• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  •  science >> Vetenskap >  >> Andra
    Ny maskininlärningsalgoritm kan förutsäga hur rassammansättningen av stadsdelar kommer att förändras

    En prediktiv karta över Cook County 2030, längst till höger, visar hur rassammansättningen i stadsdelar kommer att förändras jämfört med kartor som använder data från USA:s folkräkning från 2010 och 2020. Kredit:Tomasz Stepinski/UC

    En karta skapad av forskare vid University of Cincinnati kan med överraskande noggrannhet förutsäga hur rassammansättningen av stadsdelar kommer att förändras.

    UC College of Arts and Sciences geografiprofessor Tomasz Stepinski skapade en maskininlärningsalgoritm för att i detalj förutsäga hur stadsdelar kommer att bli mer eller mindre segregerade under de kommande 10 åren.

    Stepinski, som arbetar i UC:s Space Research Institute for Discovery and Exploration, analyserade data som samlats in av U.S. Census Bureau varje decennium. De kartlade uppgifterna efter rassammansättning i den höga upplösningen av 300-meters kvadrater som kallas celler.

    Algoritmen måste "tränas" för att tolka data från två folkräkningsår med 10 års mellanrum. Algoritmen undersökte också enskilda celler i förhållande till dem runt omkring dem.

    "Namnet 'maskininlärning' antyder att det är något magiskt med det, men det är bara mer kraftfull statistik", sa Stepinski.

    Stepinski validerade sin algoritm genom att jämföra dess förutsägelser med faktiska data från folkräkningarna 2010 och 2020 och fann att den var upp till 86 % korrekt.

    "Vår hypotes att du kan förutsäga en cells klass om 10 år baserat på de två föregående klasserna och omgivande klasser var korrekt", sa han. "Det är inte perfekt, men du kan se att det är ganska bra."

    Stepinski och medförfattaren Anna Dmowska, biträdande professor vid Institutionen för geoinformation vid Adam Mickiewicz University i Polen, tillämpade sin algoritm på Chicagos Cook County, Illinois, som vid en tidpunkt ansågs vara en av de mest rassegregerade platserna i Amerika.

    UC:s karta visade att många stadsdelar som domineras av vita och svarta befolkningar kommer att bli mindre segregerade till 2030 med mindre märkbara förändringar i stadsdelar som domineras av latinamerikanska och asiatiska amerikanska befolkningar.

    Stepinski sa att forskare i Chicago har utfört banbrytande sociologisk forskning om ras, etnicitet och gentrifiering med Cook County som modell. Det vidsträckta, tätbefolkade länet är också en bra modell för att studera algoritmen eftersom det fortfarande har många segregerade stadsdelar trots trenden mot större ras- och etnisk mångfald under de senaste 50 åren, sa han.

    Stepinski tillämpade också algoritmen på Houston, Texas och Los Angeles och San Francisco i Kalifornien med liknande framgång.

    "Förmågan att förutsäga demografiska förändringar är väsentlig ur en vetenskaplig synvinkel och för beslutsfattare, stadsutveckling, etc.", sa medförfattaren Dmowska.

    "Som visas i tidningen är de prediktiva kartorna ganska exakta och visar hur området kan se ut under de kommande 10 åren," sa hon.

    University of Cincinnati geografiprofessor Tomasz Stepinski utvecklade en algoritm som med 86 % noggrannhet kan förutsäga hur rassammansättningen i stadsdelar kommer att förändras under de kommande 10 åren. Kredit:Joseph Fuqua II/UC

    Stepinski sa att de prediktiva kartorna skulle kunna användas för att hjälpa skolor eller regeringar att planera för fler tjänster som spansktalande klassrum eller tolkar. Det kan också hjälpa sociologer att förstå drivkrafterna bakom den förändrade demografin i stadsdelar.

    "Mitt intresse är inte sociologiskt. Min specialitet är beräkning," sa Stepinski. "Jag överlåter varför till någon annan. Men jag kan föreställa mig vad som händer."

    Stepinski sa att yngre generationer ofta kommer att stanna kvar i närliggande stadsdelar om de överhuvudtaget stannar i ett område. Och om en viss rasbefolkning minskar i ett område, fyller andra vanligtvis tomrummet.

    "Det är diffusion," sa Stepinski. "Så i Cook County har du en latinamerikansk befolkning som växer snabbare än den vita befolkningen. De kommer att flytta nära. De kommer inte att flytta långt hemifrån."

    Michael Chavarria, verkställande direktör för det ideella HOPE Fair Housing Center i Illinois, sa att han var förvånad över kartans prediktiva noggrannhet.

    "En otroligt kraftfull sak som den gör är att bekräfta berättelsen om att människor inte har så mycket kontroll över var de bor som beslutsfattare tror att de gör", sa han.

    "Folk tror att segregation är resultatet av individuella val. Och vissa människor kanske väljer att bo på platser där alla ser ut som dem", sa Chavarria. "Men tanken att en algoritm kan förutsäga var människor bor visar att det finns andra faktorer som styr dessa beslut. Det säger mig att valet om var vi bor inte är rotat i full handling."

    I Cook Countys fall sa Chavarria att ögonblicksbilden som den prediktiva kartan ger kan tyda på att vissa stadsdelar i Cook County blir mindre segregerade. Men det kan också bara fånga övergången från en typ av segregerad stadsdel till en annan lika segregerad.

    "Att se dessa stadsdelar förändras kan bara vara en föregångare till mer segregation," sa Chavarria.

    Olivia Cobbins, en utredare vid Cook County Human Rights Commission, sa att det är viktigt att undersöka rassegregation i samband med frågor som bostadsdiskriminering eller offentliga tjänster.

    "Chicago har en historia av rasdiskriminering, redlining och ojämlikhet gentemot afroamerikaner", sa hon.

    Cobbins sa att policyer och lagar måste hänga med i den förändrade demografin för att säkerställa lika möjligheter för alla.

    "Offentliga tjänstemän och samhället har ett moraliskt ansvar och en skyldighet att tillhandahålla rättvisa, jämlikhet och rättvisa och att säkerställa offentligt stöd och anständiga, prisvärda bostäder är tillgängliga för de behövande." + Utforska vidare

    Ny karta visar rasmässig mångfald i varje stadsdel på kontinentala USA




    © Vetenskap https://sv.scienceaq.com