Типология институтов генерации знаний умного города

Аннотация

Ускорение научно-технического прогресса и последующее повсеместное использование в управлении и развитии социально-экономических систем цифровых технологий явилось плацдармом для возникновения большого количества новых теоретических концепций и направлений моделирования и оценки направлений развития территорий. Наиболее жизнеспособным направлением цифровизации отношений в социально-экономических системах представляется концепция умного города. Цель данного исследования заключается в разработке и обосновании на основе выявления корреляционных зависимостей между результатами процессов генерации новых знаний и цифровыми ресурсами типологии институтов генерации знаний умного города в условиях цифровой экономики. Для количественной оценки результативности процессов генерации новых знаний предложен показатель «Цифровая скорость генерации знаний», характеризующий прирост результативности генерации знаний при увеличении использования цифрового ресурса на 1%. Апробация методического инструментария количественной оценки результативности процессов генерации новых знаний умного города осуществлена на выборке средних и крупных предприятий обрабатывающей промышленности г. Екатеринбурга с численностью занятых более 100 человек. Период исследования – 2014–2018 гг. Установлены факторы развития цифровой экономики, оказывающие влияние на институты создания новых продуктов и институты создания новых технологий умного города. Получено эмпирическое подтверждение того, что такие типы цифровых ресурсов, как персональные компьютеры и серверы, имеют устойчивую взаимосвязь с такими видами результатов процессов генерации новых знаний, как новые технологии и новые продукты. Такие типы цифровых ресурсов как использование сети Интернет и широкополосный доступ к сети Интернет в организациях не взаимосвязаны и не оказывают влияния на процессы генерации знаний промышленных предприятий в умных городах. Произведено распределение выделенных в ходе корреляционного анализа институтов генерации новых знаний умного города согласно следующим типам: развитый эффективный институт, развитый неэффективный институт, развивающийся эффективный институт, развивающийся неэффективный институт, формирующийся неэффективный институт, институциональная ловушка. Предложена графическая интерпретация распределения институтов генерации знаний при использовании цифровых технологий в координатах эффективность/устойчивость. Результаты исследования позволяют сделать вывод о том, что применение принципов и идей институционального моделирования процессов генерации знаний умного города позволяет формировать полноценные прогностические модели использования социо-технологических драйверов развития умных городов в условиях цифровой экономики. Предложенный методический подход к оценке и типологизации институтов умного города может послужить базой для дальнейших разработок в области методологического обеспечения анализа результативности и повышения эффективности управления процессами генерации знаний в условиях цифровой экономики.

Ключевые слова

умный город, цифровая экономика, институты генерации знаний, институциональная теория, моделирование, инновации, типология, эффективность, прогноз, экономическое развитие

Для цитирования

Попов Е.В., Власов М.В. Типология институтов генерации знаний умного города // Вестник Пермского университета. Сер. «Экономика». 2019. Том 14. № 2. С. 218–231. DOI 10.17072/1994-9960-2019-2-218-231

Благодарности

Исследование выполнено при финансовой поддержке Российского фонда фундаментальных исследований в рамках научного проекта № 18-00-00665.

Список литературы

1. Herscovici A. New development: Lean thinking in smart cities // Public Money and Management. 2018. Vol. 38, Iss. 4. P. 320–324.
2. Dameri R.P., Benevolo C., Veglianti E., Li Y. Understanding smart cities as a glocal strategy: A comparison between Italy and China // Technological Forecasting and Social Change. 2019. Vol. 142, Iss. C. P. 26–41.
3. Appio F.P., Lima M., Paroutis S. Understanding smart cities: Innovation ecosystems, technological advancements, and societal challenges // Technological Forecasting and Social Change. 2019. Vol. 142, Iss. C. P. 1–14.
4. Baradaran V., Farokhi S., Ahamdi Z. A model for evaluation and development of citizens' electronic readiness for deployment of an E-city using structural equation modeling // Journal of Global Information Management. 2018. Vol. 26, Iss. 4. P. 135–157.
5. Anttila J., Jussila K. Universities and smart cities: The challenges to high quality // Total Quality Management and Business Excellence. 2018. Vol. 29, Iss. 9–10. P. 1058–1073.
6. Macke J., Casagrande R.M., Sarate J.A.R., Silva K.A. Smart city and quality of life: Citizens’ perception in a Brazilian case study // Journal of Cleaner Production. 2018. Vol. 182. P. 717–726.
7. Nilssen M. To the smart city and beyond? Developing a typology of smart urban innovation // Technological Forecasting and Social Change. 2019. Vol. 142. P. 98–104.
8. Hefnawy A., Bouras A., Cherifi C. Relevance of lifecycle management to smart city development // International Journal of Product Development. 2018. Vol. 22, № 5. P. 351–376.
9. Novikov D., Belov M. Methodological foundations of the digital economy // Studies in Systems, Decision and Control. 2019. Vol. 181. P. 3–14.
10. Watanabe C., Tou Y., Neittaanmäki P. A new paradox of the digital economy – Structural sources of the limitation of GDP statistics // Technology in Society. 2018. Vol. 55. P. 9–23.
11. Ansong E., Boateng R. Surviving in the digital era – business models of digital enterprises in a developing economy // Digital Policy, Regulation and Governance. 2019. Vol. 21, Iss. 2. P. 164–178.
12. Negrea A., Ciobanu G., Dobrea C., Burcea S. Priority aspects in the evolution of the digital economy for building new development policies // Quality – Access to Success. 2019. Vol. 20, Iss. S2. P. 416–421.
13. Todoruţ A.V., Tselentis V. Digital technologies and the modernization of public administration // Quality – Access to Success. 2018. Vol. 19, Iss. 165. P. 73–78.
14. Евтянова Д.В., Тиранова М.В. Цифровая экономика как механизм эффективной экологической и экономической политики // Интернет-журнал «Науковедение». 2017. Т. 9, № 6. URL: https://naukovedenie.ru/PDF/79EVN617.pdf (дата обращения: 14.12.2018).
15. Сударушкина И.В., Стефанова H.A. Цифровая экономика // АНИ: экономика и управление 2017. Т. 6. № 1 (18). С. 182–184.
16. Nepelski D. How to facilitate digital innovation in Europe // Intereconomics. 2019. Vol. 54, Iss. 1. P. 47–52. doi: 10.1007/s10272-019-0791-6.
17. Geliskhanov I.Z., Yudina T.N. Digital platform: A new economic institution // Quality – Access to Success. 2018. Vol. 19, Iss. S2. P. 20–26.
18. Raven R., Sengers F., Spaeth P., Xie L., Cheshmehzangi A., de Jong M. Urban experimentation and institutional arrangements // European Planning Studies. 2019. Vol. 27, № 2. P. 258–281.
19. Dudzeviciute G., Simelyte A., Liucvaitiene A. The application of smart cities concept for citizens of Lithuania and Sweden: Comparative analysis // Independent Journal of Management and Production. 2017. Vol. 8, № 4. P. 1433–1450. doi: 10.14807/ijmp.v8i4.659.
20. Kobayashi A.R., Kniess C.T., Serra F.A., Ferraz R.R., Ruiz M.S. Smart sustainable cities: Bibliometric study and patent information // International Journal of Innovation. 2017. Vol. 5, № 1. P. 77–96.
21. Allam Z., Dhunny Z.A. On big data, artificial intelligence and smart cities // Cities. 2019. Vol. 89. P. 80–91.
22. Sepasgozar S.M.E., Hawken S., Sargolzaei S., Foroozanfa M. Implementing citizen centric technology in developing smart cities: A model for predicting the acceptance of urban technologies // Technological Forecasting and Social Change. 2019. Vol. 142. P. 105–116.
23. Camboim G.F., Zawislak P.A. Pufal N.A. Driving elements to make cities smarter: Evidences from European projects // Technological Forecasting and Social Change. 2019. Vol. 142. P. 154–167.
24. Ismagilova E., Hughes L., Dwivedi Y.K., Raman K.R. Smart cities: Advances in research – An information systems perspective // International Journal of Information Management. 2019. Vol. 47. P. 88–100.
25. Ишханян М.В., Карпенко Н.В. Эконометрика: учеб. пособие. М.: МГУПС (МИИТ), 2016. Ч. 1. Парная регрессия. 117 с.

Показать весь текст