Общественная география: цифровые приоритеты XXI века

ОБЩЕСТВЕННАЯ 

ГЕОГРАФИЯ

ЦИФРОВЫЕ ПРИОРИТЕТЫ XXI ВЕКА

В.И. БЛАНУЦА

Москва 
ИНФРА-М 

2022

МОНОГРАФИЯ

УДК 911.3(075.4)
ББК 65.04
 
Б68

Блануца В.И.

Б68  
Общественная география: цифровые приоритеты XXI века : моно
графия / В.И. Блануца. — Москва : ИНФРА-М, 2022. — 252 с. — (Научная мысль). — DOI 10.12737/1863096.

ISBN 978-5-16-017607-9 (print)
ISBN 978-5-16-110160-5 (online)
Общественная география, нацеленная на познание территориальной 

организации общества, имеет ряд цифровых приоритетов, которые ранее 
не анализировались. Они связаны с объектами и методами исследования, 
а также со способами визуализации и сферами применения полученных 
результатов.

В монографии проанализирован мировой опыт общественно-геогра
фического изучения платформенной экономики, телекоммуникационных 
сетей и «умных городов», использования интеллектуального анализа данных, модели пространственной диффузии инноваций и районирования, 
визуализации через картографическое изображение, дендрограмму и облако тегов, внедрения результатов исследований в гео графическую экспертизу, регио нальную политику и административно-территориальное деление.

Предназначена для специалистов, студентов и аспирантов.

УДК 911.3(075.4) 

ББК 65.04

Р е ц е н з е н т ы:

Л.А. Безруков, доктор географических наук,  заведующий лабора
торией георесурсоведения и политической географии Института гео графии имени В.Б. Сочавы Сибирского отделения Российской академии наук;

Е.А. Шерин, кандидат географических наук, научный сотрудник 

Института географии имени В.Б. Сочавы Сибирского отделения Российской академии наук;

А.Я. Якобсон, доктор географических наук, профессор кафедры фи
нансового и стратегического менеджмента Иркутского государственного университета путей сообщений

Монография обсуждена и рекомендована к изданию  

Ученым советом Института географии имени В.Б. Сочавы  

Сибирского отделения Российской академии наук

ISBN 978-5-16-017607-9 (print)
ISBN 978-5-16-110160-5 (online)
© Блануца В.И., 2022

Введение

Общественная география, нацеленная на познание террито
риальной организации общества, объединяет множество частных 
дисциплин. О размерах этого множества с некоторой условностью, 
связанной с размытыми границами ряда дисциплин, можно судить 
по второму изданию международной энциклопедии по общественной географии [Kobayashi, 2020]. В ней отдельные статьи посвящены следующим общественно-географическим дисциплинам: 
«география активистов», «анархистские географии», «география 
животных» (география отношений человека к животным), «прикладная география», «поведенческая география», «черные географии», «канцеральная география» (география мест лишения свободы), «коммунистическая и посткоммунистическая география», 
«география преступности», «радикальная география», «культурная 
география», «цифровая география», «экономическая география», 
«экономическая география городов», «эмоцио нальные географии», 
«география просвещения», «экологическая география» (география 
отношений человека к окружающей среде), «этногеография», «экзистенциальная география», «электоральная география», «феминистическая география», «феминистическая экономическая 
география», «география геев», «география ночи» (география человеческой деятельности в ночное время), «география здравоохранения», «историческая география», «гуманистическая география», 
«империалистические географии», «география промышленности», 
«география коренных народов», «институцио нальная география», 
«география Интернета», «интимная география», «география 
труда», «правовая география», «география лесбиянок», «морская 
география», «марксистская география», «медицинская география», 
«военная география», «феноменологическая география», «география растений» (география отношений человека к растениям), 
«политическая география», «география населения», «позитивистская география», «постколониальная география», «постмарксистская география», «постфеноменологическая география», «география постструктуризма», «география психического здоровья», 
«психотерапевтические географии», «публичные географии», 
«количественная экономическая география», «регио нальная география», «география розничной торговли», «сельская география», 
«сексуальная география», «социальная география», «социальная 
география городов», «география времени», «география труда», 
«транспортная география», «висцеральная география» (география 
эмоций), «география старения» и «география социального обеспе

чения». Этот список не является полным (в нем нет, например, информационно-сетевой географии [Блануца, 2019г]).

Общественное развитие в XXI в. происходит под влиянием 

перехода к цифровой экономике, формирования информационного общества, стремительного развития информационно-коммуникационных технологий и вступления в эпоху искусственного 
интеллекта. Все это оказывает воздействие на тематику и методологию общественно-географических исследований, что позволяет 
говорить о появлении цифровых приоритетов в рассматриваемой 
области знания. Однако в мировой науке отсутствует обобщение 
эмпирического опыта цифровой трансформации объектов исследования, методов познания, способов визуализации и сфер применения полученных результатов, относящихся к общественной географии. Для восполнения этого пробела в 2017–2021 гг. был проведен цикл исследований, основные итоги которого представлены 
в данной монографии.

Из всех возможных цифровых приоритетов отобраны 12 об
ластей, которые, по мнению автора, будут весьма востребованы 
в общественной географии в следующие два десятилетия. Среди 
перспективных объектов общественно-географических исследований выбраны платформенная экономика, телекоммуникационная 
сеть и «умный город». Результаты обобщения мирового опыта 
географического изучения этих объектов в первое двадцатилетие 
XXI в. представлены в трех параграфах первой главы. По методам 
познания авторское обобщение проведено в отношении интеллектуального анализа данных, диффузионной модели и коннекционного районирования (три параграфа второй главы). Способы визуализации результатов общественно-географических исследований 
представлены в третьей главе, в которой рассмотрены картографические изображения, агломеративные дендрограммы и облака 
тегов. Три параграфа последней главы связаны с такими сферами 
применения новых методов, как географическая экспертиза, регио нальная политика и административно-территориальное деление. 
В четвертой главе в наименьшей мере получилось провести обобщение мирового опыта, что компенсировано примерами авторских 
исследований по этой проблематике. В первых трех главах обобщающие выводы также дополнялись примерами проведения общественно-географических исследований, если таковые были выполнены лично автором.

По методам познания и способам визуализации возможен 

подбор разных тем исследования. Например, районирование 
может быть социально-экономическим, экономическим, функцио нальным, административным, информационно-сетевым, сельскохозяйственным, водохозяйственным, лесохозяйственным, 

транспортным, геодемографическим, историко-географическим, 
вернакулярным, конфессио нальным, рекреационно-географическим, планировочным, библиотечным, культурно-географическим 
и другим [Блануца, 2018г]. Аналогичные примеры можно привести 
по остальным методам познания и способам визуализации. Если 
не считать интеллектуального анализа данных, который рассматривался относительно всех видов общественно-географических исследований, то в остальных областях доминировала следующая тематика: пространственная диффузия цифровых инноваций (§ 2.2), 
районирование цифрового экономического пространства (§ 2.3), 
картографическое изображение цифрового неравенства (§ 3.1), 
дендрограммы регио нального социально-экономического анализа 
(§ 3.2) и облака тегов цифрового развития регионов (§ 3.3).

При обобщении мирового опыта общественно-географических 

исследований рассматривались только журнальные статьи, так как 
по ним можно получить все тексты с иллюстрациями и приложениями, а по другим видам научных публикаций — монографиям, 
сборникам статей и материалам конференций — не все материалы 
доступны. Поэтому приведенные в данной монографии выводы 
относятся только к массиву статей, опубликованных в научных 
журналах во всем мире. В качестве хронологического ограничения 
выбрано первое двадцатилетие XXI в. (2001–2020 гг.). Выявление 
искомых статей проводилось по одной отечественной и семи международным библиографическим базам данных (www.elibrary.ru, 
www.login.webofknowledge.com, www.scopus.com, www.ideas.repec.
org, www.sciencedirect.com, www.journals.sagepub.com, www.link.
springer.com, www.onlinelibrary.wiley.com).

В библиографических базах данных поиск необходимых публи
каций осуществляется по ключевым словам. Основной недостаток 
такого поиска заключается в невозможности идентифицировать 
публикацию по теме, если в ней отсутствуют заданные ключевые 
слова [Duan et al., 2019; Peris et al., 2018]. Для уже сложившихся 
научных направлений с устоявшейся понятийно-терминологической системой это не является препятствием, так как известен конечный набор терминов. Иначе обстоит дело в пионерных исследованиях, когда предлагаются новые термины или заимствуются 
термины из других научных дисциплин с приданием им нового 
смысла. Поэтому пришлось отказаться от обычного поиска и разработать алгоритм семантического поиска, опирающийся на идеи 
контент-анализа [Ahuvia, 2001], экспертных систем [Cortez et al., 
2018] и машинного обучения [Aggarwal, 2018]. Алгоритм получил 
название «Самоорганизующаяся система поиска публикаций по заданной теме в библиографической базе данных» [Блануца, 2020е].

Архитектура предлагаемой системы поиска состоит из правил 

типа «если …, то …» и четырех блоков поддержки поиска — извлечения массива публикаций из выбранной библиографической базы 
данных (b1), аккумулирования искомых публикаций (b2), хранения отклоненных публикаций (b3) и построения семантического 
поля (b4). Для запуска системы необходимо иметь открытый доступ к полным текстам в библиографической базе данных, задать 
одно или несколько ключевых слов и настроить блок b4. Остальные 
операции выполняет машина (в нашем исследовании применялся 
язык программирования Python).

В упрощенном виде алгоритм состоит из следующих правил 

(обозначены «R»):

R1: ЕСЛИ по ключевому слову kwi (возможно использование 

нескольких ключевых слов с операторами «И» и «ИЛИ») в исходной библиографической базе данных обнаружено n (n ≥ 1) публикаций, содержащих kwi, ТО эти публикации размещается в b1, 
ИНАЧЕ (n = 0) поиск публикаций по заданной теме завершается.

R2: ЕСЛИ публикация nj соответствует семантическому полю 

sf/q, извлеченному из b4, ТО nj перемещается в b2, ИНАЧЕ (не соответствует sf/q) nj отправляется в b3.

R3: ЕСЛИ в результате реализации правил R1 и R2 по всем 

ключевым словам kwi, семантическим полям sf/q и nj в блоке b1 
не осталось ни одной публикации (все публикации распределены 
между b2 и b3, а из библиографической базы данных больше не извлекаются публикации по kwi), ТО происходит переход к R4, 
ИНАЧЕ (при изначальном ограничении на использование только 
kwi и sf/q) результатом поиска по заданной теме является набор 
публикаций в b2.

R4: ЕСЛИ в массиве b2 изначально заданные ключевые слова 

kwi наиболее часто встречаются с новым словом kwm* И это новое 
слово не противоречат sf/q, И к b1 присоединяются ранее отклоненные публикации из b3 (повторяющиеся публикации удаляются), ТО R1–R3 повторяются для kwm*, ИНАЧЕ (когда нет ни одного kwm*, соответствующего sf/q) поиск завершается.

R5: ЕСЛИ после R4, R1–R3 в b2 направляется хотя бы одна пу
бликация, ТО в увеличенном массиве b2 отыскивается новое слово 
kwm+p* (не противоречащее sf/q, а также наиболее часто встречающееся с kwi и kwm*) И R1–R4 повторяются для kwm+p*.

R6: ЕСЛИ после R4, R1–R3 в b2 не направляется ни одна статья, 

ТО в массиве b2 отыскивается новое слово kwm+s* (не противоречит 
sf/q и по частоте встречаемости с kwi уступает только kwm*) И R1–
R4 повторяются для kwm+s*.

R7: ЕСЛИ после R1–R6 нет новых слов kwm+p+1* и kwm+s+1* в со
ответствии с sf/q, ТО самоорганизующийся поиск завершается набором публикаций в b2.

Этот алгоритм применялся к каждой из восьми баз данных 

в итерационном режиме: семантическое поле, выявленное в одной 
базе, применялось и расширялось в следующей базе, после чего 
происходил возврат к предыдущей базе и осуществлялся дополнительный поиск по расширенному полю. Так происходило до тех 
пор, пока не стабилизировался размер семантического поля. Ограничением алгоритма является отбор публикаций только на кириллице и латинице. Поэтому научные статьи с использованием 
другого алфавита (например, китайского или арабского) остались 
вне нашего анализа. Еще одним ограничением является использование только восьми библиографических баз данных, которые 
охватывают большинство, но не все статьи в мире.

Все таблицы и большинство рисунков (44 из 48), приведенные 

в монографии, составлены лично автором. Что касается нескольких 
рисунков, взятых из чужих работ, то по ним даются ссылки на первоисточник. Планы исследований, их концептуальные модели и алгоритмы достижения поставленных целей разработаны автором без 
чьей-либо помощи. Все вычисления выполнены автором самостоятельно. Среди приведенных в монографии авторских примеров 
общественно-географического изучения цифрового развития в качестве полигона исследований выступали территории Российской 
Федерации в целом и Сибири в частности (в рамках Сибирского 
федерального округа или более широкого понимания Сибири). 
По этим примерам нет ни одной публикации в соавторстве, что 
исключает правомерные или неправомерные заимствования из совместных работ.

Более развернутое представление об исследованиях автора 

по рассматриваемой проблематике можно получить из публикаций по информационно-сетевой географии [Блануца, 2015а, 
2016б, 2019г], цифровой экономике [Блануца, 2018в, з, 2019г, д, 
е, з, и, 2020ж, и, л, о, 2021а, в, г; Блануца, Черепанов, 2019], телекоммуникационным сетям [Блануца, 1989б, 2014а, б, в, 2016б, в, 
2017а, 2018а, б, д, ж, и, 2019б, в, г, д, ж, и, к; Blanutsa, 2017; Blanutsa, 
Cherepanov, 2019], искусственному интеллекту [Блануца, 2019а, г, з, 
2020г, д, е, з, 2021а], пространственной диффузии инноваций [Блануца, 2012, 2015а, 2016б, 2019г], районированию [Блануца, 1980, 
1983, 1984а, б, 1987, 1989а, 1990, 1991, 1992, 2016а, б, 2017б, 2018г, 
е, 2019г] и географической экспертизе проектов регио  нального развития [Блануца, 1990, 2020а, б, в, г, д, ж, з, к, л, м, н, о, 2021а, б; 
Географическая экспертиза…, 1992].

Глава 1. 

ОБЪЕКТЫ ИССЛЕДОВАНИЯ

1.1. ПЛАТФОРМЕННАЯ ЭКОНОМИКА

В последнее десятилетие цифровые платформы, которые «функ
ционируют как интерфейс между различными группами пользователей и облегчают обмен ценностями» [Cennamo, Santalo, 2013, 
p. 1331], стали оказывать существенное воздействие на многие 
сферы человеческой деятельности. Для осмысления этого феномена в научной литературе появились такие новые понятия, как 
«платформизация» [Nieborg, Poell, 2018], «платформенная революция» [Parker et al., 2016], «платформенное общество» [Van Dijck 
et al., 2018], «платформенная власть» [Evens, Donders, 2018], «капитализм платформ» [Srnicek, 2017], «платформенный кооперативизм» [Scholz, Schneider, 2016], «платформенный урбанизм» [Lee 
et al., 2020] и «логика платформы» [Schwarz, 2017]. Наибольшему 
воздействию подверглась хозяйственная деятельность, в результате 
чего стала формироваться «платформенная экономика» как ядро 
современной цифровой экономики [Kenney, Zysman, 2016].

Первая научная публикация о платформенной экономике 

по одной версии [McIntyre, Srinivasan, 2017] появилась в начале 
2000-х гг., а по другой [Schwarz, 2017] — в 2006 г. Разногласия 
связаны с пониманием сути платформенной экономики, хотя лежащие в ее основе внешние сетевые эффекты были обоснованы 
еще в 1985 г. [Katz, Shapiro, 1985]. Что касается географического 
осмысления экономики цифровых платформ, то, скорее всего, отсчет следует вести с 2010 г., когда появился рабочий документ канадских исследователей из университета Торонто [Agrawal et al., 
2010]. При этом следует отличать такие работы от географического 
анализа социальных сетей, нецифровых платформ, научных онлайн-платформ, «регио нальных платформ развития» [Harmaakorpi, 
2006], «спутниковых платформ» как типа промышленных районов 
[Markusen, 1996] и других научных абстракций, не относящихся 
к цифровой экономике. К настоящему времени в мировой науке нет 
ни одного обзора географических публикаций по платформенной 
экономике. Например, в одной из последних статей по рассматриваемой проблематике [Kenney, Zysman, 2020] главный вывод, обращенный к экономико-географам, заключался в необходимости 
рассмотреть влияние цифровых платформ на экономическое пространство, тогда как на самом деле подобные работы в небольшом 

объеме уже проводились. Поэтому целью исследования стало обобщение опыта географического изучения платформенной экономики и определение контуров дальнейшего познания.

В наиболее общем виде под платформенной экономикой под 
разумевается совокупность общественных отношений в сфере 
производства, распределения, обмена и потребления продуктов 
и услуг, опосредованная цифровыми платформами. Основными 
экономическими агентами в платформенной экономике являются 
платформенные компании (операторы цифровых платформ), производители товаров (услуг), конечные потребители, транспортнологистические компании, инвесторы (финансовые организации), 
консалтинговые компании, рекламодатели и регуляторы (органы государственной власти). К неосновным агентам относятся 
телекоммуникационные компании, разработчики приложений, 
а также другие организации и физические лица, которых платформенные компании привлекают для оптимизации своей работы. 
Характер взаимодействия первых четырех основных агентов показан на рис. 1.1. Деятельность платформенных компаний нацелена на удовлетворение запросов конечных потребителей [Evans, 
Schmalensee, 2016; Schwarz, 2017; Van Dijck et al., 2018] через предоставление им не только эффективных сервисов для заказа товаров 
и услуг, а также обеспечение быстрой доставки цифровых продуктов 
(через платформу) и физических товаров (через транспортно-логистические компании), но и сервисов проектирования (дизайна) товаров и услуг под требования конкретного потребителя. В крупных 
платформенных компаниях основной доход получают не за счет 
комиссии с производителей и потребителей, а от рекламодателей 
и от продажи консалтинговым компаниям данных о «цифровом 
следе», оставленном каждым участником на платформе.

Цифровые платформы в большинстве случаев не связаны с кон
кретной территорией, тогда как операторы платформ, производители, потребители и другие агенты локализованы в пространстве. 
Помимо возможности формирования территориальных цифровых 
платформ [Блануца, 2019е], существующие нацио нальные и глобальные платформенные компании в конкурентной борьбе за конечного пользователя вынуждены учитывать специфику территориальных сообществ [Graham, 2020] для работы на микроуровне 
[Schwarz, 2017] как «гибкие пространственные конструкции» 
[Richardson, 2020b]. Все это приводит к определенной комбинации 
платформ, производителей, потребителей и других экономических 
агентов в пределах конкретной территории (см. рис. 1.1), а множество таких территориальных комбинаций структурирует экономическое (платформенно-экономическое) пространство [Kenney, 
Zysman, 2020].

Рис. 1.1. Общая схема взаимодействия производителей и потребителей 

в платформенной экономике:

1 — производитель; 2 — потребитель; 3 — взаимодействие; цифровые платформы: 

4 — территориальные, 5 — нацио нальные, 6 — глобальные

Об особенностях новой экономики можно судить по дея
тельности ведущих платформенных компаний (Airbnb, Alibaba, 
Alphabet, Amazon, Apple, Baidu, eBay, Facebook, Netflix, Tencent, 
Uber и др.). Существуют различные типологии, выделяющие 
производственные, транзакционные, инновационные, инвестиционные и другие типы платформенных компаний [Ansell, Miura, 
2019; Kenney, Zysman, 2016; Parker et al., 2016; Srnicek, 2017]. Эти 
компании не просто оказывают влияние на рынки, а стараются их 
трансформировать под себя, действую по стратегии «победитель 
получает все» [Haberly et al., 2019; Schilling, 2002]. Крупнейшие