Article - Problems of Modern Economics

Voronova A. G.
Chair of Economic Cybernetics and Applied Statistics, Vladimir Dal’ Luhansk State University, PhD (Economics)
Shvedova U. V.
MA student, Chair of Economic Cybernetics and Applied Statistics, Vladimir Dal’ Luhansk State University

Intelligent tools in managing regional development: Classification of Russian regions by level of innovative development based on machine learning methods (Russia, Luhansk)

The article implements the task of classifying the country’s regions by levels of innovative development based on machine learning methods. The index indicators of innovative development of the constituent entities of the Russian Federation are taken as the initial data; the target variable is formed by the level of development of the region from a given gradation of levels. These studies can be used in the process of systematic monitoring of the level of innovation maturity of the constituent entities of the Russian Federation for making management decisions at the state and regional levels in the context of the rapid digital transformation of the economy.

Key words: innovative development, digitalization, regional development, classification of regions, machine learning, level of development, decision making

Pages: 99 - 102

Список использованных источников:
1. Указ президента Российской Федерации от 7 мая 2024 года № 309 «О национальных целях развития Российской Федерации на период до 2030 года и на перспективу до 2036 года» — URL: http://publication.pravo.gov.ru/document/0001202405070015?ysclid=mggeycfkgg568116019 (дата обращения 21.10.2025)
2. Указ президента Российской Федерации от 9 мая 2017 года № 203 «О Стратегии развития информационного общества в Российской Федерации на 2017–2030» — URL: https://rosstat.gov.ru/storage/mediabank/ukaz_203.pdf (дата обращения 21.10.2025)
3. Распоряжением Правительства Российской Федерации от 21 декабря 2021 г. №3744-р. «Об утверждении стратегического направления в области цифровой трансформации транспортной отрасли РФ до 2030 г.» — URL: http://publication.pravo.gov.ru/Document/View/0001202112270030?ysclid=mh1se1bdnq710509701&index=2 (дата обращения 21.10.2025)
4. Указ Президента Российской Федерации от 28 февраля 2024 г. № 145 «О Стратегии научно-технологического развития Российской Федерации» — URL: http://kremlin.ru/acts/bank/50358 (дата обращения 21.10.2025)
5. Велигура А.В. Основные направления цифровизации экономики // Социальная работа: современные проблемы и технологии– 2020 — 1(1) — С. 54–62. — EDN IFOBVE.
6. Рязанцева Н.А. Анализ состояния цифровой трансформации экономии Российской Федерации /Н.А. Рязанцева, А.А. Лофиченко // Менеджер. — 2022. — № 4(102). — С. 55–61. — DOI 10.5281/zenodo.7442029. — EDN PZPQUO.
7. Чурсина Н.А. Современные методики оценки уровня цифровизации региона / Н.А. Чурсина, В.Н. Тисунова // Вестник Луганского государственного университета имени Владимира Даля. — 2022. — № 10(64). — С. 290–295. — EDN GZPYKT.
8. Рязанцева Н.А. Методика оценивания результативности развития регионов // Проблемы современной экономики. — 2021. — № 4(80). — С. 145–150. — EDN CHHCUF. — URL: https://m-economy.ru/art.php?nArtId=7222 (дата обращения 21.10.2025)
9. Борисова Л.Р. Сравнительный анализ регионов Российской Федерации методами машинного обучения по набору показателей электронных услуг и сервисов // Цифровая социология. — 2024. — Т.7. №4. — С.33–43. — URL: https://cyberleninka.ru/article/n/sravnitelnyy-analiz-regionov-rossiyskoy-federatsii-metodami-mashinnogo-obucheniya-po-naboru-pokazateley-elektronnyh-uslug-i/viewer (дата обращения 21.10.2025)
10. Кричевский М.Л., Мартынова Ю.А. Использование методов машинного обучения для оценки инвестиционной деятельности различных регионов России // Вопросы инновационной экономики. — 2019. — Том 9. — №4. — С.1557–1572. doi: 10.18334/vinec.9.4.41432
11. Рейтинг инновационного развития субъектов Российской Федерации. Выпуск 10 [Электронный ресурс] / В.Л. Абашкин, Г.И. Абдрахманова, С.В. Артёмов, и др.; под ред. Л.М. Гохберга, Е.С. Куценко; Нац. исслед. ун-т «Высшая школа экономики». — Электрон. текст. дан. (21.7 Мб). — М.: ИСИЭЗ ВШЭ, 2025. — ISBN 978–5–7598–3113–6. doi:10.17323/978–5–7598–3113–6 — URL: https://www.hse.ru/primarydata/rir (дата обращения 21.10.2025)
12. Machine Learning in Public Governance: A Systematic Review of Applications, Trends and Challenges / Y. Nuruly, G. N. Sansyzbayeva, L. Z. Ashirbekova, S. K. Tazhiyeva // Экономика: стратегия и практика. — 2025. — Vol. 20, No. 2. — P. 85–103. — DOI 10.51176/1997–9967–2025–2–85–103. — EDN KYGZNZ.
13. Парамонов Е.С. Исследование востребованности применения методов машинного обучения в цифровой экономике / Е.С. Парамонов, К.А. Иванцов, В.А. Мирончук // Beneficium. — 2024. — № 1(50). — С. 22–30. — DOI 10.34680/BENEFICIUM.2024.1(50).22–30. — EDN FCNAFI.
14. Александров Е.Е. Применение искусственных нейронных сетей для оценки инвестиционной привлекательности регионов // Умная цифровая экономика. — 2023. — Т.3, №2. — С. 6–14.
15. Летняя цифровая школа Сбер 2025. — URL: https://sberstudent.ru/digitalsummer/?ysclid=mh0717e6ms287623813 (дата обращения 21.10.2025)
16. Пресс-центр Министерство финансов РФ — URL: https://minfin.gov.ru/ru/press-center/?id_4=39067-minfin_i_sber_budut_vnedryat_iskusstvennyi_intellekt_v_byudzhetnyi_protsess&ysclid=mh073j9uqo591600163 (дата обращения 21.10.2025)

Article in russian

Back to the issue content


Copyright © Problems of Modern Economics 2002 - 2026