УДК 004.8:331.103
DOI: 10.36871/ek.up.p.r.2025.03.13.013

Авторы

Ольга Титовна Ергунова,
Санкт-Петербургский политехнический университет Петра Великого, СанктПетербург, Россия
Наталия Юрьевна Белякова,
Национальный исследовательский университет «Высшая школа экономики», Москва, Россия
Марина Александровна Морозова,
Северо-Западный институт управления Российской академии народного хозяйства и государственной службы при Президенте Российской Федерации, Санкт-Петербург, Россия

Аннотация

Актуальность исследования. Цифровизация стремительно трансформирует социально-трудовые отношения в мегаполисах, усиливая необходимость в новых подходах к их управлению. Традиционные инструменты анализа не справляются с возрастающей сложностью и объемами данных, в то время как нейросетевые технологии способны обеспечить адаптивность и точность в прогнозировании и регулировании трудовых процессов. Отсутствие единых методик по подготовке и структурированию данных существенно снижает эффективность внедрения ИИ-решений в управление трудовыми ресурсами, что обусловливает высокую актуальность данного исследования.
Целью работы является разработка методологического подхода к определению и подготовке параметров для создания нейросетевой модели управления социально-трудовыми отношениями в условиях цифровизации мегаполисов. Основное внимание уделено формированию системы релевантных показателей, нормализации данных и интеграции параметров цифровой зрелости.
Данные и методы. В исследовании использованы данные Всемирного банка, аналитического доклада по цифровой зрелости отраслей экономики РФ, а также показатели государственной статистики мегаполисов. Применялись методы корреляционного анализа, нормализации данных, факторного отбора признаков, экспертной оценки, а также формализованные критерии на основе весовых коэффициентов. Для предварительной оценки качества параметров применялась апробация на пилотных выборках.
Результаты. Выделены 10 ключевых категорий параметров, включая цифровую грамотность, уровень урбанизации, занятость, доступ к ИИ-инфраструктуре и стратегическое планирование в социальной сфере. Разработан алгоритм пошаговой подготовки данных для нейросетевой модели, включающий определение целей, сбор и фильтрацию параметров, нормализацию, анализ взаимосвязей и тестирование на пилотных выборках. Установлено, что оптимальный объем параметров для эффективного обучения модели составляет 12–15 показателей. Показана значимость интеграции технологических и социально-экономических факторов для повышения точности прогнозов.
Выводы. Исследование подтвердило необходимость многоуровневой и междисциплинарной подготовки данных для построения нейросетевых моделей в сфере управления социально-трудовыми отношениями мегаполисов. Разработанная методика позволяет повысить точность моделирования, адаптировать управление к быстро меняющимся условиям цифровой экономики и формирует основу для создания интеллектуальных систем поддержки решений в социальной политике. Полученные результаты имеют прикладное значение для органов управления и могут быть использованы при разработке цифровых платформ управления трудовыми ресурсами.

Ключевые слова

нейросетевые модели, социально-трудовые отношения, цифровизация, мегаполисы, подготовка данных, искусственный интеллект, анализ параметров.