Development of modelling some aspects of regional policy in higher education services area
Table of contents
Share
Metrics
Development of modelling some aspects of regional policy in higher education services area
Annotation
PII
S207751800000019-9-1
Publication type
Article
Статус публикации
Published
Authors
Guzel Islakaeva 
Affiliation: Researcher, laboratory of studies on socio-economic problems of the regions of the Institute of Economics, Finance and business Bashkir state University
Address: Russian Federation, ,
Abstract
The article aimed on searching ways to use agent-based approach of simulation to de-velopment instruments of modelling average and long time outcomes of regional policy in higher education services area. There are description of agent and functions of their behavior, a plan of simulation and expected outcomes.
Keywords
agent-based approach, agent model, regional policy
Received
01.09.2015
Date of publication
30.09.2015
Number of characters
19173
Number of purchasers
2
Views
935
Readers community rating
0.0 (0 votes)
Cite Download pdf

To download PDF you should sign in

1

Как известно, во второй половине прошлого десятилетия федеральным правительством была поставлена задача достижения мирового уровня в сфере высшего профессионального образования и науки. Эта задача решалась в ходе проведения определенной региональной (территориальной) политики, заключающейся в создании многочисленных научно-образовательных «точек роста» по территории страны. Роль «точек роста» должны были играть университеты, которым были присвоены специальные статусы: федеральный университет (ФУ) и национальный исследовательский университет (НИУ). Согласно Концепции создания и государственной поддержки развития федеральных университетов они должны играть «системообразующую роль в региональной среде вузов, будучи центрами сосредоточения научной и педагогической мысли» [1, 2].

2

Теперь, по прошествии достаточного количества лет, в литературе идет обсуждение того, насколько создание ФУ и НИУ продвинуло Россию по пути решения поставленной задачи достижения мирового уровня в сфере высшего образования. В основном обсуждается вопрос, насколько присвоение этих специальных статусов тому или другому университету адекватно результатам, которые эти учреждения показывают.

3

В этой связи представляет интерес вопрос, как территориальное размещение ФУ и НИУ как «точек роста» решает и может решить поставленные задачи наиболее эффективным образом.

4

В качестве возможного подхода к решению этой проблемы представляется перспективной теория центральных мест Кристаллера-Леша [3]. Согласно этой теории, поселения на однородной равнине размещаются по определенной геометрической системе, напоминающей пчелиные соты, в которых вокруг центрального поселения возникают более мелкие шесть поселений. Это связано с народнохозяйственными связями и минимизацией издержек на обмене товарами и услугами (рис.1). Теория основана на расчетах расположения поселений Южной Германии, проделанных ее авторами.

5

Для больших территорий и больших поселений эта теория не демонстрирует такой же убедительности в части построения шестиугольников. Но тем не менее легко заметить, что крупные города на больших территориях с примерно одинаковой плотностью населения располагаются на примерно одинаковых расстояниях. В Европейской части России – это примерно 400-600 километров. Соответственно они охватывают своим экономическим влиянием мелкие города и поселения в окружности 300-400 километров. Также в азиатской части России города Курган, Омск, Новосибирск, Красноярск, Иркутск, Чита, Благовещенск, Хабаровск, Владивосток находятся на расстоянии 600-1000 километров друг от друга, охватывая своим народнозяйственным влиянием окружающие более мелкие города вдоль южной части российской Сибири и Дальнего Востока. Аналогичные закономерности можно увидеть в расположении городов на Восточном побережье США, юге Канады.

6

Рис.1 Расположение экономических центров в схеме кристаллической решетки (рисунок взят из источника: http://www.sworld.com.ua/konfer21/738.htm).

7

Этот формализованный метод исследования не требует создания сложных математических моделей (хотя может быть основой для формализации и алгоритмизации), позволяет проводить анализ графически, на основе географических карт. Проведенный нами на основе этого подхода анализ позволил сделать ряд выводов по поводу выполнения возложенной на ФУ и НИУ задачи системообразования для окружающих территорий и трансфера технологий и знаний:

8
  • Функцию системообразования могут выполнять только четыре ФУ, образованные в Республике Татарстан, Ставропольском крае, Красноярском крае и Свердловской области, т.к. эти регионы окружены другими достаточно густо населенными регионами и вокруг этих ФУ, как «центральных точек» можно построить шестиугольники и пятиугольники из крупных и средних городов и регионов.
9
  • Остальные ФУ решают геополитические задачи укрепления территориальной целостности РФ и ограничены или не могут выполнять системообразующую функцию в федеральных округах. ФУ в г. Ростове-на-Дону ограничен в выполнении системообразующих функций, так как расположен в 60-100 км от границы РФ и вдали от других крупных населенных пунктов России. ФУ в Калининградской области, насчитывающей менее миллиона человек и территориально отделенной от основной части страны, очевидно, не может выполнять системообразующую функцию. ФУ в г. Архангельске и г. Владивостоке, расположенные на границах страны и вдали от других крупных населенных пунктов, способны охватить своим влиянием всего около 1 и 2 млн человек, соответственно. ФУ в г. Якутске также способен охватить всего 0,3 млн человек (а во всей Республике Саха-Якутия менее 1 млн чел.) и совершенно не может выполнять системообразующую роль в федеральном округе. Это хорошо видно на рис.2.
10
  • Большое количество НИУ в г. Москве конечно, выполняют функцию обеспечения страны новыми знаниями, но они не могут эффективно выполнять роль центра распространения новых образовательных технологий в силу концентрации в одном населенном пункте. Также, функцию производства новых технологий выполняют НИУ в г. Иркутске и г. Томске, но распространение технологий ограничено отдаленным их расположением от других крупных населенных пунктов.
11
  • Обе функции – центра производства и распространения технологий (системообразующую роль) выполняют НИУ в городах: Казань, Самара, Новосибирск, Нижний Новгород, Саратов, Челябинск, Пермь.
12

Использование теории Кристаллера-Леша позволяет понять, что ряд ФУ и НИУ не выполняют функцию системообразования для окружающих территорий, так важную для мобилизации всех ресурсов страны для решения задачи повышения качества образования и науки и в конечном счете, экономики. Однако, на основе этого метода затруднительно решить вопрос, как же оптимально расположить ФУ и НИУ по территории страны и какое оптимальное их число должно быть. Применение этой теории ограничено также тем, что на больших территориях начинает играть роль наличие рек, гор и других природно-географических особенностей, тогда как сама теория основана на предположении об однородности территории и убедительно подтверждается эмпирическими данными для таких территорий.

13

Рис.2. Расположение ФУ и НИУ по территории страны: анализ выполнения системообразующей функции с точки зрения охвата соседних населенных пунктов России

14

В этой связи, представляется перспективным использование агент-ориентированного моделирования, показавшему свою эффективность в решении многокритериальных пространственных задач [4, 5, 6].

15

Не вдаваясь в теоретическое обоснование преимуществ этого подхода (см. работы В.Л.Макарова, А.Р.Бахтизина, Никласа Лумана [7, 8]), перейдем к содержательному описанию этого подхода применительно к задаче размещения ФУ и НИУ по территории России с точки зрения выполнения системообразующей и трансфер-технологической функций.

16

Агентами первого типа в данной модели являются 10 ФУ и 29 НИУ, которые на первом этапе могут не дифференцироваться, с точки зрения обладания особым статусом, особо высоким финансированием, признанием особо высокого научного потенциала и налагаемой на них функцией системообразования – пусть это будут одинаковые агенты. Итого, таких системообразующих агентов фактически 39. Будем считать, что агенты-университеты могут «рождаться» (каким-то университетам присваивается статус ФУ или НИУ или они создаются «с нуля») или «умирать» (статус ФУ или НИУ у университета отзывается). В нашей модели, поскольку задачей является выяснение их расположения с точки зрения максимизации выполнения ими системообразующей функции, количество и расположение агентов-университетов не будет нами ограничиваться каким-то заданным числом. Их количество и расположение будет определяться в ходе действия модели на основе поведенческих функций и ограничений. Прежде чем описать поведенческие функции и ограничения, налагаемые на агенты-университеты, опишем других агентов, с которыми им надо взаимодействовать.

17

Поскольку агенты-университеты должны выполнять системообразующую функцию, то они взаимодействуют с другим научными и образовательными центрами, а также предприятиями – потенциальными потребителями знаний и квалифицированной рабочей силы. На первом этапе не будем проводить дифференциацию между ними, будем считать, что все эти потребности отражаются в населении, сгруппированном в поселения. Тем самым, агентами второго типа будут все поселения (большие города, средние и малые города, муниципальные районы). Муниципальные районы выбраны в качестве поселений вместе с расположенными на их территории городскими поселениями, т.к. иначе количество агентов для дальнейшего реального моделирования представляется слишком большим (свыше 18500 сельских поселений в России, а деревень еще больше), и это не критично с точки зрения данной задачи.

18

Агенты-поселения отличаются двумя качествами: количеством населения и качеством населения в части потребностей знаний. Будем считать, что чем мельче поселение, тем менее технологически развиты производства в них, тем менее они наукоемкие и нуждающиеся в инновациях, также там непропорциально меньше потенциальных потребителей знаний среди населения и носителей знаний. Эту непропорциальность будем отражать квадратным корнем из численности населения. Т.е. интегральный показатель количества населения и его качества, который мы будем называть потенциалом поселения, будет выражаться корнем квадратным из численности населения:

19

(1)

20

Pj – потенциал поселения j (его потребность в знаниях и технологиях)

21

Nj – население поселения j

22

Кроме того, поселение будет характеризоваться фактическими географическими координатами на карте Российской Федерации.

23

Агенты-поселения стационарны и распложены согласно их фактическому географическому положению в настоящее время (это начальное положение, потом оно может меняться в силу миграции населения и экономической активности, но это мысль для дальнейшего развития модели, не в этом проекте). Агенты-университеты могут совершенно свободно перемещаться по территории страны: будем считать, что в идеале, если это целесообразно, университет как системообразующий центр может быть создан в прямом смысле в «чистом поле», т.е. на месте, где и поселения в данный момент нет. Сколково в определенном смысле соответствует этой идее. Конечно, Сколково создали в Москве, но на ее краю, за МКАДом, и находится он между научными центрами (г.Долгопрудный (МФТИ), г.Дубна (центр ядерных исследований), г.Троицк (12 НИИ)), окружающими Москву, а не в одном из них (хотя обсуждался вариант расположения российской «Силиконовой долины» в одном из наукоградов около Москвы).

24

Вернемся теперь к описанию поведенческих функций и ограничений, налагаемых на агенты-университеты. Исходно, представляется целесообразным покрыть всю карту России агентами-университетами на равном расстоянии друг от друга, своеобразной сеткой. Расстояние между агентами-университетами целесообразно выбрать 250 км (в принципе, это может быть параметр, регулируемый в модели). Выбор числа 250 определяется тем, что это половина расстояния между крупными городами в европейской части России.

25

Системообразующая функция агента-университета, очевидно убывает по мере удаления агента-поселения от агента-университета, представим ее силу в виде убывающей функции (рис.3).

26

Рис. 3. Вид системообразующей функции агента-университета

27

Эту функцию аналитически можно представить в виде:

28

(2)

29

Здесь F(d) – сила системообразующей функции агента-университета, зависящая от расстояния d до агента-поселения; d – расстояние между агентом-университетом и агентом-поселением; α – коэффициент убывания силы; 50 км. – это средний размер города и одновременно число, исключающее обращение F в бесконечность при d=0.

30

Чтобы уменьшить число произвольно выбираемых параметров, дадим количественное определение коэффициентам А и из следующих соображений. Во-первых, будем исходить из того, что сила влияния F драматически падает на расстоянии 1000 километров – расстояние, превышающее примерно в два раза расстояния между большими городами в европейской части России и максимальное в азиатской ее части. Это отношение:

31

, (3)

32

где k – экзогенно задаваемый параметр, примерно равный 20-100, что означает, что на расстоянии 1000 километров системообразующее влияние агента-университета ослабевает до величин между 5% и 1% от его влияния в месте нахождения самого агента.

33

Из (3) и (2) можно получить значение для :

34

(4)

35

Т.е. логарифм k по основанию 21. Тогда (2) будет иметь вид:

36

(5)

37 Коэффициент А определим из условия нормирования: F(0)=1:
38 (7)
39 Что дает выражение для системообразующей функции:
40 (8)
41 Если экзогенному параметру k будет задано значение, например, 21, то значение логарифма в показателе функции (8) станет равно 1 и значение функции (8) при d=1000 км окажется 1/21, т.е. системообразующее влияние агента-университета ослабеет на расстоянии 1000 км в 21 раз, достигнув примерно 5% от «эпицентра». Если экзогенному параметру k будет задано значение 441 (квадрат 21), то значение логарифма в показателе функции (8) станет равно 2 и значение функции (8) при d=1000 км окажется 1/441, т.е. системообразующее влияние агента-университета ослабеет на расстоянии 1000 км в 441 раз. Тем самым, выражение в правой части (8) отражает смысл, который мы придали экзогенному параметру k.
42

Итак, системообразующая сила агента-университета определяется выражением (8), а потенциал поселения, отражающий его потребность в агенте-университете определяется выражением (1). Это позволяет нам определить результат их взаимодействия как эффективность действия системообразующей силы F на потенциал поселения Р в виде их произведения:

43

(9)

44

Процесс эмуляционного эксперимента в агент-ориентированной модели будет выглядеть следующим образом. На первом этапе, все агенты-университеты перемещаются из точки, где находятся, в точку, где они максимизируют суммарный эффект действия их системообразующей силы. Этот суммарный эффект подсчитывается по формуле:

45

(10) Где Eij – эффект действия системообразующей силы агента-университета i на агент-поселение j в регионе i;

46

i – территория, представляющая собой круг диаметром 1000 км и с центром в месте расположения агента-университета i.

47

dij – расстояние между агентом-университетом i и агентом-поселением j.

48

Область i, в пределах которой агент-университет ищет точку максимизации E, должна быть ограничена, т.к. иначе все агенты-университеты собрались бы в одной точке страны (это оказалась бы Москва, конечно). Определим область i, как концентрический круг диаметром 250 км (размер шага сетки). Процесс выбора нового места расположения агента-университета можно организовать как случайное блуждание в пределах области i, в поиске максимального значения Е (при этом i будет определяться каждый раз относительно места нахождения агента-университета i , т.е. двигаться вместе с агентом, охватывая новые агенты-поселения и теряя часть тех, которые были). Также, процесс поиска нового места можно организовать в виде двушагового алгоритма. На первом шаге агент-университет производит своеобразное маркетинговое исследование: не перемещаясь физически, производит по формуле (10) расчет эффекта действия системообразующей силы из углов 5-ти концентрически расположенных шестиугольников (теория Кристаллера-Леша) на расстоянии 50 километров от места текущего расположения (выбор числа 50 определяется средним размером больших городов) (рис.4).

49

При этом область i и область i не выходят за границы Российской Федерации (если граница оказывается ближе чем формальная граница области i, то для целей моделирования она оказывается усеченной по географической границе страны). На втором шаге агент-университет перемещается в тот угол одного из шестиугольников, в котором достигается максимальное значение суммарного эффекта действия системообразующей силы E.

50

Рис.4. Область и структура поиска агентом-университетом места максимизации суммарного эффекта системообразующей функции (перемещение из А0 в А1)

51

В результате такой оптимизации все агенты-университеты, по всей стране займут позиции, где они максимизируют свой суммарный эффект действия системообразующей силы. В принципе, ожидаемая картина – это сместившиеся агенты-университеты относительно узлов первоначальной сетки, покрывающей страну. Другой ожидаемый эффект – это в большинстве случаев агенты-университеты окажутся в больших городах, т.к. всякое удаление от них сильно уменьшает значение суммарного эффекта E. Однако, в некоторых случаях, в областях, покрытых приблизительно одинаковыми и небольшими городами, агент-университет может найти себя «в чистом поле».

52

На втором этапе моделирования необходимо оптимизировать число агентов-университетов. Некоторые из них могут оказаться близко друг от друга, на расстоянии, соответствующем размеру большого города (50 км), или очень большого города (100 км.), хотя и не находиться в реально существующем в России городе. В этом случае целесообразно объединить их в один агент-университет. Объединение будет заключаться в «умирании» обоих агентов-университетов и «рождении» нового, в точке на линии, которая соединяет оба объединяющихся агента, где максимизируется значение функции E, вычисляемой по формуле (10).

53

Третий этап моделирования также заключается в оптимизации числа агентов-университетов. На первом этапе моделирования должно участвовать приблизительно 280 агентов-университетов (чтобы покрыть территорию страны площадью 17,1 млн. км. с шагом 250 км.). После второго этапа моделирования это число несколько убавится, за счет слияния близкорасположенных агентов, но незначительно. Ориентиром для нас является число 39 – сумма ныне существующих ФУ и НИУ (исходим из того, что специальная бюджетная поддержка для ФУ и НИУ ограничена примерно этим числом). Кроме того, некоторые агенты-университеты окажутся в своеобразной пустыне (расположенные, например, на крайнем Севере), с ничтожным значением суммарного эффекта действия системообразующей функции Е. Если выстроить агенты-университеты по порядку убывания значения их функции Е, то ожидаемый вид полученного графика будет представлять собой нисходящую кривую, с резким скачком где-то в первой четверти графика (рис.5):

54

Рис.5. Область выбора оптимального числа системообразующих университетов на ожидаемом графике их распределения по значению суммарного эффекта действия системообразующей силы E.

55

Этот скачок связан с переходом распределения агентов-университетов из относительно густонаселенных территорий страны в малозаселенные. Соответственно, в области этого скачка (рис.5) следует выбирать оптимальное для страны число системообразующих университетов.

56

В качестве агентов-поселений выступают 1100 городов России, 1660 городских поселений, 1850 муниципальных районов. В стране насчитывается 18500 сельских поселений, но такая детализация в целях моделирования не представляется целесообразной. Таким образом, общее число агентов-поселений, которые необходимо ввести в модель, насчитывает 4610 муниципалитетов (городские округа, городские поселения и муниципальные районы).

57

При моделировании целесообразно использовать базу данных, сформированную для реализованной в ЦЭМИ РАН агент-ориентированной модели социально-экономической системы России (см. стр. 68-70, 119-144 в [7])

58

Таким образом, на данный момент мы имеем постановку в терминах агент-ориентированного моделирования задачи оптимального размещения ФУ и НИУ по территории страны, как одного из видов проведения региональной политики федерального центра в области высшего образования. В частности, описаны агенты модели, их поведенческие функции, по которым они будут принимать решения в агент-ориентированной модели. Данная постановка задачи агент-ориентированного моделирования с подробной спецификацией агентов готова для компьютерного моделирования в целях дальнейших научных исследований.