Статья посвящена исследованию возможностей и рисков использования генеративного искусственного интеллекта (Ген ИИ) в деятельности статистических служб. В условиях цифровизации и увеличения объемов данных Ген ИИ становится ключевым инструментом для автоматизации процессов сбора и обработки информации, оптимизации аналитики, а также повышения точности прогнозов. Однако внедрение этих технологий сопряжено с рядом значительных рисков, таких как утечка данных, киберугрозы, снижение доверия к официальной статистической информации и отсутствие единых стандартов оценки качества данных.
Цель исследования – на основе анализа использования в деятельности статистических служб технологий искусственного интеллекта выявить потенциальные риски применения Ген ИИ и предложить рекомендации для их минимизации. Результаты проведенного исследования показывают, что главные угрозы связаны с утечкой данных, возможным получением недостоверной информации, а также с кибератаками на модели Ген ИИ. В статье предлагаются стратегии управления рисками, включая разработку политики использования ИИ, повышение прозрачности алгоритмов и создание систем мониторинга безопасности.
Новизна работы заключается в комплексном анализе рисков Ген ИИ в деятельности статистических служб, что не получило ранее достаточного освещения в научной литературе. В отличие от предыдущих публикаций акцент сделан на институциональных аспектах и вопросах кибербезопасности, а также на необходимости разработки международных стандартов валидации данных и управления рисками

В статье рассматривается поэлементное согласование квартальных макроэкономических матриц с годовой матрицей в процессе оперативной балансировки квартальных национальных счетов как универсальный метод квартальной декомпозиции годовой матрицы выпуска продукции. Представлена обобщенная формулировка задачи такой декомпозиции в терминах математического программирования. Основой предлагаемого оптимизационного подхода является взвешенный метод наименьших квадратов, применяемый в линейном пространстве векторов квартальных коэффициентов распределения выпуска по продуктам и отраслям, с весами, отражающими априорную относительную важность или надежность каждого слагаемого квадратичной целевой функции задачи.
Показано, что задача квартальной декомпозиции годовой матрицы в обобщенной формулировке не имеет оптимального решения и представляет практический интерес лишь как источник двух своих операциональных версий – «продуктовой» и «отраслевой». Обе версии являются задачами квадратичного программирования с линейными ограничениями, решения которых получены в аналитической форме с использованием метода множителей Лагранжа.
Преимущества разработанных методов согласования квартальных матриц выпуска продуктов и отраслей с годовой матрицей заключаются в простоте практической реализации расчетов с использованием несложных формул и умеренной потребности в вычислительных ресурсах даже при весьма значительных объемах исходной информации. Предложенный оптимизационный подход демонстрирует высокую степень гибкости и адаптивности при решении задач согласования квартальных матриц с годовыми данными о выпуске товаров и услуг, которая обеспечивается возможностями целенаправленного варьирования экзогенных параметров рассматриваемых задач в ходе выполнения практических расчетов

В условиях растущей конкуренции на рынке образовательных услуг, влияющей на привлечение абитуриентов, высококвалифицированных преподавателей и ученых, приобретает большое значение репутационный капитал высших учебных заведений. В последнее время сильное воздействие на его формирование оказывает цифровая среда, роль которой становится ключевой. Оценка репутации вуза – многоаспектная задача, включающая анализ информационных ресурсов, определение ее основных критериев и показателей, разработку методологии.
В статье рассматриваются проблемы измерения на основе баз данных, сформированных из различных источников, репутации российских вузов, реализующих программы подготовки инженеров. Цель исследования заключается в определении показателей и разработке подхода к оценке репутации образовательных организаций высшего образования в России.
В ходе исследования анализировались статистические данные Минобрнауки России и поисковые запросы сервиса Яндекс. На основе сравнительного анализа по оцениваемым параметрам были выделены лучшие российские вузы, осуществляющие подготовку инженеров. При обработке статистических данных о числе поисковых запросов проводилась оценка их качества с учетом аберраций и логических совпадений с другими устоявшимися словоформами.
Применение метода нормирования данных позволило сопоставить результаты оценки репутации образовательных организаций высшего образования различных регионов страны. Лидирующие позиции по большинству показателей заняли вузы г. Москвы и г. Санкт-Петербурга, что подчеркивает их статус ведущих образовательных центров. В то же время некоторые региональные университеты имеют высокие значения показателей международной и цифровой репутации, что свидетельствует о признании их роли в подготовке специалистов инженерного профиля.
Было выявлено, что различия в оценках репутации российских вузов обусловлены спецификой методологии сбора и обработки данных. Научная новизна исследования состоит в определении состава показателей, характеризующих репутацию российских вузов, детализированном анализе существующих методик ее оценки и предложении новых подходов, расширяющих теоретическую и методологическую базы анализа. Полученные результаты могут быть использованы как в теоретическом плане – для совершенствования подходов к оценке эффективности деятельности вузов, так и для оптимизации управления высшими учебными заведениями

В статье рассматриваются особенности внутренней миграции в г. Санкт-Петербурге, одном из крупнейших мегаполисов России, в период с 2015 по 2023 г. Выбор временного интервала обусловлен тем, что с 2015 г. Росстат предоставляет доступ к подробным данным о миграции, что значительно повышает полноту и точность анализа миграционных процессов и включает последние опубликованные данные за 2023 г.
В исследовании представлена разработанная автором расширенная гравитационная модель, которая учитывает социально-экономические факторы, влияющие на миграционные процессы, такие как численность населения, среднемесячная заработная плата, уровень занятости и географическая удаленность регионов. В отличие от традиционных гравитационных моделей, которые в основном опираются на демографические переменные, в работе рассматриваются экономические факторы, существенно влияющие на миграцию в стране с выраженными региональными различиями.
Для визуализации региональных миграционных тенденций, включая структуру и особенности прибывших по полу, возрасту и уровню образования, а также для определения регионов-доноров для г. Санкт-Петербурга применены графические методы. На основе разработанной модели выполнен прогноз внутрироссийских миграционных потоков в г. Санкт-Петербург до 2026 г. Прогноз рассматривается как отправная точка для дальнейших исследований, учитывающих ограниченность временного набора данных и негативные последствия пандемии COVID-19.
Исследование раскрывает региональные особенности внутренней миграции крупнейшего мегаполиса России и предлагает осмысление долгосрочных последствий миграционных процессов, подчеркивая значимость как экономических факторов, так и стратегий регионального развития в формировании миграционных потоков

В статье освещается ключевая роль государственной статистики в обеспечении мониторинга социально-экономического развития страны как основы для принятия управленческих решений. Рассматривается миссия международных организаций в контексте регулирования обмена информацией между странами.
Приводятся международные подходы, разработанные Всемирным банком и некоммерческой неправительственной организацией Open Data Watch, к оценке статистического потенциала стран, включая системы показателей, предложенные этими организациями. На основе изучения информационных ресурсов и методологических материалов, подготовленных экспертами данных организаций, выявлены различия в подходах к измерению потенциала национальных статистических служб.
Статья содержит оценки статистического потенциала Российской Федерации и ее рейтинговых позиций среди стран мира на основе международно признанных показателей, а также факторов, оказавших влияние на сложившуюся оценку.
Представлены результаты анализа источников информации, используемых Всемирным банком и экспертами Open Data Watch в процессе инвентаризации открытых данных (ODIN), а также итоги верификации показателей статистического потенциала России на основе актуализации исходной информации и рационального подхода к ее выбору, что способствует обеспечению полноты данных по установленным показателям.
Это исследование позволило обосновать возможности повышения статистического потенциала Российской Федерации.
Отмечается актуальность и новизна проведенного исследования по сравнению с аналогичными работами, предложены решения для более объективного отражения позиций России в международных рейтингах статистического потенциала.
Практическая значимость работы заключается в выработке обоснованных предложений и конкретных корректировок для обращения в международные организации.

В статье представлен комплексный анализ современных методологических подходов к измерению многомерной бедности в странах СНГ. Исследование основано на данных опроса, проведенного в 2024 г. в рамках проекта «Развитие статистики СНГ», и охватывает опыт национальных статистических служб и методологические подходы международных организаций, таких как ПРООН, Евростат и Всемирный банк. Особое внимание уделяется применению метода Алкаер – Фостера для расчета Индекса многомерной бедности, оценке индикатора риска бедности и социальной исключенности (AROPE) в соответствии с европейскими стандартами, а также подходу Всемирного банка (MPM), который интегрирует монетарные и немонетарные аспекты оценки.
Проведенный анализ выявляет значительные различия в выборе индикаторов, критериев и пороговых значений, предопределенные социально-экономическими условиями и государственными приоритетами стран региона. Полученные результаты способствуют более глубокому пониманию многоаспектности бедности и выявлению направлений для гармонизации подходов к ее измерению, что имеет важное значение для совершенствования государственной политики и разработки стратегических программ социально-экономического развития.
Подчеркивается необходимость дальнейшей интеграции результатов оценки многомерной бедности в механизмы формирования целевых мер социальной поддержки населения.

В статье представлены анализ методов проведения национальных переписей населения 2020 г. в странах СНГ, а также мотивации перехода от традиционной модели к комбинированной переписи. Рассматриваются ключевые аспекты примененных технических решений в ходе проведенных переписей. Подчеркивается, что выбранный путь перехода к комбинированной переписи в странах СНГ, несмотря на существующие трудности, станет определяющим при выборе метода проведения переписи населения в 2030 г. Итоги последнего раунда создали основу для дальнейших работ в этом направлении