SCIENTIFIC AND METHODOLOGICAL APPROACH TO MODELING YOUTH EMPLOYMENT IN THE DIGITAL ECONOMY

НАУЧНО-МЕТОДИЧЕСКИЙ ПОДХОД К МОДЕЛИРОВАНИЮ ЗАНЯТОСТИ МОЛОДЕЖИ В УСЛОВИЯХ ЦИФРОВОЙ ЭКОНОМИКИ

Чжан Чжэнчи

соискатель, ФГАОУ ВО «Крымский федеральный университет имени В.И. Вернадского»,

РФ, г. Симферополь

SCIENTIFIC AND METHODOLOGICAL APPROACH TO MODELING YOUTH EMPLOYMENT IN THE DIGITAL ECONOMY

Zhang Zhengchi

The applicant, FSAOU VO «Crimean Federal University V.I. Vernadsky»

Simferopol, Russia

АННОТАЦИЯ

В данной статье представлен научно-методический подход к моделированию занятости молодежи в условиях цифровой экономики. На основе изучения методов, основанных на данных, динамического моделирования и эконометрического анализа исследуется понимание преобразующего воздействия цифровизации на занятость молодежи. В статье также разъясняется предлагаемая модель, отражающая взаимосвязь между цифровыми навыками, доступом к цифровым ресурсам и результатами трудоустройства молодежи.

ABSTRACT

This article presents a scientific and methodological approach to modeling youth employment in the digital economy. Based on the study of data-driven methods, dynamic modeling and econometric analysis, the understanding of the transformative impact of digitalization on youth employment is explored. The article also explains a proposed model that reflects the relationship between digital skills, access to digital resources, and youth employment outcomes.

Ключевые слова: цифровизация, занятость молодежи, образование, разработка политики, расширение прав и возможностей молодежи, ИКТ.

Keywords: digitalization, youth employment, education, policy development, youth empowerment, ICT.

Поскольку цифровизация меняет рынки труда, крайне необходимо понимать и прогнозировать ее влияние на занятость молодежи. Методологические и научные подходы играют ключевую роль в создании комплексной модели, которая отражает сложные взаимозависимости в цифровой экономике и прогнозирует потенциальные результаты для занятости молодежи.

Моделирование занятости молодежи в цифровой экономике позволяет политикам, педагогам и предприятиям понимать текущую динамику, прогнозировать будущие тенденции и разрабатывать меры для повышения занятости молодежи в развивающемся цифровом контексте. Кроме того, он способствует сокращению разрыва между спросом и предложением цифровых навыков, тем самым сокращая безработицу и неполную занятость среди молодежи.

Основойметодологического подхода является сбор и анализ данных. Первичные данные, касающиеся занятости молодежи, цифровых навыков, доступа к цифровым технологиям и социально-экономических показателей, следует собирать посредством опросов, интервью и прямого наблюдения. Кроме того, вторичные данные следует почерпнуть из соответствующих баз данных, отчетов и исследований[3, 1238].

Для анализа этих данных требуются надежные статистические методы, в том числе регрессионный анализ для выявления взаимосвязей и корреляций между переменными. Аналитика больших данных и алгоритмы машинного обучения могут быть развернуты для выявления скрытых закономерностей и идей в больших наборах данных.

Эконометрическое моделирование является мощным статистическим инструментом, широко используемым в области экономики. Он сочетает экономическую теорию со статистикой для анализа и проверки экономических отношений. Используя математические модели и статистические выводы, эконометрические модели позволяют исследователям предсказывать будущие тенденции, проверять гипотезы и количественно оценивать влияние одной переменной на другую.

Эконометрическое моделирование включает следующие этапы [4, 218 – 279]:

1. Спецификация. Первым шагом в эконометрическом моделировании является спецификация модели. Он включает формулировку теоретической модели, основанной на экономической теории. Эта модель, часто представленная математическим уравнением, постулирует связь между зависимой переменной (интересующим результатом) и одной или несколькими независимыми переменными (предикторами).
2. Оценка. После того, как модель определена, пришло время оценить параметры. Это включает присвоение числовых значений параметрам (коэффициентам) модели с использованием статистических методов. Наиболее распространенным методом оценки является метод наименьших квадратов (OLS), но могут использоваться и другие методы, такие как оценка максимального правдоподобия (MLE), обобщенный метод моментов (GMM) или оценка инструментальной переменной (IV), в зависимости от свойств данные и модель.
3. Идентификация. Идентификация включает проверку того, могут ли данные предоставлять уникальные значения параметров модели. Неидентифицированная модель может привести к противоречивым или неопределенным результатам.
4. Вывод. Этот шаг включает проверку гипотез об отношениях между переменными. Например, исследователь может захотеть проверить, приводит ли рост цифровой грамотности к увеличению занятости молодежи.
5. Прогнозирование.На основе оценочной модели можно делать прогнозы будущих результатов. Например, как изменения в цифровой экономике могут повлиять на занятость молодежи.

Эконометрическое моделирование требует тщательного рассмотрения нескольких вопросов, включая мультиколлинеарность (когда независимые переменные сильно коррелированы), автокорреляцию (когда члены ошибки коррелируют), гетероскедастичность (когда дисперсия ошибок не постоянна) и эндогенность (когда независимая переменная коррелирует). с термином ошибки) [2, 289]. Эти вопросы, если их не решить должным образом, могут привести к необъективным и непоследовательным оценкам.

В целом, эконометрическое моделирование обеспечивает надежную основу для анализа и прогнозирования тенденций занятости молодежи в цифровой экономике. Он может направлять разработку политики, разработку программ и стратегические решения, предоставляя информацию о взаимосвязях между различными переменными, влияющими на занятость молодежи.

Моделирование системной динамики предлагает основу для понимания сложных взаимодействий между различными элементами цифровой экономики. Эта методология включает разработку причинно-следственных диаграмм и блок-схем для представления петель обратной связи и взаимозависимостей, влияющих на занятость молодежи в цифровом контексте.

Предлагаемая модель объединяет описанные выше методологии, чтобы обеспечить целостное представление о занятости молодежи в цифровой экономике.

1. Уровень данных.Этот уровень содержит первичные и вторичные данные, связанные с цифровыми навыками, цифровым доступом, тенденциями на рынке труда и результатами занятости молодежи;
2. Эконометрический уровень.Этот уровень использует эконометрические методы для оценки влияния различных переменных на занятость молодежи. Это помогает прогнозировать результаты занятости молодежи на основе различных сценариев;
3. Уровень системной динамики. Этот уровень представляет петли обратной связи и взаимодействия между различными переменными. Это помогает понять, как изменения в одной области (например, приобретение цифровых навыков) могут иметь волновые последствия для всей системы (например, влияя на создание цифровых рабочих мест и результаты занятости молодежи).

Интегрируя эти слои, модель может обеспечить всестороннее понимание текущего состояния и будущих тенденций занятости молодежи в цифровой экономике.

Список литературы:

1. Асемоглу Д., Аутор Д. Навыки, задачи и технологии: влияние на трудоустройство и заработок / Справочник по экономике труда,2023. – № 4 – с. 1043-1171.
2. Пахомов А.В., Пахомова Е.А., Рожкова О.В. Эконометрическое моделирование занятости на основе отраслевой специфики // Национальные интересы: приоритеты и безопасность. 2017. №11 (356). URL: https://cyberleninka.ru/article/n/ekonometricheskoe-modelirovanie-zanyatosti-na-osnove-otraslevoy-spetsifiki (дата обращения: 10.07.2023).
3. Digilina O.B. Prospects and Problems of Digitalization of the Labor Market in Russia. Advances in Economics, Business and Management Research / O.B. Digilina I.B. Teslenko, N.V. Abdullaev // Modern Management Trends and the Digital Economy: from Regional Development to Global Economic Growth (MTDE 2020) : 2nd International Scientific and Practical Conference. Yekaterinburg, April 16-17, 2020. - Yekaterinburg, 2020. - Vol. 138. - P. 1237-1240.
4. Greene W.H. Econometric Analysis // 8th Edition. Pearson., 2022 – С.314