№3 2026

В статье представлен обзор источников больших данных для изучения миграционных процессов. В последнее десятилетие исследователи все чаще используют такие источники данных как статистика поисковых запросов, записи звонков мобильных телефонов, геолокационная активность в социальных сетях, данные спутников для оценки миграции. Использование этих источников существенно расширяет методологический арсенал современной социологии.

Статья посвящена построению макетной картографии дискурсов предпринимательства, выступающих компонентами формальной онтологии для применения методов анализа больших данных, и разработке алгоритма дискурсивного конструирования субъектов предпринимательства, описывающего взаимодействие дискурсов функции, действия и практики предпринимательства на материале кейса спецификации предпринимательских типов. Решение данных задач позволяет перейти к созданию полной картографии концепта предпринимательства.

В статье анализируется переход российского общества от эпохи Big Data к AI Society — парадигме, где ИИ пронизывает все сферы жизни, вызывая социокультурную турбулентность. Рассматриваются характеристики Big Data (объем, скорость, разнообразие по модели 3V), его достоинства (оптимизация процессов, персонализация, инновации) и недостатки (затраты, риски приватности, этические проблемы), с примерами применения в медицине, финансах и логистике. Раскрывается эволюция к ИИ, который генерирует решения и интегрируется в социальные институты, сочетая прогресс и угрозы технократии, надзора и неравенства. Подчеркиваются негативные вызовы новой технологической революции — безработица, цифровой разрыв, предвзятость алгоритмов. Делается вывод о необходимости междисциплинарного ответа представителей разных наук.

Современную бизнес-среду принято описывать через концепцию VUCA - нестабильность, неопределенность, сложность и неоднозначность. В таких условиях подходы, опирающиеся только на интуицию и устаревшие данные теряют эффективность. Компании чаще обращаются к методам работы Big Data, Data Mining, прогностическим моделям. Эти инструменты позволяют снижать риски неверных прогнозов и быстрее адаптировать стратегию под условия, трансформируя неопределенность из угрозы в источник конкурентных преимуществ.

This paper presents a hybrid framework that integrates Artificial Neural Networks (ANN) and Multi-Criteria Decision-Making (MCDM) methods for real-time optimization of combustion processes in microcontroller-based systems. The proposed solution is designed for low-cost hardware platforms, specifically ESP32 microcontrollers, enabling efficient processing of large-scale sensor data (Big Data) in industrial environments. The system is based on real-time data acquisition from sensors measuring temperature, humidity, CO and NOx emissions, and airflow. These data are preprocessed, normalized, and stored in a database, forming the basis for training ANN models (LSTM, GRU, and RNN). The trained models predict combustion parameters, while the MCDM module selects the optimal operating regime based on multiple criteria, including efficiency, emissions, and system stability. The framework was experimentally validated on ATI TERMING OZON boilers in the period from 2022 to 2025, with ongoing testing. The results show significant improvements, including a reduction of prediction error (MSE) by approximately 38%, CO emissions by 18%, NOx emissions by 12%, and fuel consumption by 11%. The main contribution of this research is demonstrating that low-cost microcontroller-based systems can effectively support Big Data-driven intelligent control when neural network architectures are carefully designed and optimized.

Целью исследования является разработка методического подхода к оценке инвестиционной привлекательности организаций с учетом критерия достоверности финансовой отчетности. Были определены методические подходы: факторный, подход, основанный на экономико‑математических методах, рейтинговый и комплексный. На основе проведённого анализа были сформулированы требования для разработки авторской методики оценки инвестиционной привлекательности: учет критерия достоверности финансовой отчётности, гибридизация методов, внедрение динамического компонента и дифференцированная система факторов в зависимости от уровня объекта оценки.

Статья посвящена разработке и внедрению интеллектуальной системы контроля и управления доступом (СКУД) в образовательных учреждениях на основе технологий Big Data. В работе рассматриваются архитектурные особенности системы, включая интеграцию видеоаналитики, электронных пропусков и датчиков мониторинга, а также анализируются технологические сложности обработки неструктурированной информации в реальном времени. Особое внимание уделено вопросам защиты персональных данных и минимизации ложноположительных срабатываний, что является критическим фактором надежности интеллектуальных систем. В качестве ключевых рекомендаций предлагается модульный подход к масштабированию инфраструктуры безопасности, ориентированный на повышение превентивной защиты образовательной среды. Предложенная модель рассматривается как часть цифровой трансформации образовательной инфраструктуры, обеспечивающая новый уровень безопасности при сохранении высокой пропускной способности.

В статье рассматривается динамика трансформации профессиональных компетенций аналитиков данных и дата-сайентистов в период 2022–2025 гг. На основе анализа данных сервиса «РосНавык» выявлен переход от узкоспециализированных ролей к формированию единого инженерного профиля «специалиста по данным полного цикла». Установлено, что ключевым драйвером изменений стала технологическая унификация инструментов контейнеризации и управления вычислительными процессами.