論文の概要: HICM: An approach towards Harmonizing Indian Census Migration data and its applications
- arxiv url: http://arxiv.org/abs/2604.12324v1
- Date: Tue, 14 Apr 2026 05:58:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-15 19:11:32.272021
- Title: HICM: An approach towards Harmonizing Indian Census Migration data and its applications
- Title（参考訳）: HICM:インド国勢調査移行データの調和へのアプローチとその応用
- Abstract要約: 本報告では,インドにおける人口移動データを調和させるためのデータ中心型フレームワークHICMについて述べる。
我々は,30年間のマイグレーションデータから,測定バイアスと代表性バイアスという2種類のバイアスを同定した。
調和したインド間移動データの実験的評価により、バイアス認識データ補正がデータ構造における一貫性を著しく改善することが明らかとなった。
- 参考スコア（独自算出の注目度）: 2.12833538322985
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reliable analysis of migration is critically dependent on the quality and consistency of the underlying data. Indian migration data, primarily derived from decennial census records, are affected by systematic gaps arising from uneven coverage and measurement inconsistencies across states and time. This paper presents a data-centric framework, HICM, for harmonizing Indian census migration data recorded under the Indian census and correcting prominent sources of bias prior to downstream analyses. We explicitly identify two types of bias across three decades of migration data: measurement bias and representativeness bias. We propose to address these gaps through principled pre-processing, mitigation, and validation strategies grounded in statistical diagnostics. An empirical evaluation of harmonized Indian interstate migration data reveals that bias-aware data correction substantially improves the consistency in the structure of the data and enhances the reliability of subsequent temporal analysis results. By improving data quality through reproducible data imputation and smoothing, this work advances migration analytics and provides a robust foundation for policy-relevant longitudinal network analysis of Indian internal migration.
- Abstract（参考訳）: マイグレーションの信頼性分析は、基盤となるデータの品質と一貫性に大きく依存する。
インディアンの移住データは、主に12年の国勢調査記録に由来するが、不均一なカバレッジと、州と時間間の不整合から生じる体系的なギャップの影響を受けている。
本稿では、インドにおける国勢調査データと、下流分析に先立って顕著なバイアス源を補正するための、データ中心のフレームワークHICMを提案する。
我々は、30年間のマイグレーションデータ(測定バイアスと代表性バイアス)の2種類のバイアスを明確に識別する。
本稿では,これらのギャップを,統計的診断に根ざしたプリプロセッシング,緩和,検証戦略を通じて解決することを提案する。
調和したインド間移動データの実験的評価により、バイアス認識データ補正がデータ構造における一貫性を著しく改善し、その後の時間解析結果の信頼性を高めることが明らかとなった。
再現可能なデータ計算と平滑化によってデータ品質を向上させることにより、この研究は、マイグレーション分析を前進させ、インド内部のマイグレーションに関するポリシー関連縦断ネットワーク分析のための堅牢な基盤を提供する。
関連論文リスト
- Joint Utilization of Geospatial and census proxies for Autoencoder-Assisted Downscaling (JUGAAD) of socioeconomic indicators in India [6.076588686970015]
本研究では,2001年と2011年のインド国勢調査と調査データを事例として,深層学習の枠組みであるJuGAADを紹介した。
人口統計と地理空間データは,騒音の低減と行政境界の変更の定期化のために,中間的な村・クラスター規模のテッセルレーションに平均化される。
オートエンコーダは、高次元の国立サンプル調査局(NSSO)データを低次元の潜在表現に圧縮し、回帰モデルは、大規模国勢調査と地理空間データをこの表現にマッピングする。
この機能は、精密な国勢調査データに適用され、地上に対して検証された高分解能な予測を生成する。
論文 参考訳（メタデータ） (2026-07-17T21:57:55Z) - Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
現実の時系列では欠落値が一般的である。
現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。
このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。
本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
論文 参考訳（メタデータ） (2025-09-27T20:57:48Z) - Data Fusion for Partial Identification of Causal Effects [62.56890808004615]
本稿では,研究者が重要な疑問に答えられるような,新しい部分的識別フレームワークを提案する。
因果効果は肯定的か否定的か?
本研究の枠組みをSTARプロジェクトに適用し,第3級の標準試験性能に対する教室規模の影響について検討する。
論文 参考訳（メタデータ） (2025-05-30T07:13:01Z) - Inferring fine-grained migration patterns across the United States [1.6594124470436404]
我々は、高解像度だが偏りのあるプロプライエタリなデータを低解像度で信頼性の高いCensusデータで再現するスケーラブルな反復補間法を開発した。
私たちは2010年から2019年までの年次移行行列のデータセットであるMIGRATEを作成し、47億組のCensus Block Groupのフローをキャプチャします。
これらの推定は、外部の地中構造データセットと高い相関関係を持ち、精度を改善し、生のプロプライエタリなデータに対するバイアスを低減する。
論文 参考訳（メタデータ） (2025-03-26T21:07:44Z) - A Highly Granular Temporary Migration Dataset Derived From Mobile Phone Data in Senegal [0.0]
本稿では,セネガルにおける一時的な移動を捉えるために携帯電話のデータを活用する,詳細なオープンアクセスデータセットを紹介する。
本稿では,デジタルトレースにおける一時的なマイグレーションイベントを検出するアルゴリズム手法を含むだけでなく,個々のトラジェクトリをコヒーレントなマイグレーション統計に集約する上でも重要な課題に対処する手法について述べる。
論文 参考訳（メタデータ） (2024-06-21T14:58:28Z) - Can We Enhance the Quality of Mobile Crowdsensing Data Without Ground Truth? [45.875832406278214]
本稿では,予測と評価に基づく真理発見フレームワークを提案する。
センシングタスクにおいて、低品質のデータを高品質のデータから分離することができる。
これは、識別精度とデータ品質向上の観点から、既存の手法よりも優れています。
論文 参考訳（メタデータ） (2024-05-29T03:16:12Z) - DAGnosis: Localized Identification of Data Inconsistencies using
Structures [73.39285449012255]
機械学習モデルを確実に使用するためには、デプロイメント時のデータの不整合の特定と適切な処理が不可欠である。
我々は,有向非巡回グラフ(DAG)を用いて,トレーニングセットの特徴分布と非依存性を構造として符号化する。
我々の手法はDAGnosisと呼ばれ、これらの構造的相互作用を利用して、価値があり洞察に富んだデータ中心の結論をもたらす。
論文 参考訳（メタデータ） (2024-02-26T11:29:16Z) - Investigating Data Variance in Evaluations of Automatic Machine
Translation Metrics [58.50754318846996]
本稿では,メトリクスのパフォーマンスがデータに敏感であることを示す。
メトリクスのランキングは、異なるデータセットで評価が行われると異なる。
論文 参考訳（メタデータ） (2022-03-29T18:58:28Z) - Data-SUITE: Data-centric identification of in-distribution incongruous
examples [81.21462458089142]
Data-SUITEは、ID(In-distriion)データの不連続領域を特定するためのデータ中心のフレームワークである。
我々は,Data-SUITEの性能保証とカバレッジ保証を実証的に検証する。
論文 参考訳（メタデータ） (2022-02-17T18:58:31Z) - Leveraging Mobile Phone Data for Migration Flows [5.0161988361764775]
移動フローに関する統計は、しばしば固有の制限に悩まされる国勢調査データから導かれる。
調査やフィールド観測などの代替データソースも、信頼性、コスト、スケール制限に悩まされている。
携帯電話の普及により、移動に関連する最新のデータの正確かつ効率的な収集が可能になる。
論文 参考訳（メタデータ） (2021-05-31T13:41:47Z) - 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。