dgisocioЦифровая социология/Digital SociologyDigital Sociology2658-347X2713-1653Государственный университет управления10.26425/2658-347X-2024-7-4-33-43dgisocio-345Research ArticleЦИФРОВАЯ СРЕДАDIGITAL ENVIRONMENTСравнительный анализ регионов Российской Федерации методами машинного обучения по набору показателей электронных услуг и сервисовComparative analysis of the Russian regions using machine learning methods for a set of indicators of electronic serviceshttps://orcid.org/0000-0002-5757-0341БорисоваЛ. Р.BorisovaL. A.

Борисова Людмила Робертовна - Канд. физ.-мат. наук, доц. каф. математики и анализа данных

Ludmila R. Borisova - Cand. Sci. (Phys. and Math.), Assoc. Prof. at the Mathematics and Data Analysis Department

lrborisova@fa.ruФинансовый университет при Правительстве Российской ФедерацииРоссияFinancial University under the Government of the Russian FederationRussian Federation202431012025743343Copyright © Борисова Л.Р., 20252025Борисова Л.Р.Borisova L.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://digitalsociology.guu.ru/jour/article/view/345

Цифровизация важна не только для работы профессионалов на своих рабочих местах, но и для благополучия специалистов и адаптации к изменениям в информационной сфере, а также для предоставления населению качественных образовательных, медицинских и социальных услуг. В работе использованы методы машинного обучения в целях классификации регионов по набору показателей электронных услуг и сервисов. Получено четкое разделение регионов на две большие, практически равные группы по этому набору показателей. Использование известных статистических критериев продемонстрировало статистическую значимость такого разделения. Построены диаграммы рассеяния как пример взаимосвязи подобных показателей. Множественный коэффициент корреляции между показателями электронных услуг и сервисов равен 0,71, что свидетельствует в пользу тесной связи между индикаторами цифровизации услуг. Кроме того, получено разделение регионов на кластеры с помощью иерархической кластеризации, из которой следует, что Москва в предоставлении электронных услуг и сервисов значительно обогнала другие регионы России, а остальные субъекты гетерогенны по этому показателю с учетом рассмотренных индикаторов цифровизации регионов по данным Федеральной службы государственной статистики за май 2024 г.м

Digitalisation is important not only for the work of professionals in their workplaces, but also for the well-being of specialists and adaptation to changes in the information sphere as well as for providing high-quality educational, medical and social services to the population. The paper uses machine learning methods to classify regions according to a set of indicators of electronic services and services. A clear division of the regions into two large, almost equal groups according to this set of indicators has been obtained. The use of well-known statistical criteria has demonstrated the statistical significance of such a division. Scattering diagrams are constructed as an example of the relationship of such indicators. The multiple correlation coefficient between the indicators of electronic services and services is 0.71, which indicates a close relationship between the indicators of digitalisation of services. In addition, the division of regions into clusters has been obtained using hierarchical clustering, which implies that Moscow has significantly overtaken other regions of Russia in providing electronic services and services, and the remaining regions are heterogeneous in this indicator, considering the considered indicators of digitalisation of the subjects according to the Federal State Statistics Service data for May 2024.

Методы машинного обученияцифровизациястатистикарегрессиякорреляциякластеризациядендрограммаклассификация регионовэлектронные услугиMachine learning methodsdigitalisationstatisticsregressioncorrelationclusteringdendrogramclassification of regionselectronic servicesReferencesАшманов И.С., Касперская Н.И. Цифровая гигиена. СПб.: Питер; 2021. 400 с.Ashmanov I.S., Kaspersky N.I. Digital hygiene. St. Petersburg: Piter; 2021. 400 p. (In Russian).Бабинцев В.П., Серкина Я.И. «Цифровизация» и «дигитализация» социальной реальности в предметном поле социологии: проблема адекватности понятий. Знание. Понимание. Умение. 2022;4:80–91. http://dx.doi.org/10.17805/zpu.2022.4.7Babintsev V.P., Serkina Ya.I. “Digital transformation” and “digitalization” of social reality in the subject field of sociology: the problem of the adequacy of concepts Knowledge. Understanding. Ability. 2022;4:80–91. (In Russian). http://dx.doi.org/10.17805/zpu.2022.4.7Бальчиндоржиева О.В., Золхоева М.В. Цифровая культура vs культурная уникальность? (к вопросу о сохранении китайской культурной идентичности). Социологические исследования. 2022;3:90–97. https://doi.org/10.31857/S013216250016858-6Balchindorzhieva O.V., Zolkhoeva M.V. Digital culture vs cultural uniqueness? (on the issue of preserving Chinese cultural identity). Sociological Studies. 2022;3:90–97. (In Russian). https://doi.org/10.31857/S013216250016858-6Борисова Л.Р., Кузнецова А.В. Анализ многопараметрических датасетов методами машинного обучения для создания рекомендательных систем в HP практике. В кн.: Цифровая трансформация социальных и экономических систем: материалы международной научно-практической конференции, Москва, 26 января 2024 г. М.: Московский университет имени С.Ю. Витте; 2024. С. 195–203.Borisova L.R., Kuznetsova A.A. Analysis of multiparametric datasets using machine learning methods to create recommendation systems in HP practice. In: Digital transformation of social and economic systems: Proceedings of the International Scientific and Practical Conference, Moscow, January 2024. Moscow: Moscow Witte University; 2024. Pp. 195–203. (In Russian).Борисова Л.Р., Кузнецова А.В., Сергеева Н.В., Сенько О.В. Применение методов машинного обучения для сравнения компаний арктической зоны РФ по экономическим критериям в соответствии с рейтингом полярного индекса. Компьютерные исследования и моделирования. 2020;1(12):201–215. https://doi.org/10.20537/2076-7633-2020-12-1-201-215Borisova L.R., Kuznetsova A.V., Sergeeva N.V., Senko O.V. Application of machine learning methods for comparing companies in the Arctic zone of the Russian Federation according to economic criteria in accordance with the rating of the polar index. Computer Research and Modeling. 2020;1(12):201–215. (In Russian). https://doi.org/10.20537/2076-7633-2020-12-1-201-215Вакуленко С.А., Жихарева А.А. Практический курс по нейронным сетям: учебное пособие. СПб.: Университет информационных технологий, механики и оптики; 2018. 71 с.Divina T., Petrakova E. Cherskov A. Applying the hierarchy analysis method to evaluate learning outcomes. In: Proceedings Proceedings of the II International Scientific Conference on Advances in Science, Engineering and Digital Education (ASEDU-II), Krasnoyarsk, 28 October 2021. New York: AIP Publishing; 2022. https://doi.org/10.1063/5.0104789Грошев И.В., Красовский Ю.Д. Цифровая трансформация социальных исследований и разработок. Цифровая социология. 2018;1:9–17. https://doi.org/10.26425/2658-347Х-2018-1-9-17Groshev I.V., Krasovsky Yu.D. Digital transformation of social research and development. Digital Sociology. 2018;1:9–17. (In Russian). https:// doi.org/10.26425/2658-347Х-2018-1-9-17Исаенко В.О., Рыбина М.Н. Внедрение системы CardioQVARK для персонализации лечения в условиях формирования экосистемы цифрового здравоохранения. Цифровая социология. 2018;1:35–40. http://dx.doi.org/10.26425/2658-347X-2018-1-35-40Isaenko V.O., Rybina M.N. The introduction of the CardioQVARK system for the personalization of treatment in the context of the formation of a digital healthcare ecosystem. Digital Sociology. 2018;1:35–40. (In Russian). http://dx.doi.org/10.26425/2658-347X-2018-1-35-40Конюхова В.Е., Вафоев Д.А. Роль математического моделирования в цифровой экономике. Международный журнал теоретических и прикладных вопросов цифровых технологий. 2023;1(3):121–126.Khlystova O., Kaluzhnоva Y. The impact of the creative industries and digitalization on regional resilience and productive entrepreneurship. The Jour nal of Technology Transfer. 2023;48:1654–1695. https://doi.org/10.1007/s10961-023-10020-2Кропивецкий Э.Н., Дубоглазова Ю.А., Заборовский Д.А. Цифровизация услуг в социальной сфере: проблемы и перспективы. Экономические науки. 2022;4(209):258–264. https://doi.org/10.14451/1.209.258Konyukhova V.E., Vafoev D.A. The role of mathematical modeling in the digital economy. International Journal of Theoretical and Applied Issues of Digital Technologies. 2023;1(3):121–126. (In Russian).Крыштановская О.В. Бесконтактная социология: новые формы исследований в цифровую эпоху. Цифровая социология. 2018;1(1):4–8. https://doi.org/10.26425/2658-347X-2018-1-4-8Kropivetsky E.N., Duboglazova Yu.A., Zaborovsky D.A. Digitalization of services in the social sphere: problems and prospects. Economic Sciences. 2022;4(209):258–264. (In Russian). https://doi.org/10.14451/1.209.258Кузнецова А.В., Сенько О.В. Возможности использования методов Data Mining при медико-лабораторных исследованиях для выявления закономерностей в массивах данных. Врач и информационные технологии. 2005;1:49–56.Kryshtanovskaya O.V. Contactless sociology: new forms of research in the digital age. Digital Sociology. 2018;1(1):4–8. (In Russian). https://doi.org/10.26425/2658-347X-2018-1-4-8Кузнецова А.В., Сенько О.В., Кузнецова Ю.О. Преодоление проблемы «черного ящика» при использовании методов машинного обучения в медицине. Врач и информационные технологии. 2018;7:74–80.Kuznetsova A.V., Senko O.V. Possibilities of using Data Mining methods in medical laboratory research to identify patterns in data arrays. Doctor and information technologies. 2005;1:49–56. (In Russian).Кузнецова Ю.О., Борисова Л.Р., Кузнецова А.В., Сенько О.В. Прозрачный интерфейс для прогноза в машинном обучении. В кн.: Аналитика и управление данными в областях с интенсивным использованием данных: сборник научных трудов XIX Международной конференции DAMDID/RCDL’ 2017, Москва, 10–13 октября 2017 г. М.: Федеральный исследовательский центр «Информатика и управление» Российской академии наук; 2017. С. 493–495.Kuznetsova A.V., Senko O.V., Kuznetsova Yu.O. Overcoming the black box problem when using machine-learning methods in medicine. Doctor and information technologies. 2018;7:74–80. (In Russian).Мамченко О.П., Акимочкина Т.А., Половникова Е.С., Шаповалова С.В. Моделирование социально-экономических процессов в условиях цифровизации экономики. Управление экономическими системами. 2019;5(123).Kuznetsova Yu.O., Borisova L.R., Kuznetsova A.V., Senko O.V. Transparent interface for forecasting in machine learning. In: Data analytics and management in data-intensive areas: Proceedings of the XIX International Conference DAMDID/RCDL’ 2017, Moscow, October 10–13, 2017. Moscow: Federal Research Centre “Informatics and Management” of the Russian Academy of Sciences; 2017. Pp. 493–495. (In Russian).Матвиевский С.С., Борисова Л.Р. Кластеризация стран Азиатско-Тихоокеанского региона по значениям инклюзивного экономического роста. Вестник университета. 2023;1:112–121. https://doi.org/10.26425/1816-4277-2024-1-112-121Mamchenko O.P., Akimochkina T.A., Polovnikova E.S., Shapovalova S.V. Modeling of socio-economic processes in the context of digitalization of the economy. Management of economic systems. 2019;5(123). (In Russian).Петровa Н.П., Овечкина А.И. К вопросу о цифровой трансформации российской экономики. Известия Санкт-Петербургского государственного экономического университета. 2021;1:57–62.Matviyevsky S.S., Borisova L.R. Clustering of the countries of the Asia-Pacific region according to the values of inclusive economic growth. Vestnik universiteta. 2023;1:112–121. (In Russian). https://doi.org/10.26425/1816-4277-2024-1-112-121Романова Н.В. Цифровизация услуг в социальной сфере: проблемы и перспективы. Вестник УГНТУ. Наука, образование, экономика. Серия: Экономика. 2020;1(31):58–65.Petrova N.P., Ovechkina A.I. On the issue of the digital transformation of the Russian economy. Proceedings of the St. Petersburg State University of Economics. 2021;1:57–62. (In Russian).Саати Т. Принятие решений. Метод анализа иерархий. Пер. с англ. Р.Г. Вачнадзе. М.: Радио и связь; 1993. 278 с.Romanova N.V. Digitalization of social services: problems and prospects. Bulletin of the USPTU. Science, education, economics. Economics series. 2020;1(31):58–65. (In Russian).Сенько О.В., Кузнецова А.В., Воронин Е.М., Кравцова О.Д., Добролюбова О.А., Борисова Л.Р. и др. Методы интеллектуального анализа дан ных в исследованиях эпидемии COVID-19. Журнал Белорусского государственного университета. Математика. Информатика. 2022;1:83–96. https://doi.org/10.33581/2520-6508-2022-1-83-96Saati T. Decision-making. Method of hierarchy analysis. Trans. from Eng. R.G. Vachnadze. Moscow: Radio i svyaz; 1993. 278 p. (In Russian).Сухов А.Н. Цифровизация социальной сферы и ее последствия. Социальная политика и социальное партнерство. 2023;8. https://doi.org/10.33920/pol-01-2308-01Senko O., Kuznetsova A. A recognition method based on collective decision making using systems of regularities of various types. Pattern Recognition and Image Analysis. 2010;2(20):152-162. http://dx.doi.org/10.1134/S1054661810020069Щекотин Е.В., Гойко В.Л., Басина П.А., Бакулин В.В. Использование машинного обучения для изучения качества жизни населения: методологические аспекты. Цифровая социология. 2022;1(5):87–97. https://doi.org/10.26425/2658-347X-2022-5-1-87-97Senko O.V., Kuznetsova A.V., Voronin E.M., Kravtsova O.D., Dobrolyubova O.A., Borisova L.R. et al.Methods of data mining in studies of the COVID-19 epidemic. Journal of the Belarussian State University. Mathematics. Computer Science. 2022;1:83–96. (In Russian). https://doi.org/10.33581/2520-6508-2022-1-83-96Divina T., Petrakova E. Cherskov A. Applying the hierarchy analysis method to evaluate learning outcomes. In: Proceedings Proceedings of the II International Scientific Conference on Advances in Science, Engineering and Digital Education (ASEDU-II), Krasnoyarsk, 28 October 2021. New York: AIP Publishing; 2022. https://doi.org/10.1063/5.0104789Shchekotin E.V., Goiko V.L., Basina P.A., Bakulin V.V. Using machine learning to study the quality of life of the population: methodological aspects. Digital Sociology. 2022;1(5):87–97. (In Russian). https://doi.org/10.26425/2658-347X-2022-5-1-87-97Khlystova O., Kaluzhnоva Y. The impact of the creative industries and digitalization on regional resilience and productive entrepreneurship. The Journal of Technology Transfer. 2023;48:1654–1695. https://doi.org/10.1007/s10961-023-10020-2Sukhov A.N. Digitalization of the social sphere and its consequences. Social Policy and Social Partnership. 2023;8. (In Russian). https://doi.org/10.33920/pol-01-2308-01Senko O., Kuznetsova A. A recognition method based on collective decision making using systems of regularities of various types. Pattern Recognition and Image Analysis. 2010;2(20):152-162. http://dx.doi.org/10.1134/S1054661810020069Toth G., Elekes Z., Whittle A., Lee Ch. Technology network structure conditions the economic resilience of regions. Economic Geography. 2022;4(98). http://dx.doi.org/10.1080/00130095.2022.2035715Toth G., Elekes Z., Whittle A., Lee Ch. Technology network structure conditions the economic resilience of regions. Economic Geography. 2022;4(98). http://dx.doi.org/10.1080/00130095.2022.2035715Vakulenko S.A., Zhikhareva A.A. Practical course on neural networks: textbook. St. Petersburg: University of Information Technologies, Mechanics and Optics; 2018. 71 p. (In Russian).Zhang J, Gorp D. van, Kievit H. Digital technology and national entrepreneurship: an ecosystem perspective. The Journal of Technology Transfer. 2022;48(3):1077–1105. http://dx.doi.org/10.1007/s10961-022-09934-0Zhang J, Gorp D. van, Kievit H. Digital technology and national entrepreneurship: an ecosystem perspective. The Journal of Technology Transfer. 2022;48(3):1077–1105. http://dx.doi.org/10.1007/s10961-022-09934-0

The authors declare that there are no conflicts of interest present.