Север и рынок. 2025, № 4.

СЕВЕР И РЫНОК: формирование экономического порядка. 2025. № 4. С. 182-192. Sever i rynok: formirovanie ekonomicheskogo poryadka [The North and the Market: Forming the Economic Order], 2025, no. 4, pp. 182-192. ИННОВАЦИИ В ЭКОНОМИКЕ СЕВЕРНЫХ И АРКТИЧЕСКИХ РЕГИОНОВ работах отечественных и зарубежных исследователей [7; 8], не способны уловить нелинейные зависимости и временные лаги между запуском программы и проявлением ее технологического эффекта. В российской научной среде этой проблеме посвящено ряд исследований, но все они сталкиваются с методологическими ограничениями. Так, С. Г. Тяглов и М. А. Пономарева предлагают систему индикаторов для оценки инновационного потенциала территорий по принципу «давление — состояние — реакция». Однако модель не учитывает влияние конкретных государственных программ, а агрегирует показатели в общий индекс без выделения драйверов технологического роста [9]. Сходный подход применяется в исследовании Л. Г. Руденко и Н. Н, Егоровой, где анализируется связь между социально-экономическим развитием и инновационной активностью. Авторы подчеркивают, что высокий уровень бюджетной поддержки не всегда транслируется в рост инновационной активности, но не предлагают метода, позволяющего идентифицировать, какие именно меры эффективны [10]. А. А. Бакаев и С. М. Михайлова предлагают анализ на основе системы сбалансированных показателей, оценивая технологии фрагментарно, часто без интеграции в общую систему управления, и указывают на отсутствие сквозных цифровых платформ, но не разрабатывают количественной модели влияния госпрограмм [11]. Во множестве других работ влияние технологий на региональное развитие рассматривается как контекстный фактор, без его дифференциации и должной связи с федеральными программами [12­ 19]. Таким образом, в научной литературе сохраняется критический пробел, так как отсутствуют методы, способные: декомпозировать влияние отдельных федеральных программ на конкретные технологические индикаторы (например, на патентную активность в области IoT или уровень цифровизации добывающих предприятий); учесть косвенное влияние экономических, социальных и экологических факторов как контекстных усилителей или ограничителей технологической трансформации; обеспечить интерпретируемость результатов, необходимую для принятия государственных решений, без погружения в «черный ящик» сложных нейросетевых архитектур. Данное исследование направлено на устранение этого пробела. Цель работы — разработать и валидизировать новую интерпретируемую методику на основе графовых нейронных сетей с механизмом многокритериального внимания (Multi-Attention Semantic Graph Network for Technological Transformation, MASGN-TT), позволяющую количественно и качественно оценить, какие именно федеральные программы наиболее эффективно стимулируют технологическое развитие в арктических регионах России и в каком контексте (экономическом, социальном, экологическом) это влияние усиливается или ослабевает. Предлагаемая модель является разработкой авторов и не имеет прямых аналогов, однако синтезирует три ключевых направления системного ИИ: классические графовые нейронные сети (GCN), механизмы внимания и семантические атрибутивные графы. В рамках исследования решались следующие задачи: 1) формирование набора из 12 специфических технологических индикаторов, релевантных для экстремальных арктических условий; 2) построение семантического графа взаимосвязей между арктическими регионами, федеральными программами и технологическими выходами; 3) обучение разработанной модели MASGN-TT для выявления интерпретируемых весов внимания, отражающих силу влияния каждой программы на каждый технологический индикатор; 4) анализ межрегиональных различий в технологической отдаче от программ и выявление «технологического разрыва» между уровнем внедрения и социальной доступностью. Гипотеза исследования заключалась в предположении, что технологическое развитие Арктики определяется не совокупным объемом господдержки, а структурой программного воздействия, в которой ключевую роль играют программы, интегрирующие цифровые технологии в операционные процессы добывающих, экологических и инфраструктурных секторов. Валидация этой гипотезы позволит перейти от абстрактных деклараций о «цифровой Арктике» к целенаправленной, доказательной политике технологического развития, ориентированной на максимальный системный эффект. Материалы и методы Для оценки влияния федеральных программ на технологическое развитие арктических регионов Российской Федерации разработана интерпретируемая модель Multi-Attention Semantic Graph Network for Technological Transformation (MASGN-TT), сочетающая теорию графов, механизм внимания и регуляризованные нейронные сети [20-22]. Предлагаемая авторами модель является прямым развитием идей KGE (Knowledge Graph Embedding) [22], в основе которого лежит обогащение узлов графа семантическими признаками, но она расширяет методику за счет замены простой кодировки объектов (регионов) в векторы признаков на моделирование влияния внешних переменных (федеральных программ) в виде направленных связей с переменной силой. Исследование охватывает 11 субъектов Арктической зоны РФ: Ямало-Ненецкий автономный ©Антипов С. К., Белошицкий А. В., Дубгорн А. С., Ильин И. В., Лёвина А. И., 2025 184