Assessment of Innovative Development of Regions in the Context of Structural Transformation of the Economy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Today, the development of economic systems is taking place in an era of transformations that lead to the formation of new economic models. Russia is no exception here. The main impetus for the transformation processes in our country’s economy was the anti-Russian sanctions directly related to political events from the United States, Canada, European and other countries. All this poses threats to Russia’s political, economic and social security. Therefore, in modern realities caused by sanctions pressure, the key strategic task of overcoming crisis phenomena and shocks is the formation of a new industrialization based on domestic innovations. It is important to assess the innovative potential of the regions in order to further develop management decisions. The authors proposed and tested a methodological approach to assessing the level of innovative development of the subjects of the Russian Federation. The algorithm of this approach includes sampling official statistical data, determining localization coefficients, averaging and evaluating their dynamics. It was determined that in the period 2011-2022, less than a third of Russian regions improved their economic efficiency and innovation localization indicators. The leading regions of innovative development have a high level of localization of the studied characteristics. Regions characterized by low localization coefficients are traditionally lagging behind and have low indicators of economic, including innovative development. The problems of innovative development of regions under the influence of transformational processes are very multidimensional, therefore, in the limited space of this article, only an assessment of innovative development based on the author’s methodological approach is given.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle