Систематизация государственных рекомендательных систем на основе мирового опыта

Введение. В статье рассматриваются подходы к описанию рекомендательных систем в государственном управлении в контексте цифровой трансформации умных городов. Рекомендательные системы представляют собой методы фильтрации информации и механизм выработки рекомендаций, предназначенных для облегчения и увеличения скорости принятия решений. Эффективность государственного управления зависит от способности государственных органов не только оперативно реагировать на возникающие вызовы, но и от возможности предвидеть подобные ситуации, разрабатывать возможные сценарии развития событий в будущем на основе ретроспективного анализа доступных данных, что станет возможным благодаря имплементации рекомендательных систем в общую канву государственной цифровой платформы.

Материалы и методы. Методологическая основа исследования характеризуется следующими общенаучными методами: анализ, синтез, системный и функциональный подходы.

Результаты исследования. В результате проведенного исследования вы- явлены не только формальные признаки термина «рекомендательная система», но изучены подходы к выработке самих рекомендаций, дана их классификация, определены основные технологические элементы функционирования данных систем. Определено место рекомендательных систем в государственном управлении в контексте управления умными городами.

Обсуждение и заключение. В результате исследования было выявлено, что рекомендательные системы должны стать частью процесса принятия решения в сфере государственного управления. Остается нерешенным вопрос качества предоставляемых рекомендаций, поскольку эффективность рекомендательных систем зависит от факторов, которые выходят за рамки качества алгоритма прогнозирования.

1. Денисова А.И., Писарева О.М., Суязова С.А. Анализ международной практики разработки и внедрения цифровых платформ в сфере публичного управления // E-Management. 2020. № 3. С. 34–44.

2. Камолов С.Г. О гносеологической сущности "умных городов" // Инновации и инвестиции. 2019. №1. С. 200-204.

3. Anavitarte, L., Tratz-Ryan, B. Market insight: ‘Smart cities’ in emerging markets // Gartner. 12 November. 2010. Р. 39-61.

4. Murgante, B., Borruso, G. Smart cities in a smart world // Future City Architecture for Optimal Living. 2015. Springer. Р. 13-35.

5. Verdegem, P., Verleye, G. User-centered e-government in practice: A comprehensive model for measuring user satisfaction // Government Information Quarterly. 2009. 26 (3). Р. 487-497.

6. F. Ricci et al. (eds.), Recommender Systems Handbook. Springer. 2011. // https://www.researchgate.net.

7. L. Quijano-Sánchez, I. Cantador, M.E. Cortés-Cediel et al. Recommender systems for smart cities // Information Systems. 2020.

8. Recommender Systems for the Internet of Things: A Survey. Computer Science, Mathematics. 14 Jul 2020 // https://arxiv.org/pdf/2007.06758.pdf.

9. J. Aguilar et al., A general framework for intelligent recommender systems. Applied Computing and Informatics. 2016 // http://dx.doi.org/10.1016/j.aci.2016.08.002

10. Venkatesh, M. and Sathyalakshmi, S. Smart learning using personalised recommendations in web-based learning systems using artificial bee colony algorithm to improve learning performance // Electronic Government. 2020. Vol. 16, No. 1/2. Р.101-117.

11. Tuzhilin A. Context-Aware Recommender Systems // Gediminas Adomavicius. No. 32(3). P. 67-80.