УДК 519.8:33
DOI: 10.36871/u.i.k.2025.12.01.011

Авторы

Рустам Русланович Салгириев,
Ахмед Магомедович Гачаев,
ФГБОУ ВО «Грозненский государственный нефтяной технический университет им. акад. М.Д. Миллионщикова», Грозный, Россия

Аннотация

В современном образовательном пространстве повышение эффективности обучения основам экономики становится приоритетной задачей, особенно с учетом усложнения экономических процессов и необходимости подготовки компетентных специалистов, способных анализировать и решать реальные экономические задачи. В этом контексте разработка и внедрение методов математического моделирования приобрели особое значение как инновационной образовательной техники, позволяющей повысить уровень практических знаний, аналитических навыков и критического мышления студентов.
Математическое моделирование в сфере экономики выступает мощным инструментом, который обеспечивает формализацию теоретических концепций, моделирование сложных взаимосвязей между экономическими переменными, а также позволяют прогнозировать поведение рынков, оценивать последствия различных экономических политик и принимать обоснованные управленческие решения. В рамках обучения модели служат мостом между абстрактной теорией и практической деятельностью, делая процесс усвоения материала более наглядным, интерактивным и ориентированным на решение конкретных задач.
В статье рассматриваются основные методы и подходы к применению математического моделирования в образовательной деятельности: от построения аналитических уравнений до современных компьютерных программных комплексов, таких как Excel, R, Python, MATLAB и специализированные учебные платформы. Анализируются практические примеры использования моделей в изучении спроса и предложения, анализа макроэкономической политики, оценки эффективности производственных решений, моделирования экономического роста и рыночных механизмов.
Особое внимание уделяется аспектам интеграции математического моделирования в учебный процесс, развитию у студентов навыков работы с моделями, умения интерпретировать результаты, а также методам повышения мотивации к изучению экономики через практическое применение цифровых технологий и симуляций. Также в статье отмечаются преимущества и ограничения внедрения моделирования, а также виды возможных проблем и пути их решения.
Обобщая, можно сказать, что использование математического моделирования в обучении основам экономики способствует формированию системного мышления, аналитических компетенций и готовности к профессиональной деятельности в условиях быстро меняющейся экономики. В условиях цифровизации и глобализации интеграция методов моделирования в образовательный процесс представляет собой актуальный и эффективный путь повышения качества подготовки будущих экономистов, менеджеров и аналитиков.

Ключевые слова

математическое моделирование, обучение экономике, экономическое образование, экономическая теория, экономические модели, педагогические технологии, цифровые технологии в образовании, аналитическое мышление, экономическая статистика, симуляции в обучении, экономический анализ, компьютерное моделирование, образовательные методы

Список литературы

  1. Гольдфарб Р., Притчард Д. Математические методы в экономике. – СПб.: Питер, 2019. – 450 с.
  2. Джонстон Дж., Динард Дж. Эконометрия: принципы и практическое применение. – Москва: Наука, 2020. – 485 с.
  3. Муртазин Р.И. Математическое моделирование в экономике и бизнесе. – Казань: Казанский университет, 2015. – 290 с.
  4. Мэнкью Н.Г. Основы экономической теории. – Москва: Вильямс, 2017. – 576 с.
  5. Самуилов С.Л. Экономика: основы и методы обучения. – М.: Изд-во «Экономика», 2018. – 320 с.
  6. Хикс Д. Математические модели в экономике. – Киев: Научная мысль, 2016. – 380 с.
  7. Hillier F.S., Lieberman G.J. Introduction to Operations Research. – McGraw-Hill, 2021. – 700 p.
  8. Varian H. Intermediate Microeconomics: A Modern Approach. – Norton & Company, 2014. – 560 p.
  9. Wooldridge J.M. Introductory Econometrics: A Modern Approach. – Cengage Learning, 2019. – 600 p.
  10. Wooldridge J.M. Econometric Analysis of Cross Section and Panel Data. – MIT Press, 2010.