ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В СИНХРОНИЗАЦИИ СКВОЗНЫХ СОЦИАЛЬНО‑ЭКОНОМИЧЕСКИХ И НАУЧНО‑ТЕХНОЛОГИЧЕСКИХ ИНДИКАТОРОВ СТРАТЕГИЧЕСКОГО РАЗВИТИЯ РОССИИ
Ключевые слова:
искусственный интеллект, сквозные данные, социально‑экономическое развитие, научно‑технологическое развитие, стратегическое планирование, интеграция данных, предиктивная аналитикаАннотация
Проблема. Несмотря на закреплённый в Федеральном законе от 28 июня 2014 года № 172-ФЗ «О стратегическом планировании в Российской Федерации» принцип сбалансированности документов стратегического планирования, интеграция межотраслевых данных социально-экономического (СЭР) и научно-технологического развития (НТР) представляется весьма разобщённой. Российская система не располагает единой информационной основой для сквозной аналитики. Такая фрагментация ограничивает полноту, сопоставимость и оперативность управленческой информации, приводит к дублированию показателей и препятствует комплексному многоуровневому прогнозированию. Методология. Исследование выполнено в рамках институционально-аналитического подхода и нормативно-правового анализа законодательства с опорой на теорию многоуровневого управления. Применены контент-анализ стратегических документов и библиографический анализ мирового опыта интеграции данных электронного правительства. Это позволило систематизировать шесть ключевых групп индикаторов и сформировать логическую модель сквозных показателей для синхронизации целей СЭР и НТР в едином информационном контуре. Результаты исследования. Предложен концептуальный подход к применению технологий искусственного интеллекта для автоматизированной обработки сквозных данных (идентифицируемых исходя из типологии сквозных индикаторов) на базе доменной архитектуры платформы «Гостех». Доказано, что предиктивная аналитика и алгоритмы машинного обучения способны осуществлять непрерывную «пульс-диагностику» экономики, выявлять латентные взаимозависимости и автоматизировано устранять конфликтующие целевые значения. Практическое применение. Разработанная концепция создаёт научно-практическую базу для преодоления административных барьеров и формирования единой архитектуры индикаторов. Её внедрение обеспечит бесшовное межведомственное взаимодействие, межуровневую координацию и возможность использования интеллектуальных аналитических сервисов в государственных органах власти. Это является критически важным шагом для перехода от реактивного к предиктивному управлению и обеспечения национального технологического суверенитета.Скачивания
Библиографические ссылки
Glassey, O. (2004). Developing a one-stop government data model. Government Information
Quarterly, 21(2), 156–169. https://doi.org/10.1016/J.GIQ.2003.12.012.
Yang, T.-M., Wu, Y.-J. (2013). What to share and why to share? A case study of cross-boundary
information sharing in Taiwan e-government. Journal of Library and Information Studies, 11(1),
25–53. https://doi.org/10.6182/jlis.2013.11(1).025.
Wimmer, M. A. (2002). Integrated service modelling for online one-stop government. Electronic
Markets, 12(3), 149–156. https://doi.org/10.1080/101967802320245910.
Pearce, L. A., Borschmann, R., Young, J. T., Kinner, S. A. (2023). Advancing cross-sectoral data
linkage to understand and address the health impacts of social exclusion: Challenges and potential
solutions. International Journal of Population Data Science, 8(1), Article 2116.
https://doi.org/10.23889/ijpds.v8i1.2116.
Zanti, S., Berkowitz, E., Katz, M., Nelson, A. H., Burnett, TC, Culhane, D., & Zhou, Y. (2022).
Leveraging integrated data for program evaluation: Recommendations from the field. Evaluation
and Program Planning, 95, Article 102093. https://doi.org/10.1016/j.evalprogplan.2022.102093.
Jones, C., McDowell, A., Galvin, V., & Adams, D. (2022). Building on Aotearoa New Zealand’s
Integrated Data Infrastructure. Harvard Data Science Review, 4(2), 1–22.
https://doi.org/10.1162/99608f92.d203ae45.
Cerrillo-Martínez, A., Casadesús-de-Mingo, A. (2021). Data governance for public transparency.
Profesional de la Información, 30(4), Article e300402. https://doi.org/10.3145/epi.2021.jul.02.
Chen, YU., Liu, L., Zhang, X., Sarma, V., Tan, Ch. M., & Yang Ch.FU. (2023). Use of Internet
of Things to improve e-government public services. Sensors and Materials., 35(6), 1903–1917.
https://doi.org/10.18494/SAM4322.
Mulholland, E., & Berger, G. (2017). Multi-level governance and vertical policy integration:
Implementation of the 2030 Agenda for Sustainable Development at all levels of government. ESDN
Quarterly Report, 43. URL: https://www.esdn.eu/fileadmin/ESDN_Reports/QR43_final.pdf.
Ohlhorst, D. (2015). Germany’s energy transition policy between national targets
and decentralized responsibilities. Journal of Integrative Environmental Sciences, 12(4), 303–322.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2026 Ганеева Л.Д., Бубнова А.О.
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
