Цифровая трансформация демографических исследований
Contributors
Contact person:
- 1. Узбекский государственный университет мировых языков
Description
Традиционные демографические исследования, опирающиеся на переписи и РАГС, критически страдают от временной инертности и неспособны оперативно реагировать на стремительные социальные и миграционные изменения. Данный обзор посвящен методологической революции, вызванной экспоненциальным ростом цифровых следов (Digital Footprints), которые формируют массив Больших Данных (Big Data).Исследование систематически анализирует, как машинное обучение (ML) трансформирует понимание двух ключевых процессов: Использование ML-алгоритмов кластеризации (K-means, DBSCAN) и Gradient Boosting (XGBoost) на данных мобильности (CDR) позволяет оперативно идентифицировать паттерны мобильности и с высокой прогностической силой отличать постоянных мигрантов от маятниковых работников, обеспечивая текущую оценку чистой миграции. Анализ Google Trends и поисковых запросов служит мощным опережающим индикатором (с лагом 9-12 месяцев) поведенческих сдвигов. Интеграция этих нелинейных данных в модели рекуррентных нейронных сетей (LSTM) повышает точность краткосрочного прогнозирования рождаемости. Критический анализ выявил, что, несмотря на преимущества, цифровая демография сталкивается с серьезными вызовами: систематическая ошибка, вызванная цифровым разрывом, и острые этические/правовые вопросы о приватности и анонимизации CDR-данных.
Files
Muhammadiyeva_K.B.pdf
Additional details
Identifiers
Dates
- Created
-
2025-12-09
References
- DOI:10.1108/IJM-01-2016-0013
- DOI: 10.1073/pnas.1408439111