарий