XVIII Международная студенческая научная конференция Студенческий научный форум - 2026

Введение

Технологическое предпринимательство становится одним из важных направлений развития современных университетов. Вузы всё чаще выступают не только как образовательные организации, но и как площадки для запуска студенческих технологических проектов, коммерциализации разработок и формирования предпринимательских компетенций. Особенно актуально это для технических университетов, где сосредоточены инженерные, цифровые и научно-технологические компетенции.

Актуальность темы обусловлена тем, что в России активно развивается экосистема студенческого технологического предпринимательства: создаются акселераторы, стартап-студии, грантовые программы, Передовые инженерные школы и другие инструменты поддержки. Однако наличие таких возможностей не всегда означает высокую вовлечённость студентов. Для эффективного развития предпринимательской среды необходимо понимать, насколько студенты знают о программах поддержки, какие мотивы побуждают их участвовать в технологическом предпринимательстве, какие барьеры мешают им запускать проекты и какие форматы помощи они считают наиболее полезными.

Для НИУ МИЭТ данная тема имеет особую значимость, поскольку университет обладает сильной инженерно-технологической специализацией в области микроэлектроники, электронной компонентной базы, цифровых и IT-направлений. В МИЭТ существуют различные меры поддержки студенческих проектов, однако остаётся важным вопрос: насколько они понятны, доступны и востребованы самими студентами.

Цель курсовой работы - выявить факторы, барьеры и условия, влияющие на готовность студентов НИУ МИЭТ к участию в технологическом предпринимательстве, а также определить направления совершенствования университетской поддержки студенческих стартапов.

В рамках первой главы решаются следующие задачи: проанализировать вторичную информацию о развитии студенческого технологического предпринимательства в России; рассмотреть основные тенденции рынка и меры государственной поддержки; охарактеризовать спрос со стороны студентов; оценить конкурентную позицию НИУ МИЭТ в сравнении с другими участниками университетской предпринимательской экосистемы.

В рамках второй главы решаются задачи: разработать концепцию маркетингового исследования; обосновать метод сбора данных и выборку; провести онлайн-опрос студентов НИУ МИЭТ; определить уровень интереса и практической готовности студентов; выявить мотивы, барьеры, потребности и предпочтительные форматы поддержки; оценить информированность студентов о программах МИЭТ; проверить рабочие гипотезы и сформулировать практические рекомендации.

Объект исследования - НИУ МИЭТ как университетская среда, в которой формируются условия и механизмы поддержки участия студентов в технологическом предпринимательстве.

Предмет исследования - мотивационные, информационные, организационные и образовательные факторы среды НИУ МИЭТ, а также барьеры и потребности студентов, влияющие на их готовность к разработке технологических стартапов.

В качестве основного метода сбора первичных данных использовано онлайн-анкетирование студентов НИУ МИЭТ. Данный метод выбран потому, что он соответствует специфике студенческой аудитории, обеспечивает удобство прохождения анкеты, анонимность ответов и возможность дальнейшей обработки данных в Excel и STATISTICA.

Структура курсовой работы включает введение, две главы, заключение, список использованных источников и приложения. В первой главе представлен анализ вторичной информации о рынке студенческого технологического предпринимательства и позиции НИУ МИЭТ. Во второй главе описаны концепция маркетингового исследования, методика сбора данных, результаты опроса студентов, проверка гипотез и рекомендации.

Практическая значимость работы состоит в том, что её результаты могут быть использованы для совершенствования системы поддержки технологического предпринимательства в НИУ МИЭТ. Полученные данные позволяют определить наиболее важные направления развития: улучшение информирования, упрощение входа в программы, помощь в поиске команды, развитие практических форматов, сопровождение грантовых заявок и интеграцию проектной деятельности в учебный процесс.

Содержание

Глава 1. Анализ вторичной информации о готовности студентов российских вузов к технологическому предпринимательству

1.1. Объём и структура государственного финансирования экосистемы студенческого предпринимательства

Отдельную статью составляют Передовые инженерные школы: федеральный бюджет выделил на них 34 млрд рублей[1] за 2022-2025 годы, причём внебюджетные инвестиции достигли 51 млрд рублей за 2025 год (коэффициент привлечения вырос с 1,2 до 2,8 рубля на каждый бюджетный рубль). Программа УМНИК (ФСИ) за всё время существования рассмотрела более 140 000 заявок и поддержала свыше 18 000 проектов, из которых создано более 1 000 компаний.[2]

Динамика показателей Платформы университетского технологического предпринимательства в 2022-2025 гг.

За период 2022-2025 гг. ключевые показатели Платформы продемонстрировали устойчивую положительную динамику. Число участников увеличилось с более чем 50 000 (слушателей тренингов в первый год реализации программы) до 742 000 в 2024 году и превысило 790 000 к весне 2025 года. Количество вузов-участников возросло со 122 до 446, а география проекта расширилась с 63 городов и 77 регионов до 87 регионов. Общее число созданных стартапов достигло 36 000 к марту 2025 года, из них зарегистрированных юридических лиц - около 5 000 с совокупной выручкой более 2,8 млрд рублей.[3] Объём привлечённых частных инвестиций вырос с нуля до 2,56 млрд рублей. В вузах страны проходит свыше 150 акселерационных программ в год. Число участников мероприятий Предпринимательских точек кипения превысило 339 тыс. человек..[4]   

Отмечается значительный рост числа заявок на конкурс «Студенческий стартап»: только за первый месяц кампании 2025 года было подано свыше 4 000 заявок, что превышает совокупный показатель первого года проведения конкурса.[5]

Финансовые условия и результативность проектов

Средний грант программы «Студенческий стартап» составляет 1 млн рублей на 12 месяцев[6],  программы УМНИК - 500 тыс. рублей на 12 месяцев[7] . Следующая ступень - программа «Старт» ФСИ – предоставляет до 5 млн на этапе «Старт 1» и до 10 млн рублей на 2 этапе «Старт 2»  [8], а программы ФИОП - до 30 млн рублей на масштабирование[9]. Средняя расчётная выручка одного университетского стартапа составляет ~560 тыс. рублей в год (2,8 млрд / 5 000 юрлиц).

Уровень развития рынка

Участники выросли с ~50 тыс. в 2022 году до 742 тыс. в 2024

При этом Россия значительно отстаёт от мировой практики: по данным Мишустина (2021), только 3% стартапов в России рождаются в университетах, тогда как мировой показатель ~25%. Данный разрыв свидетельствует о значительном потенциале роста отечественной экосистемы[10]. За три года работы в нее вовлечено 429 вузов в 87 субъектах РФ, более 790 тыс. человек создали свыше 36 тыс. стартап-проектов. В результате реализации федпроекта к 2030 году планируется достижение ряда ключевых показателей: увеличение выручки МТК до 2,1 трлн рублей, 925 университетских стартапов, получивших статус МТК, почти 12 тыс. технологических компаний.[11]

1.2. Характеристика спроса со стороны студентов как целевой аудитории

Состав обучающихся НИУ МИЭТ

По данным мониторинга Минобрнауки, общий контингент МИЭТ в 2021 году составлял 4 556 человек (бакалавриат - 81,56%, магистратура - 17,78%, аспирантура - 180 человек). К 2024/2025 учебному году оценочная численность выросла до 5 500-6 000 человек с учётом расширения бюджетных мест (рост на 23% за 2019-2023 годы) и создания Колледжа электроники и информатики (209 студентов в первом наборе 2023 года). 82,4% студентов МИЭТ обучаются на инженерных направлениях - это один из самых высоких показателей среди российских вузов. В 2023 году бюджетных мест выделено 837 на бакалавриат и 429 на магистратуру.[12]

Общая численность студентов в России составляет 4,33 млн человек (2023) [13], из которых свыше 1,3 млн (почти 30%) обучаются на инженерно-технических программах - максимум за 9 лет. [14]

Предпринимательские намерения студентов

Глобальное исследование GUESSS (2023, выборка 4 668 студентов из 13 вузов) показало, что 41,5% российских студентов планируют стать предпринимателями через 5 лет после выпуска (14-е место в мире, при среднемировом показателе 30,0%. [15]Доля активных предпринимателей среди студентов - ~12% (большинство основали бизнес в 2022-2023 гг). Показатель предпринимательских намерений - 4,45 из 7 (22-е место в мире) (2016 год)  [16]

Около 41,5% студентов хотят стать предпринимателями через 5 лет после получения диплома, что на 11,5% превышает аналогичный показатель по международной выборке. в России наблюдается тенденция к сокращению доли студентов, рассматривающих для себя карьеру предпринимателя как сразу после учебы, так и через 5 лет после окончания вуза по сравнению с 2021 годом (сокращение на 2,6% и 0,7% соответственно), что отражает ситуацию и по международной выборке. [17]

Наиболее активны студенты 3-4 курса бакалавриата и магистратуры, преимущественно мужчины. Самые популярные направления проектов: «Цифровые технологии», «Креативные индустрии», «Новые приборы и интеллектуальные производственные технологии». Экономические и управленческие специальности демонстрируют наибольшую склонность к предпринимательству по опросам (48,6% респондентов GUESSS), однако технические вузы генерируют более технологичные и конкурентоспособные проекты. [13]

Факторы спроса и региональная дифференциация

Рост числа заявок на «Студенческий стартап» при постоянном размере гранта (1 млн рублей все годы) свидетельствует о том, что спрос обусловлен не столько суммой гранта, сколько расширением экосистемы, повышением осведомлённости и упрощением процедур. Допуск аспирантов и ординаторов с 2025 года дополнительно стимулировал подачу заявок.

Региональная концентрация выражена: Москва аккумулирует 24,3% всех поступивших в вузы (252 476 человек в 2024 году), вместе с Санкт-Петербургом - 329 400 поступивших (рост на 51,9% за 7 лет). [18]

Рисунок 1 «Рейтинг по количеству стартапов в регионах 2024-2025 гг»

Рисунок 2 «Рейтинг стартапов в ВУЗе 2024-2025 гг»

Рисунок 3 «Стартапы по направлению 2024-2025 гг»

На данных диаграммах и схемах представлена структура ПУТП, которая говорит о том, что Москва и республика Татарстан являются регионами, где сосредоточено большее количество стартапов. Это обусловлено высокой деловой активностью населения и наличием ОЭЗ с госфинансированием. Цифровые технологии являются приоритетным направлением. Лидирующее положение по количеству успешных разработок занимает Приволжский федеральный университет. [19]

1.3. Основные тенденции развития рынка студенческого технологического предпринимательства

Искусственный интеллект в структуре университетских стартапов

Искусственный интеллект стал главным драйвером роста университетских стартапов. В рейтинге ТОП-50 лучших университетских стартапов 2024 года домен «Цифровые технологии» лидирует с 20 проектами из 50 (40%) [20]. Рынок ИИ в России вырос на 25% за 2024 год (Smart Ranking), а ~40% всех венчурных инвестиций привлекают ИИ-проекты. Альянс в сфере ИИ (Сбер, Газпром нефть, Яндекс) совместно с Минобрнауки создал рейтинг вузов по подготовке ИИ-специалистов с целью удвоить число выпускников. [21]

Импортозамещение в сфере микроэлектроники

Рынок электронной компонентной базы (ЭКБ) в России достиг 370 млрд рублей в 2024 году (+20% год к году), с прогнозом роста до 0,8-1 трлн рублей к 2030 году. Инвестиции в российскую микроэлектронику в 2021-2024 годах оценивалась примерно в 30 млрд $. До 2022 года доля импорта на рынке микроэлектроники в России достигала 82%, этот объем и требовалось импортозаместить, отмечают аналитики Каmа Flow. По оценке Strategy Partners, к 2024 году доля импортных компонентов снизилась примерно до 75%, что все еще воспринимается как уязвимость. [22]

МНТЦ МИЭТ выступает ключевым партнёром Минпромторга в разработке программы электронного машиностроения стоимостью более 240 млрд рублей (110 ОКР)[23]. По данным МНТЦ МИЭТ, из 400+ моделей эксплуатируемого оборудования для производства микроэлектроники лишь ~12% можно произвести в России. [24]Зеленоградский нанотехнологический центр (ЗНТЦ) - стратегический партнёр МИЭТ - завершил разработку первого отечественного фотолитографа для топологических норм до 350 нм.[25]

Изменения нормативно-правового регулирования в 2021-2025 гг.

Регуляторная среда менялась стремительно. В октябре 2021 года утверждены 42 стратегические инициативы Правительства, включая ПУТП [26]. В 2022-2023 годах стартовали ПИШ первой и второй волны, принята Концепция технологического развития до 2030 года[27]. В конце 2024 ПУТП интегрирована в федпроект «Технологии» нацпроекта «Эффективная и конкурентная экономика». [28]К 2025 проект объединил 446 вузов-участников и вовлёк 789 800 человек. В его рамках создано 60 предпринимательских «точек кипения» в 44 городах, 302 акселерационные программы и 23 стартап-студии в 19 регионах. [29]

Корпоративные акселерационные программы

В рамках ПУТП ежегодно проводится более 100 акселерационных программ с охватом 45+ тыс. человек. Крупнейшие корпоративные акселераторы: StartupDrive (Газпром нефть), Sber500, GenerationS (крупнейший корпоративный акселератор Европы по версии 2018 года), MTS StartUp Hub, акселератор РЖД. 150+ госкорпораций и крупнейших производителей являются партнёрами ПИШ, к 2024 году - более 250 компаний. [30]

1.4. Оценка конкурентоспособности НИУ МИЭТ

Передовая инженерная школа НИУ МИЭТ

Передовая инженерная школа МИЭТ «Средства проектирования и производства электронной компонентной базы» создана в декабре 2023 года и заняла 1-е место (максимальный балл) среди всех 20 школ второй волны по итогам защит 2024 года. Школу возглавляет проректор по инновационному развитию Алексей Переверзев. В рамках ПИШ создаются 6 научно-исследовательских лабораторий (СФ-блоки и библиотеки, электронная литография, системы управления технологическим оборудованием, САПР микроэлектроники, цифровые и кибер-физические системы, приборно-технологическое моделирование) и технологический полигон с VR-комплексами и «цифровыми двойниками».[31]

Индустриальными партнёрами ПИШ МИЭТ выступают 19 компаний: YADRO (КНС групп), НПП «ЭСТО», МНТЦ МИЭТ, НИИМЭ, «Лазеры и аппаратура ТМ», НИИТМ, Завод «ПРОТОН», «Эпиэл», ЗИТЦ, Дизайн Центр «Союз», «Системные решения», ЗНТЦ, «Альфачип», Semiteq, НИИПМ, «Эремекс», «ТС Интеграция», «Програмсоюз», «Совтест АТЕ». За 2024 год разработано 17 новых образовательных программ, включая четыре программы магистратуры, созданы специализированные образовательные пространства.

Инфраструктура поддержки стартап-проектов в НИУ МИЭТ

МИЭТ вошёл в число 21 университетской стартап-студии России, созданной совместно с ЗНТЦ (победитель конкурса 2023 года). [32]Акселератор МИЭТ «Электроника» запущен в 2022 году для студентов и молодых преподавателей 18-35 лет с идеями на предпосевной стадии. На 2025-2026 годы анонсирован обновлённый акселератор «Электроника 2.0».[33]МИЭТ является аккредитованным преакселератором ФСИ для победителей УМНИК с 2018 года, проводит собственный конкурс «УМНИК МИЭТ» с грантами по 500 тыс. рублей. Студентка МИЭТ Елизавета Гарнак стала победителем конкурса «Студенческий стартап» с грантом 1 млн рублей. МИЭТ занял 8-е место в России по числу стартапов в рейтинге ТОП-1000 университетских стартапов (2025).[34]

Позиции НИУ МИЭТ в рейтингах российских вузов

В рейтинге Forbes 2024 МИЭТ занял 80-е место из 547 вузов (снижение с 21-го места в первом рейтинге Forbes 2018 года). [35]В рейтинге SuperJob IT МИЭТ занимает 10-е место (2025) со средней зарплатой выпускников 180 000 рублей - рост с 12-го места и 170 тыс. рублей в 2024 году, и с 147 тыс. рублей в 2023 году  . В Национальном рейтинге трудоустройства - 12-е место (бакалавриат, инженерия) и 8-е место (магистратура, инженерия). 99% выпускников остаются работать в московском регионе. [36]

Бренд среди абитуриентов укрепляется: в МИЭТ поступали более 5600 человек, что на 25% больше показателей прошлого года. Средний балл по одному предмету ЕГЭ абитуриентов, зачисленных на основные места на бюджет, вырос по сравнению с прошлым годом и составил 78,01 баллов. В число направлений подготовки с самым высоким конкурсом поданных заявлений на 1 бюджетное место вошли «Информационная безопасность», «Информационные системы и технологии» и «Прикладная информатика», «Информатика и вычислительная техника». [37]

1.5. Сравнительный анализ конкурентной среды

Сопоставление предпринимательских программ ведущих российских вузов

Акселератор МФТИ уже несколько лет широко известен среди молодых фаундеров и авторитетных инвесторов на территории СНГ за счет сильной команды эдвайзеров и впечатляющих результатов выпускников. За предыдущие 7 сезонов акселератор выпустил более 120 стартапов, собравших более 530 млн рублей инвестиций. [38]

Пример разработки: Intelligent University - университет будущего для детей и взрослых, объединяющий технологии с образовательно-игровой вселенной, наладили собственное производство, получили более 80 предзаказов суммой свыше 2 млн рублей, начали тестировать продукт в США, Европе, Сингапуре.  [39]

ИТМО демонстрирует впечатляющие результаты: Ежегодно через программу проходит более 140 стартапов., 70% проектов выпускников 2021-2023 годов продолжают работу[40]. ИТМО входит в ПИШ первой волны (грант 514 млн рублей).  [41]Пример разработки: Стартап "Биопринт" разработал технологию 3D-печати живых тканей. Компания привлекла инвестиции в размере $1 млн и планирует выйти на международный рынок. [42]

НИУ ВШЭ выделяется масштабом образовательных программ: майнор «Стартап с нуля»), где 24 стартапа дошли до стадии продаж[43].   Бизнес-инкубатор ВШЭ - это основной университетский акселератор и инкубатор НИУ ВШЭ, с ключевыми статистическими показателями на официальном сайте. Более 5 тыс. проектов прошли через программы за всё время. Выпускники привлекли свыше 2,4 млрд рублей инвестиций. Более 60% студентов выходят на продажи в первый год, а суммарный оборот студенческих бизнесов - 270 млн рублей в год. [44]ВШЭ - один из разработчиков методологии рейтинга ТОП-1000 стартапов. Пример разработки: платформа для управления автопарком и мойкой автомобилей, ориентированная на корпоративных клиентов. Проект прошел акселерацию в инкубаторе ВШЭ и выиграл акселератор Sber Up в 2020 году  [45]

Акселератор Сколково - это программа Фонда «Сколково» для поиска, отбора и ускоренного развития технологических стартапов на стадиях Seed и Round A, где 250 участников проекта, более 950 млн рублей привлечено.  [46]Пример разработки : NewStep Роснано. Компания разрабатывает остеоинтегративную систему экзопротезирования. Сумма инвестиций, заявленная в меморандуме после прохождения дьюдила и финализации условий, может составить до 60 млн рублей.[47]

Результаты конкурса «Студенческий стартап» в разрезе вузов и направлений

По числу победителей устойчиво лидируют вузы Москвы, Татарстана и Санкт-Петербурга. По направлениям в 2024 году доминируют ИИ и цифровые технологии (830 проектов), за ними - агробиотехнологии (214), персонализированная медицина (146), станкостроение (75), микроэлектроника (44), БПЛА (37). Вузы-лидеры по масштабу предпринимательских программ (МФТИ, ИТМО, ВШЭ) закономерно аккумулируют наибольшее число победителей. [48]

Ограничения развития экосистемы

Ключевые ограничения включают: недостаточный размер гранта (1 млн рублей ≈ $10 000, что покрывает лишь 2 месяца зарплаты программиста после налогов и отчётности); нечёткое регулирование интеллектуальной собственности в вузах (конфликт между правами студента и вуза - проблема настолько серьёзна, что в 2025 году проведена отдельная Всероссийская конференция «ИС в проектах университетского техпреда» в УрФУ); слабые alumni-сообщества (по оценке экспертов, лишь 2-3 вуза умеют их организовывать); недостаточная вовлечённость бизнеса (директор Сколтеха Пирадов отмечает потребность в «несколько большей вовлечённости бизнеса»); отсутствие у большинства вузов доступа к кластерам данных и ресурсам для создания моделей ИИ.

Сопоставление с показателями зарубежных вузов

По данным Venture Capital Initiative Стэнфордской школы бизнеса, Стэнфорд лидирует среди всех американских университетов: 285 выпускников основали 207 компаний-«единорогов» - более чем на 40 больше, чем у ближайшего конкурента, Гарварда . В выборке исследования Стэнфорд насчитывает 256 единорогов[49] . По данным Pitchbook, только за 10-летний период основатели-выпускники Стэнфорда привлекли совокупно $73,5 млрд венчурных инвестиций[50]. В 2022/23 году 472 выпускника Стэнфорда основали стартапы, привлёкшие от $1 млн и более.[51]

Для сравнения: исследование «Техпред-50» охватывает 863 локальных технологических стартапа, основанных 1 127 предпринимателями в период с 2014 по 2023 год; совокупно они привлекли 136 млрд рублей (~$1,5 млрд) инвестиций[52] - примерно в 50 раз меньше, чем выпускники одного Стэнфорда за тот же срок. При этом объём частных инвестиций непосредственно в университетские стартапы ПУТП с 2022 года составил около 2,56 млрд рублей (~$28 млн) [3]. Сама платформа за 2022–2024 годы охватила 78 регионов, к ней подключились 427 вузов, а участниками стали свыше 600 тыс. студентов и сотрудников.[53]

Российская экосистема университетского предпринимательства находится на ранней стадии формирования: за весь период реализации ПУТП создано около 28 тыс. университетских  [54], однако абсолютное большинство из них находится на досевной или посевной стадии и не располагает значимыми внешними инвестициями. Количественное отставание российской экосистемы от зарубежных лидеров составляет десятки раз по числу зрелых стартапов и сотни раз - по объёму привлечённого капитала.

Таблица №1

Конкурентный анализ

Параметр	НИУ МИЭТ	МФТИ	ИТМО	НИУ ВШЭ	Сколково
Конкурентная позиция	Нишевый лидер	Бренд-лидер	Операционный лидер	Масштабный игрок	Корп. акселератор
Целевая аудитория	Инженеры-электронщики	Физтех, STEM	ИТ, биотех	Бизнес, ИТ, экономика	Технол. стартапы Seed+
Ключевая ниша	Микроэлектроника, ЭКБ	Широкий STEM	ИТ + биотех	Бизнес + ИТ	Deep tech
Сила бренда	Средняя	Высокая	Высокая	Очень высокая	Высокая
Масштаб экосистемы	Малый	Средний	Средний	Крупный	Средний
Господдержка (ПИШ)	1-е место, 2-я волна	1-я волна	Лучшая ПИШ, 514 млн ₽	Участвует	Не вузовская
Инвестиции в стартапы	Нет данных	530+ млн ₽	Отдельные проекты	2,4 млрд ₽	950+ млн ₽
Выживаемость стартапов	Нет данных	Нет данных	70%	60%+	Нет данных
Уникальное преимущество	Партнёр Минпромторга, монополия в ЭКБ	Инвесторская сеть СНГ	Выживаемость, биотех	Крупнейший инкубатор	Корп. инвесторы
Главная угроза	Отставание по масштабу и видимости результатов	Широкая конкуренция за таланты	Высокая конкуренция в ИТ	Слабая технол. специализация	Зависимость от корп. партнёров
Главная возможность	Рост рынка ЭКБ до 1 трлн ₽ к 2030 г.	Расширение в ИИ и deep tech	Биотех и медтех	Масштабирование инкубатора	Рост венчурного рынка
Итоговая оценка	Сильная ниша, слабая экосистема	Сильный бренд, широкий охват	Лучшие операционные результаты	Лидер по инвестициям	Вне прямой конкуренции

НИУ МИЭТ занимает нишевую, но устойчивую позицию: 8-е место в ТОП-1000 стартапов при относительно небольшой численности студентов свидетельствует о высокой удельной эффективности. Уникальное преимущество - монополия в микроэлектронике и импортозамещении ЭКБ, подкреплённая партнёрством с Минпромторгом и 1-м местом среди ПИШ второй волны. Главная слабость - отсутствие публичных данных об инвестициях и выживаемости стартапов, тогда как конкуренты (ВШЭ - 2,4 млрд ₽, МФТИ - 530 млн ₽) эти показатели демонстрируют открыто. Стратегически МИЭТ не должен конкурировать с лидерами по масштабу - его задача углублять нишевое лидерство на фоне роста рынка ЭКБ до 1 трлн рублей к 2030 году и выстраивать измеримые показатели результативности экосистемы.

Вывод к главе 1

Проведённый анализ вторичных данных показывает, что российский рынок студенческого технологического предпринимательства находится на стадии расширения: в рамках ПУТП охвачено 790 тыс. участников в 446 вузах, сформировано 36 тыс. стартап-проектов, а объём привлечённых частных инвестиций составил 2,56 млрд рублей. Спрос со стороны студенческой аудитории характеризуется устойчивостью: 41,5% российских студентов декларируют намерение открыть собственный бизнес в течение пяти лет после выпуска, что превышает среднемировой показатель. Среди ключевых тенденций рынка выделяются преобладание направлений, связанных с искусственным интеллектом и цифровыми технологиями, а также запрос на импортозамещение в сфере микроэлектроники при прогнозируемом росте рынка электронной компонентной базы до 1 трлн рублей к 2030 году.

НИУ МИЭТ занимает устойчивую нишевую позицию: 8-е место в ТОП-1000 университетских стартапов, 1-е место среди ПИШ второй волны, партнёрство с Минпромторгом в программе на 240 млрд рублей. При небольшой численности студентов это свидетельствует о высокой удельной эффективности. Главный разрыв с лидерами - отсутствие публичных данных об инвестициях и выживаемости стартапов, тогда как ВШЭ демонстрирует 2,4 млрд рублей привлечённых инвестиций, МФТИ - 530 млн рублей за семь сезонов акселератора. Стратегическая задача МИЭТ - конвертировать монополию в нише микроэлектроники в измеримые и публично верифицируемые предпринимательские результаты.

Глава 2. Маркетинговое исследование на готовность студентов НИУ МИЭТ к участию в технологическом предпринимательстве

Концепция маркетингового исследования

Тема

Исследование факторов, влияющих на готовность студентов НИУ МИЭТ к участию в технологическом предпринимательстве и разработке собственных технологических стартапов.

1. Постановка проблемы исследования

В НИУ МИЭТ реализуются различные меры поддержки технологического предпринимательства студентов: образовательные программы, акселерационные форматы, инфраструктурные инициативы, формат «Стартап как диплом» и другие инструменты. Однако при наличии этих возможностей уровень фактической вовлечённости студентов в технологическое предпринимательство остаётся недостаточно высоким: многие студенты не проявляют устойчивого интереса к запуску стартапов, не осведомлены о возможностях университета либо не переходят от интереса к практическим действиям. Исследовательская проблема состоит в том, что у НИУ МИЭТ отсутствует достаточная первичная информация о том, какие именно факторы университетской среды, какие барьеры и какие потребности студентов в наибольшей степени влияют на их готовность участвовать в технологическом предпринимательстве. Без такой информации затруднено совершенствование действующей системы поддержки студенческих технологических стартапов.

2. Цель исследования

Получить информацию, необходимую НИУ МИЭТ для выявления факторов, барьеров и условий, влияющих на готовность студентов к участию в технологическом предпринимательстве, а также для определения направлений совершенствования университетской поддержки студенческих технологических разработок.

3. Объект и предмет исследования

Объект исследования - НИУ МИЭТ как университетская среда, в рамках которой формируются условия, возможности и механизмы поддержки участия студентов в технологическом предпринимательстве.

Предмет исследования - мотивационные, информационные, организационные и образовательные факторы университетской среды НИУ МИЭТ, а также барьеры и потребности студентов, влияющие на их готовность к участию в технологическом предпринимательстве и разработке технологических стартапов.

4. Задачи исследования и рабочие гипотезы

Задача 1

Определить текущий уровень интереса и готовности студентов НИУ МИЭТ к технологическому предпринимательству.

 Гипотеза H1: интерес к технологическому предпринимательству на среднем и высоком уровне проявляют 15-20 % студентов. При этом доля студентов, находящихся на стадии практической готовности (есть идея, команда, прототип, MVP), не превышает 5-8 %.

Задача 2

 Выявить основные мотивационные факторы, которые всё же побуждают заинтересованных студентов участвовать в технологическом предпринимательстве.

Гипотеза H2: среди заинтересованных студентов (15-20 %) главными мотивами являются самореализация, практический опыт и интерес к инновациям. Мотив быстрого высокого дохода будет выражен слабо (не более 25-30 % от заинтересованной группы).

Задача 3

Определить ключевые барьеры, препятствующие вовлечению студентов в технологическое предпринимательство.

Гипотеза H3: основные барьеры (в порядке значимости):

1. Нехватка времени (не менее 50 %);
2. Недостаток практических знаний и понимания, с чего начать (45-55 %);
3. Отсутствие команды (40 %);
4. Страх неудачи и неопределённости (35 %). Финансовые ограничения будут названы в качестве главного барьера не более чем 20-25 % студентов.

Задача 4

 Оценить уровень информированности студентов о мерах поддержки технологического предпринимательства в НИУ МИЭТ.

Гипотеза H4: не более 40-45 % студентов знают о существовании мер поддержки, и лишь 15-20 % могут назвать хотя бы два конкретных инструмента («Стартап как диплом», акселератор, гранты и т.д.).

Задача 5

Выявить потребности студентов в знаниях, навыках и форматах поддержки.

Гипотеза H5: среди заинтересованных студентов наибольший спрос будет на практико-ориентированные форматы:

1. Проверка идеи и CustDev (55-65 %);
2. Поиск команды и наставничество (50 %);
3. Привлечение первого финансирования и презентация проекта (45 %). Теоретические лекции без практики будут востребованы менее чем у 15-20 %.

Задача 6

Проанализировать восприятие доступности, понятности и полезности действующих инструментов поддержки.

Гипотеза H6: низкая оценка доступности и понятности инструментов поддержки существенно коррелирует с низким интересом. Среди студентов, оценивающих поддержку позитивно, доля заинтересованных будет в 2-3 раза выше, чем в среднем по университету.

Задача 7

Провести сегментацию студентов по уровню интереса, мотивации, барьерам и готовности.

Гипотеза H7: структура аудитории будет включать минимум три ключевых сегмента:

1. «Слабо вовлечённые / незаинтересованные» -70-75 %;
2. «Заинтересованные, но пассивные» - 15-18 % (интерес есть, но сильные барьеры);
3. «Мотивированные и потенциально активные» - 7-10 % (готовы к практическим шагам при правильной поддержке).

5. Система используемых показателей

5.1. Показатели интереса и готовности

1. Уровень интереса (низкий/средний/высокий);
2. Намерение участвовать + временной горизонт;
3. Стадия вовлечённости (от «никогда не думал» до «есть MVP»);
4. Опыт участия в проектах, хакатонах и т.д.

5.2. Показатели мотивации

1. стремление к самореализации;
2. интерес к инновациям и созданию новых продуктов;
3. желание получить практический опыт;
4. стремление к профессиональной независимости;
5. ориентация на коммерческий результат;
6. восприятие предпринимательства как возможной карьерной траектории.

5.3. Показатели барьеров

1. нехватка времени;
2. недостаток практических знаний;
3. отсутствие команды;
4. страх неудачи;
5. непонимание, с чего начать;
6. финансовые ограничения;
7. недостаток поддержки со стороны окружения.

5.4. Показатели информированности

1. знание о наличии в НИУ МИЭТ мер поддержки;
2. знание конкретных инструментов поддержки;
3. количество известных студенту форм поддержки;
4. источники информации о возможностях университета;
5. оценка достаточности и доступности информации.

5.5. Показатели образовательных потребностей

1. потребность в обучении проверке идеи и CustDev;
2. потребность в навыках бизнес-моделирования;
3. потребность в поиске команды;
4. потребность в наставничестве;
5. потребность в обучении презентации проекта;
6. потребность в информации о грантах и финансировании;
7. предпочтительные форматы обучения и поддержки.

5.6. Показатели восприятия университетской поддержки

1. оценка доступности действующих инструментов поддержки;
2. оценка понятности механизма участия;
3. оценка практической полезности программ;
4. оценка соответствия программ интересам студентов;
5. общая удовлетворённость условиями поддержки технологического предпринимательства в НИУ МИЭТ.

5.7. Показатели для сегментации

1. курс;
2. уровень обучения;
3. направление подготовки;
4. опыт проектной деятельности;
5. опыт работы;
6. участие в предпринимательских мероприятиях;
7. наличие собственной идеи проекта;
8. пол;
9. возраст.

Обоснование выбора

В качестве основного инструмента сбора первичных данных выбран метод онлайн-анкетирования, реализованный на платформе Яндекс Формы (с дублированием в Google Формы). Выбор данного метода обусловлен совокупностью методологических, организационных и экономических факторов, наиболее значимые из которых применительно к специфике целевой выборки - студентов НИУ МИЭТ - заключаются в следующем: во-первых, онлайн-анкетирование обладает высокой релевантностью характеристикам аудитории технического вуза, 82,4 % которой обучается на инженерных направлениях и обладает сформированными цифровыми компетенциями, обеспечивая низкий порог входа, высокий показатель отклика и минимизацию эффекта социальной желательности за счёт отсутствия интервьюера; во-вторых, метод гарантирует асинхронность и пространственную независимость сбора данных, позволяя респондентам заполнять анкету в удобное время и расширяя охват через привычные каналы коммуникации студентов (Telegram-каналы, сообщества «ВКонтакте» и корпоративную почту); в-третьих, онлайн-формат обеспечивает методологические преимущества - анонимность, условную маршрутизацию (branching logic), валидацию ответов и автоматическую выгрузку результатов в структурированном виде (.xlsx/.csv), что повышает достоверность данных и сокращает время их обработки; в-четвёртых, он характеризуется низкой ресурсоёмкостью, не требуя затрат на печать, интервьюеров и организацию очных встреч, что соответствует ограниченному бюджету исследования. Совокупность перечисленных факторов делает онлайн-анкетирование оптимальным методом для решения задач настоящего исследования.

Разработка рабочего инструментария

Вопрос 1 представляет собой закрытый вопрос со шкалой ответов - 5-балльной шкалой Лайкерта, по которой респондент выражает степень личного интереса к технологическому предпринимательству: 1 - «Совсем не интересно», 2 - «Скорее не интересно», 3 - «Нейтрально», 4 - «Скорее интересно», 5 - «Очень интересно». Шкала сбалансированная, форсированная, нечётная. При обработке рассчитывается среднее значение и стандартное отклонение, показывающее разброс мнений респондентов.

Вопросы 2 и 3 - закрытые многовариантные с выбором одного варианта ответа. Варианты выстроены по принципу нарастающей вовлечённости: вопрос 2 выясняет намерения относительно создания собственного технологического стартапа, вопрос 3 уточняет текущую стадию проекта и является его логическим продолжением. При обработке строятся частотные распределения по каждому варианту.

Вопросы 4-7 - закрытые многовариантные с возможностью выбора нескольких вариантов. Вопрос 4 является фильтрующим (пропускается при отсутствии идеи); вопрос 7 - контрольным по отношению к вопросу 5: вопрос 5 фиксирует осведомлённость о программах МИЭТ, вопрос 7 - реальное участие в них. Вопрос 6 уточняет каналы получения информации, что позволяет оценить эффективность коммуникационных инструментов Студии технологического предпринимательства. Во всех четырёх вопросах соблюдается правило полноты перечня - присутствуют замыкающие варианты «Не слышал(а)…», «Ниоткуда…», «Не участвовал(а)…», что предотвращает вынужденный выбор. При обработке по каждому варианту рассчитывается доля (%) выбравших его респондентов.

Вопрос 8 - единственный открытый вопрос анкеты. Респондент в свободной форме записывает 1-5 ассоциаций со словосочетанием «технологическое предпринимательство». Открытый формат позволяет зафиксировать спонтанные образы, не ограниченные подсказками. Ответы обрабатываются методом контент-анализа: выделяются смысловые категории (положительные, нейтральные, отрицательные ассоциации; институциональные, финансовые, профессиональные и эмоциональные образы), после чего подсчитывается частота их упоминания и строится семантическое поле понятия в восприятии целевой аудитории.

Вопрос 9 - закрытый дихотомический контрольный вопрос с двумя вариантами ответа («Да» / «Нет»). Респондент оценивает собственное понимание различий между «Студией технологического предпринимательства МИЭТ» и «Стартап-студией МИЭТ». Вопрос выполняет диагностическую функцию: позволяет проверить терминологическую грамотность аудитории и используется при интерпретации результатов вопросов 5, 7 и 8 - если значительная доля респондентов не различает данные понятия, это свидетельствует о коммуникационном пробеле в информировании о направлениях работы Студии. При обработке рассчитываются доли респондентов по каждому из двух ответов.

Вопросы 10, 11, 12, 13 и 15 - закрытые многовариантные с ограничением выборов не более 3 вариантов. Принудительное ограничение вынуждает респондента расставить приоритеты по принципу шкалы постоянной суммы. Вопрос 10 выявляет мотивационные факторы, вопрос 11 - барьеры, вопросы 12 и 13 - потребности в знаниях и предпочтительные форматы поддержки в МИЭТ, вопрос 15 - предложения по совершенствованию системы поддержки технологического предпринимательства. При обработке результаты ранжируются по частоте выбора; формируются рейтинги мотивов, барьеров, образовательных запросов и направлений совершенствования системы.

Вопрос 14 - матричный вопрос (батарея), в котором респондент оценивает существующие программы и мероприятия МИЭТ (тренинг предпринимательских компетенций, акселераторы, питч-сессии) по пяти критериям: доступность, информированность, практическая полезность, соответствие интересам студентов-технарей, общая удовлетворённость. Используется 5-балльная форсированная шкала от 1 («очень низко») до 5 («очень высоко»). По каждому критерию рассчитываются среднее значение и стандартное отклонение, что позволяет выявить сильные и слабые стороны действующей системы поддержки. Поскольку в шкале отсутствует вариант «Не знаю», для повышения надёжности данных при анализе рекомендуется фильтровать ответы респондентов, отметивших в вопросе 5 вариант «Не слышал(а) ни об одной из программ».

Вопросы 16-18 относятся к «паспортичке» и являются закрытыми с выбором одного варианта. Вопросы 17 и 18 - фильтрующие с маршрутизацией: вопрос 17 предназначен для студентов бакалавриата и специалитета, вопрос 18 - для студентов магистратуры. Размещение классификационных вопросов в конце анкеты соответствует методическому правилу: вопросы «паспортички» приводятся в заключительной части вопросника, чтобы не вызывать у респондента настороженности в начале опроса и не отвлекать его от содержательных блоков.

Вопросы 19-22 - завершающая часть «паспортички», уточняющая личные характеристики и опыт респондента. Вопрос 19 (пол) - дихотомический. Вопрос 20 (возраст) - многовариантный в формате возрастных диапазонов, что является приёмом корректной постановки этически чувствительного вопроса через закрытый формат. Вопросы 21 и 22 уточняют опыт участия в проектной деятельности и опыт работы в сфере технологий / IT - переменные, по которым в дальнейшем проводится сегментация аудитории и проверка гипотез о связи практического опыта с готовностью к технологическому предпринимательству.

Обоснование методов формирования выборки

В данном исследовании используется стратифицированная пропорциональная вероятностная выборка. Онлайн-анкетирование не рассматривается как вид выборки, поскольку оно является только методом сбора первичных данных. Тип выборки определяется способом отбора респондентов: генеральная совокупность предварительно делится на страты, после чего внутри каждой страты проводится случайный отбор студентов.

На первоначальном этапе исследования рассматривалась неслучайная квотная выборка, поскольку отсутствовал доступ к полной основе выборки - списку студентов НИУ МИЭТ по уровням обучения и направлениям подготовки. В таких условиях предполагалось распределить респондентов по квотам и привлекать их через университетские и студенческие онлайн-сообщества. Однако в процессе подготовки исследования был получен доступ к полному списку студентов. Это позволило уточнить выборочный дизайн и перейти к более строгому методу - стратифицированной пропорциональной выборке.

Такой переход является методологически обоснованным, поскольку стратифицированная выборка предполагает наличие основы выборки, то есть полного перечня элементов генеральной совокупности или её отдельных страт. После получения списка студентов стало возможно разделить генеральную совокупность на непересекающиеся и исчерпывающие подмножества - страты, а затем осуществить случайный отбор респондентов внутри каждой страты.

Генеральная совокупность исследования - студенты НИУ МИЭТ, обучающиеся на программах бакалавриата, специалитета и магистратуры. В работе объём генеральной совокупности принимается равным N = 5550 человек. В исходном тексте работы уже указано, что контингент студентов структурирован по трём ключевым уровням обучения: бакалавриат - около 71 %, специалитет - около 5 %, магистратура - около 24 %.

В качестве страт используются уровни обучения студентов НИУ МИЭТ: бакалавриат, специалитет и магистратура. Такой критерий стратификации выбран потому, что интерес к технологическому предпринимательству, уровень информированности о мерах поддержки, наличие проектного опыта и готовность к запуску собственного технологического проекта могут различаться у студентов разных уровней обучения. Например, студенты бакалавриата, специалитета и магистратуры находятся на разных этапах образовательной и профессиональной траектории, поэтому могут иметь разные мотивы, барьеры и степень готовности к участию в технологическом предпринимательстве.

В данном исследовании применяется пропорциональная стратификация: количество респондентов из каждой страты определяется пропорционально доле данной группы в генеральной совокупности. Это позволяет сохранить структуру генеральной совокупности в выборке и избежать смещения в сторону только одной группы студентов.

Расчёт объёма выборки проводится традиционным статистическим методом по формуле:

где:
n - необходимый объём выборки;
t - коэффициент доверия;
v - коэффициент вариации;
N - объём генеральной совокупности;
Δ - предельная допустимая ошибка выборки.

Для расчёта принимаются следующие параметры в таблице 1:

Таблица 1

 Параметры расчёта выборки

Показатель	Значение	Обоснование
N	5550	численность студентов НИУ МИЭТ, принимаемая как генеральная совокупность
t	2	коэффициент доверия, соответствующий доверительной вероятности около 95 %
v	100 %	максимальный коэффициент вариации, так как заранее неизвестно распределение ответов
Δ	10 %	допустимая ошибка для пилотного учебного исследования

Коэффициент вариации принимается равным 100 %, поскольку до проведения исследования невозможно заранее определить степень однородности ответов студентов. Тема исследования связана с субъективными установками, мотивацией, барьерами, уровнем информированности и готовностью к участию в технологическом предпринимательстве, поэтому ответы респондентов могут существенно различаться.

Допустимая ошибка выборки принимается на уровне 10 %. Такая ошибка допустима, поскольку исследование носит учебный и пилотный характер. Его цель состоит не в получении максимально точной статистической оценки по всей генеральной совокупности, а в выявлении основных тенденций, проблемных зон, барьеров и направлений совершенствования поддержки технологического предпринимательства в НИУ МИЭТ.

Подставим значения в формулу:

n==373

Таким образом, расчётный объём выборки составляет примерно 373 респондента.

Однако в связи с учебным характером курсовой работы, ограниченными сроками сбора данных и рекомендацией научного руководителя фактический объём выборки сокращается до 100 респондентов. Методические указания требуют указать тип выборки, представить расчёт необходимого количества респондентов, а также таблицу планируемого распределения выборки; при этом объём выборки может быть скорректирован научным руководителем в зависимости от тематики исследования. Поэтому сокращение выборки до 100 человек фиксируется как ограничение пилотного учебного исследования. Полученные данные будут использоваться для выявления общих тенденций и предварительной проверки рабочих гипотез.

Планируемое распределение выборки по уровню обучения:

Таблица 2

 Распределение планируемой выборки по группам респондентов

Группа респондентов	Доля в генеральной совокупности	Планируемое число респондентов
Бакалавриат	71 %	71
Специалитет	5 %	5
Магистратура	24 %	24
Итого	100 %	100

Расчет распределение выполнен пропорционально структуре генеральной совокупности по следующей формуле:

где:
nᵢ - число респондентов из i-й страты;
Nᵢ - численность студентов в i-й страте;
N - объём генеральной совокупности;
n - фактический объём выборки.

Поскольку фактический объём выборки составляет 100 человек, доля каждой страты в процентах прямо соответствует количеству респондентов. Поэтому в выборку включаются 71 студент бакалавриата, 5 студентов специалитета и 24 студента магистратуры.

Сбор данных проводится методом онлайн-анкетирования. Анкета направляется студентам, случайно отобранным внутри каждой страты из полного списка студентов. Для повышения отклика дополнительно используются университетские и студенческие онлайн-сообщества, однако они выступают не основанием для формирования выборки, а каналами информирования и напоминания о прохождении анкеты.

В качестве дополнительных каналов информирования используются:

Таблица 3

Каналы информирования респондентов о проведении опроса

Канал информирования	Назначение канала	Дата публикации / обращения
Студия технологического предпринимательства МИЭТ	информирование студентов, интересующихся стартапами, проектной деятельностью и технологическим предпринимательством	22 апреля
Центр развития карьеры МИЭТ	информирование студентов, ориентированных на карьерное развитие, стажировки и профессиональные возможности	6 мая
Бартер студгородок МИЭТ Зеленоград	информирование широкой студенческой аудитории разных курсов и направлений	15 мая
Учебные чаты и личные обращения	индивидуальное приглашение случайно отобранных студентов и контроль заполнения страт	май

Использование данных каналов необходимо для повышения вероятности отклика, но не заменяет процедуру случайного отбора. Основой формирования выборки остаётся полный список студентов. Сначала определяется число респондентов, необходимое для каждой страты, затем внутри каждой страты случайным образом выбираются студенты, которым направляется анкета.

Итоговый тип выборки - стратифицированная пропорциональная вероятностная выборка по уровню обучения. Данный тип выборки соответствует условиям исследования, поскольку имеется доступ к полному списку студентов, что позволяет разделить генеральную совокупность на страты и провести случайный отбор внутри каждой из них. Такой подход является более методологически обоснованным по сравнению с первоначально рассматривавшейся квотной выборкой и позволяет повысить достоверность результатов исследования.

Таблица № 4

Фактическая реализация плана выборки

Место проведения опроса	Дата	Кол-во респондентов, чел.
Telegram/вк-чаты учебных групп бакалавриата	01.03.2026-27.06.2026	80
Сообщества университета (Центр развития, Студия технологического предпринимательства МИЭТ, Бартер студгородок МИЭТ)	01.03.2026-27.06.2026	22
Итого	-	102

АНАЛИЗ РЕЗУЛЬТАТОВ ОПРОСА

Готовность студентов НИУ МИЭТ к технологическому предпринимательству

N = 102 · 22 вопроса · обработка в STATISTICA

Структура анализа. Анализ начинается с социально-демографического портрета выборки (паспортичка), затем последовательно по каждому содержательному вопросу приводится распределение ответов, таблица и интерпретация; рабочие гипотезы проверяются по ходу - в том разделе, к которому они относятся. Отдельный раздел посвящён сопоставлению вопросов между собой методом Tables & Banners (перекрёстные таблицы), выявляющему качественные зависимости. Завершают анализ оценка условий МИЭТ (Q14) и сводные выводы.

1. Социально-демографический портрет выборки

Анализ традиционно начинается с «паспортички» - она задаёт рамку интерпретации всех последующих ответов. В опросе приняли участие 102 студента НИУ МИЭТ.

Распределение по курсам обнаруживает характерную для добровольных студенческих опросов структуру: модальная группа - третий курс бакалавриата (30 чел., 29,4 %), а доля участников плавно снижается к младшим и старшим ступеням. Преобладание третьего-четвёртого курсов методологически значимо: именно на этих курсах студент уже накопил профессиональные знания, но ещё сохраняет свободу выбора траектории, поэтому его суждения об интересе к предпринимательству можно считать осознанными, а не умозрительными. Вместе с тем смещение выборки к бакалавриату (83,3 %) задаёт ограничение интерпретации - выводы в первую очередь характеризуют бакалавриат, а магистерские оценки (16 чел.) носят ориентировочный характер из-за малого объёма подгруппы.

Рисунок 1 «Таблица частот для Q16»

Таблица 5

Распределение по уровню и курсу обучения

Курс	Частота	Доля, %
Бакалавриат, 1 курс	16	15,7
Бакалавриат, 2 курс	14	13,7
Бакалавриат, 3 курс	30	29,4
Бакалавриат, 4 курс	25	24,5
Магистратура, 1 курс	9	8,8
Магистратура, 2 курс	7	6,9
Итого	102	100,0

В выборке преобладают студенты бакалавриата - 85 чел. (83,3 %), наиболее многочисленна группа третьего курса (30 чел.). Магистранты составляют 16 чел. Такое распределение типично для опросов студенческой аудитории и означает, что выводы в первую очередь характеризуют бакалавриат среднего и старшего курсов.

Рисунок 2 - Распределение респондентов по курсам (Q16)

Визуализация подтверждает асимметрию распределения: гистограмма имеет выраженный пик на третьем курсе и «тяжёлый» правый край (3-4 курсы), тогда как первый курс и магистратура представлены слабее. С содержательной точки зрения это означает, что ядро респондентов - студенты, для которых вопрос о выборе между наймом и собственным проектом стоит наиболее остро и практически, что повышает валидность ответов о мотивах и барьерах.

1.2. Направление подготовки (Q1-Q18)

Вопросы Q17 (для бакалавриата) и Q18 (для магистратуры) уточняют направление подготовки. Для наглядности 50+ направлений сгруппированы в укрупнённые профили.

Группировка пятидесяти с лишним направлений в четыре укрупнённых профиля показывает, что выборка точно воспроизводит отраслевую специфику вуза: технические и электронные направления (35,3 %) вместе с IT и математикой (35,3 %) формируют около 70 % участников. Это критически важно для корректной интерпретации последующих вопросов: высокая доля «технарей» объясняет, почему в Q4 доминируют ИИ, электроника и ПО, а в Q14 критерий «соответствие интересам студентов-технарей» получает относительно высокую оценку. Гуманитарно-управленческий профиль (22,5 %) обеспечивает необходимый контраст и не позволяет считать выборку полностью однородной.

Таблица 6

 Распределение по укрупнённым профилям подготовки

Профиль	Частота	Доля, %
Технические/электроника	36	35,3
IT/математика	36	35,3
Гуманитарные/управление	23	22,5
Биотех/медицина	6	5,9
Не указано	1	1,0
Итого	102	100,0

Профиль выборки соответствует инженерно-технической специфике МИЭТ: технические и электронные направления (36 чел.) и IT/математика (36 чел.) вместе составляют около 70,6 %. Это важно для интерпретации Q4 (области идей) и Q14 (соответствие интересам технарей).

1.3. Пол, возраст и опыт (Q19-Q22)

Сводная таблица паспортички фиксирует базовые социально-демографические параметры выборки. Гендерный баланс смещён в сторону мужчин (62,7 %), что типично для технического вуза и должно учитываться при гендерных сопоставлениях. Возрастная концентрация в диапазоне 19-21 год (64,7 %) согласуется с курсовым составом и подтверждает однородность выборки по жизненному этапу. Принципиально важны две последние переменные: опыт проектной деятельности и опыт работы в IT распределены практически равномерно по всем градациям, что обеспечивает достаточную вариативность для последующего перекрёстного анализа (раздел 7) - обе переменные пригодны как «баннеры».

Рисунок 3 «Таблицы частот для Q19-Q22»

Таблица 7

 Пол, возраст и опыт респондентов

Признак	Категория	Частота	Доля, %
Пол (Q19)	Мужской	64	62,7
	Женский	36	35,3
Возраст (Q20)	До 19 лет	15	14,7
	19–21 год	66	64,7
	22–24 года	15	14,7
	25 и старше	5	4,9
Опыт проектов (Q21)	Неоднократно	22	21,6
	Один раз	27	26,5
	Нет, но хотел бы	28	27,5
	Нет и не интересует	24	23,5
Опыт в IT (Q22)	По специальности	35	34,3
	Не по специальности	13	12,7
	Нет, но планирую	31	30,4
	Нет	22	21,6

В выборке преобладают мужчины - 64 человека (62,7%). Основная возрастная группа - студенты 19-21 года: 66 человек (64,7%), что соответствует ядру студенческой аудитории.

Опыт участия в проектах распределён почти равномерно: 22 человека участвовали неоднократно, 27 - один раз, ещё 28 не участвовали, но хотели бы. Это показывает наличие потенциально заинтересованной аудитории. Опыт работы в IT есть у 48 человек, из них 35 работали по специальности.

Аудитория в основном молодая, преимущественно мужская, с заметной долей студентов, уже имеющих проектный или IT-опыт, а также с потенциалом для дальнейшего вовлечения.

Таблица 8

Распределение по полу (Q19)

Пол	Частота	Доля, %
Мужской	64	62,7
Женский	36	35,3
Итого	102	100,0

Возрастное распределение демонстрирует резкое доминирование одной категории (19-21 год, 66 чел.) при малочисленности крайних групп. С методологической точки зрения это ограничивает возможности возрастного анализа: выводы о возрастных различиях интереса были бы статистически неустойчивы, поэтому возраст в дальнейшем используется как описательный, а не аналитический признак.

Таблица 9

Распределение по возрасту (Q20)

Возраст	Частота	Доля, %
До 19 лет	15	14,7
19–21 год	66	64,7
22–24 года	15	14,7
25 лет и старше	5	4,9
Итого	102	100,0

Среди респондентов 62,7 % мужчин и 35,3 % женщин; доминирует возраст 19-21 год (66 чел.). Опыт проектной деятельности (хотя бы разовый) имеют 49 чел., а опыт работы в IT - 48 чел. Эти две переменные (Q21, Q22) далее используются как «баннеры» при перекрёстном анализе готовности к предпринимательству.

Рисунок 4а — Опыт проектной деятельности (Q21)

Распределение опыта проектной деятельности близко к равномерному: доли «не интересует», «хотел бы», «участвовал однажды» и «участвовал неоднократно» сопоставимы (от 21,6 до 27,5 %). Такая сбалансированность - методологическое преимущество: она позволяет в разделе 7 корректно сопоставить полярные группы (без опыта против опытных) при достаточном наполнении каждой ячейки, не опасаясь вырожденных частот.

Рисунок 4б - Распределение по возрасту (Q20)

Возрастной профиль наглядно показывает «студенческий» характер выборки с единственным выраженным максимумом. Содержательно это подтверждает, что собранные мнения отражают позицию учащейся молодёжи на типичном этапе профессионального самоопределения, а не разнородной по возрасту аудитории.

Рисунок 4в- Опыт работы в IT (Q22)

Опыт работы в IT распределён бимодально: заметны как группа вовсе без опыта (21,6 %), так и крупная группа работающих по специальности (34,3 %). Это говорит о том, что значительная часть студентов уже совмещает учёбу с профессиональной занятостью - фактор, который теоретически мог бы влиять и на интерес к предпринимательству, и на дефицит времени; эта гипотетическая связь специально проверяется в разделе 7.3.

Рисунок 4г - Распределение по полу (Q19)

Круговая диаграмма пола завершает портрет выборки и визуально закрепляет её гендерную асимметрию. В совокупности раздел о личных данных респондентов описывает типичного: студент-бакалавр технического или IT-направления 19-21 года, чаще мужчина, с тем или иным опытом проектной или профессиональной деятельности, - и именно через эту призму следует читать все последующие содержательные результаты.

2. Интерес и вовлечённость (Q1–Q3)

2.1. Q1- уровень интереса

Вопрос Q1 - пятибалльная шкала Лайкерта. При обработке рассчитаны среднее и стандартное отклонение, а также частотное распределение.

Частотное распределение интереса демонстрирует одновершинную, близкую к симметричной структуру с модой на нейтральной позиции (35 чел., 34,3 %). Накопленные частоты показывают, что к категории выраженного интереса (оценки 4-5) относятся 44,1 % респондентов, тогда как к низкому полюсу (1-2)-лишь 21,6 %; таким образом, позитивный край вдвое тяжелее негативного. Среднее значение 3,25 при стандартном отклонении 1,18 формально соответствует «чуть выше нейтрального» уровню при значительном разбросе мнений: коэффициент вариации превышает 36 %, что свидетельствует о выраженной неоднородности аудитории и заранее предполагает целесообразность её сегментации.

Рисунок 5 «Таблица частот Q1_interest»

Таблица 10

Распределение уровня интереса (Q1)

Уровень	Частота	Доля, %	Накопл. %
Совсем не интересно	12	11,8	11,8
Скорее не интересно	10	9,8	21,6
Нейтрально	35	34,3	55,9
Скорее интересно	30	29,4	85,3
Очень интересно	15	14,7	100,0

Рисунок 6 «Описательные статистики для Q1_interest»

Среднее значение - 3,25 балла при SD = 1,18: умеренный интерес с большим разбросом. Распределение близко к нормальному с пиком на нейтральной позиции (35 чел.). Выраженный интерес (4-5) - у 45 чел. (44,1 %), низкий (1-2) - у 22 чел. (21,6 %).

Рисунок 7 - Гистограмма интереса с кривой нормального распределения (Q1)

Наложение теоретической кривой нормального распределения показывает, что эмпирическое распределение в целом следует колоколообразной форме, но с двумя отклонениями: завышенной нейтральной категорией и утяжелённым левым «хвостом» (категория «совсем не интересно» содержит 12 наблюдений против ожидаемых по нормали). Это означает, что наряду с основной массой умеренно настроенных студентов существует устойчивое меньшинство принципиально незаинтересованных - группа, которую вряд ли возможно вовлечь стандартными мерами и которую следует отделять от нейтрального «резерва» при планировании работы.

В разрезе курсов и пола (рис. 4-5) интерес распределён неравномерно: видно лёгкое снижение к 4 курсу и у магистрантов 2 курса (см. также перекрёстный анализ в разделе 7).

Рисунок 8 - Категоризованная гистограмма интереса по курсам (Q1×Q16)

Категоризованная гистограмма раскрывает скрытую за общим средним внутреннюю неоднородность. Профили курсов заметно различаются: у третьего курса распределение смещено вправо (преобладают оценки 4-5, M=3,43), тогда как у четвёртого курса выражен пик на нейтральной позиции при наинизшем среднем (M=2,96). Подобная немонотонная динамика «по курсам» интерпретируется как эффект приближающегося выпуска: к четвёртому курсу абстрактный интерес уступает место прагматичным карьерным решениям, и предпринимательство проигрывает более надёжным сценариям трудоустройства. Это наблюдение важно как гипотеза для будущих исследований, хотя при дроблении выборки на курсы наполнение ячеек мало и статистические выводы здесь предварительны.

Рисунок 9 - Категоризованная гистограмма интереса по полу (Q1×Q19)

Сопоставление профилей по полу показывает, что у мужской подгруппы среднее значение интереса несколько выше, а распределение более смещено к высоким оценкам, тогда как у женской подгруппы выражена нейтральная категория. Различие согласуется с общей гендерной картиной технического вуза, однако его не следует абсолютизировать: меньший объём женской подгруппы (36 чел.) увеличивает погрешность, а формальная проверка значимости гендерных различий интереса (критерий Манна-Уитни) не выявляет устойчивого эффекта.

2.2. Q2-Q3 - намерения и стадия проекта

Распределение по стадиям проекта обнаруживает резкое «проседание» воронки: на двух начальных стадиях («нет интереса» и «есть интерес, но нет идеи») сконцентрировано 73 из 102 респондентов (71,6 %), тогда как на продуктивных стадиях (прототип, действующий стартап) - лишь 9 чел. (8,8 %). Категория «ищу команду» оказалась пустой, что косвенно указывает на индивидуалистический характер ранних намерений: студенты скорее остаются с идеей наедине, чем переходят к фазе командообразования. Структура подтверждает, что узким местом является не вход в тему, а продвижение от интереса к оформленному проекту.

Рисунок 10 «Таблица частот Q3_stage»

Таблица 11

Стадия собственного проекта (Q3)

Стадия	Частота	Доля, %
Нет интереса к теме	34	33,3
Есть интерес, но идеи нет	39	38,2
Есть идея, не оформлена	20	19,6
Ищу команду	0	0,0
Разрабатываю прототип/MVP	7	6,9
Уже в стартапе	2	2,0

Намерения создать стартап смещены к пассивному полюсу: суммарно «нет» и «скорее нет» отметили 47 чел. (46,1 %), а наиболее массовой стала отложенная во времени формулировка «возможно, через 2–3 года» (43 чел.). Лишь 12 чел. заявили о конкретных текущих планах. Сопоставление с Q1 показывает разрыв между аффективным интересом и поведенческим намерением: declarативная симпатия к теме существенно превышает готовность действовать, что является типичным проявлением «разрыва между установкой и поведением» (attitude-behaviour gap) и служит количественным основанием для центрального вывода исследования.

Рисунок 11 «Таблица частот для Q2_intent»

Таблица 12

Намерение создать стартап (Q2)

Намерение	Частота	Доля, %
Нет, не интересует	15	14.7
Скорее нет	32	31.4
Возможно через 2–3 г.	43	42.2
В этом году	5	4.9
Уже работаю	7	6.9

Намерения слабо подкреплены действием: в Q2 реальные планы (в этом году / уже работаю) - лишь у 12 чел., тогда как 47 чел. (46,1 %) ответили «нет/скорее нет». Активное ядро Q3 (прототип/стартап) - 9 чел. (8,8 %).

Рисунок 13 - Намерение создать стартап (Q2)

Столбчатая диаграмма наглядно фиксирует доминирование отложенного намерения и малочисленность активного полюса. Преобладание ответа «через 2-3 года» интерпретируется двойственно: с одной стороны, это потенциальный резерв (тема не отвергается), с другой - типичная форма социально желательного, но необязывающего ответа, реальная конверсия которого в действие исторически невелика.

Рисунок 14- Стадия проекта (Q3)

Диаграмма стадий визуально подтверждает форму «обрезанной воронки»: высота столбцов резко падает после второй стадии. Практический смысл - основная масса аудитории концентрируется на дотоварных стадиях, и любая программа поддержки должна проектироваться прежде всего как инструмент перевода студентов с уровня «интерес/идея» на уровень «прототип», а не как сервис для уже состоявшихся проектов.

Проверка. Интерес уровня 3-5 («средний и высокий») показали 78,4 % - это значительно больше прогноза (15-20 %). Зато практическая готовность по стадии «прототип/MVP/стартап» составила 8,8 %, что укладывается в прогноз 5-8 %.

Гипотеза H1 подтверждается частично - практическая готовность предсказана точно, но лояльность к теме оказалась вчетверо выше ожидаемой. Это смещает фокус с «привлечения внимания» на конвертацию интереса в действие.

Рисунок 15 - H1: прогноз против факта

Диаграмма сопоставления прогноза и факта по H1 показывает двойственный результат: предсказанная доля практически готовых (5-8 %) совпала с фактической (8,8 %), тогда как доля интересующихся превысила прогноз почти вчетверо. Расхождение носит содержательный характер: оно указывает, что исходная модель верно оценила «верх воронки» (практику), но недооценила её основание (интерес). Для исследования это означает не ошибку измерения, а уточнение представления об аудитории - потенциал вовлечения оказался значительно выше ожидаемого.

3. Осведомлённость, источники и участие (Q5-Q7, Q9)

Вопрос Q5 (осведомлённость) и контрольный Q7 (участие) вместе выявляют конверсию знания в действие. О программах слышали 87,3 % респондентов, реально участвовали - 41,2 %; разрыв составляет 46,1 п.п. Самая узнаваемая структура - Студия техпреда (64 чел.).

Рейтинг осведомлённости возглавляет Студия технологического предпринимательства (64 чел.), что закономерно отражает её роль головной структуры; далее следуют акселератор и тренинг компетенций. Распределение демонстрирует «длинный хвост»: ядро программ узнаваемо, тогда как специализированные инструменты известны меньшинству. Высокий общий уровень осведомлённости (о хотя бы одной программе слышали 87,3 %) уже на этом этапе ставит под сомнение гипотезу H4 о дефиците информированности.

Таблица 13

Осведомлённость о программах (Q5)

Вариант ответа	Частота, чел.	% от выборки
Студия технологического предпринимательства	64	62,7
Акселератор	39	38,2
Обучающие программы / тренинги	38	37,3
Питчинг / Pizza-формат	34	33,3
УМНИК	33	32,4
Другая программа / другое	27	26,5
Предакселератор	25	24,5
Дипломный проект / дипломный акселератор	24	23,5
Стартап-студия	19	18,6
Конкурсы	19	18,6
Не знаю / не осведомлён	12	11,8

Таблица 14

Осведомлённость о программах (Q5), топ-5

Программа	Назвали	Доля, %
Студия техпреда	64	62,7
Акселератор МИЭТ	39	38,2
Тренинг компетенций	38	37,3
Startup Пицца	34	33,3
Программа УМНИК	33	32,4

Рисунок 16- Осведомлённость о программах (Q5)

Горизонтальная диаграмма подчёркивает разрыв между узнаваемостью головной структуры и периферийных программ. Содержательно это означает, что информационное поле сформировано неравномерно: студент «в целом слышал» о предпринимательстве в МИЭТ, но плохо различает конкретные инструменты - наблюдение, которое напрямую готовит вывод о низком значении дифференцирующего вопроса Q9.

Структура источников информации показывает доминирование неформальных и социально-сетевых каналов: лидируют ВКонтакте (45 чел.), однокурсники (40) и официальный сайт (38). Преобладание горизонтальных каналов (соцсети, сверстники) над административными (рассылки, баннеры) имеет управленческое значение: информация распространяется преимущественно через среду, а не через официальные оповещения, что объясняет высокую осведомлённость при низкой точности знаний о конкретных программах.
 Таблица 15

Источники информации (Q6), топ

Источник	Назвали	Доля, %
ВКонтакте	45	44.1
Однокурсники	40	39.2
Сайт МИЭТ	38	37.3
Telegram	34	33.3
Мероприятия	32	31.4
ОРИОКС	27	26.5

Таблица 16

Источники информации (Q6), топ

Источник информации	Частота, чел.	% от выборки
ВКонтакте	45	44,1
Однокурсники / друзья	40	39,2
Сайт университета / официальные ресурсы	38	37,3
Telegram-каналы	34	33,3
Мероприятия	32	31,4
ОРИОКС / внутренние системы	27	26,5
Преподаватели	26	25,5
Афиши / баннеры / объявления	16	15,7
Сотрудники / организаторы	12	11,8
Не получал(а) информацию	11	10,8

Рисунок 17 - Источники информации (Q6)

По таблице и графику видно, что основным каналом получения информации о программах технологического предпринимательства является ВКонтакте - его отметили 45 человек, или 44,1% выборки. Второе место занимают однокурсники и друзья - 40 человек (39,2%), что показывает важную роль неформального общения между студентами.

Также заметную роль играют официальные цифровые каналы университета: сайт университета / официальные ресурсы указали 38 человек (37,3%), а Telegram-каналы - 34 человека (33,3%). Это говорит о том, что информация распространяется как через официальные источники, так и через социальные сети.

Менее значимыми источниками оказались преподаватели - 26 человек (25,5%), афиши / баннеры / объявления - 16 человек (15,7%) и сотрудники / организаторы - 12 человек (11,8%). При этом 11 человек (10,8%) указали, что вообще не получали информацию.

Информирование студентов в основном происходит через цифровые и неформальные каналы - ВКонтакте, друзей, сайт университета и Telegram. Традиционные способы продвижения, такие как афиши, объявления и личное информирование сотрудниками, работают слабее. Для повышения охвата целесообразно усиливать коммуникацию через популярные студенческие каналы и одновременно активнее подключать преподавателей и организаторов программ.

Картина фактического участия резко контрастирует с осведомлённостью: даже наиболее массовая форма (тренинг компетенций) охватила лишь 22 чел., а участие в большинстве программ исчисляется единицами. Сопоставление таблиц 3.1 и 3.3 количественно фиксирует ключевой разрыв исследования: знание о программах распространено втрое-вчетверо шире, чем реальная вовлечённость в них.

Таблица 17

Q-7- участие в программах и мероприятиях

Формат участия	Частота, чел.	% от выборки
Не участвовал(а)	58	56,9
Обучающие программы / тренинги	22	21,6
Студия технологического предпринимательства	16	15,7
Питчинг / Pizza-формат	14	13,7
Другая программа / другое	12	11,8
Акселератор	4	3,9
Предакселератор	2	2,0
УМНИК	2	2,0
Дипломный проект / дипломный акселератор	0	0,0
Стартап-студия	0	0,0
Конкурсы	0	0,0

Таблица 18

 Фактическое участие в программах (Q7), топ

Программа	Участвовали	Доля, %
Тренинг компетенций	22	21.6
Студия техпреда	16	15.7
Startup Пицца	14	13.7
Доп. образование	12	11.8
Акселератор	4	3.9
Преакселератор	2	2

Рисунок 18 - Фактическое участие (Q7)

По данным Q7 видно, что большинство студентов не участвовали в программах и мероприятиях - 58 человек (56,9%). При этом фактическое участие всё же есть у 44 человек (43,1%), что показывает наличие активной части аудитории.

Наиболее востребованные форматы участия - обучающие программы / тренинги: 22 человека (21,6%), Студия технологического предпринимательства: 16 человек (15,7%) и питчинг / Pizza-формат: 14 человек (13,7%). Более низкое участие наблюдается в акселераторе, предакселераторе и УМНИКе, а по стартап-студии, конкурсам и дипломному акселератору участие не зафиксировано.

Участие студентов в программах пока ограничено: больше половины не принимали участия. Наиболее эффективными форматами вовлечения являются тренинги, Студия техпреда и питчинг, поэтому именно их стоит использовать как основные каналы привлечения студентов к технологическому предпринимательству

Диаграмма участия демонстрирует низкие абсолютные значения по всем программам, что визуально подчёркивает «проседание» на переходе от осведомлённости к действию. Именно эта диспропорция, а не недостаток информирования, составляет основную проблему системы поддержки и определяет направление практических рекомендаций.

Проверка. Осведомлены о программах 87,3 % (вдвое выше прогноза), назвать два и более инструмента могут 77,5 %.

Гипотеза H4 опровергнута - информированность в МИЭТ существенно выше ожидаемой, поэтому узкое место не в рекламе программ, а в простоте входа и сопровождении (это подтверждает разрыв осведомлённость/участие).

Рисунок 19 - H4: осведомлённость о поддержке

Сопоставление прогноза и факта по H4 наглядно опровергает гипотезу: фактическая осведомлённость (87,3 %) вдвое превышает прогнозный потолок, а доля называющих два и более инструмента (77,5 %) превышает прогноз почти в четыре раза. Столь резкое расхождение имеет принципиальное управленческое следствие: ресурсы, которые предполагалось направить на повышение информированности, следует перенаправить на снижение барьеров входа и сопровождение.

3.1. Q9 - различение Студии и Стартап-студии

Контрольный диагностический вопрос: разницу между структурами понимают лишь 18 % (18 чел.). Низкий показатель означает коммуникационный пробел - структуры поддержки сливаются в общий размытый образ. Связь Q9 с интересом рассмотрена в разделе 7.

Дихотомическое распределение по Q9 показывает, что подавляющее большинство (82 чел., 82,4 %) не различают Студию технологического предпринимательства и Стартап-студию. Поскольку Q9 является диагностическим (контрольным) вопросом, столь низкая доля различающих интерпретируется как индикатор поверхностности знаний: осведомлённость носит характер общей «насмотренности», а не структурированного понимания институционального ландшафта поддержки.

Рисунок 20 «Таблица частот для Q9_diff»

Таблица 19

Понимание разницы между Студией и Стартап-студией (Q9)

Ответ	Частота	Доля, %
Да, понимаю разницу	18	17,6
Нет, не различаю	82	80,4
Итого	100	100,0

Рисунок 21 -  Понимание разницы Студия/Стартап-студия (Q9)

Круговая диаграмма наглядно демонстрирует доминирование группы «не различает». Содержательно это подтверждает вывод из анализа Q5-Q7: при высокой общей узнаваемости детальное знание о структуре поддержки отсутствует, что снижает адресность обращений и косвенно тормозит конверсию интереса в участие. Связь этого признака с уровнем интереса специально проверяется в разделе 7.1.

4. Технологические области идей (Q4)

Вопрос фильтрующий - заполнялся только при наличии идеи (после устранения логического противоречия Q3/Q4, когда у части респондентов без идеи были обнулены отмеченные области). Среди оставшихся лидируют ИИ/машинное обучение, электроника и ПО - профильные для МИЭТ направления. Диаграмма Парето показывает, что 3-4 области покрывают ~70 % всех идей.

После устранения логического противоречия Q3/Q4 база вопроса сократилась до 27 респондентов, реально имеющих идею, что само по себе подтверждает малочисленность продуктивного ядра. В отраслевой структуре идей доминируют искусственный интеллект (14), электроника (12) и программное обеспечение (11) - направления, прямо соответствующие профилю вуза и приоритетам импортозамещения в микроэлектронике. Концентрация идей в профильных областях свидетельствует, что предпринимательские замыслы студентов вырастают из их основной специализации, а не из отвлечённых рыночных трендов.

Таблица 20

Технологические области идей (Q4), база - респонденты с идеей (n=27)

Область	Выборов	Доля, %
ИИ / машинное обуч.	14	51.9
Электроника/микроэл.	12	44.4
ПО / IT	11	40.7
Робототехника	5	18.5
Телеком	5	18.5
IoT	4	14.8
Биотех/медтех	4	14.8
Нанотех/материалы	2	7.4
Сенсорика	1	3.7
Кибербезопасность	0	0

Рисунок 21- Технологические области идей, Парето (Q4)

Диаграмма Парето показывает, что первые три-четыре области аккумулируют около 70 % всех указанных идей, то есть выполняется классический принцип концентрации. Практический смысл - программам поддержки целесообразно выстраивать экспертизу и менторские компетенции прежде всего вокруг этого профильного ядра (ИИ, электроника, ПО), где сосредоточен реальный спрос, а не распылять ресурсы на редко востребованные направления.

5. Мотивы, барьеры и потребности (Q10-Q13, Q15)

5.1. Q10 - мотивы

Рейтинг мотивов по всей выборке возглавляет перспектива дохода и финансовой независимости (64 чел.), с заметным отрывом опережающая получение практического опыта (44) и создание продукта (39). Доминирование инструментально-финансового мотива над ценностными (самореализация -лишь четвёртое место) задаёт тон всей мотивационной структуре и прямо противоречит исходному предположению H2 о второстепенности денег.

Таблица 21

Мотив	Выборов	Доля, %
Доход и финансовая независимость	64	62,7
Практический опыт / портфолио	44	43,1
Создание реального продукта	39	38,2
Самореализация	35	34,3
Стажировка в лаборатории	28	27,5

Мотивы (Q10), топ-5 по всей выборке

Рисунок 22- Мотивы, вся выборка (Q10)

Диаграмма мотивов по всей выборке визуально закрепляет лидерство финансового фактора. Это наблюдение имеет теоретическое значение: оно показывает, что в восприятии студентов технологическое предпринимательство - это прежде всего инструмент достижения материального благополучия, а не способ самореализации или вклад в инновации, что необходимо учитывать при конструировании мотивирующих сообщений.

Рисунок 23 - Мотивы заинтересованных, Q1≥4 (Q10)

Ограничение выборки заинтересованными (Q1≥4) не меняет иерархию мотивов доход остаётся на первом месте (68,9 %), что усиливает вывод. Устойчивость лидерства финансового мотива при переходе от всей выборки к её наиболее мотивированной части свидетельствует о том, что речь идёт не о случайном артефакте, а об устойчивой характеристике ценностно-мотивационного профиля аудитории.

Проверка. Среди заинтересованных (n=45) доход назвали 68,9 % -это первое место, более чем вдвое выше прогнозного потолка. Тот же результат подтверждает контент-анализ Q8 («деньги» - самая частотная ассоциация).

 Гипотеза H2 опровергнута - для студентов МИЭТ доход является ведущим драйвером, а не второстепенным.

Рисунок 24 - H2: доход против прочих мотивов

Сопоставление прогноза и факта по H2 наглядно фиксирует опровержение: фактическая доля финансового мотива (68,9 %) более чем вдвое превышает прогнозный потолок (30 %). Содержательно это означает существенную коррекцию модели аудитории - апелляция к идеалам самореализации, заложенная в исходную гипотезу, должна уступить место честному разговору о финансовой перспективе.

5.2. Q11 - барьеры

Структура барьеров возглавляется нехваткой времени из-за учебной нагрузки (48 чел.), за которой следует плотная группа примерно равнозначных препятствий: дефицит практических знаний, отсутствие команды, нехватка финансирования и отсутствие идеи (по 32-34 чел.). Подобная «уплощённая» структура барьеров означает, что препятствия носят комплексный характер и не сводятся к одному фактору: студент сталкивается одновременно с временны́ми, компетентностными, социальными и финансовыми ограничениями.

Таблица 22

Барьеры (Q11), топ-5

Барьер	Выборов	Доля, %
Нехватка времени (учёба)	48	47,1
Нет практических знаний	34	33,3
Нет команды/партнёров	32	31,4
Нет стартового финансирования	32	31,4
Нет перспективной идеи	32	31,4

Для анализа барьеров использовался вопрос множественного выбора Q11. Каждый вариант ответа был представлен отдельной бинарной переменной, где значение 1 означало выбор данного барьера, а значение 0 - отсутствие выбора. Частота по каждому барьеру рассчитывалась как сумма единиц по соответствующей переменной. Доля рассчитывалась от общего числа респондентов по формуле: частота / 102 × 100. Такой способ позволяет учитывать, что один респондент мог выбрать несколько барьеров одновременно, поэтому сумма процентов по всем вариантам может превышать 100%.

Рисунок 24 - Барьеры, Парето (Q11)

Диаграмма Парето барьеров показывает отсутствие резкого доминирования одного фактора - кумулятивная кривая нарастает плавно, что подтверждает многосоставность препятствий. Лидерство временно́го барьера в сочетании с высокой позицией финансового (вопреки прогнозу H3) формирует цельный портрет: студент хочет дохода, но не располагает временем, компетенциями и стартовым капиталом для его достижения, - именно на снятие этого комплекса должны быть направлены меры поддержки.

Проверка. Порядок барьеров в целом совпал: лидирует нехватка времени (47,1 %), далее знания/«с чего начать» (42,2 %) и команда (31,4 %). Однако абсолютные доли ниже прогноза, а финансы отметили 31,4 % - выше потолка 20-25 %.

Гипотеза H3 подтверждается частично - качественная картина верна, но финансовый барьер недооценён, что согласуется с усиленной ролью дохода (H2).

Рисунок 25 - H3: барьеры, прогноз против факта

Сопоставление прогноза и фактических данных по H3 показывает, что гипотеза подтверждается частично. Наиболее значимыми барьерами действительно стали нехватка времени, недостаток знаний / непонимание, с чего начать, а также отсутствие команды. Однако фактические значения по большинству барьеров оказались ниже прогнозных.

Отдельно выделяется финансовый барьер: его фактическая доля (31%) выше ожидаемой (22%). Это показывает, что вопрос стартового финансирования для студентов оказался более значимым, чем предполагалось.

Структура основных барьеров в целом предсказана верно, но финансовый фактор был недооценён. Поэтому H3 можно считать частично подтверждённой.

5.3. Q12-Q13, Q15 - потребности, форматы, изменения

Наиболее востребованные навыки (Q12) - привлечение инвестиций, бизнес-модель и прототип; форматы (Q13) - благоприятная среда, экспертная поддержка и консультации. В Q15 наибольший потенциал роста студенты видят в финансовой мотивации (54 чел.) и интеграции проектной деятельности с учебным процессом (53 чел.).

Рейтинг потребностей в навыках возглавляют привлечение инвестиций (41 чел.) и построение бизнес-модели (37), тогда как методология проверки идеи (CustDev) оказалась лишь в середине списка. Смещение запроса к «денежным» и упаковочным компетенциям, а не к исследованию рынка, вновь резонирует с финансовой доминантой мотивации и частично расходится с гипотезой H5.

Таблица 22

Потребности в навыках (Q12), топ-6

Навык	Выборов	Доля, %
Привлечение инвестиций	41	40.2
Бизнес-модель	37	36.3
Прототип/MVP	34	33.3
Заявка на грант	29	28.4
Интелл. собственность	28	27.5
CustDev	26	25.5

Таблица построена по вопросу Q12 - какие навыки хотели бы развить студенты. Это вопрос множественного выбора, поэтому каждый навык в базе представлен отдельной бинарной переменной: 1 - навык выбран, 0 - не выбран.

Для построения таблицы по каждой переменной Q12 считается сумма единиц, то есть количество студентов, выбравших данный навык. Затем рассчитывается доля от общей выборки N = 102 по формуле:

Доля, % = количество выборов / 102 × 100

Например, навык «Привлечение инвестиций» выбрали 41 человек:

41 / 102 × 100 = 40,2%

Таким же образом рассчитаны остальные строки таблицы. Вывод: наиболее востребованы навыки, связанные с привлечением инвестиций, разработкой бизнес-модели и созданием прототипа/MVP.

Рисунок 25 -Потребности в навыках, вся выборка (Q12)

Диаграмма навыков по всей выборке подтверждает приоритет инвестиционно-финансовых компетенций. С академической точки зрения это указывает на специфическую «незрелость» предпринимательского мышления аудитории: студенты стремятся к привлечению средств раньше, чем к валидации идеи, что характерно для ранней стадии формирования предпринимательских компетенций.

Рисунок 25б - Потребности в навыках, заинтересованные Q1≥4 (Q12)

Ограничение выборки заинтересованными не меняет принципиально структуру запроса: инвестиции и упаковка остаются в приоритете. Устойчивость этого профиля подтверждает, что смещение к «деньгам» - не случайность, а системная характеристика, которую необходимо учитывать при проектировании образовательных модулей.

Предпочтительные форматы поддержки возглавляют формирование благоприятной среды (33 чел.), экспертная поддержка (30) и консультации Студии (25). Преобладание «средовых» и сопроводительных форматов над разовыми мероприятиями означает, что студенты ценят не отдельные события, а постоянную инфраструктуру поддержки - наблюдение, прямо релевантное рекомендации о смещении акцента с информирования на сопровождение.

Таблица 22

Форматы поддержки (Q13), топ-6

Формат	Выборов	Доля, %
Благопр. среда	33	32.4
Экспертная поддержка	30	29.4
Консультации	25	24.5
Никакие	21	20.6
Грантовые конкурсы	20	19.6
Молодёжная НИЛ	15	14.7

Рисунок 26 - Форматы поддержки (Q13)

Диаграмма форматов визуализирует приоритет долговременной поддержки над эпизодическими активностями. Это согласуется с выявленными барьерами: студенту, ограниченному во времени и компетенциях, нужна не серия мероприятий, а доступный «проводник» и устойчивая среда, снижающие порог входа.

Рейтинг желательных изменений возглавляют финансовая мотивация (54 чел.) и интеграция проектной деятельности в учебный процесс (53) - два почти равнозначных лидера. Это сочетание чрезвычайно показательно: студенты прямо называют те же два рычага, которые вытекают из анализа мотивов (деньги) и барьеров (время/учёба), что обеспечивает внутреннюю согласованность результатов и повышает доверие к практическим рекомендациям.

Таблица 23

Предложение	Выборов	Доля, %
Финансовая мотивация	54	52.9
Интеграция с учёбой	53	52
Снижение нагрузки	41	40.2
Активное информирование	38	37.3
Упрощение входа	33	32.4
Новые форматы	25	24.5
Истории успеха	25	24.5

Желательные изменения (Q15)

Рисунок 27 - Желательные изменения, Парето (Q15)

Диаграмма Парето по желательным изменениям показывает, что основная часть запросов студентов связана с финансовой поддержкой и интеграцией предпринимательских активностей в учебный процесс. Эти направления в совокупности формируют более половины всех пожеланий. Их совпадение с результатами анализа мотивов и барьеров подтверждает, что именно финансовые стимулы и связь с обучением являются ключевыми направлениями улучшения системы поддержки технологического предпринимательства.

Проверка. Практическая ориентация и низкий спрос на теорию подтвердились (курс/лекции - 15,6 %). Но структура иная: лидирует привлечение инвестиций (44,4 %), а CustDev набрал 40 % (ниже прогноза).

Гипотеза H5 подтверждается частично - запрос практический, но смещён к «деньгам и инвестициям», а не к методологии проверки идеи.

Рисунок 28 - H5: спрос на форматы у заинтересованных

Сопоставление прогноза и факта по H5 фиксирует частичное подтверждение: практическая ориентация запроса и непопулярность теории подтвердились, но его структура сместилась к инвестициям, а не к CustDev. Это уточняет понимание образовательных потребностей аудитории и в очередной раз указывает на финансовую доминанту восприятия предпринимательства.

6. Ассоциации с понятием (Q8, контент-анализ)

Открытый вопрос Q8 обработан контент-анализом. Содержательный ответ дали 79 чел. (77,5 %). Семантическое поле формируют технолого-инновационные (45,6 %) и финансово-экономические (38 %) образы. Заметен негативно-скептический кластер (10,1 %: «инфоцыгане», «распил», «модное слово»).

Контент-анализ ассоциаций структурирует свободные ответы 79 респондентов в семь смысловых категорий. Доминируют технолого-инновационные (45,6 %) и финансово-экономические (38,0 %) образы, что воспроизводит на качественном уровне результаты количественных вопросов: технологическая суть и денежная перспектива составляют ядро восприятия понятия. Присутствие обособленного негативно-скептического кластера (10,1 %) фиксирует наличие устойчивого критического меньшинства.

Таблица 24

Смысловые категории ассоциаций (Q8), % от содержательных ответов

Категория ассоциаций	Примеры слов / выражений	Частота	Доля, % от n=79
Технологии и инновации	технологии, инновации, цифровизация, технологические решения, прорыв	36	45,6
Деньги и бизнес	деньги, доход, капитал, инвестиции, гранты, бизнес, прибыль	30	38,0
Стартап и проектная деятельность	стартап, проект, MVP, продукт, реализация идеи	27	34,2
Развитие, будущее, успех	развитие, будущее, успех, возможность, шанс, прогресс	18	22,8
Сложность, риск, неопределённость	сложно, риск, страшно, непонятно, проблемы, налоги	17	21,5
Наука, инженерия, производство	наука, инженерия, завод, микроэлектроника, НИОКР	13	16,5
Команда и коммуникация	команда, партнёры, коммуникация, совместная работа	7	8,9
Негативные / критические ассоциации	инфоцыганство, распил, коррупция, махинации, бесперспективно	11	13,9

Рисунок 28 - Смысловые категории ассоциаций (Q8)

Таблица 24

Тональность ассоциаций

Тональность	Частота	Доля, %
Положительная	22	27,8
Нейтральная	46	58,2
Негативная	11	13,9
Всего содержательных ответов	79	100,0

Анализ ассоциаций показывает, что образ технологического предпринимательства у студентов имеет выраженную иерархию смыслов. Наиболее часто оно связывается с технологиями, инновациями, стартапами и деньгами, то есть воспринимается как соединение технической разработки, проектной деятельности и коммерческого результата.

Важным результатом является совпадение качественных данных Q8 с количественными результатами по мотивам Q10: финансовая составляющая проявляется и в свободных ассоциациях, и в прямых ответах о мотивах. Частое упоминание слова «деньги» подтверждает значимость финансового фактора и усиливает вывод о его ведущей роли в восприятии технологического предпринимательства.

По тональности преобладает нейтральное восприятие - 58,2%. Положительные ассоциации составляют 27,8%, отрицательные - 13,9%. При этом негативные ответы связаны в основном со сложностью, риском, непонятностью, бюрократией или недоверием.

Можно сказать, что в большей степени технологическое предпринимательство воспринимается студентами нейтрально-позитивно: как перспективная, инновационная и потенциально прибыльная сфера, но одновременно как сложная и рискованная деятельность, требующая понятной поддержки, команды и практических инструментов.

7. Перекрёстный анализ (Tables & Banners)

В этом разделе вопросы сопоставляются между собой для выявления качественных зависимостей. Перекрёстные таблицы строятся по принципу «вопрос-баннер × вопрос-показатель»; для номинальных пар приводится критерий χ², для связи с интересом- средние значения и критерий Краскела-Уоллиса.

7.1. Различение структур (Q9) × уровень интереса (Q1)

Гипотеза сопоставления: студенты, понимающие разницу между Студией и Стартап-студией (то есть более «погружённые»), проявляют более высокий интерес.

Перекрёстная таблица Q9×Q1 выявляет содержательную закономерность: средний уровень интереса в группе «различающих» структуры (3,72) заметно превышает показатель «не различающих» (3,15). Хотя критерий χ²=4,16 при p=0,125 формально не достигает порога значимости (что объясняется малым наполнением группы различающих - всего 18 чел.), направление и величина различия средних содержательно устойчивы. Интерпретация двунаправленна: более глубокое знание институционального ландшафта может как порождать интерес, так и быть его следствием, однако в любом случае «погружённость» и интерес оказываются сопряжены.

Таблица 26

 Q9 × уровень интереса (Q1), частоты

Q9 \ интерес	Низкий (1-2)	Нейтр. (3)	Высокий (4-5)	Ср. балл
Не различает	21	28	33	3,15
Различает	1	6	11	3,72

Таблица построена путём перекрёстного анализа переменной Q9 с укрупнённой переменной интереса Q1. Значения Q1 были объединены в три уровня: низкий интерес, нейтральный интерес и высокий интерес. Для каждой группы Q9 рассчитаны частоты распределения по уровням интереса, а также средний балл интереса по исходной шкале Q1.

Закономерность видна отчётливо: среди тех, кто различает структуры, средний интерес 3,72 балла против 3,15 у тех, кто не различает; доля высокозаинтересованных у «различающих» заметно выше. Связь содержательная, хотя при малой ячейке статистическая значимость умеренная (χ² = 4,16, p = 0,1248). Практический смысл: погружённость в тему и интерес идут рука об руку - информационная работа, повышающая «насмотренность», способна подтягивать и интерес.

Рисунок 29 - Q9 × интерес: доли внутри групп

Диаграмма показывает, что студенты, которые различают Студию технологического предпринимательства и Стартап-студию, чаще имеют высокий уровень интереса к технологическому предпринимательству. В этой группе доля высокого интереса составляет 61%, тогда как среди не различающих - 40%.

Более высокая осведомлённость о структурах поддержки связана с более выраженным интересом к технологическому предпринимательству. Это означает, что подробное информирование студентов может не только улучшать понимание доступных возможностей, но и повышать их вовлечённость.

7.2. Опыт проектной деятельности (Q21) × стадия проекта (Q3)

Сопоставление проектного опыта и стадии проекта позволяет оценить, связан ли предыдущий опыт участия в проектах с переходом к реальной предпринимательской активности. Данные показывают, что студенты с проектным опытом чаще доходят до практических стадий- идеи, прототипа или стартапа, чем те, кто такого опыта не имеет.

Статистическая проверка также указывает на наличие связи, близкой к значимой: χ² = 11,18; p = 0,083. При этом результат следует интерпретировать осторожно, поскольку группа студентов, дошедших до практической стадии, немногочисленна.

Таблица 27

 Q21 × стадия проекта (Q3), частоты

Опыт проектов	Нет идеи (1–2)	Есть идея (3–4)	Практика (5–6)
Нет, не интересует	22	2	0
Нет, но хотел бы	20	7	1
Участвовал 1 раз	18	5	4
Участвовал неоднокр.	12	6	4

Прослеживается ожидаемая тенденция: среди участвовавших в проектах неоднократно доля находящихся на стадии практики (прототип/стартап) выше, чем среди тех, кто не имеет опыта. Связь близка к значимой (χ² = 11,18, p = 0,0831). Это подтверждает, что проектный опыт - «воронка» в предпринимательство: через хакатоны и НИР студенты доходят до собственных проектов.

7.3. Опыт работы в IT (Q22) × уровень интереса (Q1)

Перекрёстная таблица опыта работы в IT и уровня интереса обнаруживает нелинейную и статистически незначимую связь (критерий Краскела–Уоллиса H=2,48; p=0,478): наивысший средний интерес демонстрируют не работающие по специальности, а планирующие или работающие не по специальности. Отсутствие значимого эффекта имеет важное теоретическое следствие - профессиональный IT-бэкграунд сам по себе не является предиктором предпринимательского интереса, который сильнее определяется мотивацией и вовлечённостью, нежели технической квалификацией.

Таблица 28

Q22 × интерес (Q1): средний балл и распределение

Опыт в IT	Низкий	Нейтр.	Высокий	Ср. балл
Нет	6	9	7	2,95
Нет, но планирую	9	7	15	3,23
Работа не по спец.	0	6	7	3,62
Работа по спец.	7	12	16	3,34

Связь опыта в IT с интересом нелинейна: наивысший средний интерес - у тех, кто только планирует работать в IT и кто работает не по специальности (3,62), тогда как у не имеющих опыта он ниже (2,95). Различия статистически не значимы (Краскел–Уоллис H = 2,48, p = 0,4782), то есть наличие IT-опыта само по себе не гарантирует более высокого интереса к предпринимательству -здесь сильнее работают мотивация и вовлечённость, а не профессиональный опыт .

Рисунок 30 - Q22 × интерес: средний балл по группам

Диаграмма средних значений по группам опыта в IT наглядно показывает отсутствие монотонной зависимости: линия средних колеблется вокруг общего уровня без выраженного тренда. Это визуально подтверждает статистический вывод о незначимости связи и поддерживает общий тезис раздела о приоритете мотивационно-средовых факторов над формально-профессиональными.

Сводно три перекрёстные таблицы дают согласованную картину: интерес сильнее связан с вовлечённостью и «погружённостью» (Q9, Q21), чем с формальным профессиональным опытом (Q22). Это прямо выводит на гипотезу о сегментации (раздел 8).

8. Оценка условий МИЭТ и итоговые гипотезы (Q14, H6-H7)

8.1. Q14 - оценка программ (профиль средних)

Матричная батарея Q14 - пятибалльная форсированная шкала по пяти критериям. Для шкальных оценок построены таблица и профиль средних значений. Все средние лежат в нейтральной зоне (3,0-3,3): ни выраженного негатива, ни энтузиазма.

Таблица средних оценок по пяти критериям показывает, что все значения сосредоточены в узком диапазоне 2,97-3,32 балла, то есть в нейтральной зоне пятибалльной шкалы. Наименьшие оценки получили доступность (2,97) и информированность (2,98), наивысшую - соответствие интересам студентов-технарей (3,32). Включение столбца отфильтрованной подвыборки методологически обоснованно: поскольку шкала форсированная и не содержит варианта «не знаю», сравнение с подвыборкой осведомлённых (n=90) служит проверкой устойчивости средних к искажению со стороны неинформированных респондентов.

Пояснение к таблице. Столбец «Фильтр Q5» приведён намеренно: шкала Q14 не содержит варианта «Не знаю», поэтому 12 респондентов, отметивших в Q5 «не слышал ни об одной программе», вынужденно оценивали то, с чем не знакомы. Подвыборка осведомлённых (n = 90) показывает, как меняются оценки при исключении таких ответов, и служит проверкой устойчивости вывода. Столбец оставлен, поскольку именно сопоставление двух выборок подтверждает надёжность результата.

Таблица 29

 Средние оценки программ МИЭТ по критериям

 

Критерий	Полная (n=102)	SD	Осведомл. (n=90)	SD	Сдвиг
Доступность	2,97	0,99	3,07	0,92	+0,10
Информированность	2,98	1,18	3,15	1,06	+0,17
Практ. полезность	3,04	0,88	3,04	0,85	0,00
Соответствие интересам	3,32	0,99	3,39	0,96	+0,07
Общая удовлетвор.	3,00	0,89	3,06	0,83	+0,06

Таблица построена по блоку Q14, где студенты оценивали условия поддержки технологического предпринимательства по шкале от 1 до 5. Для каждого критерия были рассчитаны среднее значение и стандартное отклонение сначала по всей выборке из 102 человек, затем отдельно по группе осведомлённых студентов, которые не выбрали вариант «не знаю» в Q5. Для этого использовался фильтр Q5_none = 0, после чего в расчёт вошли 90 человек. Столбец «Сдвиг» показывает разницу между средней оценкой осведомлённых студентов и средней оценкой полной выборки. Положительный сдвиг означает, что осведомлённые студенты оценивают условия поддержки немного выше.

Рисунок 31а - Профиль средних оценок Q14 (точечный профиль ±SD)

Точечный профиль средних с усами ±SD визуализирует «плоский» характер оценок: профиль почти горизонтален и целиком расположен вблизи нейтральной линии, с единственным небольшим подъёмом на критерии «соответствие интересам». Перекрытие доверительных интервалов (усов) между критериями означает, что различия между ними статистически несущественны, а общая оценка системы может быть охарактеризована как однородно-нейтральная - без выраженных сильных или слабых сторон в восприятии студентов.

Рисунок 31б - Средние оценки Q14 со столбцами и усами ±SD

Столбчатое представление со стандартными отклонениями дополнительно подчёркивает значительный разброс оценок внутри каждого критерия (SD около единицы): нейтральное среднее складывается не из единодушия, а из взаимной компенсации полярных мнений. Это указывает на поляризацию восприятия программ - часть студентов оценивает их положительно, часть отрицательно, что снова возвращает к идее сегментированной аудитории.

Рисунок 31в - Сравнение оценок Q14: полная выборка и подвыборка осведомлённых

Сравнение полной выборки и подвыборки осведомлённых показывает ожидаемый, но умеренный сдвиг оценок вверх (максимально по информированности, +0,17). Принципиально, что даже после исключения неосведомлённых все средние остаются в нейтральной зоне. Это устойчивость вывода: нейтральная оценка системы не является артефактом ответов незнакомых с программами студентов, а воспроизводится и в группе осведомлённых, что повышает надёжность заключения.

После фильтрации средние слегка выросли (сильнее всего информированность, +0,17), но все остались в нейтральной зоне - вывод устойчив: даже осведомлённые студенты оценивают систему нейтрально. Слабее всего - доступность и информированность о том, «как попасть».

8.2. H6 - связь оценки поддержки и интереса

Проверка. Связь интереса (Q1) и оценки доступности (Q14_access) положительна и значима: коэффициент Спирмена ρ = 0,247 (p = 0,0152). Но среди позитивно оценивающих доля заинтересованных 62,5 % против 44,1 % в среднем - превышение в 1,42 раза, а не в 2-3.

Гипотеза H6 подтверждается частично - направление верное, но сила связи переоценена; доступность не является главным драйвером интереса.

Рисунок 32 - H6: рассеяние Q1 × Q14_access с регрессией

Диаграмма рассеяния с линией регрессии иллюстрирует проверку H6: облако точек демонстрирует слабую положительную тенденцию, подтверждаемую коэффициентом Спирмена ρ=0,247 при p=0,015. Связь статистически значима, но слаба (объяснённая дисперсия не превышает 7 %), что означает: воспринимаемая доступность программ - лишь один из множества факторов интереса и не обладает определяющим влиянием. Это уточняет H6 в сторону частичного подтверждения.

Рисунок 33a- H6: доля заинтересованных в среднем и среди позитивно оценивающих 

Сравнение доли заинтересованных в среднем по выборке и в группе позитивно оценивающих поддержку показывает превышение в 1,42 раза-заметное, но существенно меньшее прогнозного (в 2-3 раза). Это количественно конкретизирует частичное подтверждение H6: позитивная оценка поддержки действительно сопряжена с повышенным интересом, однако эффект умеренный и не позволяет рассматривать улучшение доступности как самодостаточный рычаг.

8.3. H7 - сегментация аудитории

Проверка. Сегменты построены по интересу (Q1) и готовности (Q3). Трёхсегментная структура подтвердилась, но пропорции сдвинуты «теплее»: слабо вовлечённые 49 %, заинтересованные пассивные 31,4 %, мотивированные активные 19,6 %. Различия интереса между сегментами высоко значимы (Краскел–Уоллис H = 48,70, p < 0,001).

Гипотеза H7 подтверждается частично - структура из трёх сегментов верна, но потенциально активная аудитория вдвое больше прогноза.

Рисунок 34 - H7: структура сегментов, прогноз против факта

Сопоставление прогноза и факта по H7 показывает, что трёхсегментная структура аудитории подтвердилась как качественная модель, однако пропорции существенно сместились: доля слабо вовлечённых оказалась ниже прогноза, а заинтересованно-пассивных и активных - выше. Содержательно это означает, что аудитория «теплее» исходных ожиданий, и потенциально продуктивные сегменты вместе составляют более половины выборки.

Рисунок 35 - Интерес по сегментам, диаграмма размаха (H7)

Диаграмма размаха интереса по сегментам демонстрирует чёткую монотонную дифференциацию: медиана интереса последовательно возрастает от слабо вовлечённых к мотивированным активным, а межквартильные размахи слабо перекрываются. Высокая значимость различий (критерий Краскела-Уоллиса H=48,70; p<0,001) подтверждает валидность сегментации: выделенные группы статистически достоверно различаются по целевому признаку, что обосновывает их использование как самостоятельных целевых аудиторий.

Рисунок 35б - Структура сегментов вовлечённости (Segment_H7)

Круговая диаграмма структуры сегментов закрепляет итоговую модель аудитории: слабо вовлечённые (49 %), заинтересованные пассивные (31 %) и мотивированные активные (20 %). Визуальное преобладание двух «тёплых» сегментов наглядно обосновывает центральную рекомендацию - фокусировать усилия на обширном резерве пассивно-заинтересованных, а не только на малочисленном активном ядре.

Сводная таблица проверки гипотез систематизирует результаты: две гипотезы (H2, H4) опровергнуты, пять (H1, H3, H5, H6, H7) подтверждены частично, ни одна не подтверждена полностью. Цветовая маркировка наглядно показывает, что наиболее серьёзные расхождения с прогнозом касаются мотивации (недооценка роли дохода) и осведомлённости (её недооценка), тогда как структурные модели (барьеры, сегменты, связи) в целом верны, но требуют количественной коррекции. Такой паттерн результатов типичен для пилотных исследований и свидетельствует о том, что инструмент работоспособен, а исходная теоретическая модель нуждается в уточнении, а не отвержении.

Таблица 30

 Сводка проверки гипотез

Гип.	Прогноз (кратко)	Факт	Итог
H1	интерес 15-20 %; готовность 5-8 %	78,4 % / 8,8 %	Частично
H2	доход слаб (≤30 %)	доход 68,9 % - лидер	Опровергнута
H3	время≥50, финансы≤25 %	время 47,1 %, финансы 31,4 %	Частично
H4	знают ≤45 %; 2+ 15–20 %	знают 87,3 %; 2+ 77,5 %	Опровергнута
H5	CustDev 55–65 %	инвестиции 44,4 %; CustDev 40 %	Частично
H6	×2-3 у позитивных	×1,42; ρ=0,247	Частично
H7	75/16/9 %	49/31,4/19,6 %	Частично

9.1. Общая картина: лояльная, но пассивная аудитория

Главный содержательный итог исследования состоит в том, что отношение студентов МИЭТ к технологическому предпринимательству оказалось заметно более благоприятным, чем закладывалось в рабочих гипотезах, но эта благосклонность носит преимущественно пассивный, созерцательный характер. С одной стороны, средний и высокий уровень интереса проявили 78,4 % опрошенных, а ассоциации с понятием в большинстве нейтральны или позитивны - то есть «отторжения темы» в среде нет. С другой стороны, до стадии реального действия (прототип, MVP, участие в стартапе) доходят лишь 8,8 %, а активно намерены начать в ближайшее время - единицы. Между «мне это интересно» и «я этим занимаюсь» лежит широкий разрыв, и именно его сокращение, а не формирование интереса с нуля, является ключевой задачей системы поддержки.

Этот вывод подкрепляется и структурой выборки: 87,3 % студентов осведомлены о программах МИЭТ, но реально участвовали лишь 41,2 % -разрыв в 46,1 процентного пункта между знанием и действием является, пожалуй, самым важным числом всего исследования. Оно означает, что «воронка вовлечения» теряет основную массу людей не на входе (информирование), а на переходе от осведомлённости к участию.

9.2. Что показала проверка гипотез и что это означает

Из семи рабочих гипотез две были опровергнуты, пять подтвердились частично, и ни одна не подтвердилась полностью. Само по себе это - ценный результат: он показывает, что исходные представления об аудитории были неточны, и уточняет реальную картину. Разберём по существу.

H1 (частично). Прогноз о малой практической готовности (5-8 %) оправдался, но интерес недооценили вчетверо. Значит, потенциальная аудитория программ намного шире, чем казалось, - резерв роста огромен.

H2 (опровергнута). Предполагалось, что студентами движут самореализация и интерес к инновациям, а деньги вторичны. На деле мотив дохода - абсолютный лидер (68,9 % заинтересованных), что независимо подтвердил и контент-анализ ассоциаций («деньги» - самое частое слово). Это означает, что программы и их продвижение должны честно говорить о финансовой перспективе (гранты, доход, инвестиции), а не апеллировать преимущественно к идеалам самореализации.

H3 (частично). Состав ведущих барьеров предсказан верно - время, нехватка практических знаний, отсутствие команды, - но финансовый барьер оказался ощутимее ожидаемого (31,4 %). В сочетании с H2 это рисует цельный портрет: студент хочет денег, но не имеет времени, знаний и стартового капитала, чтобы к ним прийти.

H4 (опровергнута). Гипотеза о низкой осведомлённости (≤45 %) не подтвердилась: знают о программах 87,3 %, могут назвать два и более инструмента 77,5 %. Это важнейший управленческий сигнал: вкладываться дальше в «рекламу существования» программ малоэффективно - students уже знают. Ресурсы нужно перенаправить на упрощение входа и сопровождение.

H5 (частично). Практическая ориентация запроса подтвердилась (теория непопулярна), но его структура иная: на первом месте не методология проверки идеи (CustDev), а привлечение инвестиций (44,4 %). Это ещё раз указывает на «денежную» оптику аудитории.

H6 (частично). Связь между оценкой доступности программ и интересом существует и статистически значима (ρ = 0,247; p = 0,0152), но она слабее заявленной (превышение в 1,42 раза, а не в 2–3). Практический смысл: улучшение доступности поможет, но «само по себе» интерес не создаёт - это лишь один из факторов.

H7 (частично). Трёхсегментная модель аудитории подтвердилась как структура, но пропорции сдвинулись «в тёплую сторону»: слабо вовлечённые 49 %, заинтересованные пассивные 31,4 %, мотивированные активные 19,6 %. Иными словами, более половины выборки - это не «потерянная» аудитория, а резерв: люди, которых при правильных условиях можно перевести на ступень выше.

9.3. Что показал перекрёстный анализ (Tables & Banners)

Сопоставление вопросов между собой добавило важный нюанс к картине мотивации. Интерес к предпринимательству сильнее связан с вовлечённостью и «погружённостью» в тему, чем с формальным профессиональным бэкграундом. Так, студенты, понимающие разницу между Студией ТП и Стартап-студией (Q9), показали более высокий средний интерес (3,72 против 3,15) - осведомлённость и интерес идут рука об руку. Опыт проектной деятельности (Q21) закономерно «подтягивает» к практической стадии (Q3). А вот опыт работы в IT (Q22) сам по себе значимо интерес не повышает - то есть дело не в технической квалификации, а в мотивации и среде. Это прямо подсказывает механику работы: вовлекать через проектную активность и «насмотренность», а не отбирать только «готовых технарей».

9.4. Оценка действующей системы и практические рекомендации

Существующие программы МИЭТ студенты оценивают ровно нейтрально - все пять критериев Q14 лежат в диапазоне 3,0–3,3 балла, и этот вывод устойчив даже при исключении неосведомлённых респондентов. Нет ни отторжения, ни энтузиазма; самые слабые места - доступность и информированность о том, «как именно попасть» в программу (а не о том, что она существует).

Сводя воедино мотивы, барьеры и прямые пожелания студентов (Q15, где лидируют финансовая мотивация - 54 чел. - и интеграция проектной деятельности в учебный процесс - 53 чел.), можно сформулировать четыре приоритета:

1. Снять конфликт «учёба vs проект». Самый частый барьер - нехватка времени; самый востребованный механизм - зачёт проектной деятельности в учебном плане. Интеграция предпринимательства в образовательный процесс снимает оба ограничения сразу.

2. Говорить на языке денег. Поскольку доход - ведущий мотив, в коммуникации и форматах стоит делать видимой финансовую перспективу: гранты, стипендии участникам, помощь с привлечением инвестиций, истории заработавших студентов.

3. Перенести усилия с информирования на сопровождение. Студенты уже знают о программах; узкое место - простота входа и наличие «проводника». Нужны понятный единый вход, наставник и снижение бюрократии, а не новые рекламные кампании.

4. Работать с резервом, а не только с активными. Более половины аудитории - нейтрально-лояльные и заинтересованно-пассивные. Это первичная цель: их перевод на ступень выше даст больший эффект, чем конкуренция за немногих уже активных.

9.5. Итог

Исследование выявило аудиторию с высоким, но «спящим» потенциалом: интерес есть, осведомлённость есть, отторжения нет - но интерес не конвертируется в действие из-за нехватки времени, практических навыков, стартовых средств и простого пути входа. Опровержение гипотез о слабой мотивации дохода (H2) и низкой осведомлённости (H4) меняет управленческий акцент: задача Студии технологического предпринимательства - не привлекать внимание и не убеждать в пользе, а снижать барьеры входа и сопровождать переход от интереса к проекту, делая ставку на финансовую перспективу и встраивание предпринимательства в учебный процесс. При таком фокусе наибольший прирост вовлечённости даст работа не с немногочисленным активным ядром, а с обширным нейтрально-лояльным большинством.

Заключение

В ходе курсовой работы была исследована готовность студентов НИУ МИЭТ к участию в технологическом предпринимательстве и разработке собственных технологических стартапов. Работа включала анализ вторичной информации о рынке студенческого технологического предпринимательства и проведение собственного маркетингового исследования среди студентов МИЭТ.

В первой главе было установлено, что российская система университетского технологического предпринимательства активно развивается: расширяются акселерационные программы, грантовые конкурсы, стартап-студии и передовые инженерные школы. При этом рынок всё ещё находится на стадии формирования: количество вовлечённых студентов растёт, но далеко не все студенческие проекты переходят в устойчивые компании.

НИУ МИЭТ занимает сильную нишевую позицию за счёт специализации в микроэлектронике, электронной компонентной базе и инженерно-технологических направлениях. В работе МИЭТ сравнивался с МФТИ, ИТМО, НИУ ВШЭ и Сколково. По сравнению с ними МИЭТ уступает по масштабу публичной стартап-экосистемы, инвестиционной активности и известности предпринимательских программ, однако обладает важным конкурентным преимуществом - глубокой отраслевой специализацией и связями с индустриальными партнёрами. Поэтому стратегическая задача университета состоит не в копировании более крупных экосистем, а в развитии собственной технологической ниши и повышении видимости результатов студенческих проектов.

Во второй главе было проведено онлайн-анкетирование студентов НИУ МИЭТ. Результаты показали, что интерес к технологическому предпринимательству у студентов выше, чем предполагалось изначально. Однако между интересом и реальным участием сохраняется заметный разрыв: многие респонденты положительно относятся к теме, но не переходят к запуску проекта, участию в акселераторах или созданию команды.

Одним из ключевых результатов стало выявление ведущей роли финансового мотива. Студенты связывают технологическое предпринимательство не только с инновациями, самореализацией и профессиональным развитием, но и с доходом, финансовой независимостью, инвестициями и грантами. Этот вывод подтвердился как в закрытых вопросах о мотивах, так и в открытых ассоциациях, где часто встречались слова «деньги», «бизнес», «стартап» и «технологии».

Основными барьерами для участия стали нехватка времени, недостаток практических знаний, отсутствие команды, непонимание, с чего начать, и финансовые ограничения. Это показывает, что студентам нужна не только информация о программах, но и понятный маршрут действий: от идеи к команде, прототипу, заявке на грант и участию в акселераторе.

Исследование также выявило коммуникационный разрыв. Многие студенты знают о существовании отдельных программ поддержки, однако не всегда понимают различия между ними и не видят конкретного пути входа. Основными каналами получения информации являются социальные сети, студенческое общение и официальные цифровые ресурсы, поэтому продвижение программ должно быть ориентировано именно на эти каналы.

Оценка действующих программ поддержки показала, что они в целом соответствуют интересам студентов, но требуют повышения доступности и понятности. Осведомлённые студенты оценивают систему поддержки немного выше, что подтверждает важность качественного информирования.

Сегментация аудитории показала наличие трёх групп студентов: слабо вовлечённых, заинтересованных, но пассивных, и мотивированных активных. При этом доля потенциально активных студентов оказалась выше первоначального прогноза, что говорит о наличии в МИЭТ реального резерва для развития студенческих технологических стартапов.

Таким образом, гипотезы исследования подтвердились частично. Интерес студентов оказался выше ожидаемого, финансовый мотив - значимее первоначального предположения, а барьеры связаны не только с временем и знаниями, но и с финансированием и отсутствием понятной траектории действий. При этом подтвердились гипотезы о важности практико-ориентированных форматов, информированности, проектного опыта и сегментации аудитории.

Итоговый вывод состоит в том, что НИУ МИЭТ обладает значительным потенциалом для развития студенческого технологического предпринимательства. Для его реализации необходимо повышать понятность программ поддержки, активнее продвигать их через студенческие цифровые каналы, развивать прикладные форматы обучения, помогать студентам с поиском команды, оформлением грантовых заявок и переходом от интереса к реальному проекту. Это позволит университету эффективнее использовать свою инженерно-технологическую специализацию и укрепить позиции в сравнении с ведущими вузами предпринимательской экосистемы.

Список используемой литературы

1.       https://www.minobrnauki.gov.ru/press-center/news/novosti-ministerstva/99425/

2.        https://vk.com/wall-204108619_253?ysclid=mnij2pinym719352268

3.       https://univertechpred.ru/novosti/20251212-v-rossii-za-tri-goda-zaregistrirovano-5-tys-universitetskikh-startapov/

4.       https://www.minobrnauki.gov.ru/press-center/news/novosti-ministerstva/93521/

5.       https://www.minobrnauki.gov.ru/press-center/news/novosti-ministerstva/97424/

6.        https://xn--90aifddrld7a.xn--p1ai/support/grant-studencheskiy-startap/

7.       https://fasie.ru/programs/programma-umnik/?ysclid=mnijx4e7cq918213428

8.        https://dzen.ru/a/aKcKxXvmtEEYStNM

9.        https://dzen.ru/a/Y_9Av6TA02U63Bs4?ysclid=mnik88jzr1543360097

10.     https://www.riatomsk.ru/article/20210706/u-novus-mishustin-vstrecha-so-studentami-tomsk/?ysclid=mnikjlj6bn825556713

11.    https://www.economy.gov.ru/material/news/minekonomrazvitiya_zavershilo_integraciyu_meropriyatiy_fedproekta_platforma_universitetskogo_tehnologicheskogo_predprinimatelstva_v_fedproekt_tehnologii.html

12.    https://www.vedomosti.ru/press_releases/2023/07/20/uvelichilos-kolichestvo-byudzhetnih-mest-v-niu-miet-po-tehnicheskim-spetsialnostyam

13.     https://rsr-online.ru/news/2024/6/4/v-rossijskih-vuzah-uvelichilos-chislo-studentov/

14.     https://skillbox.ru/media/education/vsye-bolshe-abiturientov-idut-uchitsya-na-inzhenerov-no-vypusk-poka-snizhaetsya/

15.   https://guesssurvey.org/resources/nat_2023/GUESSS_Report_2023_Russia.pdf

16.    https://vc.ru/flood/41513-mozhno-li-raspoznat-predprinimatelskie-kachestva-pri-pomoshi-testov-i-oprosov?ysclid=mnilaqh9y6595057807)

17.    https://spb.hse.ru/scem/sec/guesss

18.    https://news.tek.fm/news/365837

19.    https://rating.univertechpred.ru/

20.    https://companies.rbc.ru/news/lI0rwOli6J/luchshie-universitetskie-startapyi-voshli-v-top-1000/

21.    https://smartranking.ru/ru/analytics/ai/rynok-iskusstvennogo-intellekta-v-rossii-vyros-za-god-na-25/

22.    https://www.rbc.ru/industries/news/6911c6a69a79477c7139f7cd

23.    https://www.cnews.ru/news/top/2024-10 01_na_importozameshchenie_oborudovaniya?ysclid=mnimcwlrm8281796264

24.    https://mashnews.ru/sobstvennyie-ustanovki-dlya-proizvodstva-mikroelektroniki-dolzhnyi-poyavitsya-v-rossii-k-2030-godu.html

25.    https://fasie.ru/press/fund/grantopoluchatel-fonda-sodeystviya-innovatsiyam-zavershil-razrabotku-otechestvennogo-fotolitografa/

26.    https://rg.ru/2021/10/07/pravitelstvo-utverdilo-42-strategicheskie-iniciativy-razvitiia-rossii.html?ysclid=mnimjewyhs226940224&utm_referrer=https%3A%2F%2Fyandex.ru%2F

27.    https://www.vesti.ru/article/3450175

28.    https://univertechpred.ru/novosti/20250327-universitetskim-startapam-stanut-dostupy-novye-vozmozhnosti-dlya-razvitiya/

29.   https://expert-ural.com/analytics/ratings/tehpred-50-reyting-universitetov-liderov-tehnologicheskogo-predprinimatelstva-2025.html

30.    https://regnum.ru/news/3890316?ysclid=mnims9vb8u381046556

31.   https://www.miet.ru/news/171549

32.    https://www.miet.ru/news/169208

33.    https://www.miet.ru/news/144977

34.    https://www.miet.ru/news/178547

35.    https://finance.rambler.ru/business/53034027-niu-miet-voshel-v-top-100-rossiyskih-vuzov-po-versii-forbes/?ysclid=mnmtp5y1av602204483

36.    https://www.miet.ru/news/173514

37.    https://www.miet.ru/news/156984

38.    https://gameguru.ru/publication/akselerator-mfti-fiztehstart-vpervye-otkryl-priem-zayavok-v-napravlenii-gametech/?ysclid=mnmtxeurpf122716730

39.    https://gamemag.ru/news/162777/fizteh-start

40.    https://myseldon.com/ru/news/index/315726403

41.    https://news.itmo.ru/ru/education/official/news/13064/?ysclid=mnmujhjikw378163509

42.    https://base.startech.vc/news/3114?ysclid=mnmum26onu446947529

43.    https://www.hse.ru/news/edu/452899051.html

44.    https://inc.hse.ru/

45.    https://finance.rambler.ru/markets/46685577-rossiyskiy-agregator-b2b-uslug-dlya-avtoparkov-anywash-privlek-300-tysyach-v-seed-raunde/?ysclid=mnmv3w3egx874107387

46.    https://startupschoolsk.ru/startup-accelerator?ysclid=mnmvlwt0x4708698267#rec625806914

47.    https://technospark.ru/media/2024/08/27/rosnano-predstavilo-novuyu-kompaniyu-v-sfere-ekzoprotezirovaniya/

48.    https://d-russia.ru/opredeleny-pobediteli-konkursa-studencheskij-startap-v-2024-godu.html

49.    https://poetsandquants.com/2023/08/31/this-schools-alumni-have-created-more-than-200-billion-dollar-companies-in-the-last-28-years/

50.    https://www.teknovation.biz/stanford-alumni-founders-again-top-list-for-most-venture-capital-raised/

51.    https://www.statista.com/statistics/883589/unicorn-founders-by-undergraduate-college/

52.    https://expert-ural.com/analytics/ratings/tehpred-50-reyting-universitetov-liderov-tehnologicheskogo-predprinimatelstva-2024.html

53.    https://univertechpred.ru/novosti/20240711-v-rossii-sozdano-23-tysyachi-universitetskikh-startap-proektov/

54.    https://univertechpred.ru/novosti/20240711-v-rossii-sozdano-23-tysyachi-universitetskikh-startap-proektov/

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

---