2020 Выпуск №2

Проблематика регионального развития предполагает исследование драйверов роста с учетом конкурентной, инновационной и открытой среды. В данных условиях в качестве таковых рассматриваются кла­стерные формы интеграции как центры экономического и инновацион­ного регионального развития. В статье исследуется специализирован­ный АПК, складывающийся на межрегиональном уровне на побережье Азовского и Черного морей — в Краснодарском крае и Ростовской обла­сти. Цель работы — анализ структуры акторов, предпосылок и тра­ектории процесса кластерогенеза, факторов его акселерации и тормо­жения. Гипотезой исследования стал тезис о сравнительной эффек­тивности кластерных форм для развития АПК двух исследуемых реги­онов в условиях глобальной конкуренции. Основываясь на методологиче­ских подходах классических исследований по кластерной проблематике и эмпирическом материале как общероссийской и региональной стати­стики, так и данных компаний реального сектора, действующих в ис­следуемых регионах, авторы сформировали бикомпонентную модель кластерного развития АПК (включая «достройку» базовых сфер АПК и собственно кластерные форматы развития). Установлено, что сегодня инновационные векторы развития комплекса часто соотносятся с крупными агрохолдингами, которые также выступают заказчиками НИОКР в отрасли. Выявлено отсутствие (несмотря на наличие фор­мальных стратегий регионального и кластерного развития) консенсуса относительно взаимодействия в отрасли и стратегии ее развития. Установлено наличие рисков для кластерного компонента развития в сфере регулирования. Обозначены актуальные векторы развития этого процесса. Полученные результаты могут использоваться при выработ­ке механизмов региональной экономической политики в сфере кластери­зации в АПК.

В условиях, когда знания становятся первостепенным ресурсом, а эффективное управление их созданием, использованием, трансфером и накапливанием — важнейшей управленческой функцией, большую ак­туальность приобретают оценка и мониторинг способности террито­риальных инновационных систем к генерации нового научного знания. Если коммерциализация знаний в территориальном разрезе в первую очередь рассматривается на уровне региона в рамках производственного процесса, то генерацию знаний целесообразнее изучать на уровне городов как важнейших урбанизированных научных центров региона. В рамках данного исследования ставилась задача оценить территориальное рас­пределение городов России по способности генерации нового научного знания с последующей разработкой рекомендаций по управлению их территориальным капиталом как основой конкурентоспособности. Для России решение указанной проблемы наиболее актуально ввиду большого разнообразия городов и невозможности и даже опасности применения унифицированных подходов к их развитию. Большая территориальная протяженность страны, удаленность отдельных городов друг от друга, их неоднородность по размеру, уровню развития, знаниевой специализа­ции делает важным управление разнообразием и диверсификацией зна­ний. В исследовании использован наукометрический подход для оценки генерации знания на основе анализа данных публикационной активно­сти за 2013—2017 гг. по международной реферативной базе данных научного цитирования Скопус. В выборку исследования вошло 440 горо­дов, имевших хотя бы 1 публикацию. Разработана типология городов России с выделением трех типов и отдельных подтипов, учитывающих их специфику. Для первого типа городов («выше среднего») отмечены высокие показатели научной продуктивности. При этом, если для пер­вого подтипа они дополнены высокими показателями научной связно­сти, цитируемости и качества публикаций, то для второго подтипа эти показатели существенно ниже. Второй тип городов — «средние» или «переходные», научные коллективы которых имеют значительный публикационный опыт. Однако недостаточный средний уровень цити­рования и практически полное отсутствие публикаций в высокорей­тинговых журналах из Топ-10 % не позволяют отнести их к ведущим национальным научным центрам первой группы. Третий тип («ниже среднего») с наиболее низкими значениями всех показателей был разде­лен на три подтипа: к первому отнесены города, научные группы кото­рых публикуют небольшое количество статей с высоким уровнем ци­тирования и в журналах Топ-10 %; ко второму — города, имеющие при небольшом уровне научной продуктивности научные связи на нацио­нальном и международном уровне; к третьему — города-«молчуны», не проявившие себя ни по одному показателю.