• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Два исследования молодых ученых Питерской Вышки поддержаны Российским научным фондом

РНФ объявил победителей конкурса 2021 года «Проведение инициативных исследований молодыми учеными». 12 заявок ВШЭ получили грантовую поддержку. Среди победителей — сотрудники департамента менеджмента Санкт-Петербургской школы экономики и менеджмента Елена Покрышевская и Евгений Антипов.

Два исследования молодых ученых Питерской Вышки поддержаны Российским научным фондом

iStock

В конкурсе «Проведение инициативных исследований молодыми учеными» поддержку получили 12 проектов из 29 поданных Вышкой заявок. Ежегодно на протяжении двух лет победителям будет выделяться 1,5 миллиона рублей на исследования.

И Елена Покрышевская, и Евгений Антипов ранее уже были грантополучателями РНФ, но их нынешние интересы лежат в новых для исследователей предметных областях.

Проект Елены Покрышевской «Моделирование тяжести последствий дорожно-транспортных происшествий в России на основе методов интерпретируемого машинного обучения для аналитической поддержки выработки превентивных мер снижения смертности на дорогах» направлен на решение проблемы автоматизированного выявления условий, при которых происходят наиболее тяжелые с точки зрения человеческих жертв дорожно-транспортные происшествия (ДТП). Исследование будет проводиться на основе собираемых в России микроданных о ДТП: характер и место ДТП, состояние дорожного покрытия, освещенность, технические неисправности транспортного средства, стаж водителя и прочее. Эти данные, как правило, учитываются в рамках деятельности ГАИ МВД России.

Результатом работы станет основанный на сложном анализе данных набор рекомендаций для разработки и обновления превентивных мер по снижению смертности на дорогах в разных регионах России. Еще один результат — программный код, позволяющий автоматически обновлять таблицы, графики и модели, позволяющие давать такие рекомендации, с учетом новых данных.

Покрышевская Елена Борисовна

Елена Покрышевская, доцент департамента менеджмента Санкт-Петербургской школы экономики и менеджмента:

Данное исследование посвящено предметной области, которой я ранее не занималась, однако владение методами эконометрики и машинного обучения позволяет отвечать на самые разные вопросы. Так, тяжесть дорожно-транспортного происшествия может моделироваться теми же методами, что и рейтинг кредитоспособости предприятия, удовлетворенность покупателя или степень тяжести заболевания.

Новый исследовательский проект Евгения Антипова связан с анализом спроса, как и его прежние исследования. Работа «Аналитическая поддержка разработки конкурентоспособных цифровых устройств на основе моделирования спроса и потребительских предпочтений методами машинного обучения» направлена на разработку методик поддержки принятия обоснованных решений относительно разработки новых или модификации старых моделей цифровой техники. Исследование прольет свет на движущие силы успеха лидеров рынка и отставания менее популярных моделей, а также даст практикам и исследователям набор инструментов для регулярного мониторинга потребительских предпочтений на основе больших объемов свободно доступных данных.

Антипов Евгений Александрович

Евгений Антипов, доцент департамента менеджмента Санкт-Петербургской школы экономики и менеджмента:

Идея проекта в том, чтобы разработать инструменты эффективного использования свободно доступных данных для выявления того, почему одни модели техники продаются лучше других, оставляют потребителей более удовлетворенными. Насколько сильна роль бренда, и насколько — характеристик? Каких именно характеристик? Какие характеристики особенно сильно выделяют цифровые устройства последних двух лет на фоне более ранних моделей? Ответы на эти и другие вопросы можно получить, анализируя открытые источники без проведения дорогостоящих первичных исследований. Эти знания могут повысить шансы российских производителей на создание конкурентоспособной продукции.

В ходе исследования планируется создать прототип программного комплекса, позволяющего формировать для заданной товарной категории (например, «смартфоны») отчет, содержащий сведения о выявленных методами машинного обучения и эконометрики особенностях товаров, наиболее и наименее успешных с точки зрения продаж и удовлетворенности покупателей. Кроме того, такой отчет предоставит данные о характере влияния этих особенностей на результирующие показатели, а также другие результаты, отражающие ключевые ценообразующие факторы, которые наиболее сильно отличают изделия более поздних лет от изделий более ранних лет выпуска. Это позволит продвинуться в решении масштабной проблемы разработки цифровых продуктов с научно обоснованным набором технических, эстетических и ценовых характеристик.