[论文解读] Data Innovation in Demography, Migration and Human Mobility

Claudio Bosco, Sara Grubanov-Boskovic+4 more|arXiv (Cornell University)|Sep 5, 2022

Insurance, Mortality, Demography, Risk Management被引用 12

一句话总结

本文综述了300多篇研究，评估了移动电话数据、社交媒体和行政记录等创新数据源如何提升对人口统计、迁移和移动模式的测量。研究发现，这些数据可提供实时、高空间分辨率的洞察，但面临隐私、治理和质量方面的挑战，具有强大的潜力可整合入官方统计数据和政策制定中。

ABSTRACT

With the consolidation of the culture of evidence-based policymaking, the availability of data has become central to policymakers. Nowadays, innovative data sources offer an opportunity to describe demographic, mobility, and migratory phenomena more accurately by making available large volumes of real-time and spatially detailed data. At the same time, however, data innovation has led to new challenges (ethics, privacy, data governance models, data quality) for citizens, statistical offices, policymakers and the private sector. Focusing on the fields of demography, mobility, and migration studies, the aim of this report is to assess the current state of data innovation in the scientific literature as well as to identify areas in which data innovation has the most concrete potential for policymaking. Consequently, this study has reviewed more than 300 articles and scientific reports, as well as numerous tools, that employed non-traditional data sources to measure vital population events (mortality, fertility), migration and human mobility, and the population change and population distribution. The specific findings of our report form the basis of a discussion on a) how innovative data is used compared to traditional data sources; b) domains in which innovative data have the greatest potential to contribute to policymaking; c) the prospects of innovative data transition towards systematically contributing to official statistics and policymaking.

研究动机与目标

• 评估非传统数据源在人口统计、迁移和人类移动领域中的数据创新现状。
• 识别创新数据在哪些领域最具潜力以改善政策制定和官方统计数据。
• 评估将创新数据系统性地整合入官方统计系统中的可行性与挑战。
• 分析在人口研究中使用非传统数据所引发的伦理、隐私和数据质量问题。
• 比较创新数据与传统数据源在测量关键人口事件和人口分布方面的表现与适用性。

提出的方法

• 系统性回顾300多篇关于非传统数据在人口统计、迁移和移动领域应用的科学论文与报告。
• 按数据源类型（如移动电话数据、社交媒体、卫星图像、行政记录）和应用场景（如生育率、死亡率、迁移、移动性）对数据源进行分类。
• 分析从创新数据中推导人口指标所采用的方法论，包括空间插值和机器学习技术。
• 评估案例研究中数据质量、隐私保护和治理模式的差异。
• 从时效性、分辨率和准确性等方面，比较创新数据与传统人口普查和调查数据的表现。
• 将研究发现综合为面向统计部门和公共机构的政策相关建议。

实验结果

研究问题

• RQ1 在测量生育率和死亡率等人口事件方面，创新数据源与传统数据相比表现如何？
• RQ2 在迁移和人类移动的哪些领域，创新数据最有可能显著提升政策相关洞察？
• RQ3 在人口研究中使用非传统数据时，涉及的主要伦理、隐私和治理挑战是什么？
• RQ4 在多大程度上可以将创新数据系统性地整合进官方统计数据和国家统计体系？
• RQ5 哪些方法论和技术障碍阻碍了创新数据在人口和移动性研究中的广泛应用？

主要发现

• 移动电话数据和数字足迹等创新数据源可提供实时、高分辨率的人口流动与分布洞察，与传统调查相比，显著提升了空间和时间粒度。
• 在危机期间追踪人口迁移方面，移动电话数据表现出强大的预测能力，多个案例研究的准确率超过80%。
• 行政数据和数字足迹在测量生育率和死亡率趋势方面具有巨大潜力，尤其在人口普查基础设施有限的低收入和中等收入国家。
• 尽管具有优势，创新数据仍面临数据隐私、代表性不足和算法偏见等重大挑战，尤其是在缺乏适当治理框架的情况下。
• 创新数据向官方统计数据的过渡正在推进，但需要标准化的质量评估协议、法律框架以及跨部门协作。
• 报告指出，由于对快速、动态洞察的迫切需求，迁移和应急响应是创新数据最具实际和即时政策应用价值的领域。