Введение: к постиндустриальному обществу на гигантской территории

Сегодня мир переходит к новой технологической парадигме или, как часто об этом говорят, к новому технологическому укладу. Речь идет о постиндустриальном обществе, где подавляющая часть занятых будет сконцентрирована в сфере услуг, в том числе в творческих видах деятельности. При этом аграрный, индустриальный и информационный сектора никто не отменяет, но они перестают быть главными поставщиками рабочих мест, оставаясь при этом главной движущей силой развития экономики. В связи с этим правомерно поставить вопрос о том, как должна меняться модель организации экономического пространства страны в новых условиях. Когда говорят о России, всегда на первый план выходят ее размеры, что в случае сбалансированного развития территории предполагает и сбалансированное снабжение кадрами всех ее отраслей и регионов. В связи с этим возникает традиционная и давно известная, но в условиях нового технологического уклада еще более актуальная проблема рационального размещения производств и специализированных вузов в регионах России.

Указанная проблема усугубляется меняющейся ролью вузов, которые больше не могут выступать монополистами каких-либо знаний, а все больше должны подстраиваться под нужды экономики, в том числе региональной. При этом в умах молодежи постепенно начинает происходить пересмотр ценности высшего образования в пользу ее если и не полного отрицания, то, по крайней мере, уменьшения [1]. Учитывая, что даже в предыдущие периоды времени экономическое развитие территории России не отличалось правильностью и сбалансированностью – как по субъективным, так и по объективным причинам, – правомерно предположить, что в условиях новой технологической доктрины ситуация может еще больше ухудшиться. В связи с этим цель статьи состоит в развитии аналитических подходов к идентификации дефицита/избытка студентов по трем выбранным пилотным направлениям подготовки («Агросектор», «Здравоохранение» и «Туризм») в субъектах РФ, а также в предложениях по рациональному переформатированию нынешней системы подготовки кадров в регионах. Новизна методического подхода состоит в совмещении профессиональной структуры регионального рынка и региональной системы подготовки кадров, а также в определении величины дефицита молодежи по соответствующим видам деятельности в субъектах РФ; в отличие от подавляющего большинства работ по данной тематике в статье рассматривается зависимость числа студентов от численности регионального рынка труда, а также сделан акцент на развитии отраслей, характерных для постиндустриального общества с явно выраженной социальной направленностью процесса вовлечения в них рабочей силы.

Методология определения регионально–отраслевых диспропорций в распределении кадров

Старая система высшего образования (СВО), ориентированная на предоставление студентам общих и зачастую весьма абстрактных знаний с последующей их конкретизацией на непосредственном рабочем месте, становится неэффективной, а адаптация общих знаний к реальным проблемам оказывается все более сложной, а подчас и невозможной. Все это ведет к тому, что вузы должны все более активно интегрироваться в региональную экономику, обеспечивая ее действительно необходимыми и квалифицированными специалистами. Такой подход к обучению в наши дни получает все большее распространение как в России, так и за рубежом [2, 3, 4].

Пересмотр традиционных подходов к обучению произошел в конце прошлого века, когда в обиход вошло понятие «академический капитализм», обозначающее переход результата труда преподавателя и ученого от общественного знания к коммерциализируемому [5]. Это положило начало трансформации университетов и их встраиванию в национальные инновационные системы. Сегодня наибольшее распространение получила концепция «тройной спирали» (Triple helix model), предполагающая сотрудничество государства, бизнеса и научного (университетского) сектора [6, 7]. Ее практическое воплощение заключается в создании взаимовыгодного партнерства, когда научный сектор, генерирующий новые знания, получает реального заказчика, бизнес – новые идеи и технологии, государство – экономический рост. Результатом подобного сотрудничества стало формирование таких новых образцов СВО, как предпринимательские университеты, способствующие трансферу научных технологий в промышленную среду [8, 9], исследовательские университеты, где в приоритете научная деятельность [10], и других организационных моделей (подробнее см.: [11]).

Взаимодействие университетов, бизнеса и власти породило различные механизмы и формы сотрудничества. В зарубежной литературе имеется множество статей, посвященных изучению подобного рода механизмов, в основе которых лежит модель тройной спирали (напр., [12, 13]). Обобщая, можно отметить, что за рубежом широкое распространение получили инфраструктурные подходы (строительство на базе университетов технопарков и исследовательских центров), институциональные механизмы (выделение государственных средств на осуществление вузами научно–исследовательской деятельности, система институциональных грантов, разделение университетов на прикладные и фундаментальные), коллаборативные инструменты (получение практического опыта на предприятиях в процессе реализации образовательных программ, написание выпускных квалифицированных работ, ориентированных на решение конкретной бизнес–задачи, предложенной студентам представителями бизнес–структур) и другие подходы (подробнее, см.: [14]).

Российская практика внедрения тройной спирали представлена такими инструментами консолидации, как инновационная инфраструктура университетов (технопарки, бизнес–инкубаторы и т.п.), опорные вузы [15], базовые кафедры [16] и научно–образовательные центры [17], национальная система квалификаций [18], целевое обучение и другие механизмы, анализу и оценке которых посвящено достаточно много работ [11, 19, 20].

Для изучения регионально–отраслевых диспропорций в распределении кадров в России рассмотрим три отраслевых сегмента экономики субъектов РФ. Выбор первого связан с тем фактом, что каждый регион в силу своей природно–географической специфики вовлечен в макроэкономический процесс разделения труда и имеет вполне определенный отраслевой драйвер экономического развития: для одних территорий это аграрный сектор, для других – нефтедобыча, для третьих – автомобилестроение и т.д. Указанные сегменты будем называть отраслями–драйверами регионов: в них сконцентрированы соответствующие кадры, тогда как на остальной территории государства они присутствуют в незначительных масштабах.

Второй сегмент национальной экономики охватывает витальные (жизнеобеспечивающие и инфраструктурные) отрасли, без которых полноценное существование людей в регионах невозможно. Это здравоохранение, образование, энергетика, транспорт и т.п. При этом кадры витальных отраслей уже не подчиняются логике регионального разделения труда и не обладают свойством сгущения в определенных участках территории России, а наоборот, относительно равномерно рассредоточены по всей стране в зависимости от плотности населения соответствующих регионов. Иными словами, если активность отраслей–драйверов привязана к земле и ее ресурсам, то активность витальных отраслей привязана к населению и его потребностям.

Третий сегмент только начинает формироваться в своей зрелой форме и включает в себя постиндустриальные отрасли, для которых характерна работа с досугом населения на основе креативных решений. Развитие данного сегмента является одним из ключевых трендов мировой экономики нашего времени. Он обусловлен стремительным развитием технологий и переходом к автоматизированному производству. Фактически, если страна хочет быть технологическим лидером, она непременно столкнется с проблемой технологической безработицы, игнорировать которую не получится [21, 22]. В связи с этим уже сегодня необходимо прорабатывать возможные варианты перераспределения трудовых ресурсов. Экономика досуга является одной из перспектив в данном направлении. Стоит отметить, что по оценкам консалтинговой компании McKinsey в ближайшее десятилетие произойдет перераспределение спроса на профессии в сторону досугоемких и витальных отраслей [1].

В разряд досугоемких отраслей попадают туризм, гостиничный бизнес, общественное питание, киноиндустрия, музеи, театры и различные спортивно-развлекательные структуры, т.е. все то, что по классификации ОКВЭД относится к категориям «Деятельность в области культуры, спорта, организаций досуга и развлечений», «Деятельность гостиниц и предприятий общественного питания».  Отчасти в этой же группе присутствуют сегменты информационной экономики (категория «Деятельность в области информации и связи»): программное обеспечение автоматических производств, производство кинофильмов и сериалов, компьютерных игр, разнообразных квестов и т.п. Важная характеристика новых отраслей состоит в креативности их персонала, который в рамках традиционных услуг способен найти что-то оригинальное, что будет привлекать потребителя, в том числе и из других регионов.

Сказанное предполагает в недалеком будущем переформатирование национальной экономики России в направлении обеспечения ее регионов кадрами для трех функционально различных отраслевых сегментов.

Данный факт требует, чтобы центр подготовки специалистов и центр предоставления им рабочих мест находились недалеко друг от друга. В противном случае возникает необходимость возмещения нехватки кадров за счет миграции специалистов из других регионов, что в условиях недостаточно развитого рынка жилья и огромных размеров страны представляет самостоятельную проблему. При этом близость центров занятости и подготовки кадров важна даже на стадии обучения, так как уже в этот период студенты должны проходить практические занятия на реальных рабочих местах для обеспечения своей будущей профессиональной дееспособности.

Для выявления кадровых дисбалансов между реальной экономикой и СВО в дальнейшем будем придерживаться двухшаговой аналитической процедуры – региональной и регионально–отраслевой диагностики.

На первом шаге следует определить наиболее проблемные регионы, в которых система подготовки кадров так или иначе не соответствует местной экономике. Для этого нами будут установлены две статистические зависимости – числа студентов от объема валового регионального продукта (ВРП) и численности безработных от числа студентов. Данные зависимости будут использоваться в качестве границ эффективности региональной кадровой политики, в связи с чем регионы, лежащие за пределами этих границ, будут считаться проблемными.

На втором шаге нашего анализа следует произвести наложение реальной карты отраслевой активности регионов с картой наличия специализированных (отраслевых) вузов (численности их студентов). Расхождения в указанных географических картах призваны диагностировать имеющиеся территориально–отраслевые дисбалансы в СВО с тем, чтобы впоследствии их можно было устранить или ослабить.

Для удобства сравнения карт экономической активности разделим все регионы на две зоны – повышенной и пониженной активности рассматриваемой отрасли. В дальнейшем будем называть их соответственно – активная и пассивная зоны. Данный подход позволить определить дисбаланс между активностью двух указанных зон.

Для максимальной наглядности проблем занятости и подготовки кадров рассмотрим три отраслевых сегмента – аграрный, здравоохранение и туризм, которые характеризуют рассмотренные выше три разноплановых отраслевых сектора экономики.

Эффективность системы подготовки кадров в регионах России: эмпирические оценки

В настоящее время среди экономистов доминирует мнение, что вузы могут выступать в качестве драйверов экономического развития регионов.  Однако есть и иная точка зрения, согласно которой вузы, их масштаб и успех зависят от уровня экономического развития среды, в которой они функционируют. Так, в исследовании [23] было проанализировано влияние затрат на НИР и числа высших образовательных и научных организаций на экономическое развитие региона, в результате которого было показано, что полученная зависимость в состоянии описать менее 10% регионов, для остальных регионов данная модель не является определяющей. Придерживаясь второй позиции, оценим степень активности СВО регионов и их экономической активности. Для этого рассмотрим зависимость между двумя показателями – численностью студентов (N) и уровнем ВРП (GRP). При этом первая переменная включает только бюджетные места в региональных вузах, что позволяет учесть федеральную и региональную кадровую политику, т.е. государственные вложения в подготовку кадров. Дополнением указанной зависимости должна стать другая закономерность – между численность безработных (U) и числом студентов (N). В этом случае можно непосредственно оценить социальную эффективность региональной кадровой политики в отношении подготавливаемых молодых специалистов.

Исходный массив данных включает 85 регионов, которые характеризуются вполне ожидаемой неоднородностью. В частности, в пяти регионах страны – Чукотском и Ямало–Ненецком АО, Республиках Тыва, Ингушетия и Чечня – нарушается правило, действующее для остальных 80 субъектов федерации: N>U. Так как на этих территориях происходит инверсия общего правила, то в модельных расчетах численность студентов для них фигурирует со знаком минус.

Эксперименты с зависимостью активности СВО и региональной экономики позволили получить следующую эконометрическую зависимость:

                             (1)

R²=0,849; N=85; F=465,9; A=47,3%.

где N – число студентов; GRP – валовый региональный продукт; R² – коэффициент детерминации; N – число наблюдений (регионов); F – значение F-критерия; A – среднее относительное отклонение фактического значения от модельного; в скобках под коэффициентами регрессии указаны значения их t–статистик.

Зависимость (1) проходит все статистические тесты и является достаточно устойчивой. Вместе с тем ошибка аппроксимации данной модели является весьма значительной, что делает ее непригодной для прикладных прогнозных расчетов. Однако в нашей схеме полученная прямая линия (1) используется в иных целях, а именно, для определения общенационального тренда в подготовке кадров СВО в зависимости от ВРП. В этом случае сильно рассредоточенное облако фактических значений исключает высокую точность модели, но дает возможность определить направление и величину отклонения каждого региона от сложившегося глобального тренда. В этом и состоит суть предлагаемого подхода. Регионы, находящиеся выше линии тренда (1), которую дальше будем условно называть границей экономической эффективности, демонстрируют чрезмерную образовательную активность, ниже – недостаточную активность. Для нас особый интерес представляет первая группа территорий, т.к. они получают государственную поддержку на СВО, не имея на то экономических оснований, что чревато холостыми тратами на подготовку специалистов. В такой ситуации более рациональным представляется перераспределение ресурсов в пользу регионов, экономическое развитие которых требует более интенсивной подготовки кадров. Дихотомия регионов России относительно линии тренда представлена на рисунке 1.

Рис. 1. Дихотомия субъектов РФ относительно линии тренда (1)

Отметим, что само построение модели (1) подтверждает нашу исходную гипотезу, что экономическая активность является первичным феноменом, а подготовка кадров СВО – вторичным; попытка построить обратную зависимость приводит к потере значимости модельной константы.

Относительно второй границы эффективности возникает больше технических трудностей из-за большой разницы на рынках труда регионов. Избежать эту проблему можно за счет введения фиктивной переменной, учитывающей специфику региона. Расчеты позволили установить следующую зависимость:

                                 (2)

R²=0,587; N=85; F=58,2; A=35.3%.

где U – численность безработных; N – численность студентов; D – дамми–переменная, принимающая три значения в зависимости от типа региона: 1, 0 и –1.

Зависимость (2) также проходит все статистические тесты и может использоваться в качестве границы социальной эффективности: регионы, находящиеся выше нее, демонстрируют крайне низкую вовлеченность студентов на местном рынке труда, ниже – высокую вовлеченность. Как и ранее, особый интерес представляет первая группа, т.к. ее регионы имеют явные признаки социального неблагополучия. Графически данный эффект будет выглядеть так же, как на рисунке 1.

Чтобы идентифицировать регионы с наиболее ярко выраженными кадровыми дисбалансами воспользуемся следующим алгоритмом. На первом шаге отберем все регионы, находящиеся выше границ экономической и социальной эффективности. Для первой таких регионов 50, для второй – 37. На втором шаге воспользуемся диапазоном допустимых значений, в качестве которого возьмем относительное отклонение от границ не более 15%. Столь незначительное превышение линии тренда может считаться вполне допустимым и соответствующие регионы не имеет смысла включать в список проблемных. Результаты такой калибровки дают для границ экономической и социальной эффективности 31 и 25 регионов соответственно. На третьем шаге мы выявляем регионы, одновременно входящие в оба списка неблагополучных субъектов федерации. Окончательный результат дает 9 регионов, представленных в таблице 1. Именно в этих регионах имеет место наиболее явный дисбаланс между системой подготовки кадров и потребностями реальной экономики.

Таблица 1. Субъекты РФ с наибольшими кадровыми дисбалансами, 2019 г.

К девяти регионам табл. 1 надо добавить пять ранее отмеченных субъектов, в которых сложились крайне специфичные условия на рынке труда: Чукотский и Ямало–Ненецкий АО, Республики Тыва, Ингушетия и Чечня.

Основной результат, который нами получен с помощью эконометрических зависимостей (1) и (2), состоит в том, что в стране существуют локальные территориальные зоны, в которых имеет место качественное несоответствие подготавливаемых кадров и потребностей экономики. Это проявляется, во-первых, в относительном избытке студентов на указанных территориях, а, во-вторых, в слабой интеграции студентов в региональный рынок труда и пополнением их рядов безработных. В Чукотском и Ямало–Ненецком АО, Республиках Тыва, Ингушетия и Чечня ситуация обстоит с точностью до наоборот – в них имеется явная нехватка студентов на фоне высокой безработицы. Причем экономическое развитие этих регионов, как это ни парадоксально, ведет к оттоку студентов. Хотя такая ситуация очень специфичная, однако и здесь налицо явное качественное несоответствие подготавливаемых кадров тем требованиям, которые предъявляет к ним региональная экономика.

Рассмотренная проблема имеет два измерения – количественный и качественный. Первый предполагает корректировку региональных квот бюджетных мест, второй – изменение набора профессий, по которым выделяются указанные бюджетные квоты. Для оценки степени соответствия экономики регионов некоторым кадровым категориям ниже рассмотрим три наиболее репрезентативные отрасли.

Регионально–отраслевые диспропорции: аграрный сектор

В качестве первого отраслевого драйвера развития региональной экономики возьмем аграрный сектор. Для этого построим карту аграрной активности регионов России по объему производства (рисунок 2) и сравним ее с картой распределения аграрных вузов страны по регионам (рисунок 3). В качестве источника данных об аграрных вузах России использованы сайты некоммерческой организации «Ассоциация образовательных учреждений АПК и рыболовства» [2], единого портала аграрных вузов России [3], «Универ–эксперт и академический критик» [4].

Рис. 2. Карта аграрной активности регионов России по объему производства, 2019 г.

Рис. 3. Карта распределения аграрных вузов страны по регионам страны, 2021 год

Рассмотрим более подробно активную и пассивную зоны аграрной деятельности. Несложно видеть, что площадь активной зоны на двух картах различна, а ее контуры не совпадают. Тем самым можно констатировать наличие определенных перекосов в аграрной деятельности регионов и подготовке кадров для данного сектора. Так как полной конгруэнтности двух карт в реальности не может быть, то для уяснения масштаба имеющихся дисбалансов рассмотрим коэффициенты концентрации территории, кадров, продукции и выпускников вузов в активной зоне, которая включает 17 регионов. Поясним, что сами эти 17 регионов отобраны по простому алгоритму: среди субъектов федерации, проранжированных по объему производства аграрной продукции, берутся те первые территории, которые в сумме дают более 50% всей сельскохозяйственной продукции страны. На следующем этапе вычисляются численность занятых, число вузов, число регионов и площадь территории активной зоны для определения соответствующих долевых коэффициентов. Результаты описанных расчетов приведены в таблице 2.

Таблица 2. Относительные показатели активной аграрной зоны

Из данных таблицы 2 вытекают следующие выводы.

Во-первых, для России характерна умеренная, но явно выраженная концентрация аграрного сектора в активной зоне. Так, на 1/5 часть всех регионов страны, занимающих 1/13 часть всей ее территории, приходится более половины производимой аграрной продукции, немного меньше половины всех занятых отрасли, треть всех аграрных вузов и почти половина подготавливаемых студентов. При этом активная зона, помимо всего прочего, характеризуется более высокой продуктивностью расположенных на ней аграрных хозяйств: их производительность труда более чем на треть выше, чем в пассивной зоне. В связи с этим можно утверждать, что географическая концентрация производства наряду с наличием специализированных вузов по подготовке аграрных кадров способствуют не только более быстрому росту производства, но и опережающему росту его эффективности.

Во-вторых, географическое распределение аграрных университетов страны является более равномерным, чем это необходимо отрасли сельского хозяйства. Здесь имеет место не вполне обоснованный дисбаланс: в пассивной зоне, в которой производится 45,5% отраслевой продукции, сосредоточено 67,8% вузов аграрного профиля. Такое распыление образовательного ресурса отчасти объяснимо, однако при возможности открытия в пассивной зоне филиалов аграрных вузов из регионов активной зоны и современных возможностей онлайн–образования с подобным явлением уже нельзя мириться. Следовательно, в пространственной архитектуре аграрных вузов необходима определенная коррекция.

В-третьих, студенческий потенциал аграрных вузов активной зоны гораздо выше, чем вузов пассивной зоны. Расчеты показывают, что размер вузов активной зоны на 88,5% больше, чем вузов пассивной зоны. Кроме того, доля выпускаемых студентов–аграриев вузами активной зоны на 1,2 процентных пункта (п.п.) выше, чем в пассивной зоне, что говорит об ускоренном воспроизводстве кадров на территории активной зоны по сравнению с небольшой заторможенностью СВО пассивной зоны.

В-четвертых, помимо общего пространственного дисбаланса в распределении аграрных вузов России имеет место множество локальных дисбалансов, которые по своей природе являются более болезненными. Для иллюстрации имеющихся проблем приведем несколько наиболее ярких примеров. Так, в Чеченской Республике, Республиках Мордовия, Калмыкия, Алтай и Ингушетия доля населения в аграрном секторе составляет соответственно 20,3, 20,0, 18,1, 17,6 и 16,0%. Таким образом, в названных регионах от 1/6 до 1/5 населения занято в сельском хозяйстве, но при этом ни в одном из указанных регионов нет «своего» аграрного университета. Похожая ситуация характерна для Карачаево–Черкесской Республики, Астраханской области, Красноярского края, Республик Крым и Адыгея. При этом отсутствие своего вуза сельскохозяйственного профиля неявно, но все-таки сказывается на продуктивности аграрного сектора региона. Например, если взять в качестве эталона Краснодарский край, который дает стране 7,2% всей аграрной продукции, то его отраслевая производительность труда в 6,0 раза выше, чем в Чечне, в 1,9 раза – в Мордовии, в 1,2 раза – в Калмыкии, в 2,4 раза – на Алтае, в 5,0 раза – в Ингушетии, в 1,4 раза – в Карачаево-Черкессии, в 2,2 раза – в Астраханской области, в 3,8 раза – в Красноярском крае, в 3,2 раза – в Крыму и в 1,1 раза – в Адыгее. Все это убедительно говорит, что отраслевой драйвер региональной экономики требует наличия в регионе собственного вуза соответствующего профиля. Как было показано выше, в России имеется достаточное количество подобных региональных образовательных лакун, которые требуют оперативного управленческого решения.

Сказанное позволяет сделать вывод о том, что, хотя в стране не наблюдается катастрофического дисбаланса в подготовке специалистов для аграрного сектора регионов, вместе с тем можно констатировать наличие локальных проблем, которые нуждаются в системном решении и несут в себе значительный потенциал повышения эффективности российской экономики.

Регионально–отраслевые диспропорции: сфера здравоохранения

В качестве второго отраслевого сегмента развития региональной экономики рассмотрим сферу здравоохранения.

Как и ранее, сопоставим две карты: активности сферы здравоохранения регионов России по показателю обеспеченности населения врачебным персоналом (рисунок 4) и карту распределения медицинских вузов страны и университетов с медицинскими факультетами по регионам (рисунок 5). В качестве источника данных использована информация с сайта Русского образовательного центра [5], справочно-информационного сетевого издания Ucheba.RU [6], портала Вузотека.ру [7].

Рис. 4. Карта обеспечения населения регионов России врачебным персоналом в 2019 г., врачей на 10 тыс. чел.

Рис. 5. Карта распределения медицинских вузов страны по регионам страны, 2021 год

Как и в предыдущем разделе рассмотрим более подробно активную и пассивную зоны здравоохранения. Несложно видеть, что карты на рисунках 4 и 5 не столь разительно различаются, как карты на рисунках 2 и 3. Следовательно, региональные распределения медицинского персонала и студентов–медиков гораздо ближе, нежели для работников–аграриев и студентов–аграриев. Для лучшего уяснения масштаба имеющихся дисбалансов рассмотрим соответствующие коэффициенты концентрации (таблица 3).

Таблица 3. Относительные показатели активной зоны сферы здравоохранения

Обращает на себя внимание, что более 50% аграрной продукции производится в 17 регионах страны, тогда как почти половина всего медицинского персонала страны распределена в половине ее регионов. Аналогичным образом, разрыв между активной и пассивной зонами для сферы здравоохранения ниже, чем для аграрного сектора. Однако сравнения по укрупненным зонам снижает наглядность той разницы, которая имеет место между двумя отраслями. Например, коэффициент поляризации производительности аграрного сектора (отношение максимального значения из всех регионов к минимальному) составляет почти 20 раз (табл. 2), а для обеспеченности медицинским персоналом – почти 3 раза (табл. 3). Данный факт наиболее ярко демонстрирует разницу в территориальной организации отрасли–драйвера и витальной отрасли.

Несмотря на то, что оставшееся России в наследие от СССР территориальное распределение медицинских кадров и вузов является вполне приемлемым, локальные кадровые диспропорции все–таки здесь также имеются. Например, если в качестве эталона обеспеченности населения медицинским персоналом взять Санкт–Петербург (84,9 чел. на 100000 жителей), а качественным различием считать уровень обеспеченность более чем в 2 раза меньший, чем эталонный (29,3–42,3 чел.), то в неудовлетворительном состоянии находится 20 субъектов федерации страны, т.е. почти четверть всех регионов России: Липецкая область, Республика Хакасия, Челябинская область, Карачаево–Черкесская Республика, Республика Дагестан, Белгородская область, Тамбовская область, Брянская область, Республика Адыгея, Тульская область, Костромская область, Еврейская автономная область, Ленинградская область, Ростовская область, Республика Марий Эл, Вологодская область, Владимирская область, Псковская область, Чеченская Республика и Курганская область. Причем в 12 из названных субъектов федерации имеются либо медицинские вузы, либо медицинские факультеты в университетах. Совершенно очевидно, что такое положение дел является нерациональным и подлежит исправлению.

Для этого, на наш взгляд, можно осуществить ряд мер. Во-первых, увеличить квоты бюджетных мест на студентов–медиков в региональных учебных заведениях 12 регионов, что при наличии учебной базы не приведет к существенным дополнительным инвестициям. В остальных 8 регионах можно либо 1) основать хотя бы филиалы медицинских вузов, либо 2) оформить целевой заказ данными регионами для вузов соседних регионов с последующим возвращением выпускников на место проживания. Первый путь целесообразен при наличии большого дефицита и может быть реализовать в долгосрочном периоде, второй – при несущественном дефиците и необходимости оперативного решения проблемы. Со временем можно от тактических мер перейти к стратегическим.

Регионально–отраслевые диспропорции: сфера туризма

В качестве третьего и наиболее интересного отраслевого сегмента развития региональной экономики более пристально рассмотрим сферу туризма.

Как и в предыдущих разделах, сопоставим две карты: активности сферы туризма, оцениваемой по потоку туристов (рисунок 6), и обеспеченности туристов студентами соответствующей специализации, оцениваемой как отношение числа студентов [8] на 100 тыс. чел. туристов (рисунок 7). При этом в качестве информационной базы использовались данные порталов Вузотека.ру [9], Vuzopedia [10], Поступи Онлайн [11].  Для более полного учета туристической активности региона суммировались его въездные и выездные потоки, данные о которых представлены на сайтах Росстата и Федерального агентства по туризму.

Рис. 6. Карта суммарных туристических потоках в регионах в 2019 году, тыс. чел.

Рис. 7. Карта обеспеченности туристов студентами в 2021 году, студентов на тыс. чел. туристов

Расчеты показывают, что активная зона отечественного туризма включает всего лишь 6 регионов – Москва, Краснодарский край, Московская область, Санкт–Петербург, Республика Татарстан, Республика Крым. При этом в отличие от предыдущих отраслей можно видеть любопытное соотношение двух карт: более активные туристические регионы обладают меньшей обеспеченностью студентов сферы туризма. Об этом же говорит соотношение средней обеспеченности туристов студентами в активной и пассивной зонах – в первой зоне обеспеченность составляет только половину от аналогичного показателя второй (таблица 4). Еще более разительный контраст просматривается при сравнении отдельных регионов. Например, если отбросить незначимые показатели обеспеченности (нули и значения меньше 1), то минимальная обеспеченность будет характерна для Москвы, а максимальная – для Чеченской Республики. При этом коэффициент региональной поляризации зашкаливает на беспрецедентной отметке и в 2,5 раза превосходит аналогичный показатель для аграрного сектора.

Таблица 4. Относительные показатели активной зоны сферы туризма

Полученный результат означает, что СВО не просто отстает от потребностей отрасли туризма, но, можно сказать, вообще никак не связана с ней. Этот момент приобретает особую важность в связи с тем, что сложившиеся кадровые регионально–отраслевые диспропорции в сфере туризма продуцируются неверной государственной политикой. Речь идет о том, что регулятор не видит перспектив по подготовке специалистов сферы туризма и не выделяет на это достаточно средств, а если и делает это, то совершенно без учета сложившихся на рынке реалий. Более того, проведенные расчеты основаны на учете всех обучающихся по специальности «туризм», однако среди таковых почти нет бюджетников, а большая часть контингента представлена заочной внебюджетной формой обучения. Таким образом, государство де факто устранилось от поддержки данной сферы деятельности.

На наш взгляд, наличие в России большого числа территорий, которые выступают в роли активных доноров и реципиентов туристов, предполагает подготовку специалистов в сфере туризма для последующего их вовлечения на растущий региональный рынок труда данной отрасли. В противном случае развитие туризма, представляющего собой пример постиндустриальной отрасли, будет тормозиться нехваткой подготовленных кадров.

Обсуждение результатов

Построение постиндустриального общества предполагает существенное сокращение доли занятых в аграрном и промышленном секторах с одновременным переливом кадров в информационную сферы и сферу услуг. Результаты экспериментальных расчетов для трех отраслей показали, что в традиционных, «старых» отраслях–драйверах региональной экономики и витальных отраслях до сих пор имеются локальные регионально–отраслевые диспропорции, которые следует ликвидировать более активной политикой подготовки соответствующих кадров СВО. Одновременно с этим на примере туризма просматривается безучастное отношение регулятора к будущему постиндустриальных отраслей. Такая политика чревата большими социальными проблемами, т.к. растущая армия безработных в условиях технологического прогресса должна быть распределена в другие – постиндустриальные – сектора экономики, которые к моменту неизбежного кризиса занятости должны быть заранее сформированы.

И наоборот, проактивная образовательная политика позволяет не только подготовить кадры для постиндустриальных отраслей, но за счет быстрого развития последних осуществить интеграцию трех типов отраслей, когда, например, сфера туризма превращается в новую отрасль-драйвер экономики региона и параллельно, решая проблему трудоустройства местного населения, в витальную отрасль, без которой социальный кризис неизбежен.

Заключение

В настоящее время кадровые дисбалансы между СВО и реальной экономикой в России существуют, но они не фатальны. Перенастройка кадровых и образовательных приоритетов государства позволяет устранить имеющиеся диспропорции и дать новый импульс как региональным экономикам, так и университетскому сектору. Для этого необходимо, прежде всего, переосмыслить роль и значимость досугоемких отраслей в экономике будущего, поскольку, по всей видимости, именно они должны стать основной сферой, куда будут перенаправлены потоки высвобождающихся в результате технологического прогресса занятых в индустриальных отраслях. Очевидно, что уже сегодня должно формироваться новое поколение занятых. И происходить это должно при непосредственном участии как СВО, так и бизнеса и региональных властей.

Если же нынешние кадровые дисбалансы проигнорировать, то в условиях повсеместного роста производительности труда и вытеснения работников может возникнуть масштабная технологическая безработица, которая неизбежно перерастет в социальный кризис.

ЛИТЕРАТУРА

1. Зубок Ю.А., Чупров В.И. Отношение молодежи к образованию как фактор повышения эффективности подготовки высококвалифицированных кадров // Социологические исследования. 2012. № 8(340). С. 103–111.

2. Caraca J., Lundvall B.A., Mendonca S. The changing role of science in the innovation process: From Queen to Cinderella? Technological Forecasting and Social Change, 2009, vol. 76, no. 6, pp. 861–867. DOI: 10.1016/j.techfore.2008.08.003.

3. Ильин А.Б., Леонтьева Л.С. Актуальные инструменты формирования предпринимательских компетенций в сфере высшего образования // Человеческий капитал и профессиональное образование. 2015. № 4. С. 66–71.

4. Vlasova V. Industry–science cooperation and public policy instruments utilization in the private sector. Journal of Business Research, 2021, vol. 124, pp. 519–528. DOI: 10.1016/j.jbusres.2020.10.072.

5. Slaughter Sh., Leslie L.L. Academic Capitalism: Politics, Policies, and the Entrepreneurial University. Baltimore: Johns Hopkins University Press, 1997. 276 p.

6. Etzkowitz H., Leydesdorff L. The Endless Transition: A “Triple Helix” of University–Industry–Government Relations. Minerva, 1998, no. 36, pp. 203–208. DOI: 10.1023/A:1017159001649.

7. Баймуратов У.Б., Жанбаев Р.А., Сагинтаева С.С. Модель тройной спирали в формировании концептуального механизма взаимодействия высшего образования и бизнеса: региональный аспект // Экономика региона. 2020. № 16(4). C. 1046–1060. DOI: 10.17059/ekon.reg.2020-4-3.

8. Etzkowitz H., Webster A., Gebhardt C., Terra B.R.C. The Future of the University and the University of the Future: Evolution of Ivory Tower to Entrepreneurial Paradigm. Research policy, 2000, vol. 29, no. 2, pp. 313–330. DOI: 10.1016/S0048-7333(99)00069-4.

9. Андрюшкевич О.А., Денисова И.М. Формирование предпринимательских университетов в инновационной экономике // Экономическая наука современной России. 2014. № 3 (66). С. 87–104.

10. Павельева Т., Крючкова С. Модель исследовательского университета в России: плюсы и минусы // Станкоинструмент. 2016. № 4 (5). C. 92–96.

11. Соловей О.В. Интеграция образования, бизнеса и государства в условиях инновационной экономики // Экономика образования. 2021. № 2. С. 4–14.

12. Basso F.G., Pereira C.G., Porto G.S. Cooperation and technological areas in the state universities of São Paulo: An analysis from the perspective of the triple helix model. Technology in Society, 2021, vol. 65, article 101566. DOI: 10.1016/j.techsoc.2021.101566.

13. Liu Y., Huang Q. University capability as a micro–foundation for the Triple Helix model: The case of China. Technovation, 2018, vol. 76–77, pp. 40–50. DOI: 10.1016/j.technovation.2018.02.013.

14. Сагинова О.В., Максимова С.М. Опыт взаимодействия вузов и предпринимательских структур // Российское предпринимательство. 2017. Том 18. № 3. С. 377–387. DOI: 10.18334/rp.18.3.37304.

15. Ильина Л.А. Опорный университет как драйвер инновационной научно–образовательной среды региона // Вестник Алтайской академии экономики и права. 2020. № 5–1. С. 76–85. DOI: 10.17513/vaael.1114.

16. Бородавкин В.А., Щеглов Д.К., Охочинский М.Н., Русина А.А. Базовая кафедра предприятия в структуре высшего учебного заведения // Инновации. 2015. № 9. С. 93–97.

17. Печаткин В.В. Формирование научно–образовательных центров мирового уровня в регионах России как инструмент повышения конкурентоустойчивости территорий // Экономические отношения. 2019. № 4. С. 3075–3086. DOI: 10.18334/eo.9.4.41267.

18. Миронова Т.Н., Алексеенко Л.Ф. Национальная система квалификаций как механизм регулирования взаимодействия рынка труда и системы образования // Экономический вестник университета. 2019. № 40–2. С. 28–33.

19. Ольховая Т.А., Зинюхина Н.А., Никулина Ю.Н. Сотрудничество университета и бизнес-сообщества: опыт и приоритеты развития // Высшее образование в России. 2019. Т. 28. № 7. С. 139–149. DOI: https://doi.org/10.31992/0869-3617-2019-28-7-139-149.

20. Zagoruyko T., Marenkov K. The Current World Practice of Forming Research and Educational Centers. Proceeding of the Donbas National Academy of Civil Engineering and Architecture, 2019, no. 4 (138), pp. 133–136.

21. Корнилов А.М. Дилеммы цифровой революции: технологическая безработица и научный краудсорсинг // Управление наукой: теория и практика. 2019. Т. 1. № 2. С. 90–102. DOI: 10.19181/smtp.2019.1.2.5.

22. Зоргнер А. Автоматизация рабочих мест: угроза для занятости или источник предпринимательских возможностей // Форсайт. 2017. Т. 11, № 3. С. 37–48. DOI: 10.17323/2500-2597.2017.3.37.48.

23. Кочетков Н.Д. Моделирование зависимости валового регионального продукта от затрат на НИР и числа высших образовательных и научных организаций в РФ // Вектор экономики. 2021. № 1(55). Р. 6–15.