Computer Models of Forecasting Demand in Paid Educational Services Management
DOI:
https://doi.org/10.22394/ee252.6-24Keywords:
demand forecasting, regression analysis, elasticity models, time series analysis, python, machine learning, big Data, scenario modeling, paid educational services, education managementAbstract
The article is devoted to the analysis and practical application of computer models for forecasting demand in the management system of paid educational services. Under conditions of increasing competition and digitalization of educational sphere, accurate demand forecasting becomes an important factor for effective resource planning, marketing and pricing policy, which determines the relevance of the study. The authors consider both qualitative and quantitative forecasting methods: expert assessments (Delphi method and group examination), regression analysis, time series analysis and elasticity models. Special attention is paid to modern technologies, such as Python use, machine learning, and big data analysis to develop flexible and adaptive models that are currently used as appropriate theoretical, methodological, and applied tool in economic research in management system. The purpose of the research is to develop and test computer models that facilitate effective management of educational resources and understanding of the trends in educational services market. The article presents practical examples of calculations, Python codes, and visualizations of the results. Besides, demographic, economic, and scenario approaches to demand modeling are considered. As a result, modern computer models were developed that make it possible to predict the demand for paid educational services more accurately. New interpretation approaches to forecasting results are presented, which contribute to effectiveness improvement of educational resource management. The article emphasizes the importance of integrated and technologically supported approach to forecasting as the main tool of educational organization development.Downloads
References
Чемерис, О. С. Исследование систем управления платными образовательными услугами: цифровизация и перспективы развития / О. С. Чемерис, А. Д. Черников // Экономический вестник. - 2024. - Т. 3, № 2. - С. 97-102. - EDN DEPKON.
Васько, Ю. Е. Особенности спроса на образовательные услуги вуза как объекта анализа и прогнозирования / Ю. Е. Васько // Новое слово в науке и практике: гипотезы и апробация результатов исследований. - 2013. - № 3. - С. 170-175. - EDN RDYBYP.
Цыгичко, В. Н. Прогнозирование социально-экономических процессов / В. Н. Цыгичко; В. Н. Цыгичко; предисл. Д. М. Гвишиани. - 3-е изд. - Москва: URSS Книжный дом "ЛИБРОКОМ", 2009. - 238 с. - ISBN 978-5-397-00021-5. - EDN QTIAUL.
Лапшинов, С. Б. Экономико-математические модели анализа и прогнозирования конъюнктуры регионального рынка платных услуг высшего образования: дисс. … канд. экон. наук: 08.00.13 / С. Б. Лапшинов. - Иваново, 2012. - 192 с. - EDN QFTVYT.
Дрейпер, Н. Р. Прикладной регрессионный анализ / Н. Р. Дрейпер; Норман Р. Дрейпер, Гарри Смит; [пер. с англ. и ред. М. Власенко и др.]. - 3-е изд. - Москва [и др.]: Диалектика, 2007. - 911 с. - ISBN 978-5-8459-0963-3. - EDN QJSGWD.
Барашков, В. М. Прогнозирование спроса на образовательные услуги на основе регрессионного анализа / В. М. Барашков, Н. А. Задорина // Развитие технических наук в современном мире: сборник научных трудов по итогам международной научно-практической конференции, Воронеж, 11 декабря 2016 года. Том Выпуск III. - Воронеж: Инновационный центр развития образования и науки, 2016. - С. 108-112. - EDN XYBGWD.
МакКинни, У. Python и анализ данных / [пер. А. Слинкин]. - Москва: ДМК-Пресс, 2023. - 536 с. - ISBN978-5-93700-174-0.
Дегтярева, Н. А. Модели анализа и прогнозирования на основе временных рядов / Н. А. Дегтярева. - Челябинск: ЗАО "Библиотека А. Миллера", 2018. - 160 с. - ISBN 978-5-93162-080-0. - EDN VMUTEE.
Кильдишев, Г. С. Анализ временных рядов и прогнозирование / Г. С. Кильдишев, А. А. Френкель. - 2-е издание. - Москва: Ленанд, 2021. - 104 с. - ISBN 978-5-9710-8688-8. - EDN EAZYHM.
Яппаров, И. И. Анализ временных рядов и прогнозирование / И. И. Яппаров // XXVI Туполевские чтения (школа молодых ученых): Материалы Международной молодёжной научной конференции. Сборник докладов, Казань, 09-10 ноября 2023 года. - Казань: ИП Сагиев А.Р., 2023. - С. 2796-2801. - EDN CYNWCH.
Кузин, В. Прогнозирование спроса на основе коэффициентов эластичности / В. Кузин, Л. Невротов // Балтийский экономический журнал. - 2020. - Vol. 3, No. 31. - P. 109-117. - DOI 10.46845/2073-3364-2020-3-31-109-117. - EDN ZYAUJP.
Чилик, Д. А. Анализ эластичности спроса на платные услуги культуры населению / Д. А. Чилик, В. А. Карпов // Вестник Гродненского государственного университета имени Янки Купалы. Серия 5. Экономика. Социология. Биология. - 2013. - № 2(153). - С. 84-93. - EDN TTUWSB.
Котенев, В. А. Демографическое прогнозирование потребности рынка дошкольных образовательных услуг / В. А. Котенев, С. Н. Симонов, Д. Л. Симонова // Вестник Тамбовского университета. Серия: Гуманитарные науки. - 2015. - Т. 20, № 11(151). - С. 47-56. - DOI 10.20310/1810-0201-2015-20-11(151)-47-56. - EDN VDMJGX.
Орлова, М. В. Компьютерные технологи сбора и обработки данных для задач экономического прогнозирования / М. В. Орлова // Математика и ее приложения. Экономическое прогнозирование: модели и методы: материалы Международной научно-практической конференции, Орел, 20-21 мая 2011 года. - Орел: Орловский государственный университет, 2011. - С. 301-303. - EDN TJTYKX.
Каширина, И. Б. Экономико-математическая модель прогнозирования спроса на образовательные услуги / И. Б. Каширина, В. Г. Мысник // Информатика и системы управления. - 2002. - № 2(4). - С. 46-53. - EDN IJVKAB.
Жадан, Д. А. Применение искусственного интеллекта и машинного обучения для прогнозирования экономических показателей и принятия управленческих решений / Д. А. Жадан, В. А. Васильева, И. В. Гваева // Управление информационными ресурсами: Материалы XX Международной научно-практической конференции, Минск, 29 марта 2024 года. - Минск: Академия управления при Президенте Республики Беларусь, 2024. - С. 353-354. - EDN DMAKLF.
Белоусов, Ю. В. Предсказание спроса с помощью методов машинного обучения / Ю. В. Белоусов, С. А. Полежаев // Процессы управления и устойчивость. - 2019. - Т. 6, № 1. - С. 218-222. - EDN COKARX.
Баранников, К. А. Методология анализа больших данных в образовании (Системно-методологический подход, основанный на анализе образовательных данных, поиска стратегии принятия управленческих и организационно-педагогических решений в образовании) / К. А. Баранников, С. М. Лесин // Народное образование. - 2020. - № 2(1479). - С. 81-90. - EDN WWCCKR.
Фиофанова, О. А. Анализ больших данных в сфере образования: методология и технологии / О. А. Фиофанова. - Москва: Издательский дом "Дело", 2020. - 200 с. - ISBN 978-5-85006-253-8. - EDN SLBKRW.
Бакулина, М. Прогнозирование методом сценариев / М. Бакулина, Я. Скворцова // Экономика и социум. - 2012. - № 5(5). - С. 51-55. - EDN WBGQZJ.
Осадчук, О. Л. Сценарное моделирование процессов управления в сфере образования / О. Л. Осадчук // Профессиональное образование в России и за рубежом. - 2011. - № 2(4). - С. 6-17. - EDN OIRPRX.
Лавриненко, Я. Б. Инновационная активность организаций высшего образования в программе "приоритет 2030" / Я. Б. Лавриненко, О. С. Чемерис // Интеллектуальная инженерная экономика и индустрия 5.0 (ЭКОПРОМ): Сборник трудов Международной научно-практической конференции, Санкт-Петербург, 17-18 ноября 2023 года. - Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2023. - С. 777-779. - DOI 10.18720/IEP/2023.4/231. - EDN ENIYGD.
