Апробация модели современного цифрового городского пространства

,

оценки эффективности управления1. Существующие рейтинги2 предоставляют интегральные ранги, но не раскрывают структурные причины неудовлетворительной работы цифровых систем и не указывают, какие именно компоненты цифрового городского пространства нуждаются в первоочередной коррекции. Кроме того, указанные рейтинги опираются на формальные статистические данные и не учитывают глубинные социологические механизмы, связывающие технологические решения с повседневными практиками горожан.

Теоретический анализ показывает, что ни один из классических подходов – ни классическая социология города (Вебер, 2021; Дюркгейм, 1996; Тённис, 2002), ни Чикагская школа (Бёрджесс, 2015; Вирт, 2017; Парк, 2011), ни критическая теория (Лефевр, 2015; Харви, 2019), ни постмодернистская урбанистика (Soja, 2000) – не дает интегрированного языка для описания цифрового городского пространства как социотехнической системы. Для преодоления этой фрагментации в настоящей статье применен авторский подход, объединяющий макро-, мезо- и микроаналитические уровни.

Макроуровень опирается на критический анализ технократической парадигмы «умного города», осуществленный Р. Холландсом (Hollands, 2008). Автор показывает, что за риторикой технологической эффективности часто скрывается воспроизводство неолиберального порядка и усиление социального неравенства. На макроуровне цифровое городское пространство предстает как место столкновения интересов глобальных технологических корпораций, муниципальных властей и общественных групп, а цифровой разрыв и алгоритмическое неравенство становятся новыми формами социальной стратификации. Р. Холландс предостерегает от технократического утопизма, при котором технологии внедряются без учета их социальных последствий, что ведет к усилению контроля и маргинализации уязвимых групп.

Мезоуровень базируется на теории коммуникативного действия Ю. Хабермаса (Habermas, 1987), в частности на различении «системы» и «жизненного мира». Система включает формально-рациональные структуры управления, экономики, администрации, функционирующие по принципу целерациональности. Жизненный мир – это сфера повседневных практик, коммуникативных взаимодействий и культурных ценностей, где действует коммуникативная рациональность. Ю. Хабермас утверждает, что в современных обществах система стремится колонизировать жизненный мир, подчиняя его своей инструментальной логике. В контексте цифрового городского пространства это означает, что цифровые платформы и алгоритмические системы управления могут становиться инструментами такой колонизации, вытесняя практики публичного обсуждения и горизонтальную коммуникацию граждан.

Микроуровень основан на акторно-сетевой теории Б. Латура (Latour, 2005), которая предлагает рассматривать социальную реальность как результат ассоциаций гетерогенных актантов – как человеческих (граждане, разработчики), так и нечеловеческих (алгоритмы, датчики, интерфейсы, цифровые платформы). Б. Латур отказывается от априорного разделения социального и технического, утверждая, что их гибридные сети производятся в процессе взаимодействия. Для анализа цифрового городского пространства это означает, что эффективность управления зависит от того, насколько устойчивы и согласованы связи между людьми и технологиями, а дисбаланс возникает при разрывах в этих сетях – так называемых «обязательных точках прохода».

Цель статьи – оценить эмпирическую апробацию модели современного цифрового городского пространства на данных шести российских городов для выявления критических дисбалансов и разработки на этой основе практико-ориентированного диагностического инструмента для органов местного самоуправления.

Методы. Для каждого компонента модели современного цифрового городского пространства разработано по три индикатора (всего 24). Отбор индикаторов проведен в два этапа: (а) формирование расширенного пула (48 индикаторов) на основе международных практик; (б) экспертная валидация (n = 15) с оценкой по критериям релевантности, доступности данных и сопоставимости. Экспертами выступили представители академического сообщества (социология, государственное и муниципальное управление), органов власти (департаменты строительства, информатизации, транспорта, экономики) и ИТ‑бизнеса. По результатам оценок и фокус-группового обсуждения отобраны 24 индикатора, получившие наивысшие суммарные баллы. Качественные индикаторы оценивались по 5‑балльным шкалам с детализированными критериями (например, для «наличия цифрового двойника»: 0 – отсутствует, 3 – статичная 2D‑карта, 5 – 3D‑модель с данными в реальном времени). Количественные индикаторы нормализованы к 10‑балльной шкале методом линейного масштабирования (Denzin, 1978). Качественные показатели умножены на коэффициент 2 для приведения к единой шкале.

Для определения городов применялась стратегия целенаправленного отбора с максимизацией вариативности (Flyvbjerg, 2006). На первом этапе проведен анализ рейтингов «Сколково»¹ и IQ городов Минстроя России², а также рейтинга цифровых экосистем Агентства политических и экономических коммуникаций³. Из 15 городов-кандидатов, демонстрировавших максимальные различия по уровню цифровизации, географическому положению и экономическому профилю, с помощью экспертной панели ( n = 12) были отобраны шесть, которые образуют контрастную выборку:

• •    Москва – эталонный пример с максимальными значениями во всех рейтингах (IQ – 260 баллов);

• •    Казань – город-миллионник с ярко выраженной инновационной экосистемой (Университет Иннополис, ИТ ‑ парк);

• •    Екатеринбург – единственный город, вошедший в топ ‑ 10 одновременно по предложению и спросу на цифровые услуги;

• •    Нижний Новгород – один из лидеров по спросу на цифровые услуги (2 ‑ е место в рейтинге «Сколково») с сильными управленческими практиками;

• •    Магнитогорск – промышленный центр (моногород) с корпоративным драйвером цифровизации (ПАО «ММК»);

• •    Брянск – средний областной центр, впервые вошедший в топ ‑ 10 индекса цифровой жизни в 2025 г., что позволяет исследовать «догоняющее» развитие.

Данная выборка не претендует на статистическую репрезентативность, но обеспечивает теоретическую (типологическую) репрезентативность, охватывая ключевые вариации: размер города, экономический профиль, географию и уровень цифровизации. Построение устойчивой типологии городов на основе кластерного анализа требует расширения выборки до 30–50 городов и относится к перспективам дальнейших исследований; в настоящей статье фокус сделан на выявлении индивидуальных дисбалансов и разработке адресных рекомендаций.

Сбор данных осуществлен в период 2024–2025 гг. по трем каналам:

• 1.    Анализ официальных документов и открытых источников – стратегии цифрового развития, паспорта проектов «Умный город», разделы «Открытые данные» на порталах администраций, отраслевая статистика (плотность Wi ‑ Fi, скорость интернета по данным OpenSpeedTest.ru).

• 2.    Экспертный аудит – для качественных индикаторов (зрелость платформы обратной связи, интеграция сервисов, инклюзивность) проводился методом «тайного покупателя» с заполнением стандартизированных чек-листов (на основе WCAG 2.1 для инклюзивности).

• 3.    Опрос жителей – для расчета индекса удовлетворенности цифровыми сервисами (CSI) и уровня доверия к безопасности персональных данных. В каждом городе опрошено по 500 респондентов (общая выборка 3 000 человек). Тип выборки – квотная, репрезентативная по полу и возрасту. Ошибка выборки не превышает ±4,4 % при доверительном интервале 95 %. Опрос проводился офлайн (личное интервью в общественных местах).

В качестве основного инструмента структурирования данных использован трехмерный OLAP-куб, оси которого ( X , Y , Z ) отражают сочетание компонентов, индикаторов и городов. Это позволило упорядочить массив разнородных сведений и обеспечить их удобную аналитическую обработку.

Для наглядного представления полученных профилей цифрового развития городов используются лепестковые диаграммы, которые в статье обозначаются термином «колесо баланса». Эта визуальная метафора заимствована из метода оценки качества жизни человека («колесо жизненного баланса»), где каждая ось соответствует отдельной сфере (здоровье, карьера, семья и т. д.), а равномерность заполнения показывает общую сбалансированность. В настоящем исследовании восемь осей соответствуют восьми компонентам модели, а значения баллов (от 0 до 10) наносятся на каждую ось. Если все компоненты развиты равномерно, лепестковая диаграмма приближается к форме правильного восьмиугольника; если какой-либо компонент существенно отстает (на 3 и более балла), на ней возникает «впадина» – визуальный признак критического дисбаланса. Такое представление делает результаты анализа интуитивно понятными даже для специалистов, не имеющих опыта работы с многомерными данными.

Результаты . В таблице 1 приведены средние баллы по восьми компонентам для шести городов. Размах между максимальным и минимальным значением компонентов в каждом городе принят в качестве измеримого критерия структурного дисбаланса.

Таблица 1 . Средние баллы по компонентам и величина дисбаланса¹

Table 1 . Average Scores by Component and the Magnitude of the Imbalance

Город	ТБ	ИНФ	УД	ЦС	БУ	УГИ	УС	ИА	Размах (max-min)	Количественный дисбаланс (≥ 3)
Москва	9,73	9,10	9,43	9,47	9,27	9,17	9,40	9,03	0,70	нет
Казань	6,00	6,33	4,70	5,00	4,13	4,90	6,80	9,30	5,17	да
Екатеринбург	3,37	5,63	5,00	4,23	4,03	7,13	7,93	5,37	4,56	да
Нижний Новгород	8,23	7,90	5,73	3,63	8,43	4,10	9,17	8,00	5,54	да
Магнитогорск	7,83	5,17	3,33	4,20	6,73	8,50	4,83	3,73	5,17	да
Брянск	4,47	7,37	5,73	3,90	3,60	6,03	7,30	5,63	3,77	да

Примечание. Сокращения: ТБ – технологическая база, ИНФ – инфраструктура, УД – управление данными, ЦС – цифровые сервисы, БУ – безопасность и устойчивость, УГИ – участие граждан и инклюзивность, УС – управление и сотрудничество, ИА – инновации и адаптивность.

Москва – единственный город, где размах не превышает 3 баллов (0,70). Во всех остальных дисбаланс выше порога (от 3,77 до 5,54). При этом значения субъективной удовлетворенности (CSI) в этих городах систематически ниже: в Москве CSI = 9,5; в Казани – 4,8; в Екатеринбурге – 4,3; в Нижнем Новгороде – 3,3; в Магнитогорске – 4,2; в Брянске – 3,9. Коэффициент корреляции Пирсона между размахом и CSI составляет r = –0,67 ( p < 0,05), что подтверждает обратную связь: чем выше структурный дисбаланс, тем ниже удовлетворенность граждан.

Для каждого города с критическим дисбалансом определен компонент с минимальным значением (таблица 2). Именно он должен стать точкой первоочередного вмешательства, поскольку, согласно логике диаграммы Исикавы, слабость в одном компоненте порождает каскадные негативные эффекты через систему прямых и обратных связей.

Таблица 2 . Компоненты, требующие первоочередной коррекции по результатам диагностики критических дисбалансов

Table 2 . Components Requiring Priority Correction Based on the Results of the Diagnosis of Critical Imbalances

Город	Отстающий компонент	Обоснование приоритета
Казань	БУ	Высокие инновации (9,30) при низкой безопасности создают «технократический утопизм» (Hollands, 2008), технологические решения внедряются без учета социальных рисков, что подрывает доверие граждан и снижает эффективность управления. Диаграмма Исикавы показывает связь: безопасность ↔ управление данными ↔ участие граждан
Екатеринбург	ТБ	Развитое участие граждан (7,13) не компенсирует отсутствие базовой цифровой инфраструктуры. Согласно логике модели, слабость технологической базы блокирует развитие инфраструктуры и, как следствие, качество цифровых сервисов. Связь: технологическая база → инфраструктура → сервисы
Нижний Новгород	ЦС	Высокое управление (9,17) при крайне низком качестве сервисов – пример «колонизации жизненного мира системой» (Habermas, 1987); граждане не видят практической пользы от цифровизации
Магнитогорск	УД	Низкий уровень развития компонента УД создает ограничения для функционирования смежных компонентов. Связь: управление данными → безопасность → устойчивость; управление данными → цифровые сервисы
Брянск	БУ	Базовый уровень цифрового развития требует первоочередного создания минимальных регламентов кибербезопасности и экологического мониторинга

Для структурирования и первичного анализа собранных данных построен трехмерный OLAP-куб с измерениями «Города» (6), «Компоненты» (8) и «Индикаторы» (24). Мера – нормализованный балл (0–10). Операция среза (slice) позволяет выделить значения всех компонентов для отдельного города; операция детализации (drill-down) – перейти от среднего балла по компоненту к значениям составляющих его трех индикаторов.

1 Все таблицы и рисунки в статье составлены автором.

На рис. 1 представлен общий срез OLAP-куба – комплексный обзор компонентов для всех шести городов. Каждая точка соответствует значению определенного города по конкретному компоненту. Цветовая шкала: зеленый – высокий уровень (7–10), желтый – средний (4–7), красный – низкий (0–4). Видно, что Москва почти полностью находится в зеленой зоне, тогда как точки других городов распределены по всем трем зонам, что свидетельствует о неоднородности их профилей. Например, Екатеринбург (выделен рамкой) имеет высокий балл по компоненту «Управление и сотрудничество» (7,93 – зеленая зона), но его точки по другим компонентам располагаются значительно ниже.

Рис. 1 . Общий срез OLAP-куба: значения всех компонентов для шести городов

Fig. 1 . General Section of the OLAP Cube: Values of All Components for Six Cities

Операция детализации (drill-down) по компоненту «Управление и сотрудничество» (рис. 2) раскрывает внутреннюю структуру указанного компонента. Высокий итоговый балл Екатеринбурга (7,93) обеспечивается, прежде всего, значениями индикаторов «Интеграция систем» (8,5) и «Партнерство с бизнесом» (7,9). Казань, имеющая средний итоговый балл (6,80), демонстрирует неоднородность: высокое партнерство с бизнесом (7,10) при более низкой интеграции систем (5,9). Нижний Новгород, несмотря на лидерство по компоненту (9,17), имеет относительно невысокий показатель партнерства с бизнесом (5,5).

Рис. 2 . Детализация по компоненту «Управление и сотрудничество» (drill-down до уровня индикаторов)

Fig. 2 . Details on the “Management and Cooperation” Component (Drill-Down to the Level of Indicators)

На рис. 3 представлено «колесо баланса» для Казани (лепестковая диаграмма). Наблюдается «пик» по инновациям (9,30) и глубокая «впадина» по безопасности (4,13). Аналогичные диаграммы построены для каждого города. Операция drill ‑ down в OLAP ‑ кубе позволила выявить, что низкий балл безопасности в Казани обусловлен, в частности, отсутствием публичного регламента по киберинцидентам (качественный индикатор – 2 из 5) и низким доверием граждан (4,8 из 10). Для Нижнего Новгорода детализация показала, что слабые цифровые сервисы (ЦС = 3,63) связаны с низкой долей услуг в электронном виде (38 % против 85 % в Москве) и неудовлетворительным CSI (3,3).

Рис. 3 . «Колесо баланса» Казани (лепестковая диаграмма)

Fig. 3 . Kazan’s “Balance Wheel” (Petal Diagram)

Обсуждение . Выбор порога в 3 балла базируется на анализе распределения размаха и его связи с «выходными» показателями (CSI, доверие). В Москве (размах 0,70) CSI = 9,5. Во всех городах с размахом ≥ 3 баллов CSI не превышает 5 (кроме Магнитогорска – 4,2). При размахе 3,77 (Брянск) CSI = 3,9 – резкое падение. Таким образом, нелинейный эффект проявляется именно после превышения порога в 3 балла. Это значение может рассматриваться как системный индикатор перехода от допустимой неравномерности к патологическому дисбалансу, когда механизмы межкомпонентной компенсации перестают работать.

Дисбаланс в Казани (инновации ‒ безопасность) иллюстрирует предупреждение Холландса (Hollands, 2008) о том, что «умный город» без внимания к социальным и политическим аспектам рискует стать технократической утопией, усиливающей неравенство и уязвимости. Выявленный дисбаланс в Нижнем Новгороде (управление ‒ сервисы) является эмпирическим подтверждением «колонизации жизненного мира»: мощная формально-рациональная система управления не транслируется в улучшение повседневного опыта граждан, что ведет к отчуждению и низкой легитимности (Habermas, 1987). Высокая гражданская активность в Екатеринбурге и Магнитогорске при слабой технологической базе, напротив, демонстрирует потенциал «низовых гибридных сетей» (Latour, 2005), способных частично компенсировать инфраструктурные дефициты. Однако такая компенсация имеет пределы: без инвестиций в технологическую базу дальнейший рост участия становится невозможным.

Алгоритм использования авторской модели современного цифрового городского пространства как управленческого инструмента включает пять шагов:

• 1.    Диагностика – сбор данных по 24 индикаторам, структурирование данных с использованием OLAP-кубов, построение «колеса баланса».

• 2.    Оценка величины дисбаланса. Рассчитывается разность (диапазон) между максимальным и минимальным баллами компонентов. Значение ≥ 3 баллов свидетельствует о наличии критического структурного дисбаланса.

• 3.    Идентификация отстающего компонента (минимальное значение) – зона первоочередного воздействия.

• 4.    Анализ связей по диаграмме Исикавы – выявление того, какие компоненты являются причинами отставания, а какие – следствиями. Например, низкая безопасность может быть следствием слабого управления данными, но также и причиной низкого доверия и участия.

• 5.    Разработка и реализация мер – концентрация ресурсов на отстающем компоненте с учетом его связей. Через 1–2 года проводится повторный замер для оценки динамики.

В отличие от IQ городов Минстроя России и индекса «Сколково», которые дают интегральные баллы и ранги, авторская модель указывает конкретное «узкое место» и обосновывает, почему именно в этот компонент следует направлять усилия. Это позволяет перейти от соревновательной стратегии к кооперативной логике обмена опытом: например, Казань может перенять у Нижнего Новгорода практики управления, а Нижний Новгород у Казани ‒ методы вовлечения бизнеса в инновации.

Выявленные индивидуальные профили городов (таблицы 1–2) демонстрируют значительную вариативность конфигураций дисбалансов. Для перехода от описания отдельных примеров к устойчивой типологии цифрового развития необходимо расширение выборки до 30–50 городов и применение методов многомерной классификации (кластерный анализ, латентно-классовый анализ). Такая типология позволит выделить инвариантные паттерны дисбалансов и разработать типовые сценарии управленческих политик. Данная задача отнесена к перспективам дальнейших исследований.

Заключение . В статье представлена эмпирическая апробация структурно-факторной модели цифрового городского пространства, основанной на диаграмме Исикавы и трехуровневом теоретическом подходе, интегрирующем макро-, мезо- и микроаналитические перспективы (Хол-ландс – Хабермас – Латур). Впервые указанный синтез применен для диагностики цифрового развития современных российских городов. Обоснован критерий структурного дисбаланса (размах между максимальным и минимальным значениями компонентов ≥ 3 баллов по 10 ‑ балльной шкале), который коррелирует со снижением удовлетворенности граждан и доверия к институтам. На примере шести городов показано, что в пяти из них присутствует критический дисбаланс; для каждого города идентифицирован «отстающий» компонент, требующий первоочередного вмешательства. Предложен алгоритм использования модели в качестве скринингового инструмента муниципального стратегического планирования.

Ограничением исследования является небольшое число городов (6) и одномоментный срез данных. Перспективы дальнейшей работы включают расширение выборки (до 30–50 городов), добавление временных рядов для анализа динамики, построение типологии городов на основе кластерного анализа. Предложенная модель может служить методологической основой для сравнительных исследований цифровой трансформации городов и обоснования адресных управленческих решений.