[논문 리뷰] Leveraging the Power of Place: A Data-Driven Decision Helper to Improve the Location Decisions of Economic Immigrants

Jeremy Ferwerda, Nicholas Adams-Cohen외 5명|arXiv (Cornell University)|2020. 07. 27.

Migration and Labor Dynamics참고 문헌 23인용 수 6

한 줄 요약

이 논문은 기계학습과 행정 데이터를 활용하여 경제 이민자에게 개인화된 거주지 추천을 제공하는 데이터 기반 의사결정 보조 도구를 제안한다. 이는 초기 소득을 높이기 위해 과도하게 인구가 몰린 비효율적인 목적지에서 멀어지도록 이끈다. 캐나다 익스프레스 엔트리 데이터를 활용한 후행 테스트 결과, 이 도구는 최소한의 구현 비용으로 이민자들의 기대 소득을 크게 증가시킬 수 있었다.

ABSTRACT

A growing number of countries have established programs to attract immigrants who can contribute to their economy. Research suggests that an immigrant's initial arrival location plays a key role in shaping their economic success. Yet immigrants currently lack access to personalized information that would help them identify optimal destinations. Instead, they often rely on availability heuristics, which can lead to the selection of sub-optimal landing locations, lower earnings, elevated outmigration rates, and concentration in the most well-known locations. To address this issue and counteract the effects of cognitive biases and limited information, we propose a data-driven decision helper that draws on behavioral insights, administrative data, and machine learning methods to inform immigrants' location decisions. The decision helper provides personalized location recommendations that reflect immigrants' preferences as well as data-driven predictions of the locations where they maximize their expected earnings given their profile. We illustrate the potential impact of our approach using backtests conducted with administrative data that links landing data of recent economic immigrants from Canada's Express Entry system with their earnings retrieved from tax records. Simulations across various scenarios suggest that providing location recommendations to incoming economic immigrants can increase their initial earnings and lead to a mild shift away from the most populous landing destinations. Our approach can be implemented within existing institutional structures at minimal cost, and offers governments an opportunity to harness their administrative data to improve outcomes for economic immigrants.

연구 동기 및 목표

• 경제 이민자가 초도 정착지를 선택할 때 이용 가능한 개인화된 정보의 부족을 해결하기 위해.
• 가용성 히ュ리스틱과 같은 인지 편향으로 인해 비효율적인 정착지 선택을 줄이기 위해.
• 행정 데이터와 기계학습을 활용해 지역별 소득을 예측함으로써 이민자의 경제적 성과를 향상시키기 위해.
• 기존 이민 절차를 대체하지 않고도 기존 정책에 보완적으로 작용할 수 있는 저비용·확장 가능한 의사결정 보조 도구를 설계하기 위해.
• 정부가 기존 데이터 인프라를 활용해 경제 이민자의 통합 결과를 향상시킬 수 있도록 하기 위해.

제안 방법

• 의사결정 보조 도구는 최근 캐나다 경제 이민자의 입국지와 세금 기록을 연결한 행정 데이터로 훈련된 기계학습 모델을 사용한다.
• 기대 소득을 예측하기 위해 유사한 프로필을 가진 이민자들이 다양한 지역에서 어떻게 성과를 낼 수 있을지 평가하는 결과 기반 매칭 알고리즘을 적용한다.
• 개인의 선호와 데이터 기반 예측에 기반해 개인화된 추천을 제공한다.
• 이 시스템은 강제적인 지침이 아니라 정보 제공의 촉진 역할을 하여, 정보 기반 의사결정을 지원한다.
• 모델은 변화하는 노동시장 조건과 개인의 결과를 반영하기 위해 지속적으로 업데이트된다.
• 역행 테스트는 익스프레스 엔트리 시스템의 역사적 데이터를 사용하여 추천의 영향을 시뮬레이션한다.

실험 결과

연구 질문

• RQ1 경제 이민자들이 인지 편향과 정보 부족으로 인해 얼마나 많은 비효율적인 입국지를 선택하고 있는가?
• RQ2 개인화된 데이터 기반의 정착지 추천을 받는다면 기대 소득은 얼마나 증가할 수 있는가?
• RQ3 목적지에 대한 집중을 줄이기 위해 타겟된 추천이 얼마나 가능할 수 있는가?
• RQ4 기존 정부 행정 시스템 내에서 이러한 의사결정 보조 도구의 구현은 얼마나 확장 가능하고 비용 효율적인가?
• RQ5 의사결정 보조 도구는 단기 소득 외에도 장기적 통합 또는 지역 개발과 같은 다른 결과를 우선시할 수 있는가?

주요 결과

• 캐나다에서 많은 경제 이민자들이 현재 비효율적인 정착지를 선택하고 있으며, 소득 예측 결과에 따르면 더 나은 선택을 할 경우 상당한 성과 향상이 가능하다.
• 후행 테스트 결과, 데이터 기반 추천을 제공할 경우 경제 이민자의 초도 연간 소득이 측정 가능한 수준으로 증가할 수 있었다.
• 추천 시스템은 가장 인기 있는 입국지의 집중을 약간 줄여, 더 균형 잡힌 지리적 분산 정착 패턴을 촉진할 수 있다.
• 필요한 행정 데이터는 이미 정부가 정기적으로 수집하고 있으므로, 시스템은 최소한의 변동 비용으로도 구현 가능하다.
• 의사결정 보조 도구는 강제하지 않고 추천만 제공함으로써 개인의 자율성을 존중하여, 정보 기반의 자발적 선택을 가능하게 한다.
• 이 접근법은 확장 가능하며, 장기 소득이나 지역 경제 개발과 같은 다른 통합 결과를 우선시하도록도 확장할 수 있다.