УДК 332.14:004.9:338.26:004.415.2
DOI: 10.36871/2618-9976.2025.12.015
Авторы
Юсуп Муслимович Ибрагимов,
Кандидат педагогических наук, доцент кафедры теории и технологии социальной работы, ФГБОУ ВО «Чеченский государственный университет им. А.А. Кадырова», Грозный, Россия
Наталья Владимировна Хаванова,
Доктор экономических наук, доцент, профессор Высшей Школы Бизнеса Менеджмента и Права, ФГБОУ ВО Российский государственный университет туризма и сервиса, Москва, Россия,
Анжелика Алимовна Нургалиева,
Кандидат технических наук, кафедра информатики и прикладной математики, Казанский Национальный Исследовательский Технологический Университет, Казань, Россия
Аннотация
В статье рассматривается концептуальный подход к анализу цифрового неравенства в региональных социальных системах с использованием методов нейросетевого моделирования. Обосновывается необходимость перехода от линейных и агрегированных методов к интеллектуальным алгоритмам, способным выявлять скрытые многомерные зависимости между инфраструктурными, компетентностными, поведенческими и институциональными характеристиками. Разработана многоуровневая модель, интегрирующая стратификационный, пространственный и прогнозный анализ на основе гибридных архитектур искусственных нейронных сетей. Показаны возможности применения графовых и самоорганизующихся нейросетевых структур для выявления латентных кластеров цифровой исключённости и оценки сценариев цифровой трансформации. Делается акцент на значении интерпретируемости моделей и их потенциале в поддержке принятия решений в сфере цифровой политики регионов.
Ключевые слова
цифровое неравенство
региональные социальные системы
нейросетевой анализ
искусственные нейронные сети
стратификация
Список литературы
[1] Авдонин В.С., Силаева В.Л. Нейросети нового поколения в контексте технологий искусственного интеллекта, философии и социальнополитических наук // Политическая наука. 2023. № 4. С. 127–154.
[2] Баранова Н.М., Ларин С.Н., Башарина О.Ю. Инструментарий для исследования темпов цифрового развития экономических систем на уровне стран и регионов // Вестник Российского университета дружбы народов. Серия: Экономика. 2023. Т. 31. № 4. С. 687–699.
[3] Басова Е.А. Цифровое неравенство российских регионов: современные проблемы и пути преодоления // Вопросы территориального развития. 2021. Т. 9. № 4. С. 1–17.
[4] Гулина С.Т., Мусина Д.Р. Цифровое неравенство как препятствие для развития регионов и отраслей // Human Progress. 2024. Т. 10. Вып. 5. С. 6–26.
[5] Земцов С.П. Цифровое неравенство и региональное развитие в России в условиях распространения технологий искусственного интеллекта // Журнал Новой экономической ассоциации. 2025. № 2(67). С. 225–233.
[6] Костяев А.И. Цифровое неравенство между городским и сельским населением // Экономические и социальные перемены: факты, тенденции, прогноз. 2024. Т. 17. № 3. С. 50–67.
[7] Платонова С.И. Цифровое неравенство как новая форма социального неравенства // Интеллект. Инновации. Инвестиции. 2024. № 6. С. 139–149.
[8] Поздеева Е.Г., Шипунова О.Д., Евсеева Л.И. Системный анализ использования нейросетей в образовательной практике: опыт прикладной социологии // Системный анализ в проектировании и управлении: сб. науч. тр. XXVIII Междунар. конф. 2024. Ч. 1. С. 45–55.
[9] Сорокина Н.Ю. Проблема цифрового неравенства населения регионов Российской Федерации // Уровень жизни населения регионов России. 2025. Т. 21. № 3. С. 447–460.
[10] Тертышникова А.Г., Павлова У.О., Старовойтова М.Д. Нейронная сеть как зеркало социальных установок: анализ искажений в генеративных изображениях // Цифровая социология. 2024. Т. 7. № 4. С. 13–21.
