論文の概要: From Ukraine to the World: Using LinkedIn Data to Monitor Professional
Migration from Ukraine
- arxiv url: http://arxiv.org/abs/2307.09979v1
- Date: Wed, 19 Jul 2023 13:38:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-20 13:58:22.711451
- Title: From Ukraine to the World: Using LinkedIn Data to Monitor Professional
Migration from Ukraine
- Title（参考訳）: ウクライナから世界へ:LinkedInのデータを使ってウクライナからのプロのマイグレーションを監視する
- Authors: Margherita Bert\`e, Daniela Paolotti, Kyriaki Kalimeri
- Abstract要約: 熟練したプロのウクライナからの強制移住は、2014年のウクライナ紛争と2022年のロシア侵攻によって引き起こされた。
我々は、主にポーランドとドイツに惹かれる、教育を受けた個人の継続的な、そしてエスカレートするエクソドスを特定します。
主な発見は、高度に教育されたウクライナ人転職者のLinkedInの推定と国連難民統計との強い相関関係である。
- 参考スコア（独自算出の注目度）: 3.5493798890908104
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Highly skilled professionals' forced migration from Ukraine was triggered by
the conflict in Ukraine in 2014 and amplified by the Russian invasion in 2022.
Here, we utilize LinkedIn estimates and official refugee data from the World
Bank and the United Nations Refugee Agency, to understand which are the main
pull factors that drive the decision-making process of the host country. We
identify an ongoing and escalating exodus of educated individuals, largely
drawn to Poland and Germany, and underscore the crucial role of pre-existing
networks in shaping these migration flows. Key findings include a strong
correlation between LinkedIn's estimates of highly educated Ukrainian displaced
people and official UN refugee statistics, pointing to the significance of
prior relationships with Ukraine in determining migration destinations. We
train a series of multilinear regression models and the SHAP method revealing
that the existence of a support network is the most critical factor in choosing
a destination country, while distance is less important. Our main findings show
that the migration patterns of Ukraine's highly skilled workforce, and their
impact on both the origin and host countries, are largely influenced by
preexisting networks and communities. This insight can inform strategies to
tackle the economic challenges posed by this loss of talent and maximize the
benefits of such migration for both Ukraine and the receiving nations.
- Abstract（参考訳）: 熟練したプロのウクライナからの強制移住は、2014年のウクライナ紛争と2022年のロシア侵攻によって引き起こされた。
ここでは、世界銀行と国連難民機関によるlinkedinの推計と難民公式データを利用して、ホスト国の意思決定プロセスを推進する主要な要因が何であるかを理解する。
我々は,ポーランドとドイツに主に惹かれ,教育を受けた人々の活動が進行中かつエスカレートしていることを明らかにし,これらの移動フローを形成する上で,既存のネットワークが果たす重要な役割を強調する。
主な発見は、高度に教育されたウクライナ難民の推計と国連難民統計との強い相関関係であり、移住先を決定する上でウクライナと以前の関係が重要であることを示している。
我々は,複数線形回帰モデルとSHAP法を訓練し,支援ネットワークの存在が目的地国を選択する上で最も重要な要因であるが,距離はそれほど重要でないことを示す。
我々の主な発見は、ウクライナの高度に熟練した労働者の移住パターンと、出身国とホスト国の両方への影響が、既存のネットワークやコミュニティに大きく影響されていることを示している。
この洞察は、この才能の喪失によって生じる経済的課題に対処し、ウクライナと受取国の両方にとってそのような移住の利益を最大化するための戦略を導くことができる。
関連論文リスト
- 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) - A Computational Analysis of the Dehumanisation of Migrants from Syria and Ukraine in Slovene News Media [8.35176751141867]
我々は、スロベニアの新聞に掲載されている移民に対する態度を研究するために、最近提案された英語のアプローチに適応する。
我々は、シリア戦争後の2015-16年の移民危機と、ウクライナ戦争後の2022-23年の移民状況の変化について検討する。
この議論は、時間とともにより否定的になり、強烈なものになったが、ウクライナからの移民に他と比べて対処する場合には、非人道的でないことが判明した。
論文 参考訳（メタデータ） (2024-04-10T14:28:09Z) - On the steerability of large language models toward data-driven personas [98.9138902560793]
大規模言語モデル(LLM)は、特定のグループや集団の意見が不足している偏りのある応答を生成することが知られている。
本稿では, LLM を用いて特定の視点の制御可能な生成を実現するための新しい手法を提案する。
論文 参考訳（メタデータ） (2023-11-08T19:01:13Z) - Client-side Gradient Inversion Against Federated Learning from Poisoning [59.74484221875662]
フェデレートラーニング(FL)により、分散参加者は、データを中央サーバに直接共有することなく、グローバルモデルをトレーニングできる。
近年の研究では、FLは元のトレーニングサンプルの再構築を目的とした勾配反転攻撃(GIA)に弱いことが判明している。
本稿では,クライアント側から起動可能な新たな攻撃手法であるクライアント側中毒性グレーディエント・インバージョン(CGI)を提案する。
論文 参考訳（メタデータ） (2023-09-14T03:48:27Z) - The Role of Large Language Models in the Recognition of Territorial
Sovereignty: An Analysis of the Construction of Legitimacy [67.44950222243865]
Google MapsやLarge Language Models (LLM)のような技術ツールは、しばしば公平で客観的であると見なされる。
我々は、クリミア、ウェストバンク、トランスニトリアの3つの論争領域の事例を、ウィキペディアの情報と国連の決議に対するChatGPTの反応を比較して強調する。
論文 参考訳（メタデータ） (2023-03-17T08:46:49Z) - Migration Reframed? A multilingual analysis on the stance shift in
Europe during the Ukrainian crisis [0.0]
我々は、ヨーロッパと選択されたヨーロッパ諸国における移住関連メディアの報道と関連するソーシャルメディアの相互作用を分析した。
分析されたすべてのケースは、ウクライナでの戦争開始前後に顕著な時間的スタンスの変化を示している。
それでも、このシフトの規模と安定性には、明らかに全国的な違いがある。
論文 参考訳（メタデータ） (2023-02-06T14:36:33Z) - RAIN: RegulArization on Input and Network for Black-Box Domain
Adaptation [80.03883315743715]
ソースのないドメイン適応は、ソースデータを公開することなく、ソース訓練されたモデルをターゲットドメインに転送する。
このパラダイムは、ソースモデルに対する敵対的な攻撃のため、データ漏洩のリスクがある。
そこで我々は,入力レベルとネットワークレベルの両方の正規化からブラックボックスドメインを適応させる新しい手法であるRAIN(RegulArization on Input and Network)を提案する。
論文 参考訳（メタデータ） (2022-08-22T18:18:47Z) - Improving Privacy-Preserving Vertical Federated Learning by Efficient Communication with ADMM [62.62684911017472]
フェデレートラーニング(FL)により、デバイスは共有モデルを共同でトレーニングし、トレーニングデータをプライバシ目的でローカルに保つことができる。
マルチヘッド(VIM)を備えたVFLフレームワークを導入し、各クライアントの別々のコントリビューションを考慮に入れます。
VIMは最先端技術に比べて性能が著しく向上し、収束が速い。
論文 参考訳（メタデータ） (2022-07-20T23:14:33Z) - Investigating internal migration with network analysis and latent space
representations: An application to Turkey [0.0]
トルコにおける2008年から2020年までの内部移住の構造と動態を詳細に調査する。
古典的マイグレーション法則の集合を同定し,署名付きネットワーク解析,エゴネットワーク解析,表現学習,時間的安定性解析,ネットワーク可視化の様々な手法を用いて検証する。
この結果は、古典的な移住法に従って、ほとんどの移住リンクは、大きな経済活動を持つ都市を含むいくつかの例外と地理的に結びついていることを示している。
論文 参考訳（メタデータ） (2022-01-10T18:58:02Z) - Relational Graph Neural Networks for Fraud Detection in a Super-App
environment [53.561797148529664]
スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。
我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。
以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
論文 参考訳（メタデータ） (2021-07-29T00:02:06Z) - 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)
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。