Документы и смыслы

Связи мероприятий с показателями и структура проектных текстов

Сопоставимый текстовый корпус и метод количественного анализа

Для количественного сопоставления сформирован корпус из 98 электронных паспортов по 12 национальным проектам. В него входят национальный паспорт каждого проекта и представленные вместе с ним федеральные паспорта. Совокупный объём отобранного содержательного текста составляет 75 539 токенов. Для «Новых технологий сбережения здоровья» анализируются шесть документов общим объёмом 2 571 токен: от 284 токенов национального паспорта до 581 токена С4. Сравниваемые проекты представлены пятью–тринадцатью документами, поэтому длина отдельной публикации и число документов рассматриваются как разные источники аналитической чувствительности. [111] с. 67 исходного отчёта

Основной расчёт ограничен одним жанром источника. Содержательные поля электронного паспорта сопоставляются с такими же полями другого электронного паспорта. Презентации, нормативные методики и полные документы со значительным объёмом финансовых таблиц не включаются в общий словарь. Подобное ограничение уменьшает влияние различий издательской формы: иначе многократное повторение годовых строк, должностей и контрольных точек могло бы определять близость сильнее формулировок целей. Совпадение жанра, однако, не устраняет различий ведомственного языка, подробности характеристик и полноты публикации. [112] с. 67 исходного отчёта

Из каждого документа извлечены цель, задачи, названия и характеристики результатов, названия показателей. Самостоятельные служебные сведения об исполнителях, бюджетные таблицы, календарные планы и контрольные точки исключены. Дословно совпадающие фрагменты внутри документа учитываются один раз после приведения регистра и пробелов к единому виду. Содержательно близкие, но различающиеся формулировки сохраняются: их объединение потребовало бы отдельного экспертного решения. Например, сокращение «мед.» и полная форма «медицинских» остаются разными признаками в базовой модели. с. 67 исходного отчёта

Документальный срез неоднороден по времени публикации: 95 паспортов имеют отметку 16 октября 2026 года, два федеральных паспорта проекта «Молодёжь и дети» – 18 июня, один паспорт проекта «Семья» – 19 августа. Все шесть анализируемых паспортов технологий здоровья относятся к редакциям от 16 октября. Сравнение тем самым характеризует доступный срез формулировок, а не синхронно утверждённый комплект документов. Содержательные различия между проектами могут частично отражать различия времени обновления. Даты и редакции сохранены для каждого документа, что позволяет повторить расчёт на тех же источниках или обновить его после появления новых редакций. [113] с. 68 исходного отчёта

Токен определяется как буквенная последовательность русского или латинского алфавита длиной не менее двух символов с возможным внутренним дефисом. Регистр унифицирован, буква «ё» приведена к «е»; числовые значения и даты не образуют словарных признаков. В знаменателях тематических частот учитываются все такие токены до удаления стоп-слов. Для TF-IDF применяется единый список из 120 служебных и общеадминистративных слов. Словарь включает отдельные слова и пары соседних оставшихся слов. Пары формируются внутри содержательного фрагмента, поэтому конец одного поля не соединяется с началом другого. Удаление стоп-слов означает, что биграмма не обязательно представляет дословно соседствующее словосочетание исходного текста. с. 68 исходного отчёта

Вес TF-IDF сочетает частоту признака внутри документа и его различительную способность в общем корпусе. Частота преобразована логарифмически, чтобы многократное повторение одной формулировки не увеличивало её влияние пропорционально числу повторов. Обратная документная частота сглажена добавлением единицы к числителю и знаменателю. Используется единая оценка IDF по всем 98 документам; отдельный словарь для каждого проекта сделал бы значения несопоставимыми. Признак сохраняется при наличии хотя бы в одном документе и распространённости не более чем в 98% документов; ограничение максимального числа признаков не вводится. Итоговый словарь содержит 46 519 признаков. [114] с. 68 исходного отчёта

Вес определён для термина, встречающегося в документе: tfₜd > 0. При отсутствии термина wₜd = 0. N – число документов; dfₜ – число документов с термином; tfₜd – частота термина t в документе d.

Ненулевой вектор весов документа нормируется по евклидовой длине. с. 69 исходного отчёта

Для векторов единичной длины косинусная близость совпадает со скалярным произведением. Значение характеризует лексическое сходство текстов. с. 69 исходного отчёта

Нормировка каждого вектора по евклидовой длине ограничивает механическое преимущество длинных паспортов. Проектный профиль представляет среднее нормированных векторов его документов с повторной нормировкой. Поэтому длинный федеральный паспорт не получает большего прямого веса только из-за объёма текста. Вместе с тем равенство весов документов не тождественно равенству весов управленческих уровней: национальный паспорт в проекте с большим числом ФП занимает меньшую долю среднего. Для проверки этого решения отдельно рассчитан вариант, где национальный уровень и совокупность федеральных документов получают по половине веса. с. 69 исходного отчёта

Косинусная близость описывает сходство распределения лексических признаков. Значение 0,18 не означает совпадения 18% мероприятий, бюджета или целей, а разница коэффициентов не имеет непосредственного содержательного масштаба общественного эффекта. Анализ выполняется по целенаправленно отобранному набору документов; доверительные интервалы случайной выборки здесь не строятся. Надёжность интерпретации оценивается через проверку источников, контекстное чтение и чувствительность к разумным изменениям модели. Такой подход соответствует требованию проверять автоматизированный анализ применительно к конкретной исследовательской задаче. [115] с. 70 исходного отчёта

Тематическая специализация и содержательные акценты паспортов

Тематический анализ дополняет TF-IDF, поскольку заранее заданные содержательные категории отвечают на иной вопрос: какие участки механизма чаще представлены в каждом паспорте. Использованы восемь словарей: наука и разработка, клиническое внедрение, производство, профилактика и долголетие, управление и учёт, доступ и получатели, цифровые технологии, нейро- и когнитивные технологии. Словари основаны на явных основах слов и ограниченном наборе словосочетаний. Частота выражается числом совпадений на 1000 токенов соответствующего документа. Пересечение категорий допускается: клиническое исследование одновременно относится к научной работе и клиническому переходу. с. 76 исходного отчёта

Контекстная проверка предотвращает наиболее очевидные смешения. Выражение о работах гражданского назначения не учитывается как обращение к гражданам; когнитивная тематика не объявляется цифровой только из-за соседства с технологической лексикой. Для производственного направления учитываются также формулировки о выпуске и произведённой продукции, а для учёта – формы «учтены» и «учтённых». Всего по шести паспортам выявлено 333 словарных совпадения в 48 комбинациях «документ – тема». Частоты описывают присутствие языковых признаков, а не число реализованных технологий, получателей помощи или выполненных исследований. Контекстное чтение проведено одним исследовательским исполнителем; независимое межэкспертное согласие кодирования не измерялось. [120] с. 76 исходного отчёта

С2 наиболее насыщен научной лексикой: 49 совпадений, или 96,5 на 1000 токенов. Клиническое внедрение составляет 37,4, цифровые технологии – 9,8. Соотношение отражает подробные описания поддержки исследований, испытаний и регистрации, включая программные медицинские изделия с искусственным интеллектом. Высокая частота научных формулировок не означает, что преимущественная часть ресурсов обязательно расходуется на исследования: тематический показатель не содержит финансовой информации. Производственная частота С2 невелика – 3,9; соответствующие упоминания связаны с предприятиями, на которых предусмотрены стажировки, и характеризуют окружение кадрового мероприятия. [122] с. 77 исходного отчёта

С1 отличается управлением и учётом – 40,7 совпадения на 1000 токенов, при научной частоте 59,1. Контекст включает отбор, сопровождение разработок, мониторинг и информационные системы, что согласуется с инфраструктурной ролью этого федерального проекта. Нулевая частота категории доступа и получателей после исключения гражданского назначения не свидетельствует о социальной незначимости С1. В выбранных содержательных полях конечный пациент представлен опосредованно через разработку и внедрение. Подобная удалённость от получателя повышает значение прозрачной связи между управленческими действиями и движением конкретного продукта. [123] с. 78 исходного отчёта

С3 характеризуется нейро- и когнитивной тематикой – 30,0 на 1000 токенов, а также упоминаниями доступа и получателей – 26,7. С4 выделяется профилактикой и долголетием: 26 совпадений в 581 токене, или 44,8 на 1000. Научные частоты С3 и С4 близки – 33,3 и 32,7, однако предметные акценты различаются. Упоминание когнитивной тематики в С4 возникает в общей формулировке задачи и не превращает весь паспорт в нейротехнологический проект. Интерпретация ячейки требует возвращения к конкретному контексту, особенно когда её значение образовано единственным совпадением. [124] с. 78 исходного отчёта

С5 имеет наиболее выраженный производственный профиль – 23 совпадения, или 56,5 на 1000 токенов. Научная частота составляет 29,5, клиническое внедрение – 14,7. Соединение производственных и регистрационных формулировок показывает, что промышленное направление включает разработку и подготовку продукта к применению. Одновременно относительно слабая представленность пациентской лексики требует отдельной проверки того, насколько расширение отечественной номенклатуры превращается в доступность востребованной продукции. Частота слов не позволяет определить достаточность ассортимента или устойчивость снабжения. [125] с. 79 исходного отчёта

Национальный паспорт имеет более краткий и обобщённый профиль: клиническое внедрение и доступ представлены по 24,6 совпадения на 1000 токенов, наука – 21,1, управление и учёт – 17,6. Различия с федеральными документами соответствуют переходу от агрегированных ожиданий к конкретным действиям. При объёме 284 токена одно дополнительное совпадение изменяет частоту примерно на 3,5 единицы на 1000; у С4 соответствующий шаг составляет около 1,7. Поэтому десятичные доли в матрице служат прозрачному представлению расчёта и не означают столь же высокой точности содержательной интерпретации. [126] с. 79 исходного отчёта

Отличительные формулировки и межпроектная лексическая близость

Совокупный профиль проекта ожидаемо формируется вокруг лекарственных препаратов и медицинских изделий. Наибольшие веса имеют словоформы «лекарственных» – 0,138, «изделий» – 0,138, сочетания «медицинских изделий» – 0,136 и «лекарственных препаратов» – 0,128. Преобладание продуктовой лексики согласуется с механизмом доведения исследований до применяемых технологий. Веса не устанавливают очередность финансирования отдельных направлений: употребляемость термина и его редкость в других паспортах отвечают на лингвистический вопрос. Дополнительную роль играет повторение одного понятия в нескольких падежных формах. [127] с. 79 исходного отчёта

Для отдельного национального паспорта ведущими признаками становятся также сокращения «БМКП» (биомедицинские клеточные продукты) и «мед.», поскольку они концентрируются в немногих документах. Высокий вес сокращения не следует трактовать как самостоятельный содержательный приоритет. Совокупный профиль шести паспортов частично сглаживает подобную особенность, сохраняя терминологию разных направлений. Проверка со стеммингом дополнительно объединяет изменяемые формы слов, однако не раскрывает все аббревиатуры и не разрешает многозначность. Результат поэтому сопоставляется с тематическим кодированием и чтением полных характеристик мероприятий. с. 80 исходного отчёта

Внутри национального проекта наибольшая близость наблюдается между национальным паспортом и С1 – 0,267, затем между национальным паспортом и С2 – 0,225. Среди пар федеральных паспортов выделяются С1–С2 с коэффициентом 0,181 и С3–С4 с коэффициентом 0,162. Первая пара связана языком исследований, медицинских разработок, допуска и сопровождения; вторая – формулировками о новых биомедицинских технологиях, клиническом применении и доступе граждан. Подобная группировка отражает два содержательных контура: общий путь создания медицинского продукта и специализированные направления его применения. [129] с. 81 исходного отчёта

Наименьшая близость федеральных документов наблюдается между С4 и С5 – 0,035. Производство и сырьевое обеспечение описаны иначе, чем старение, регенерация и профилактика. Низкое сходство совместимо с дополняющими функциями и само по себе не является свидетельством организационного разрыва. Содержательный вопрос заключается в наличии перехода от результатов С3 и С4 к масштабируемому производству и применению, а не в необходимости унифицировать их словарь. Доказательства такого перехода следует искать в связанных карточках разработок, регистрационных решениях, договорах передачи прав и данных о внедрении. [131] с. 82 исходного отчёта

Для межпроектного сопоставления каждый национальный проект представлен средним профилем всех включённых в него паспортов. Ближайшим к технологиям здоровья является проект «Продолжительная и активная жизнь»: базовый косинус составляет 0,176. Далее следуют «Экономика данных и цифровая трансформация государства» – 0,108, «Эффективная и конкурентная экономика» – 0,0898 и «Молодёжь и дети» – 0,0894. Разница между третьим и четвёртым значениями составляет менее 0,0005 и не поддерживает сильного вывода об их содержательной иерархии. «Семья» занимает следующее место с коэффициентом 0,071. [132] с. 83 исходного отчёта

Разложение косинуса на вклады отдельных признаков уточняет природу близости. Для «Продолжительной и активной жизни» ведущими являются формы слова «медицинский», сочетание «медицинской помощи» и терминология здравоохранения. Близость к «Экономике данных» поддерживают технологии, искусственный интеллект и применение новых решений. В профиле «Молодёжи и детей» существенна научная и организационная лексика, тогда как связь с конкурентной экономикой включает разработку, препараты и технологические решения. Общие слова создают основание для поиска зон сопряжения, но не устанавливают совместное финансирование, наличие единого исполнителя или реализованный межпроектный эффект. с. 83 исходного отчёта

Более слабая близость «Семьи» по сравнению с общим медицинским проектом объяснима широтой её содержательного состава: рядом с охраной материнства, детства и старшим поколением представлены социальные и культурные направления. Проектный средний профиль учитывает их все. Следовательно, слабый общий коэффициент не исключает тесного тематического совпадения отдельного федерального проекта. Аналогично невысокий результат «Кадров» не отменяет кадрового характера стажировок в С2. Для управленческого решения, относящегося к определённой функции, необходимо сопоставление соответствующих документов и мероприятий, а не механическое использование общего рейтинга. с. 83 исходного отчёта