Аналитическое и математическое описание особенностей структуры сетей знаний в малых городах

Бесплатный доступ

Понимание процессов локализации знаний в малых городах ограничено статистическими возможностями, дифференциацией моделей малых городов и неэффективностью использования общепринятой методологии пространственного анализа. В статье поставлена цель обосновать методологию проведения таких исследований и сформировать структурные характеристики сети локализации знаний в малых городах. Авторская методология построена на теории сетей с использованием классических показателей анализа сетей, а также новых индикаторов, учитывающих внутригрупповые и межгрупповые связи. Для примера был взят малый город, в котором источником знаний являются предприятия. На основе данных Роспатента и НЭБ были построены сети соавторства и цитирования патентов для двух ключевых предприятий - носителей знаний данного города. Исследование внутригородской сети локализации знаний выявило, что в отличие от больших сетей, а также с учетом пространственной привязки процессов локализации знаний, распределение степеней может подчиняться степенному, экспоненциальному или логарифмическому законам и находится под влиянием силы сотрудничества между соавторами патентов. Изменение степеней вершин происходит циклично с сокращающимся интервалом. Исследование межгородской сети локализации знаний осуществлено на основе класса международной патентной классификации, что дает более точную характеристику малого города в части приема, передачи и формирования кодифицированного знания. В результате позиция малого города в межгородской сети может зависеть от количества городских подмножеств, размера собственного подмножества, а также распределения степеней вершин. Оба предприятия малого города, находясь в разных технологических нишах, на общероссийском уровне участвуют в соответствующих потоках знаний наравне с более крупными городами, но слабо включены в такую сеть. Предложенная методология может быть распространена на более широкую проблематику малых городов. Практические результаты могут служить основой для выработки решений по интенсификации потоков знаний среди городов России.

Еще

Теория сетей, малый город, локализация знаний, патент, цитирование, кластеризация, распределение степеней

Короткий адрес: https://sciup.org/147241635

IDR: 147241635   |   DOI: 10.15838/ptd.2023.4.126.9

Список литературы Аналитическое и математическое описание особенностей структуры сетей знаний в малых городах

  • Заборова Е.Н. (2021). Предпринимательство в малых городах Урала // Научные труды ВЭО России. № 232 (6). С. 254-268. DOI: 10.38197/2072-2060-2021-232-6-254-268
  • Кравец А.Г., Бурмистров А.С., Задорожный П.А. (2019). Экспериментальное определение оптимальных параметров рекуррентной нейронной сети задач классификации патентов // Моделирование, оптимизация и информационные технологии. № 7 (2). С. 325-338. DOI: 10.26102/2310-6018/2019.25.2.027
  • Мосалев А.И. (2022). Оптимальные пространственные форматы межрегионального экономического сотрудничества в рамках инновационной экономики // Экономика региона. № 18 (3). С. 638-652. DOI: 10.17059/ekon.reg.2022-3-2
  • Наумов И.В., Никулина Н.Л. (2022). Оценка пространственной неоднородности экономической деятельности хозяйствующих субъектов в муниципальных образованиях Свердловской области // Экономика региона. № 18 (3). С. 820-836. DOI: 10.17059/ekon.reg.2022-3-14
  • Райков А.Н., Жабинская В.П., Перескоков И.С., Табаков К.В. (2022). Интегрированная информационная система в сфере науки для поддержки междисциплинарных коллабораций // Цифровая экономика. № 3 (19). С. 35-44. DOI: 10.34706/DE-2022-03-04
  • Almeida P., Kogut B. (1997). The exploration of technological diversity and the geographic localization of innovation: Start-up firms in the semiconductor industry. Small Business Economics, 9 (1), 21-31. DOI: 10.1023/A:1007995512597
  • Almeida P., Kogut B. (1999). Localization of knowledge and the mobility of engineers in regional networks. Management Science, 45 (7), 905-917. DOI: 10.1287/mnsc.45.7.905
  • Barabasi A.-L. (2016). Network science. Cambridge: Cambridge University Press. Available at: http://networksciencebook.com (accessed 19.04.2023).
  • Bianchi C., Galaso P., Palomeque S. (2021). Patent collaboration networks in Latin America: Extra-regional orientation and core-periphery structure? Journal of ScientometricResearch, 10 (1), 59-70. DOI: 10.5530/jscires.10.1s.22 Easley D., Kleinberg J. (2010). Networks, crowds, and markets: Reasoning about a highly connected world.
  • Cambridge: Cambridge University Press. DOI: 10.1017/CBO9780511761942 Gach O. (2013). Algorithmes memetiques de detection de communautes dans les reseaux complexes: Techniques palliatives de la limite de resolution. Available at: https://theses.hal.science/tel-01037937 (accessed 03.05.2023).
  • Jaffe A.B., Trajtenberg M., Henderson R. (1993). Geographic localization of knowledge spillovers as evidenced by patent citations. The Quarterly Journal of Economics, 108 (3), 577-598. DOI: 10.2307/2118401
  • Liu W., Tao Y., Yang Z., Bi K. (2019). Exploring and visualizing the patent collaboration network: A case study of smart grid field in China. Sustainability, 11 (2), 465. DOI: 10.3390/su11020465
  • Liu W., Song Y., Bi K. (2021). Exploring the patent collaboration network of China's wind energy industry: A study based on patent data from CNIPA. Renewable and Sustainable Energy Reviews, 144, 110989. DOI: 10.1016/j.rser.2021.110989
  • Morescalchi A., Pammolli F., Penner O., Petersen A., Riccaboni M. (2015). The evolution of networks of innovators within and across borders: Evidence from patent data. Research Policy, 44 (3), 651-668. DOI: 10.1016/j.respol.2014.10.015
  • Newman M.E.J. (2003). The structure and function of complex networks. SIAM Review, 45 (2), 167-256. DOI: 10.1137/S003614450342480
  • Newman M.E.J. (2004). Who is the best connected scientist? A study of scientific coauthorship networks. In: Ben-Naim E., Frauenfelder H., Toroczkai Z. (eds.). Complex Networks. Heidelberg: Springer, 337-370. DOI: 10.1007/978-3-540-44485-5_16
  • Newman M. (2010). Networks: An Introduction. Oxford: Oxford University Press. DOI: 10.1093/acprof:oso/9780199206650.001.0001
  • Roach M., Cohen W.M. (2013). Lens or prism? Patent citations as a measure of knowledge flows from public research. Management Science, 59 (2), 504-525. DOI: 10.1287/mnsc.1120.1644
  • Tang C., Oiu P., Dou J. (2022). The impact of borders and distance on knowledge spillovers - evidence from cross-regional scientific and technological collaboration. Technology in Society, 70, 102014. DOI: 10.1016/j.techsoc.2022.102014
  • Trajtenberg M., Henderson R., Jaffe A. (1997). University versus corporate patents: A window on the basicness of invention. Economics of Innovation and New Technology, 5 (1), 19-50. DOI: 10.1080/10438599700000006
  • Wang Y., Ghumare E., Vandenberghe R., Dupont P. (2017). Comparison of different generalization of clustering coefficient and local efficiency for weighted undirected graphs. Neural Computation, 29, 313-331. DOI: 10.1162/NETO_a_00914
  • Wagner S., Hoisl K., Thoma G. (2014). Overcoming localization of knowledge - the role of professional service firms. Strategic Management Journal, 35 (11), 1671-1688. DOI: 10.1002/smj.2174
  • Yan B., Luo J. (2017). Measuring technological distance for patent mapping. Journal of the Association for Information Science and Technology, 68 (2), 423-437. DOI: 10.1002/asi.23664
  • Yao L., Li J., Li J. (2020). Urban innovation and intercity patent collaboration: A network analysis of China's national innovation system. Technological Forecasting and Social Change,160,120185.DOI: 10.1016/j.techfore.2020.120185
Еще
Статья научная