首页 - 学术报告 - 正文

Demographic Breakdown of Bilateral Migration Flows: Integrating Census Data, Big Data, and AI (双边移民流动的人口结构分析:融合人口普查数据、大数据与人工智能)

创建时间:  2025-04-03  莫晓燕   浏览次数:   返回

2025年第12讲总第884讲 (ADRI Seminar Series 2025)

题目:Demographic Breakdown of Bilateral Migration Flows: Integrating Census Data, Big Data, and AI (双边移民流动的人口结构分析:融合人口普查数据、大数据与人工智能)

地点:社会学院516会议室

时间:2025年4月7日14:00-16:30

主讲人:戚伟,中国科学院地理科学与资源研究所副研究员、中国科学院大学硕士生导师。曾在法国国家科研中心(CNRS)城市地理实验室和奥地利的国际应用系统分析研究所(IIASA)进行过学术访问研究。研究主要集中在人口与城市地理学领域,特别关注移民动态、城市化以及空间规划。主要学术贡献包括对移民流动的分析与模拟、对塑造中国人口分布的内在机制的研究,以及对城乡人口之间复杂联系的探讨。在这些领域已发表了 100 多篇研究成果,推动了人们对快速演变的城市环境中人口流动和空间结构的理解。

内容简介:移民流动是一个关键视角,通过它可以理解人口之间的短期和当代空间互动。然而,高分辨率移民流动数据的长期匮乏,再加上测量方法的多样性,催生了越来越多关于国际和国内双边移民流动模拟与分析的研究。中国作为全球国内移民最活跃的地区之一,也面临着类似的数据限制,尤其是在追踪不同人口群体的双向流动方面。随着中国人口和经济格局的持续演变,人们越来越关注老年人、儿童和高技能人才等群体的移民模式。这种转变加大了对纳入人口结构分析的移民研究的需求。然而,按性别、年龄和受教育程度细分的详细数据仍然极为稀缺,这对从精细层面理解移民动态构成了重大挑战。在本研究中,我们系统评估了人口普查数据和新兴的大数据来源在捕捉中国移民流动方面的作用,特别关注它们在基于人口结构分析的移民研究中的应用。我们评估了抽样准确性、地理分辨率和时间一致性等关键维度。我们的研究结果表明,大数据通过提供对不同人口群体迁移来源地和目的地的洞察,对传统人口普查记录起到了有价值的补充作用,尤其是在非普查年份。此外还强调了机器学习和深度学习算法在加强人口普查数据与大数据融合方面的变革潜力。这些由人工智能驱动的方法能够进行可靠的交叉验证和数据推断,从人口学的角度极大地丰富了我们对移民流动及其空间模式的理解。

报告人 戚伟(中国科学院地理科学与资源研究所副研究员) 报告时间(年月日) 2025年4月7日
报告时间(当日具体时间) 14:00-16:30 报告地点 社会学院516



下一条:Social Empathy as a Tool for Resolving Social Conflicts in Korea(社会共情:化解韩国社会冲突的实践路径)

首页 - 学术报告 - 正文

Demographic Breakdown of Bilateral Migration Flows: Integrating Census Data, Big Data, and AI (双边移民流动的人口结构分析:融合人口普查数据、大数据与人工智能)

创建时间:  2025-04-03  莫晓燕   浏览次数:   返回

2025年第12讲总第884讲 (ADRI Seminar Series 2025)

题目:Demographic Breakdown of Bilateral Migration Flows: Integrating Census Data, Big Data, and AI (双边移民流动的人口结构分析:融合人口普查数据、大数据与人工智能)

地点:社会学院516会议室

时间:2025年4月7日14:00-16:30

主讲人:戚伟,中国科学院地理科学与资源研究所副研究员、中国科学院大学硕士生导师。曾在法国国家科研中心(CNRS)城市地理实验室和奥地利的国际应用系统分析研究所(IIASA)进行过学术访问研究。研究主要集中在人口与城市地理学领域,特别关注移民动态、城市化以及空间规划。主要学术贡献包括对移民流动的分析与模拟、对塑造中国人口分布的内在机制的研究,以及对城乡人口之间复杂联系的探讨。在这些领域已发表了 100 多篇研究成果,推动了人们对快速演变的城市环境中人口流动和空间结构的理解。

内容简介:移民流动是一个关键视角,通过它可以理解人口之间的短期和当代空间互动。然而,高分辨率移民流动数据的长期匮乏,再加上测量方法的多样性,催生了越来越多关于国际和国内双边移民流动模拟与分析的研究。中国作为全球国内移民最活跃的地区之一,也面临着类似的数据限制,尤其是在追踪不同人口群体的双向流动方面。随着中国人口和经济格局的持续演变,人们越来越关注老年人、儿童和高技能人才等群体的移民模式。这种转变加大了对纳入人口结构分析的移民研究的需求。然而,按性别、年龄和受教育程度细分的详细数据仍然极为稀缺,这对从精细层面理解移民动态构成了重大挑战。在本研究中,我们系统评估了人口普查数据和新兴的大数据来源在捕捉中国移民流动方面的作用,特别关注它们在基于人口结构分析的移民研究中的应用。我们评估了抽样准确性、地理分辨率和时间一致性等关键维度。我们的研究结果表明,大数据通过提供对不同人口群体迁移来源地和目的地的洞察,对传统人口普查记录起到了有价值的补充作用,尤其是在非普查年份。此外还强调了机器学习和深度学习算法在加强人口普查数据与大数据融合方面的变革潜力。这些由人工智能驱动的方法能够进行可靠的交叉验证和数据推断,从人口学的角度极大地丰富了我们对移民流动及其空间模式的理解。

报告人 戚伟(中国科学院地理科学与资源研究所副研究员) 报告时间(年月日) 2025年4月7日
报告时间(当日具体时间) 14:00-16:30 报告地点 社会学院516



下一条:Social Empathy as a Tool for Resolving Social Conflicts in Korea(社会共情:化解韩国社会冲突的实践路径)