Модель разработки долгосрочного прогноза развития фундаментальных и поисковых научных исследований в контексте реализации документов стратегического планирования России

DOI: 10.33917/mic-1.102.2022.5-21

В статье рассмотрены нормативно-правовые основания и предмет разработки прогноза развития фундаментальных и поисковых научных исследований. Разработаны положения, факторы и условия, регламентирующие формирование данного прогноза. Сформулированы предложения по развитию информационного и экспертного сопровождения прогноза.

Источники:

1. Сценарные условия долгосрочного прогноза социально-экономического развития Российской Федерации до 2030 года / Минэкономразвития России. М., 2013. URL: https://institutiones.com/general/2373-klyuchevye-problemy-razrabotki-scenarnyx-uslovij.html

2. Миндели Л., Остапюк С., Черных С. Долгосрочное прогнозирование развития фундаментальной науки в России: методологические аспекты // Общество и экономика. 2017. № 10. С. 5–22.

3. Сидельников Ю.В., Минаев Э.С. Технология экспертного сценарного прогнозирования. М.: Изд-во МАИ, 2017.

4. Зубова Л.Г., Миндели Л.Э., Мотова М.А. и др. Методические аспекты разработки прогноза научно-технологического развития на долгосрочную перспективу / ЦИСН // Информационный бюллетень. 2004. № 6. C. 31–74.

5. Миндели Л.Э., Остапюк С.Ф., Фетисов В.П. Об организации долгосрочного прогнозирования фундаментальных и поисковых научных исследований // Экономика и математические методы. 2019. Т. 55. № 1. С. 56-67.

6. Остапюк С.Ф. Условия, этапы, особенности и информационное обеспечение процедуры прогнозирования развития фундаментальных и поисковых научных исследований. Сборник статей по итогам международной научно-практической конференции «Состояние и тенденции развития науки, технологий и инновационной деятельности» М.: ИПРАН РАН, 2021.

7. Макоско А.А., Абросимов В.К. О прогнозировании развития науки как задаче слабого искусственного интеллекта (концептуальный подход) // Инновации. 2018. № 9 (239). С. 13–19.

8. Плетнев К.И., Лазаренко Н.Е. Экспертиза в научно-технической сфере: методология и организация. М.: Изд-во РАГС, 2003.

9. Душкин Р.В. Почему за гибридными ИИ-системами будущее // Экономические стратегии. 2018. № 156. С. 84–93.

10. Рассел С., Норвиг П. Искусственный интеллект. Современный подход. 2-е изд. М.: Вильямс, 2006.

11. Marcus G. Deep Learning: A Critical Appraisal. New York University, 2017. Cornell University Library. URL: http://arxiv.org/1801.00631

12. Соколов А.В. Форсайт: взгляд в будущее // Форсайт. 2007. Т. 1. № 1. С. 8–15.

13. Новиков Д.А., Чхартишвили А.Г. Активный прогноз. М.: ИПУ РАН, 2002.

14. Белоусов Д.Р., Фролов И.Э. Долгосрочный научно-технологический прогноз: методологии построения, контуры технологического будущего, сценарий развития // Форсайт. 2008. Том 2. № 3. С. 54-67.

15. Сайт Совета по науке при Министерстве образования и науки РФ. URL:  http://sovet-po-nauke.ru/info/31012017-declaration_goszadanie

16. Кудрин А. Стратегические уроки / Полит. Ру. 27 декабря 2016 г. URL: http://polit.ru/article/2016/12/27/lessons/


>> Скачать (PDF, 605KB)

Следить за новостями ИНЭС: