Системный анализ в социокультурной сфере: особенности, структура и модельная поддержка

Обложка

Цитировать

Полный текст

Аннотация

Стремление найти ответ на вопрос, как привить системность видения современным выпускникам высшей школы, составляет основной лейтмотив настоящей статьи. Ее цель заключается в поиске ответа на поставленный вопрос в рамках подготовки специалистов гуманитарных направлений, в учебных планах которых дисциплины системного цикла представлены очень слабо. В статье раскрыта сущность социокультурных систем, образующих предметную область для трудовой деятельности специалистов-гуманитариев. Отражена их специфика, затрудняющая применение системного анализа. Приведена детальная схема алгоритма системных исследований в данной предметной области, что призвано обеспечить содержательное тематическое наполнение дисциплины «Системный анализ…» для гуманитарных направлений подготовки. Исследована модельная поддержка процедур системного анализа и составлены перечни применяемых при этом типов моделей.

Об авторах

И. Н Дрогобыцкий

Финансовый университет при Правительстве РФ

Автор, ответственный за переписку.
Email: dinind@mail.ru
ORCID iD: 0000-0002-9982-0361
SPIN-код: 4583-5709
доктор экономических наук, профессор Москва

Список литературы

  1. Антамошкина О.И., Зинина О.В. (2017). Формирование перечня альтернатив выпуска конкурентноспособной гражданской продукции оборонного предприятия // Современные технологии управления. № 10 (82). С. 1–9.
  2. Арнольд В.И. (2011). «Жесткие» и «мягкие» математические модели. М.: Московский Центр непрерывного математического образования (МЦНМО). 27 с
  3. Балацкий Е.В., Екимова Н.А. (2016). Распределительные модели рыночной экономики // Terra Economicus. Т. 14. № 2. С. 48–69.
  4. Баранов С.В. (2014). Эконометрические модели производственных функций: история и современность // Международный журнал прикладных и фундаментальных исследований. № 10-2. С. 53–57.
  5. Бинмор К. (2019). Теория игр. Очень краткое введение. М.: Дело при РАНХиГС, 256 с.
  6. Божко В.П. (1999). Информационные технологии в статистике / Под ред. В.П. Божко и А.В. Хорошилова // Московский государственный университет экономики, статистики и информатики. М.: МЭСИ. 111 с.
  7. Булгаков С.В. (2014). Агрегирование информационных моделей // Перспективы науки и образования. № 3(9). С. 9–13.
  8. Бурко Р.А., Соколова В.Д. (2019). Выбор и обоснование организационной структуры предприятия // Молодой учёный. № 7. С. 313–315.
  9. Бывшев В.А. (2008). Эконометрика. М.: Финансы и статистика. 480 с.
  10. Быстров А.И. (2015). Информационные системы в экономике (балансовые задачи). Уфа: Изд-во Башкирского института социальных технологий (филиала Академии труда и социальных отношений). 90 с.
  11. Васильева Л.Н., Деева Е.А. (2018). Моделирование микроэкономических процессов и систем. М.: КНОРУС. 320 с.
  12. Волков В.В., Хархордин О.В. (2008). Теория практик. СПб.: Изд-во Европейского университета в Санкт-Петербурге. 298 с.
  13. Волкова В.Н., Денисов А.А. (2012). Теория систем и системный анализ. М.: Юрайт. 679 с.
  14. Гаибова Т.В., Павлович Т.В. (2019). Формирование проектных альтернатив на основе онтологического подхода // Онтология проектирования. Т. 9. № 3(33). С. 321-332. DOI: 10.10.18287/2223-9537-2019-9-3-321-332
  15. Горелова Г.В. (2013). Когнитивный подход к имитационному моделированию сложных систем // Известия Южного федерального университета. Серия: Технические науки. № 3. С. 239–250.
  16. Данилин А., Слюсаренко А. (2009). Архитектура и стратегия. «Инь» и «Янь» информационных технологий предприятия. М.: Интернет-Университет информационных технологий. 504 с.
  17. Джумиго Н.А., Петрова Л.И. (2017). Организационная структура как объект стратегических изменений // Управление современной организацией: опыт, проблемы и перспективы. № 2(4). С. 111–118.
  18. Дрогобыцкая К.С., Дрогобыцкий И.Н. (2014). Архитектурные модели экономических систем. М.: Вузовский учебник: ИНФРА-М. 310 с.
  19. Дрогобыцкий И.Н., Дрогобыцкая К.С. и др. (2022). Системный анализ в менеджменте. М.: КНОРУС. 651 с.
  20. Дрогобыцкий И.Н. (2023). Системный анализ в экономике. М.: ЮНИТИ-ДАНА (Международная электронная библиотека НИИОН). 498 c.
  21. Евдокимов А.О. (2023). Технологии и инструментальные средства имитационного моделирования информационных систем // Молодой ученый. № 51(498). C. 3–5 URL: https://moluch.ru/archive/498/109441/ (дата обращения 27.02.2025).
  22. Жигирев Н.Н., Бочков А.В., Кузьминова А.В. (2023). Инверсионный метод оценки меры согласованности мнений экспертов // Надежность. Т. 23. № 4. С. 15–24. doi: 10.21683/1729-2646-2023-23-4-15-24
  23. Зуховицкий С.И., Радчик И.А. (2017). Математические методы сетевого планирования. М.: Наука. 296 с.
  24. Казиев В.М. (2014). Введение в анализ, синтез и моделирование систем. М.: Бином. 244 с.
  25. Карпова Е.В., Яблокова А.В. (2013). Когнитивный подход к имитационному моделированию сложных систем // Известия Южного федерального университета. Серия: Технологические науки. № 3. С. 293–250.
  26. Кириллов С.П., Борисов А.К., Мирончук В.А. (2023). Методы сценарного моделирования в экономическом моделировании // Журнал прикладных исследований. № 12. С. 26–30.
  27. Кирилюк И.Л. (2013). Модели производственных функций для российской экономики // Компьютерные исследования и моделирование. Т. 5. № 2. С. 293–312.
  28. Клейнер Г.Б. (1986). Производственные функции. М.: Финансы и статистика. 239 с.
  29. Клейнер Г.Б. (2021). Системная экономика: шаги развития. М.: Научная библиотека. 746 с.
  30. Клейнер Г.Б. (2016). Экономика. Моделирование. Математика. Избранные труды. М.: ЦЭМИ РАН. 856 с.
  31. Козлов А.С. (2024). Целевые функции и ключевая функциональность системы проектного управления: подходы к оптимизации и автоматизации // Валютное регулирование. Валютный контроль. № 5. С. 36–47.
  32. Конев К.А., Антонов В.В. и др. (2020). Основы концепции онтологического моделирования бизнес-процессов для задач принятия решений // Современные наукоемкие технологии. № 12-1. С. 71–77.
  33. Крис А. (2018). Свободные ассоциации. Метод и процесс. М.: Когито-Центр. 157 с.
  34. Лабскер Л.Г. (2018). Теория игр в экономике. М.: КноРУС. 413 с.
  35. Лаптева Е.В., Портнова Л.В. (2022). Статистические методы исследований в экономике. Волгоград: Сфера. 234 с.
  36. Ларичев О.И. (2016). Вербальный анализ решений. М.: Наука. 356 с.
  37. Лебедева И.П. (2015). Мягкие модели как форма математизации социологического знания // Социологические исследования. № 1. С. 79–84.
  38. Литвак Б.Г. (2008). Экспертная информация. Методы получения и анализа. М.: Радио и связь. 184 с.
  39. Мамихин С.В., Щеглов А.И. (2020). Имитационное моделирование в экологии, радиоэкологии и радиобиологии. М.: МаксПресс, 60 с.
  40. Математические и инструментальные методы в современных экономических исследованиях. (2018). М.: Экономический факультет МГУ им. М.В. Ломоносова. 232 с.
  41. Муромский А.А., Моисеев Е.И., Тучкова Н.П. (2016). Применение метода аналогий для поиска в научной информационной сети // Научный сервис в сети Интернет: Труды XVIII Всероссийской научной конференции (19–24 сентября 2016 г., г. Новороссийск). М.: ИПМ им. М.В. Келдыша, С. 284–289. doi: 10.20948/abrau-2016-23
  42. Наумов И.В., Трынов А.В., Сафонов А.О. (2020). Сценарное моделирование воспроизводства инвестиционного потенциала институциональных секторов в регионах Сибирского федерального округа // Финансы: теория и практика. № 24(6). С. 19–37.
  43. Нижегородцев Р.М. (2004). Логистическое моделирование экономической динамики // Управление социально-экономическими системами. 41 № 1. С. 46–53; 42 № 2. С. 52–58.
  44. Олейников Д.П., Бутенко Л.Н., Олейников С.П. (2013). Инверсия в методах принятия решений // Прикаспийский журнал: управление и высокие технологии. № 2(22). C. 146–150.
  45. Онтологическое моделирование предприятий: методы и технологии. Екатеринбург: Изд-во Уральского федерального университета. 236 с.
  46. Панкрухин С.И. (2010). Ситуационные концепции менеджмента. М.: Изд-во РАГС. 319 с.
  47. Паутова Л.А. (2007). Ассоциативный эксперимент: опыт социологического применения // Социология: методология, методы, математическое моделирование. № 24. С. 149–168.
  48. Подиновский В.В. (2019). Идеи и методы теории важности критериев в многокритериальных задачах принятия решений. М.: Наука. 103 с.
  49. Поспелов Д.А. (1986). Ситуационное управление: теория и практика. М.: Наука. 288 с.
  50. Постников В.М. (2020). Анализ подходов к формированию экспертной группы, ориентированной на подготовку и принятие управленческих решений // Наука и образование. № 5. С. 333–347.
  51. Пузанова Ж.В., Ларина Т.И. (2017). Использование методики ассоциаций для изучения отношения к странам // Известия высших учебных заведений. Поволжский регион. Социология № 1(41). С. 98–110.
  52. Радченко И.А., Николаев И.Н. (2018). Технологии и инфраструктура BigData. СПб.: Университет ИТМО. 52 с.
  53. Рыкалина О.В., Степанов В.И., Шарапова И.В. (2018). Организационно-структурные модели регионального логистического кластера // Российское предпринимательство. Т. 19. № 4. С. 1213–1228.
  54. Седых В.В. (2024). Методы решения задач многокритериальной оптимизации с линейными функциями цели // Актуальные исследования. № 16(198). С. 66–71.
  55. Сигал А.В. (2017). Теория игр и ее экономические приложения. М.: ИНФА-М. 413 с.
  56. Смоленцева Т.Е. (2018). Методы определения целевой функции организационных систем // Моделирование, оптимизация и информационные технологии. № 6 (3). С. 143–152. URL: https://moit.vivt.ru/wp-content/uploads/2018/07/Smolenzeva_3_18_1.pdf
  57. Суворов Н.В., Трещина С.В. и др. (2017). Балансовые и факторные модели как инструмент анализа и прогнозирования структуры экономики // Научные труды Института народно-хозяйственного прогнозирования РАН. М.: Т. 15. С. 50–75.
  58. Талер Р. (2017). Новая поведенческая экономика. Почему люди нарушают правила традиционной экономики и как на этом заработать. М.: Эксмо. 368 с.
  59. Талер Р., Касс С. (2017). Архитектура выбора. М.: Манн, Иванов и Фербер. 310 с.
  60. Устинович Л.М., Лониевский К.М. (2013). Вербальный анализ решений // Economics and Management. № 2. С. 96–103.
  61. Фёдоров В.А., Маковеева Е.Н. (2017). Метод аналогий как способ оценки риска // Сборник статей Международной научно-практической конференции «Развитие науки и техники: механизм выбора и реализации приоритетов». Уфа: Аэтерна. Т. 3. С. 145–146.
  62. Феоктистов А.Г., Корсуков А.С., Дядькин Ю.А. (2016). Инструментальные средства имитационного моделирования предметно-ориентированных распределенных вычислительных систем // Системы управления, связи и безопасности. № 4. C. 30–60.
  63. Филиппович А.Ю. (2003). Интеграция систем ситуационного, имитационного и экспертного моделирования. М.: Эликс+, 299 с.
  64. Чернов И.В. (2018). Повышение эффективности управленческих решений на основе использования аналитического комплекса сценарного анализа и прогнозирования // Вестник РГГУ. Серия «Экономика. Управление. Право». № 1(11). C. 40–57.
  65. Шведин Б.Я. (2010). Онтология предприятия: экспириентологический подход. Технология построения онтологической модели предприятия на основе анализа и структурирования живого опыта. М.: Ленанд. 240 с.
  66. Шимшифрт Н.Д. (2023). Имитационное бизнес-моделирование. Томск: Изд-во Томского государственного университета. 104 с.
  67. Фирер А.В., Яковлева Е.Н. и др. (2021). Элементарная математика. Иррациональные уравнения и неравенства: учебное пособие. Красноярск: Изд-во Сибирского федерального университета. 114 с.
  68. Beg I., Khalid A. (2012). Aggregation of beliefs in the fuzzy environment. Journal of Fuzzy Mathematics, no. 4 (20), pp. 911–924.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).