Введение. Развитие высших учебных заведений является неотъемлемой тенденцией современного общества. Общественная оценка того или иного вуза и, следовательно, подхода к его развитию является важным фактором при разработке дальнейшей стратегии развития. В связи с этим ежегодно выпускаются различные университетские рейтинги, методики составления которых опираются на сильные и слабые стороны тех или иных заведений. Ввиду этого необходим анализ рейтинговых систем в рамках мониторинга высших учебных заведений для выявления характерных особенностей развития.
Методы исследования. Для исследования применялся метод корреляционного анализа, основанный на построении матрицы ранговой корреляции Спирмена для различных выборок учебных заведений. Выборка составлялась на основе списка лучших учебных заведений по данным авторитетных мировых рейтингов. Анализировалась корреляция как между различными рейтингами одного года выпуска, так и между различными выпусками одного рейтинга.
Результаты и дискуссия. В общем случае сильная корреляция между рейтинговыми системами не прослеживается, за редкими исключениями, что обосновывается разнообразием и различным весом отслеживаемых категорий. С другой стороны, корреляция по годам внутри отдельно взятой рейтинговой системы достаточно высока, однако на интервале в пять лет корреляция выше, чем на интервале в десять лет, что позволяет говорить о типовой длительности характерных изменений в позициях университетов. При этом рейтинг Webometrics на основе библиометрических показателей демонстрирует самую низкую корреляцию, что свидетельствует о действительной конкуренции в рамках публикационной активности и цитируемости.
Заключение. Список систем рейтинга университетов продолжает пополняться. Субъективный характер выделяемых каждой системой категорий приводит к пересмотру методик ранжирования и введению новых систем. Оценка корреляции между различными системами ранжирования и внутри отдельно взятой системы позволяет делать выводы о степени объективности рейтинга, а также о факторах, которым уделяется внимание.
Идентификаторы и классификаторы
- SCI
- Образование
Развитие высших учебных заведений является неотъемлемой тенденцией современного общества. Каждое учебное заведение руководствуется собственной стратегией развития, совершенствуясь в различных направлениях. При этом в мировой практике не сложилось единого подхода к составлению таких стратегий. С другой стороны, общественная оценка того или иного вуза и, следовательно, подхода к его развитию, является важным фактором при разработке стратегии развития. В связи с этим ежегодно выпускаются различные университетские рейтинги, методики составления которых опираются на сильные и слабые стороны заведений.
Список литературы
1. Hoang H. H., Goujon M. Determinants of Intra-Region and Extra-Region Foreign Direct Investment Inflow in ASEAN: A Spatial Econometric Analysis // Appl. Spatial Analysis. 2019. No. 12. P. 965-982. DOI: 10.1007/s12061-018-9280-8
2. Zungu L. T., Greyling L., Mbatha N. Economic growth and income inequality: a non-linear econometrics analysis of the SADC region, 1990-2015 // African Journal of Economic and Management Studies. 2021. Vol. 12, No. 2. P. 285-301. DOI: 10.1108/AJEMS-09-2020-0465 EDN: RZQXUY
3. Alekseychik T. et al. The choice of transport for freight and passenger traffic in the region, using econometric and fuzzy modeling // Procedia computer science. 2017. Vol. 120. P. 830-834. DOI: 10.1016/j.procs.2017.11.314 EDN: ELIPJB
4. Bell F. W. An Econometric Forecasting Model for a Region // Journal of Regional Science. 1967. Vol. 7, No. 2. P. 109-128. DOI: 10.1111/j.1467-9787.1967.tb01428.x
5. Glickman N. J. An Econometric Forecasting Model for the Philadelphia Region // Journal of Regional Science. 1971. Vol. 11, No. 1. DOI: 10.1111/j.1467-9787.1971.tb00237.x
6. Zhu L. et al. The impact of foreign direct investment on SO2 emissions in the Beijing-Tianjin-Hebei region: A spatial econometric analysis // Journal of Cleaner Production. 2017. Vol. 166. P. 189-196. DOI: 10.1016/j.jclepro.2017.08.032
7. Syeda J. Impact of Climate Change on Wheat Production in Dinajpur Region of Bangladesh: an Econometric Analysis // Journal of Environmental Science and Natural Resources. 2018. No. 10(2). P. 157-162. DOI: 10.3329/jesnr.v10i2.39029
8. Guskov A., Kosyakov D., Selivanova I. Scientometric research in Russia: impact of science policy changes // Scientometrics. 2016. Vol. 107. P. 287-303. DOI: 10.1007/s11192-016-1876-7 EDN: WPPJHL
9. Marzi G. et al. Guidelines for Bibliometric-Systematic Literature Reviews: 10 steps to combine analysis, synthesis and theory development // International Journal of Management Reviews. 2024. No. 27(1). P. 81-103. DOI: 10.1111/ijmr.12381 EDN: MXKWAS
10. Mukherjee D. et al. Guidelines for advancing theory and practice through bibliometric research // Journal of Business Research. 2022. Vol. 148. P. 101-115. DOI: 10.1016/j.jbusres.2022.04.042 EDN: BBXLGB
11. Nobre G. C., Tavares E. Scientific literature analysis on big data and internet of things applications on circular economy: a bibliometric study // Scientometrics. 2017. Vol. 111. P. 463-492. DOI: 10.1007/s11192-017-2281-6 EDN: SHHCZV
12. Merigó J. M. et al. Academic research in innovation: a country analysis // Scientometrics. 2016. Vol. 108. P. 559-593. DOI: 10.1007/s11192-016-1984-4 EDN: WSUBLH
13. Kovac N. et al. Digital divide and digitalization in Europe: A bibliometric analysis // Equilibrium. Quarterly Journal of Economics and Economic Policy. 2024. Vol. 19, No. 2. P. 463-520. DOI: 10.24136/eq.2899
14. Chapman J. T. E., Desai A. Macroeconomic Predictions using Payments Data and Machine Learning // Forecasting. 2023. Vol. 5, No. 4. P. 652-683. DOI: 10.48550/arXiv.2209.00948 EDN: SWSHPX
15. Lin J. et al. Real-time macroeconomic projection using narrative central bank communication // Journal of Applied Econometrics. 2023. Vol. 38, No. 2. С. 202-221. DOI: 10.1002/jae.2946 EDN: NQQMNH
16. Cobo M. J. et al. Science mapping software tools: Review, analysis, and cooperative study among tools // Journal of the American Society for Information Science and Technology. 2011. Vol. 62, No. 7. P. 1382-1402. DOI: 10.1002/asi.21525
17. Croitoru, I. M., Spiridon, C. A., & Jurubita, G. G. Regional Development at the European Level: A Bibliometric Analysis from 2019 to 2023 // Ovidius University Annals, Economic Sciences Series. 2023. Vol. 23, No. 1. P. 77-86. DOI: 10.61801/OUAESS.2023.1.11 EDN: SWLLRI
18. Wang, Xinxin, Zeshui Xu, and Marinko Škare. A bibliometric analysis of Economic Research - Ekonomska Istrazivanja (2007-2019) // Economic research - Ekonomska Istraživanja. 2020. Vol. 33, No. 1. P. 865-886. DOI: 10.1080/1331677X.2020.1737558
19. Tarazi, Alaa.Comparative Analysis of the Bibliographic Data Sources Using PubMed, Scopus, Web of Science, and Lens: Comparative Analysis of Bibliographic Data Sources // High Yield Medical Reviews. 2024. Vol. 2, No. 1. DOI: 10.59707/hymrUNHW4628
20. Aria M., Cuccurullo C. bibliometrix: An R-tool for comprehensive science mapping analysis // Journal of Informetrics. 2017. No. 11(4). P. 959-975. DOI: 10.1016/j.joi.2017.08.007
21. Van Eck N., Waltman L. Software survey: VOSviewer, a computer program for bibliometric mapping // Scientometrics. 2010. Vol. 84, No. 2. P. 523-538. DOI: 10.1007/s11192-009-0146-3
22. Vinuesa R. et al. The role of artificial intelligence in achieving the Sustainable Development Goals // Nature Communications. 2020. Vol. 11, No. 1. P. 1-10. DOI: 10.1038/s41467-019-14108-y EDN: YVLGDO
23. Bowman N. A., Bastedo M. N. Anchoring effects in world university rankings: exploring biases in reputation scores // Higher Education. 2010. Vol. 61(4). Pp. 431-444. DOI: 10.1007/s10734-010-9339-1
24. Lindblad S. Navigating in the Field of university positioning: On international ranking lists, quality indicators and higher education governing // European Educational Research Journal. 2008. Vol. 7. Issue 4. Pp. 438-450. DOI: 10.2304/eerj.2008.7.4.438
25. Bahram B.International university rankings: For good or ill? // Oxford. Higher Education Policy Institute. 2016. HEPI Report No. 89. URL: https://www.hepi.ac.uk/wp-content/uploads/2016/12/Hepi_International-university-rankings-For-good-or-for-ill-REPORT-89-10_12_16_Screen-1.pdf (дата обращения: 20.09.2024).
26. Millot B.International rankings: Universities vs. higher education systems // International Journal of Educational Development. Vol. 40. Pp. 156-165. DOI: 10.1016/j.ijedudev.2014.10.004
27. Bollag B. Group endorses principles for ranking universities // Chronicle of Higher Education. 2006. Vol. 52(40). A40. URL: https://www.chronicle.com/article/group-endorses-principles-for-ranking-universities/(дата обращения: 20.09.2024).
28. Van Raan A. F. J. Challenges in the ranking of universities / In: The World-Class University and Ranking: Aiming Beyond Status, edited by J. Sadlak and L. N. Cai // UNESCO-CEPES. Bucharest. 2007. URL: https://www.cwts.nl/TvR/documents/AvR-2006UNESCO.pdf (дата обращения: 20.09.2024).
29. Zitt M., Filliatreau G. Big is (made) beautiful - some comments about Shanghai-ranking of world-class universities / In: The World-Class University and Ranking: Aiming Beyond Status, edited by J. Sadlak and L. N. Cai // UNESCO-CEPES. Bucharest, 2007. URL: https://www.cwts.nl/TvR/documents/AvR-2006UNESCO.pdf (дата обращения: 20.09.2024).
30. Ioannidis J. P. A., Patsopoulos N. A., Kavvoura F. K., Tatsioni A., Evangelos E., Kouri I., Contopoulos-Ioannidis D. G., Liberopoulos G.International ranking systems for universities and institutions: A critical appraisal // BMC Med. 2007. Vol. 5(30). DOI: 10.1186/1741-7015-5-30
31. Liu N. C., Cheng Y. The academic ranking of world universities // Higher Education in Europe. 2005. Vol. 30. Issue 2. Pp. 127-136. DOI: 10.1080/03797720500260116
32. Sugak D. B. Rankings of a university’s web sites on the Internet // Scientific and Technical Information Processing. 2011. Vol. 38(1). Pp. 17-19. DOI: 10.3103/S014768821101014X
33. Moed H. F. A critical comparative analysis of five world university rankings // Scientometrics. 2017. Vol. 110. Pp. 967-990. DOI: 10.1007/s11192-016-2212-y EDN: QSNNIA
34. Waltman L. et al. The Leiden ranking 2011/2012: Data collection, indicators, and interpretation // Journal of the American Society for Information Science and Technology. 2012. Vol. 63. Issue 12. Pp. 2419-2432. DOI: 10.1002/asi.22708
35. Игровые модели операций и принятие решений в них / В. С. Гедзюн, М. К. Бондарева, А. О. Жуков [и др.] // М.: Федеральное государственное бюджетное научное учреждение “Экспертно-аналитический центр”, 2024.
36. Теория и практика исследования операций / В. С. Гедзюн, М. К. Бондарева, А. О. Жуков [и др.] // М.: Федеральное государственное бюджетное научное учреждение “Экспертно-аналитический центр”, 2023. DOI: 10.55469/9785904670887
37. Основы системного анализа сложных информационно-технических систем / М. К. Бондарева, А. О. Жуков, И. Г. Иванов [и др.] // М.: Федеральное государственное бюджетное научное учреждение “Экспертно-аналитический центр”, 2023. DOI: 10.55469/9785904670870 EDN: WZPRND
38. Карцан П. И. Применение искусственного интеллекта в образовательном процессе // Цифровая трансформация социальных и экономических систем. Материалы международной научно-практической конференции, Москва, 27 января 2023 года. М.: Московский университет им. С. Ю. Витте, 2023. С. 1016-1027. EDN: BXRALB
39. Проблемы и перспективы использования распределенных информационных систем для комплексной поддержки непрерывного образования / А. О. Жуков, С. В. Проничкин, Р. Ф. Исмагилов [и др.] // Вопросы контроля хозяйственной деятельности и финансового аудита, национальной безопасности, системного анализа и управления. Сборник материалов IX Всероссийской научно-практической конференции. Москва, 7 декабря 2023 года. М.: Федеральное государственное бюджетное научное учреждение “Экспертно-аналитический центр”, 2023. С. 103-115. DOI: 10.55469/9785904670917_103 EDN: JQDUUC
40. Цифровые технологии информационно-образовательной среды воспроизводства человеческого капитала / А. О. Жуков, С. В. Проничкин, Б. А. Нерсесов [и др.] // Вопросы контроля хозяйственной деятельности и финансового аудита, национальной безопасности, системного анализа и управления. Сборник материалов IX Всероссийской научно-практической конференции. Москва, 7 декабря 2023 года. М.: Федеральное государственное бюджетное научное учреждение “Экспертно-аналитический центр”, 2023. С. 116-128. DOI: 10.55469/9785904670917_116 EDN: AWCYCQ
41. Применение технологий искусственного интеллекта в перспективных методах и алгоритмах мониторинга программ научно-прикладных исследований и экспериментов, проводимых федеральными органами исполнительной власти / В. С. Гедзюн, А. О. Жуков, В. О. Скрипачев [и др.] // Информатизация и техническое обеспечение уголовно-исполнительной системы Российской Федерации: проблемы, решения и перспективы развития. Сборник материалов II Всероссийской научно-практической конференции, Тверь, 4-5 октября 2023 года. Тверь: Научно-исследовательский институт информационных технологий ФСИН России, 2023. С. 19-28.
Выпуск
Другие статьи выпуска
Законодательно установленный императив в ч. 3 ст. 6 и ч. 1 ст. 23 Федерального закона от 22 октября 2004 г. № 125-ФЗ «Об архивном деле в Российской Федерации» о необходимости разработки ведомственного перечня документов со сроками хранения в Министерстве науки и высшего образования Российской Федерации воплощен в Перечне документов, образующихся в процессе деятельности Министерства науки и высшего образования Российской Федерации и подведомственных ему организаций, с указанием сроков хранения, утвержденном приказом Минобрнауки России от 29 ноября 2023 г. № 1111 (далее — Приказ, Перечень документов). Достаточно трудоемкая работа по созданию Перечня документов описана в литературных источниках. Особенности создания Перечней документов, устанавливающих сроки хранения, отражающих деятельность ведомства, активно обсуждаются в литературе.
Представлена рецензия на книгу «Управление наукой: путеводитель по советскому прошлому» / отв. ред. Е. А. Долгова, науч. ред. Д. С. Секиринский; авт.: Е. А. Долгова, М. О. Окунева, М. В. Грибовский, Е. Ф. Синельникова, В. В. Слискова; Российский государственный гуманитарный университет; Центр истории Российской науки и научно-технологического развития. М.: РГГУ, 2024. 405 с.
Введение. В условиях динамично меняющейся внешней среды, роста конкуренции на национальном и мировом уровне выпуск продукции, имеющей инновационные характеристики, выступает одним из факторов, определяющих рост конкурентоспособности и спроса.
Методы исследования. Методом исследования выступил критический анализ современных разработок в текстильной и обувной промышленности.
Результаты и дискуссия. Выявлены перспективные направления исследований, определены драйверы развития текстильной и обувной промышленности на основе оценки текущего состояния данных отраслей легкой промышленности и современных направлений исследований и разработок. Определены препятствия для развития исследовательской деятельности, предложены направления развития исследовательской деятельности в текстильной и обувной промышленности.
Заключение. Проведенное исследование позволяет сделать вывод: в настоящее время исследования и разработки в текстильной и обувной промышленности относятся к таким направлениям, как модернизация производственных мощностей и процессов; разработка и производство новых материалов, материалов с заданными свойствами («умные» ткани), изменение свойств выпускаемых текстильной и кожевенной промышленностью материалов с целью придать им необходимые потребительские качества; создание экологически чистой продукции.
Введение. Настоящая статья посвящена исследованию восприятия наиболее значимых научно-технических достижений молодежной студенческой аудиторией. Основное внимание уделяется тому, как различные факторы, такие как социальный контекст, образовательная среда и медийные воздействия, формируют у молодежи оценку значимости научных достижений и их влияния на современное общество, а также способность к критическому анализу и систематизации научно-технической информации.
Методы исследования. Исследование основывается на качественном и количественном анализе данных, собранных в ходе опроса и групповых фокусированных интервью. На первом этапе был проведен сплошной письменный опрос 8 групп студентов, в том числе 4 групп дневного и 4 групп заочного отделений. Следующий этап включал обработку полученных результатов, приведение к единым формулировкам, количественный анализ, сводное ранжирование, выделение по общей частоте упоминаний, а также по частоте упоминаний на каждой из пяти возможных позиций. На завершающем этапе с участниками опроса были проведены 8 групповых фокусированных интервью с обсуждением полученных результатов.
Результаты и дискуссия. По результатам первого этапа исследования было названо 730 наименований научно-технических достижений. После исключения повторов по существу и полных дублирований список сократился до 103 позиций. Лидерами по частоте упоминаний как на верхних позициях, так и в целом по списку стали «электричество», «интернет», «телефон», «телевидение», «радио», «антибиотики», «пенициллин», «автомобиль», «колесо», «самолет/авиация», «паровой двигатель / паровая машина», «компьютер», «печатный станок», «письменность», «лазер», «рентгенография». При обсуждении роли и места отдельных стран и регионов в научно-техническом прогрессе проявился своеобразный «российский перфекционизм». Так нами был назван феномен оценки студентами роли российских ученых и изобретателей как незначительной на основании того, что они участвовали в разработке лишь примерно 20 % названных открытий, в то время как лучшие показатели были у двух стран - США и Великобритании. Таким образом, студенты, оценивавшие значимость открытий и изобретений, продемонстрировали признаки как научного, так и обывательского подхода к процессу оценки.
Заключение. Наиболее часто упоминались достижения, существенно повлиявшие на повседневную жизнь, такие как электричество, интернет, телефон и антибиотики, а также достижения фундаментальной науки, наиболее известные благодаря их практическому использованию. Студенты продемонстрировали признаки как повседневного, так и научного мышления, в связи с этим можно сделать вывод о том, что они нуждаются в развитии навыков критического восприятия, оценки и понимания исторического контекста. К числу важнейших задач формирования представлений студентов о научно-технических достижениях можно отнести популяризацию научных знаний и творчества, создание стимулов для интеллектуальной деятельности, а также формирование навыков объективного критического анализа реальности, на котором такая деятельность базируется. Полученные выводы могут использоваться в системе образования, средствах массовой информации, а также при проведении государственной политики в сфере науки, культуры, информации, образования.
Введение. В России созданы 15 научно-образовательных центров мирового уровня, которые ведут исследования в рамках 200 технологических проектов. Запуск научно-образовательных центров приводит в целом к появлению нового вида деятельности, новых позиций и изменению структуры этих позиций во всех видах деятельности. Для эффективной реализации прорывных научно-технологических проектов в рамках НОЦ мирового уровня необходима постоянная работа по формированию и выявлению новых технологических компетенций.
Методы исследования. В работе использовались аналитический метод, метод имитационного моделирования, статистические методы.
Результаты и дискуссия. Для успешной реализации научно-технологических проектов компетенции должны обладать таким свойством, как комплементарность. Комплементарные технологические компетенции в рамках НОЦ мирового уровня можно разделить на два вида: метакомпетенции и сквозные компетенции. Наличие комплементарных технологических компетенций НОЦ мирового уровня в полном объеме позволяет реализовывать в рамках центров инновационные высокотехнологичные проекты, требующие глубоких знаний. Рассматривая специфику каждого отдельного НОЦ мирового уровня, а также каждого реализуемого проекта в рамках НОЦ, следует при помощи анализа данных четко формулировать необходимый состав компетенций. Показатели анализируются с привлечением статистических методов для выявления проблемных мест и определения направления дополнительной образовательной деятельности НОЦ мирового уровня. Методика формирования комплементарных технологических компетенций в рамках НОЦ мирового уровня представляет собой шесть взаимосвязанных блоков: целевой, теоретико-методологический, технологический, организационный, результативный и оценочный.
Заключение. Предложена методика выявления и формирования комплементарных технологических компетенций НОЦ мирового уровня.
Введение. Для проведения современных научных исследований необходимо применять системный подход к анализу структуры, исследованию закономерностей научного знания. Это делает наукометрию важным инструментом в работе ученых и исследователей. Одним из ключевых направлений научных исследований в рассматриваемой области является изучение и разработка эконометрических методов моделирования и последующее их использование для прогнозирования регионального экономического развития. Для проведения исследований такого рода применяются библиометрические методы, включающие в себя анализ цитируемости, индексов научного влияния и картирование науки. Данные методы дают возможность определить ключевые научные школы, выявить исследовательские тренды и оценить уровень международного сотрудничества.
Методы исследования. Проведен библиометрический анализ отобранных научных публикаций в области эконометрических методов моделирования и прогнозирования регионального развития. Анализ проведен с использованием современных инструментов, таких как The Lens, Bibliometrix и VOSviewer. Были рассмотрены ключевые библиометрические показатели, освещены и применены на практике методы визуализации научных данных, проведен анализ публикационной активности в ведущих базах данных.
Результаты и дискуссия. Проведенный анализ библиометрических материалов показал наличие тренда устойчивого роста числа научных публикаций в исследуемой области регионального экономического развития, что подтверждает высокую актуальность темы. В ходе исследования, а именно проведения кластеризации научных направлений, было установлено, что в основном исследования посвящены трем направлениям: изучению региональной экологии и экономики, изучению традиционной экономики, изучению социальной экономики. Также был проведен сравнительный анализ исследуемых научных публикаций, в ходе которого были выявлены библиографические связи научных статей, ключевые слова, их плотность распределения. В качестве основных ключевых слов исследований можно выделить «экономическое развитие», «выбросы CO2», «возобновляемая энергия», «финансовое развитие», «устойчивое развитие».
Заключение. Проведенный в рамках исследования библиометрический анализ позволил выявить ключевые направления научных работ в области эконометрического моделирования регионального развития. Разработанный авторами алгоритм и методология системного анализа библиографии дали возможность определить наиболее значимые и весомые научные труды в рассматриваемой области. Представленные разнообразные визуализации данных проиллюстрировали междисциплинарный характер рассмотренных исследований. Дальнейшие исследования в освещаемой области возможны в части поиска и внедрения новых перспективных методов библиометрического анализа данных.
Введение. Наукометрические показатели широко используются при оценке эффективности научной деятельности ученых и в целом научно-образовательных учреждений. Качество результатов научных исследований и их значимость в научном сообществе в основном характеризуются количественной оценкой публикаций ученого или научного коллектива и показателем цитирования этих публикаций. В статье приведены показатели публикационной активности 10 ведущих университетов России за 2024 г. и выполнены статистический анализ и оценка взаимосвязи двух основных наукометрических показателей ученых: индекса Хирша и процентиля по ядру РИНЦ.
Методы исследования. В работе использован статистический анализ данных раздела РИНЦ научной электронной библиотеки eLibrary. ru. Показатели индекса Хирша и процентиля по ядру РИНЦ ученого выбираются для каждого вуза. Количественные оценки уровня взаимосвязи индекса Хирша и процентиля выполнены на основе корреляционно-регрессионного анализа.
Результаты и дискуссия. Выполнен анализ основных показателей публикационной активности университетов за 2024 г. (индекс Хирша, число цитирований, число авторов публикаций и количество цитирований на одного автора), по которым определены соответствующие лидеры. Результаты исследования показали, что индекс Хирша университета напрямую влияет на его рейтинговый балл (коэффициент линейной корреляции Пирсона (R) составляет 66,9). Как показывают численные расчеты, между индексом Хирша и значением процентиля ученого существует весьма высокая обратная корреляционная связь (R = 72,5): чем выше индекс Хирша, тем ниже показатель процентиля по соответствующему научному направлению.
Заключение. Результаты проведенных исследований указали на возможность использования линейной регрессионной формулы для оценки и определения прогнозных значений рейтингового балла университета по показателю индекса Хирша. Установленная высокая обратная корреляционная связь между индексом Хирша и значением процентиля подтверждает соответствующие уровни показателей публикационной активности ведущих университетов России.
Издательство
- Издательство
- РИЭПП
- Регион
- Россия, Москва
- Почтовый адрес
- 127254, г Москва, Бутырский р-н, ул Добролюбова, д 20А
- Юр. адрес
- 127254, г Москва, Бутырский р-н, ул Добролюбова, д 20А
- ФИО
- Ильина Ирина Евгеньевна (Директор )
- E-mail адрес
- info@riep.ru
- Контактный телефон
- +7 (495) 9162884
- Сайт
- https://riep.ru