Интегральная оценка результативности межорганизационных инноваций с применением метода нечетких множеств

В сложившихся экономических условиях сложно представить эффективное осуществление деятельности высших учебных заведений без сотрудничества с организациями реального сектора экономики, в особенности если речь заходит о генерации инноваций. Лица, принимающие решения о развитии академического индустриального партнерства, нуждаются в современных методах определения потенциальной эффективности такого рода взаимодействия. Целью исследования является разработка нечетко-множественной модели интегральной свертки для оценки результативности межорганизационных инноваций. Ее достижению способствовали следующие решения, содержащие элементы научной новизны: составление иерархической структуры интегральных показателей результативности межорганизационных инноваций; подбор компонент с оценкой уровня их значимости с применением весов Фишберна; формирование базы фаззификации для приведения четких чисел в нечеткие; предложение системы расчета степени принадлежности ненормированных значений компонент сформированным терм-множествам значений; предложение формулы расчета точек интерсекции для показателей неинверсивного характера. Результаты проведенного исследования имеют прикладное значение и могут быть использованы как высшими учебными заведениями, так и организациями реального сектора экономики для предварительной оценки эффективности межорганизационного взаимодействия с целью генерации инноваций. В дальнейшем научная деятельность автора статьи в этой области будет направлена на апробацию разработанной модели, ее совершенствование и развитие в части систематизации и алгоритмизации результатов для эффективного использования при управлении межорганизационными инновациями.

1. Иващенко А. А. Генезис межорганизационных инноваций в контексте развития академического индустриального партнерства. Beneficium. 2024;(1):6–13. DOI: 10.34680/BENEFICIUM.2024.1(50).6–13

2. Jiao H., Yang J., Zhou J., Li J. Commercial partnerships and collaborative innovation in China: The moderating effect of technological uncertainty and dynamic capabilities. Journal of Knowledge Management. 2019;23(7):1429–1454. DOI: 10.1108/JKM-10–2017–0499

3. Schultz C., Gretsch O., Kock A.The influence of shared R&D-project innovativeness perceptions on university-industry collaboration performance. The Journal of Technology Transfer. 2021;46(3):1144–1172. DOI: 10.1007/s10961-020-09818-1

4. Grabisch M. Fuzzy integral in multicriteria decision making. Fuzzy Sets and Systems. 1995;69(3):279–298. DOI: 10.1016/0165-0114(94)00174-6

5. Myachin V., Yudina O. Fuzzy-logical approach to constructing an integral indicator in a level estimation model significant market advantage. Baltic Journal of Economic Studies. 2021;7(2):139–145. DOI: 10.30525/2256-0742/2021-7-2-139-145

6. Kozlov A., Kankovskaya A., Teslya A., Ivashchenko A. Study of labour digital potential usage by organizations of Ural Federal District. In: Rodionov D., Kudryavtseva T., Skhvediani A., Berawi M. A., eds. Innovations in digital economy (SPBPU IDE 2021). Cham: Springer-Verlag; 2022:265–276. (Communications in Computer and Information Science. Vol. 1619). DOI: 10.1007/978-3-031-14985-6_19

7. Zadeh L. A. Fuzzy sets. Information and Control. 1965;8(3):338–353. DOI: 10.1016/S0019–9958(65)90241-X

8. Козлов А. В., Тесля А. Б., Иващенко А. А. Формирование системы индикаторов для мониторинга процессов цифровизации национальной экономики. Известия высших учебных заведений. Серия: Экономика, финансы и управление производством. 2021;(1):97–107. DOI: 10.6060/ivecofin.20214701.522

9. Недосекин А. О., Максимов О. Б. Анализ риска инвестиций с применением нечетких множеств. Управление риском. 2001;(1):51–55.

10. Недосекин А. О., Максимов О. Б. Простейшая комплексная оценка финансового состояния предприятия на основе нечетко-множественного подхода. Аудит и финансовый анализ. 2003;(3):23–28.

11. Yao Y., Zhang J. Interpreting fuzzy membership functions in the theory of rough sets. In: Ziark, W., Yao Y., eds. Rough sets and current trends in computing (RSCTC 2000). Berlin, Heidelberg: Springer-Verlag; 2001:82–89. (Lecture Notes in Computer Science. Vol. 2005). DOI: 10.1007/3-540-45554-X_9

12. Халов Е. А. Систематический обзор четких одномерных функций принадлежности интеллектуальных систем. Информационные технологии и вычислительные системы. 2009;(3):60–74.

13. Недосекин А. О. Нечетко-множественный анализ риска фондовых инвестиций. СПб.: Сезам; 2002. 165 с.

14. Ефремова П. В. Показатели оценки эффективности развития инновационной деятельности вузов. Вопросы инновационной экономики. 2019;9(3):989–1010. DOI: 10.18334/vinec.9.3.41001

15. Носков А. А. Методические направления оценки инновационного развития регионов и научно-инновационной деятельности вузов. Вестник Пермского национального исследовательского политехнического университета. Социально-экономические науки. 2018;(4):363–372. DOI: 10.15593/2224-9354/2018.4.30

16. Галимов А. М., Закирова А. Р., Маханько А. В. Об оценке результатов инновационной деятельности вуза. Образовательные технологии и общество. 2013;16(4):403–411.

17. Hupman A., Simon J. The legacy of Peter Fishburn: Foundational work and lasting impact. Decision Analysis. 2023;20(1):1–15. DOI: 10.1287/deca.2022.0461

18. Карпова Н. А. Применение методов нечеткой логики при оценке и прогнозировании финансовой устойчивости консолидированных групп компаний. Интернет-журнал Науковедение. 2015;7(5):56. DOI: 10.15862/199EVN 515

19. Терентьева Д. А., Крыжко Д. А., Конников Е. А., Мельниченко А. М. Нечетко-множественный подход к оценке уровня инновационного потенциала региона. Экономика и управление: проблемы, решения. 2023;4(9):167–192. DOI: 10.36871/ek.up.p.r.2023.09.04.016

20. Недосекин А. О. Применение нечетких множеств в бизнесе, экономике и финансах (Послесловие к международной конференции FSSCEF-2004). Новости искусственного интеллекта. 2004;(2):27–34.

21. Бондаренко П. В., Фокина Е. А., Трухляева А. А. Применение теории нечетких множеств для оценки качества жизни населения региона. Фундаментальные исследования. 2015;(11–5):967–971.

22. Лукашевич Н. С. Оценка кредитоспособности физических лиц на основе теории нечетких множеств. Дисс. … канд. экон. наук. СПб; 2009. 186 с.

23. Иващенко А. А., Тесля А. Б. Характеристика цифровой инновационной среды организаций. Глобальные вызовы цифровой трансформации рынков. СПб.: Политех-Пресс; 2023:746–758.

24. Козлов А. В., Тесля А. Б. Цифровой потенциал промышленных предприятий: сущность, определение и методы расчета. Вестник Забайкальского государственного университета. 2019;25(6):101–110. DOI: 10.21209/2227-9245-2019-25-6-101-110

25. Бурцева Т. А., Френкель А. А., Тихомиров Б. И., Сурков А. А. Интегральный индекс — эффективный инструмент измерения региональной производительности труда. Экономика труда. 2020;7(11):1085–1102. DOI: 10.18334/et.7.11.111086

26. Великороссов В. В., Филин С. А., Ланчаков А. Б. и др. Модель интегрального анализа устойчивого развития предприятия. Экономика и управление: проблемы, решения. 2022;2(3):18–28. DOI: 10.36871/ek.up.p.r.2022.03.02.002