論文の概要: Leveraging the Power of Place: A Data-Driven Decision Helper to Improve the Location Decisions of Economic Immigrants

• arxiv url: http://arxiv.org/abs/2007.13902v1
• Date: Mon, 27 Jul 2020 23:02:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-06 11:53:34.408948
• Title: Leveraging the Power of Place: A Data-Driven Decision Helper to Improve the Location Decisions of Economic Immigrants
• Title（参考訳）: 場所の力を活用する: 経済移民の立地決定を改善するデータ駆動意思決定支援者
• Authors: Jeremy Ferwerda, Nicholas Adams-Cohen, Kirk Bansak, Jennifer Fei, Duncan Lawrence, Jeremy M. Weinstein, Jens Hainmueller
• Abstract要約: 我々は、移民の位置情報決定を通知するための行動洞察、管理データ、機械学習手法に基づく、データ駆動型意思決定支援手法を提案する。 カナダ・エクスプレス・エントリー・システムからの近年の経済移民の上陸データと税務記録から得られた収益とを関連づけた行政データを用いたバックテストによるアプローチの潜在的影響について述べる。 当社のアプローチは、既存の機関構造内に最小限のコストで実施でき、行政データを利用して経済移民の成果を改善する機会を政府に提供する。
• 参考スコア（独自算出の注目度）: 0.6597195879147557
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• 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.
• Abstract（参考訳）: 多くの国が、彼らの経済に貢献できる移民を惹きつけるためのプログラムを確立している。 調査は移民の最初の到着地が経済の成功を形作る上で重要な役割を担っていることを示唆している。 しかし、現在移民は最適な目的地を特定するのに役立つパーソナライズされた情報にアクセスできない。 その代わり、アベイラビリティー・ヒューリスティックス(Availability Heuristics)に頼り、最適な着陸地点の選択、収益の低下、移住率の上昇、そして最もよく知られた場所での集中に繋がる。 この問題に対処し,認知バイアスや限られた情報の影響を克服するために,行動的洞察や管理データ,および移民の位置決定を知らせる機械学習手法を駆使したデータ駆動意思決定支援システムを提案する。 意思決定ヘルパーは、移民の好みを反映したパーソナライズされたロケーションレコメンデーションと、プロフィールから期待される利益を最大化する場所のデータ駆動予測を提供する。 カナダ・エクスプレス・エントリー・システムからの近年の移民の上陸データと税務記録から得られた収益とを関連づけた行政データを用いたバックテストによるアプローチの潜在的影響について述べる。 様々なシナリオでのシミュレーションは、入ってくる経済移民に位置推薦を提供することが最初の収入を増加させ、最も人口の多い上陸地点から緩やかな移行につながることを示唆している。 当社のアプローチは、既存の機関構造内に最小限のコストで実施でき、行政データを利用して経済移民の成果を改善する機会を政府に提供する。

関連論文リスト

• MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
  本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。 本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。 以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
  論文  参考訳（メタデータ） (2024-10-13T18:16:50Z)
• Labor Migration Modeling through Large-scale Job Query Data [36.87413768190629]
  本稿では,大規模ジョブクエリデータを活用した深層学習に基づく時空間労働移動分析フレームワークDHG-SILを提案する。 具体的には,世界最大規模の検索エンジンからの求人情報による労働移動のプロキシとして,まず最初に労働移動の意図を取得する。 都市の移動特性を定量化するための4つの解釈変数を導入し、都市表現と協調して最適化する。
  論文  参考訳（メタデータ） (2024-10-03T16:24:14Z)
• Demo2Vec: Learning Region Embedding with Demographic Information [0.23020018305241333]
  単純でアクセスが容易な人口統計データによって、最先端領域の埋め込みの質が向上することを示す。 KL分散に基づく既存のプレトレイン法は移動情報に偏りがあることが判明した。 ニューヨークとシカゴの双方の実験結果から、モビリティと収入がプレトレインデータの組み合わせで最高のものであることが示されている。
  論文  参考訳（メタデータ） (2024-09-25T11:39:16Z)
• Combining Twitter and Mobile Phone Data to Observe Border-Rush: The Turkish-European Border Opening [2.5693085674985117]
  2020年にトルコが国境管理を廃止すると決定すると、多くの個人がギリシャ、ブルガリア、トルコの国境に向かって旅した。 しかし、メディアレポートと実際の移行パターンの間の不規則な移動と不一致に関する検証可能な統計が欠如しているため、さらなる調査が必要である。 本研究は,新しいデータソース,特に携帯電話とTwitterのデータを活用することで,この知識ギャップを埋めることを目的とする。
  論文  参考訳（メタデータ） (2024-05-21T09:51:15Z)
• Persona-DB: Efficient Large Language Model Personalization for Response Prediction with Collaborative Data Refinement [79.2400720115588]
  本稿では,タスクコンテキスト間の一般化を改善するための階層的な構築プロセスからなる,シンプルで効果的なフレームワークであるPersona-DBを紹介する。 応答予測の評価において,Persona-DB は精度を著しく低減した検索サイズで維持する上で,より優れたコンテキスト効率を示す。 我々の実験は、ユーザーが極めて少ないデータを持つ場合、コールドスタートシナリオで10%以上の顕著な改善が示されていることも示している。
  論文  参考訳（メタデータ） (2024-02-16T20:20:43Z)
• Transductive Reward Inference on Graph [53.003245457089406]
  本稿では,グラフ上の情報伝達の文脈特性に基づく報酬推定手法を提案する。 利用可能なデータと限定的な報酬アノテーションの両方を活用して、報酬伝達グラフを構築します。 構築したグラフをトランスダクティブな報酬推定に使用し,非競合データに対する報酬を推定する。
  論文  参考訳（メタデータ） (2024-02-06T03:31:28Z)
• The diaspora model for human migration [0.07852714805965527]
  既存のモデルは、フローの変動を説明するために、主に人口規模と移動距離に依存している。 本稿では,移住のダイアスポラモデルを提案し,移住者数(移住者数)と移住者数(国内での目的地)を取り入れた。 本モデルでは,移住者が特定の居住地を選択する確率に影響を及ぼすように,目的地国における既存のディアスポラサイズのみを考慮に入れている。
  論文  参考訳（メタデータ） (2023-09-06T15:17:53Z)
• Data-Driven Offline Decision-Making via Invariant Representation Learning [97.49309949598505]
  オフラインのデータ駆動意思決定は、アクティブなインタラクションなしで最適化された決定を合成する。 オフラインデータからトレーニングされたモデルへの入力に関して最適化する場合、誤って良いように見えるアウト・オブ・ディストリビューション(OOD)インプットを生成するのは簡単です。 本稿では、オフラインデータ駆動意思決定をドメイン適応として定式化し、最適化された決定値の正確な予測を行うことを目標とする。
  論文  参考訳（メタデータ） (2022-11-21T11:01:37Z)
• Enhancing User' s Income Estimation with Super-App Alternative Data [59.60094442546867]
  これは、これらの代替データソースのパフォーマンスと、業界に受け入れられた局の収入推定器のパフォーマンスを比較します。 本論文は、金融機関がリスクプロファイルの構築に代替データを導入しようとする動機を示すものである。
  論文  参考訳（メタデータ） (2021-04-12T21:34:44Z)
• Forecasting asylum-related migration flows with machine learning and data at scale [0.0]
  適応型機械学習アルゴリズムは,亡命関係の移動フローを効果的に予測できることを示す。 我々は、起源の国における位置情報のイベントとインターネット検索、EU国境における不規則な横断の検知、目的地の国における亡命承認率という3つの階層のデータを活用している。
  論文  参考訳（メタデータ） (2020-11-09T11:31:17Z)
• InfoBot: Transfer and Exploration via the Information Bottleneck [105.28380750802019]
  強化学習における中心的な課題は、報酬がわずかに分散されたタスクに対する効果的なポリシーを見つけることである。 我々は、事前の経験から意思決定状態について学ぶことを提案する。 この単純なメカニズムは、部分的に観察された状態であっても、決定状態を効果的に識別する。
  論文  参考訳（メタデータ） (2019-01-30T15:33:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。