論文の概要: Data Innovation in Demography, Migration and Human Mobility
- arxiv url: http://arxiv.org/abs/2209.05460v1
- Date: Mon, 5 Sep 2022 07:55:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 11:07:05.620619
- Title: Data Innovation in Demography, Migration and Human Mobility
- Title（参考訳）: デモグラフィー・マイグレーション・ヒューマンモビリティにおけるデータイノベーション
- Authors: Claudio Bosco, Sara Grubanov-Boskovic, Stefano Iacus, Umberto Minora,
Francesco Sermi, Spyridon Spyratos
- Abstract要約: データ革新は、市民、統計事務所、政策立案者、民間部門の新たな課題(倫理、プライバシー、データガバナンスモデル、データ品質)につながっている。
この研究は300以上の論文や科学的報告、および多くのツールをレビューし、非伝統的なデータソースを用いて重要な人口発生を計測した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- 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.
- Abstract（参考訳）: 証拠に基づく政策立案の文化の強化により、データの入手は政策立案者にとって重要になっている。
現在、革新的なデータソースは、リアルタイムおよび空間的な詳細なデータを大量に利用できるようにすることで、人口統計、移動性、移動現象をより正確に記述する機会を提供している。
しかし同時に、データ革新は、市民、統計事務所、政策立案者、民間部門の新たな課題(倫理、プライバシー、データガバナンスモデル、データ品質)につながっている。
本報告は,デモグラフィ,モビリティ,マイグレーション研究の分野に着目し,科学文献におけるデータ革新の現状を評価するとともに,データ革新が政策立案に最も具体的な可能性を持つ領域を特定することを目的とする。
その結果、300以上の論文や科学的報告、また多くのツールが、重要な人口の出来事(死、出生率)、移動と人の移動、人口変化と人口分布を測定するために、非伝統的なデータソースを用いた。
報告書の具体的所見は議論の基礎となっている
a) 従来のデータソースと比較して,いかに革新的なデータが使用されるか
b) 革新的なデータが政策立案に寄与する最大の可能性を有する領域
c) 公式統計や政策立案に組織的に貢献しようとする革新的なデータ移行の見通し
関連論文リスト
- Generative Models for Synthetic Urban Mobility Data: A Systematic Literature Review [44.99833362998488]
この体系的なレビューは、この異質で活発な研究分野の現状に関する構造化された比較概要を提供する。
レビューされたモデルの適用性に特に焦点が当てられている。
論文 参考訳（メタデータ） (2024-07-12T11:54:29Z) - Collection, usage and privacy of mobility data in the enterprise and public administrations [55.2480439325792]
個人のプライバシーを守るためには、匿名化などのセキュリティ対策が必要である。
本研究では,現場における実践の洞察を得るために,専門家によるインタビューを行った。
我々は、一般的には最先端の差分プライバシー基準に準拠しない、使用中のプライバシー強化手法を調査した。
論文 参考訳（メタデータ） (2024-07-04T08:29:27Z) - Data-Centric AI in the Age of Large Language Models [51.20451986068925]
本稿では,大規模言語モデル(LLM)に着目した,AI研究におけるデータ中心の視点を提案する。
本研究では,LLMの発達段階(事前学習や微調整など)や推論段階(文脈内学習など)において,データが有効であることを示す。
データを中心とした4つのシナリオを特定し、データ中心のベンチマークとデータキュレーション、データ属性、知識伝達、推論コンテキスト化をカバーします。
論文 参考訳（メタデータ） (2024-06-20T16:34:07Z) - Deep Activity Model: A Generative Approach for Human Mobility Pattern Synthesis [11.90100976089832]
我々は,人間の移動性モデリングと合成のための新しい生成的深層学習手法を開発した。
オープンソースのデータを使って、アクティビティパターンとロケーショントラジェクトリの両方を組み込む。
モデルはローカルデータで微調整できるため、さまざまな領域にわたるモビリティパターンを正確に表現することができる。
論文 参考訳（メタデータ） (2024-05-24T02:04:10Z) - Data Augmentation in Human-Centric Vision [54.97327269866757]
本研究では,人間中心型視覚タスクにおけるデータ拡張手法の包括的分析を行う。
それは、人物のReID、人間のパーシング、人間のポーズ推定、歩行者検出など、幅広い研究領域に展開している。
我々の研究は、データ拡張手法をデータ生成とデータ摂動の2つの主なタイプに分類する。
論文 参考訳（メタデータ） (2024-03-13T16:05:18Z) - A Survey on Data Selection for Language Models [148.300726396877]
データ選択方法は、トレーニングデータセットに含まれるデータポイントを決定することを目的としている。
ディープラーニングは、主に実証的な証拠によって駆動され、大規模なデータに対する実験は高価である。
広範なデータ選択研究のリソースを持つ組織はほとんどない。
論文 参考訳（メタデータ） (2024-02-26T18:54:35Z) - A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。
これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。
差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
論文 参考訳（メタデータ） (2023-09-27T14:38:16Z) - Towards High-Value Datasets determination for data-driven development: a
systematic literature review [0.0]
2022年、オープンデータディレクティブ領域における重要なトレンドとして認識された「高価値データセット(HVD)」。
最高データ責任者を支援するための標準化されたアプローチは存在しない。
論文 参考訳（メタデータ） (2023-05-17T14:22:02Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - Biases in human mobility data impact epidemic modeling [0.0]
携帯電話の不正アクセスと不平等使用による2種類のバイアスを同定する。
我々は、高重量個体が過剰に表現されているすべての調査データセットにおいて、データ生成バイアスの証拠を見つける。
このスキューを緩和するために、データをデバイアスするフレームワークを提案し、代表性を高めるためにいかに簡単なテクニックが使えるかを示す。
論文 参考訳（メタデータ） (2021-12-23T13:20:54Z)
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。