論文の概要: Supporting Migration Policies with Forecasts: Illegal Border Crossings in Europe through a Mixed Approach

• arxiv url: http://arxiv.org/abs/2512.10633v2
• Date: Tue, 16 Dec 2025 15:36:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-17 14:48:05.92853
• Title: Supporting Migration Policies with Forecasts: Illegal Border Crossings in Europe through a Mixed Approach
• Title（参考訳）: 予測による移動政策の支持--混成アプローチによるヨーロッパにおける不法国境横断
• Authors: C. Bosco, U. Minora, D. de Rigo, J. Pingsdorf, R. Cortinovis,
• Abstract要約: 本稿では,ヨーロッパにおける5つの主要移民ルートを横断する不法な国境横断を予測するための混合手法を提案する。 この方法論は、機械学習技術とマイグレーションの専門家からの質的な洞察を統合する。 提案手法は、EU移行および亡命に関する協定で概略された予測要求に直接対応する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a mixed-methodology to forecast illegal border crossings in Europe across five key migratory routes, with a one-year time horizon. The methodology integrates machine learning techniques with qualitative insights from migration experts. This approach aims at improving the predictive capacity of data-driven models through the inclusion of a human-assessed covariate, an innovation that addresses challenges posed by sudden shifts in migration patterns and limitations in traditional datasets. The proposed methodology responds directly to the forecasting needs outlined in the EU Pact on Migration and Asylum, supporting the Asylum and Migration Management Regulation (AMMR). It is designed to provide policy-relevant forecasts that inform strategic decisions, early warning systems, and solidarity mechanisms among EU Member States. By joining data-driven modeling with expert judgment, this work aligns with existing academic recommendations and introduces a novel operational tool tailored for EU migration governance. The methodology is tested and validated with known data to demonstrate its applicability and reliability in migration-related policy context.
• Abstract（参考訳）: 本稿では,5つの主要移民ルートを横断するヨーロッパにおける不法な国境横断を1年間にわたって予測する混合手法を提案する。 この方法論は、機械学習技術とマイグレーションの専門家からの質的な洞察を統合する。 このアプローチは、従来のデータセットの移行パターンと制限の急激なシフトによって引き起こされる課題に対処するイノベーションである、ヒューマンアセスメントされた共変量を含むことによって、データ駆動モデルの予測能力を改善することを目的としている。 提案手法は,EU移行・亡命に関する協定(EU Pact on Migration and Asylum)で概説されている予測ニーズに直接対応し,AMMR(Asylum and Migration Management Regulation)をサポートする。 戦略決定、早期警戒システム、EU加盟国間の連帯メカニズムを知らせる政策関連予測を提供するように設計されている。 データ駆動モデリングと専門家の判断に参加することで、この作業は既存の学術的勧告と一致し、EU移行管理に適した新しい運用ツールを導入している。 この方法論は、マイグレーション関連のポリシーコンテキストにおける適用性と信頼性を示すために、既知のデータでテストされ、検証されている。

関連論文リスト

• Transfer Learning for Classification under Decision Rule Drift with Application to Optimal Individualized Treatment Rule Estimation [50.34670342434884]
  本研究では,ベイズ決定規則による後方ドリフトのモデル化手法を提案する。 穏やかな規則性条件の下では、推定器の整合性を確立し、リスク境界を導出する。 本稿では,最適な個別化処理ルールの推定に適応させることにより,本手法の幅広い適用性について述べる。
  論文  参考訳（メタデータ） (2025-08-28T16:03:06Z)
• LLM4MEA: Data-free Model Extraction Attacks on Sequential Recommenders via Large Language Models [50.794651919028965]
  近年の研究では、モデル抽出攻撃(MEA)に対するシーケンシャルレコメンデータシステムの脆弱性が実証されている。 事前のMEAにおけるブラックボックス攻撃は、データ選択のランダムサンプリングによるレコメンデータシステムの脆弱性を明らかにするのに効果がない。 LLM4MEAは,Large Language Models (LLMs) を人間のようなランク付けとして活用してデータを生成する新しいモデル抽出法である。
  論文  参考訳（メタデータ） (2025-07-22T19:20:23Z)
• An evidence-based methodology for human rights impact assessment (HRIA) in the development of AI data-intensive systems [49.1574468325115]
  我々は、すでに人権がデータ利用の分野で決定を下していることを示している。 本研究は人権影響評価(HRIA)の方法論とモデルである。 提案手法は,具体的ケーススタディで検証し,その有効性と有効性を示す。
  論文  参考訳（メタデータ） (2024-07-30T16:27:52Z)
• Chain-of-Thought Prompting for Demographic Inference with Large Multimodal Models [58.58594658683919]
  大規模マルチモーダルモデル (LMM) は、様々な研究課題において変換可能性を示している。 以上の結果から,LMMはゼロショット学習,解釈可能性,未修正入力の処理に長所があることが示唆された。 本稿では,目標外予測問題を効果的に緩和するChain-of-Thought拡張プロンプト手法を提案する。
  論文  参考訳（メタデータ） (2024-05-24T16:26:56Z)
• 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)
• Weakly supervised covariance matrices alignment through Stiefel matrices estimation for MEG applications [64.20396555814513]
  本稿では,Mixing Model Stiefel Adaptation (MSA)と呼ばれる時系列データに対する新しいドメイン適応手法を提案する。 我々は、ドメイン間の等価な信号分散とペアの対応を確立することにより、ターゲット領域における豊富なラベルのないデータを利用して効果的な予測を行う。 MSAは、Cam-CANデータセットのMEG信号を用いて、タスクの変動を伴う脳年齢回帰の最近の手法より優れている。
  論文  参考訳（メタデータ） (2024-01-24T19:04:49Z)
• Open-Domain Text Evaluation via Contrastive Distribution Methods [75.59039812868681]
  本稿では,Contrastive Distribution Methodsと呼ばれるオープンドメインテキスト生成手法を提案する。 マルチターン対話におけるコヒーレンス評価と制御可能な生成におけるコヒーレンス評価の実験により,CDMの優位性は人間の判断と相関していることが示された。
  論文  参考訳（メタデータ） (2023-06-20T20:37:54Z)
• Learning under random distributional shifts [0.0]
  基底共変量空間の任意の変化を捉えるランダム分布シフトモデルのクラスを考える。 ハイブリッドアプローチは分散シフトの強さとプロキシ関係の強さに頑健であることを示す。 2つの高インパクト領域において、提案手法は平均二乗誤差を著しく低くする。
  論文  参考訳（メタデータ） (2023-06-05T15:14:34Z)
• A Mixed-Method Approach to Determining Contact Matrices in the Cox's Bazar Refugee Settlement [0.0]
  住民の接触行列を導出するための新しい混合手法を提案する。 我々は、バングラデシュにおけるコックスのバザール難民開拓地の最初の接触行列を導いた。 提案手法は従来のエージェントベースアプローチとそれ以前のエージェントベースアプローチの両方の課題に対処できることを示す。
  論文  参考訳（メタデータ） (2022-11-22T21:53:33Z)
• 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)
• An LSTM approach to Forecast Migration using Google Trends [7.621862131380908]
  線形重力モデルを長期記憶(LSTM)アプローチに置き換え、既存の2つのアプローチと比較する。 LSTMアプローチとGoogle Trendsのデータを組み合わせることで、これらのモデルがさまざまな指標で優れています。
  論文  参考訳（メタデータ） (2020-05-20T08:07:42Z)

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。