http://bijournal.hse.ru ru-ru Copyright 2024 Wed, 25 Sep 2024 10:06:43 +0300 https://bijournal.hse.ru/2024--3 Vol 18/965585095.html       В процессе импортозамещения высшие учебные учреждения сталкиваются с рядом трудностей при переходе от преимущественного использования иностранного программного обеспечения (ПО) к отечественным аналогам, а именно – с отсутствием необходимого пользовательского опыта использования отечественных цифровых решений, необходимостью переноса данных из одних систем в другие и т.п. Сложности переходного периода порождают сопротивление процессу цифровой трансформации. Систематизация исследований по вопросам импортозамещения ПО в вузах выявила три основные темы: проблемы и риски перехода на отечественное ПО, исследование возможности полноценного перехода на отечественное ПО и рекомендации по выбору российских решений. Целью настоящего исследования являлось выявление факторов, влияющих на принятие импортозамещения программных продуктов в вузах. В статье предложена структурная модельвыделения детерминант успешного импортозамещения ПО, разработанная на основе подходов теории диффузии инноваций и модели принятия технологий. Модель реализована с использованием программного продукта SmartPLS на данных анкетирования преподавателей и сотрудников Уральского государственного экономического университета. Результаты исследования показывают, что отношение к принятию импортозамещения ПО напрямую зависит от личностных характеристик пользователей и инновационных характеристик ПО. При этом наиболее важными детерминантами, влияющими на положительное отношение к переходу на отечественное ПО, являются вовлеченность и самоэффективность пользователей. Кроме того, положительное отношение к необходимости импортозамещения способствует индивидуальному принятию перехода на российское ПО и признанию импортозамещения как экономической политики страны. Теоретическая ценность исследования состоит в предложении оригинальной моделивыделения детерминант успешного импортозамещения программного обеспечения, разграничивающей индивидуальное принятие и общественное признание импортозамещения ПО. Выводы исследования могут быть полезны руководству вузов при планировании и уточнении мероприятий по стратегии импортозамещения. https://bijournal.hse.ru/2024--3 Vol 18/965601920.html       Контрфактуальное объяснение – это генерация для заданного экземпляра множества объектов, которые принадлежат к противоположному классу, но находятся в пространстве признаков максимально близко к объясняемому фактуалу. Известные алгоритмы, решающие эту задачу, как правило, основаны на сложных моделях, требующих большого объема обучающих данных и значительных вычислительных затрат. В данной статье предлагается метод, который включает два этапа. На первом этапе на основе простых статистических моделей (гауссовская копула, последовательная модель на основе условных распределений, байесовская сеть и др.) генерируется синтетическое множество потенциальных контрфактуалов, на втором – производится отбор объектов, удовлетворяющих ограничениям правдоподобия, близости, разнообразия и т.д. Такая организация позволяет сделать процесс прозрачным, управляемым и повторно использовать модели генерации. Эксперименты на трех свободно распространяемых наборах данных показали, что предложенный метод позволяет добиться результатов, как минимум, сравнимых с известными алгоритмами контрфактуальных объяснений, а в ряде случаев их превосходит, особенно на малых наборах данных. Наиболее эффективной моделью генерации при этом является байесовская сеть. https://bijournal.hse.ru/2024--3 Vol 18/965613414.html       Все больше компаний под воздействием стремительного развития технологий (концепция Индустрия 4.0/5.0) охватывают процессы цифровой трансформации. Внедрение информационных систем обеспечивает возможность накопления большого объема данных о деятельности компании. Исследование такой информации расширяет возможности применения data-driven подхода к управлению бизнес-процессами (business process management, BPM). Обработка и изучение данных из журналов событий с помощью методов интеллектуального анализа процессов позволяет строить цифровые модели бизнес-процессов, которые оказываются полезным источником сведений при проведении работ по анализу, моделированию и реинжинирингу в рамках процессного подхода. В настоящей работе разрабатывается метод построения модели бизнес-процесса на основе скрытой марковской модели с учетом ограничений, налагаемых предметной областью. Применение скрытой марковской модели позволяет использовать аппарат теории вероятностей и математической статистики для анализа бизнес-процессов, а также решать задачи классификации и кластеризации. В статье описываются возможности data-driven подхода к управлению бизнес-процессами и демонстрируются примеры практического применения метода для решения бизнес-задач: построение графа зависимостей, который может быть использован для выявления расхождений между фактическим и ожидаемым исполнением, а также способ предсказания исхода бизнес-процесса на основе последовательности наблюдаемых событий. https://bijournal.hse.ru/2024--3 Vol 18/966030942.html       В работе рассмотрен алгоритм для долгосрочного инвестирования, позволяющий находить оптимальные решения в пространстве меньшей размерности. Снижение размерности достигается путем применения метода главных компонент или ядерного метода главных компонент. Подбор весов для портфеля осуществляется с помощью метода Марковица. В качестве гиперпараметров для модели рассмотрены размер окна, параметр сглаживания, период ребалансировки и доля объясненной дисперсии в методах уменьшения размерности. Представленный алгоритм содержит регуляризацию весов с учетом комиссии за перебалансировку портфеля. Подбор гиперпараметров осуществляется на основе коэффициента Мартина, что позволяет учитывать максимальную просадку для рассматриваемых алгоритмов. Показано, что предложенный алгоритм, оптимизированный на данных с 1990 по 2016 год, способен обеспечить более высокую доходность и значение коэффициента Шарпа, чем бенчмарк S&P 500 в период с 2017 по 2022 год. Это свидетельствует о том, что с помощью корректировки весов в портфеле можно улучшить производительность алгоритма. https://bijournal.hse.ru/2024--3 Vol 18/966031972.html       Необходимость повышения эффективности современных сетевых предприятий на основе технологий цифровых платформ, двойников и нитей обусловливает актуальность внедрения в производственную практику динамических многоагентных технологий. Архитектурная сложность существующих многоагентных систем (МАС) и недостаточность научных работ в области обоснования методов и средств их создания обусловливает цель исследования по разработке комплексной технологии проектирования МАС, которая затрагивала бы все уровни архитектуры и позволяла бы адаптировать типовые и наилучшие проектные решения. В статье проведен анализ возможностей применения цифровых двойников и нитей при создании сетевых предприятий и предложены методы их реализации с помощью МАС. Разработана технология проектирования МАС в соответствии с архитектурными фреймворками IIRA (Industrial Internet Reference Architecture) и RAMI (Reference Architectural Model Industrie 4.0), которая позволяет осуществлять взаимосвязанное формирование и отображение результатов проектирования между различными уровнями архитектуры. На бизнес-уровне предлагается метод формирования бизнес-требований к МАС на основе выбора и адаптации бизнес-моделей и прикладных сценариев. На уровне построения производственных и бизнес-процессов представлен метод формирования функциональных требований к МАС, раскрывающий переход от сети ценностей к структурам производственных и бизнес-процессов. На уровне функционального проектирования многоагентной системы сетевого предприятия представляется метод формирования основных проектных решений с позиции реализации различных категорий сервисов с помощью административных оболочек активов и их специализации. На уровне проектирования технологической реализации МАС предлагается метод реализации программных агентов с помощью микросервисной организации программного обеспечения. Представленная методика адаптации типовых и наилучших моделей проектирования многоагентных систем позволяет осуществлять выбор из библиотек типовых моделей и баз знаний прецедентов адекватных проектных решений для последующей доработки, что дает возможность ускорить и повысить качество процесса проектирования. Внедрение разработанной технологии проектирования многоагентных систем позволит повысить адаптивность сетевых предприятий к динамически изменяемым потребностям бизнеса с учетом интересов и возможностей всех заинтересованных сторон. https://bijournal.hse.ru/2024--3 Vol 18/966054131.html Покупки, совершаемые на онлайн-платформах, в значительной степени основаны на искусственном интеллекте (ИИ), который формирует покупательское поведение потребителей. Для изучения намерений повторных покупок в данном исследовании использованы данные об ИИ, вовлеченности в социальные сети, оптимизации коэффициента конверсии, опыте использования бренда и предпочтениях бренда. Был проведен опрос с помощью анкеты, разосланной 355 респондентам, которые хотя бы раз покупали или пользовались услугами, предлагаемыми онлайн на любом сайте, связанном с авиацией. Гипотезы исследования были проанализированы с использованием Amos V.22. Эмпирические результаты показывают, что ИИ повлиял на вовлеченность в социальные сети, восприятие бренда, предпочтения к бренду и оптимизацию коэффициента конверсии. Оптимизация коэффициента конверсии и взаимодействие с социальными сетями также влияют на предпочтения и опыт использования бренда, которые, в свою очередь, влияют на намерение совершить повторную покупку. Кроме того, связь между искусственным интеллектом и намерением повторной покупки обусловлена вовлеченностью в социальные сети, опытом работы с брендом, оптимизацией коэффициента конверсии и предпочтениями бренда. Результаты исследования могут помочь авиакомпаниям в разработке ИИ и создании более эффективных кампаний по брендингу и маркетингу, чтобы повысить желание клиентов совершать повторные покупки. Исследование также показало, что использование ИИ в маркетинге значительно улучшило предпочтения бренда, что впоследствии повлияло на желание потребителей совершать дополнительные покупки. Кроме того, для улучшения долгосрочных коммерческих показателей и привлекательности бренда авиакомпаниям рекомендуется сосредоточить усилия по созданию бренда на ИИ и, таким образом, увеличить инвестиции в ИИ и технологии бронирования, как для привлечения новых клиентов, так и для удержания существующих.