АНАЛІЗ ДЕМОГРАФІЧНИХ ХАРАКТЕРИСТИК НА ОСНОВІ ДАНИХ ЕЛЕКТРОННОЇ ДЕМОГРАФІЇ

Анотація

Впровадження цифрових технологій, Інтернету та соціальних медіа до сучасного життя дає нову інформацію та джерела даних для вивчення демографічної поведінки. У статті проведено аналіз демографічних характеристик на основі електронних демографічних даних. Створення електронної демографічної системи є одним з актуальних питань для демографічних досліджень, управління демографічними процесами та вивчення демографічної поведінки. У статті презентовано міжнародний досвід у сфері електронної демографії, аналізується сучасний стан досліджень у сфері створення єдиного реєстру населення. З метою побудови електронної демографічної системи пропонується інтегрувати державні реєстри в різних сферах до єдиної платформи через особистий ідентифікаційний номер. Демографічний аналіз може проводитись у соціальних мережах, мобільних телефонах, банківських системах, страхових компаніях за допомогою слідів у різних пошукових браузерах. Так, у статті проаналізовано дані експерименту щодо демографічних характеристик випускників, які навчалися за кордоном, на основі електронних демографічних даних. Демографічний аналіз проводився відповідно до віку, статі, сімейного стану, рівня освіти, спеціальності, країни навчання та інших показників випускників. Модель K-Means була використана для поділу випускників на різні групи. Випускників, які навчалися за кордоном, можна поділити на вікові групи, а випускників кожного кластеру — обстежити за іншими демографічними показниками. Електронна демографія створює нові можливості для соціальних досліджень та моніторингу даних про населення. Створення електронної демографічної системи дасть змогу проводити статистику населення, онлайн-моніторинг перепису, поглиблений аналіз демографічних процесів та вивчення демографічної поведінки. Громадяни кожного кластеру будуть спроможні проводити різні аналізи за доходами, сферою роботи, освітою та іншими показниками. Дослідження пропонує побудувати електронну демографічну систему на основі єдиного державного реєстру. У майбутніх дослідженнях дані у різних реєстрах будуть усебічно проаналізовані.

REFERENCES

1. Alguliyev, R. M., Aliguliyev, R. M., Yusifov, F. F., & Alekperova, I. Y. (2019). Developing Electronic Demography as an Effective Tool for Social Research and Monitoring Population Public Administration Issues, 4, 61-86 [in Russian].
2. Scherbakov, A. I., Mdinaradze, M. G., Nazarov, A. D., & Nazarov E. A. (2017). Demography. https://mgimo.ru/ [in Russian].
3. Aliguliyev, R. M., & Yusifov, F. F. (2021). Architectural principles of building a national e-demography system. Problems of Information Society, 12 (1), 3-17 https://doi.org/10.25045/jpis.v12.i1.01 [in Azerbaijani].
4. Poulain, E M., & Herm, A. (2013). Central population registers as a source of demographic statistics in Europe. Population, 68 (2), 18-212. https://doi.org/10.3917/popu.1302.0215
5. Emilio Zagheni is new MPIDR director (2018). https://www.demogr.mpg.de/en/news_events_ 6123/news_press_releases_4630/news/emilio_zagheni_is_new_mpidr_director_5556
6. Billari, F., & Zagheni, E. (2017). Big data and population processes: a revolution? Statistics and Data Science: new challenges, new generations. In proceedings of the Conference of the Italian Statistical Society. Firenze University Press. 28-30 June, Florence (Italy), 167-178.
7. Zagheni, E. (2017). Data Science, Demography and Social Media: Challenges and Opportunities. https://pdfs.semanticscholar.org/presentation/
8. Beduschi, A. (2018). The Big Data of International Migration: Opportunities and Challenges for States under International Human Rights Law. Georgetown Journal of International Law, vol. 49 (4).
9. Alburez-Gutierrez, D., Aref, S., & Gil-Clavel, S. et al. (2019). Demography in the Digital Era: New Data Sources for Population Research. Book of short Papers SIS2019. Pearson. https://osf.io/preprints/socarxiv/24jp7/
10. Boas, T. C., Christenson, D. P., & Glick, D. M. (2020). Recruiting large online samples in the United States and India: Facebook, Mechanical Turk, and Qualtrics. Political Science Research and Methods, 8 (2), 232-250. https://doi.org/10.1017/psrm.2018.28
11. Pham, H. K., Rampazzo, F., & Rosenzweig, L. R. (2019). Online Surveys and Digital Demography in the Developing World: Facebook Users in Kenya. MIT Conference on Digital Experimentation. Cambridge, MA.
12. Cesare, N., Lee, H., & McCormick, T. et al. (2018). Promises and Pitfalls of Using Digital Traces for Demographic Research. Demography, 55 (5), 1979-1999. https://doi.org/10.1007/s13524-018-0715-2
13. Rama, D., Mejova, Y., Tizzoni, M., Kalimeri, K., & Weber, I. (2020). Facebook Ads as a Demographic Tool to Measure the Urban-Rural Divide. In The Web Conference 2020 - Proceedings of the World Wide Web Conference, WWW 2020, 327-338. https://doi.org/10.1145/3366423.3380118
14. Feehan, D. M., & Cobb, C. (2019). Using an Online Sample to Estimate the Size of an Offline Demography, 56 (6), 2377-2392. https://doi.org/10.1007/s13524-019-00840-z
15. Pötzschke, S., & Braun, M. (2017). Migrant Sampling Using Facebook Advertisements: A Case Study of Polish Migrants in Four European Countries. Social Science Computer Review, 35 (5), 633-653. https://doi.org/10.1177/0894439316666262
16. Yildiz, D., Munson, J., & Vitali, A. et al. (2017). Using Twitter data for demographic research. Demographic Research. Vol. 37. Art. 46, 1477-1514. https://doi.org/10.4054/DemRes.2017.37.46
17. Monti, A., Drefahl, S., Mussino, E., & Härkönen, J. (2020). Over-coverage in population registers leads to bias in demographic estimates. Population Studies, 74 (3), 451-469. https://doi.org/10.1080/00324728.2019.1683219
18. Gil-Clavel, S., & Zagheni, E. (2019). Demographic Differentials in Facebook Usage around the World. In proceedings of the Thirteenth International AAAI Conference on Web and Social Media (ICWSM 2019), 647–650. Analysis of demographic characteristics based on e-demography data https://doi.org/10.1609/icwsm.v13i01.3263
19. Billari, F., D’Amuri, F., & Marcucci, J. (2013). Forecasting births using Google. Annual Meeting of the Population Association of America. New Orleans, LA.17.
20. Ginsberg, J., Mohebbi, M. H., Patel, R. S., Brammer, L., Smolinski, M. S., & Brilliant, L. (2008). Detecting influenza epidemics using search engine query data. Nature, 457 (7232), 1012-1014. https://doi.org/10.1038/nature07634
21. Gangi, R. R., Rajesh, N. B., Sudhakar, N. P., Raviteja, B., & Rammohanarao, K. (2012). Tracking objects, using RFID and wireless sensor networks. International Journal of Engineering Science & Advanced Technology, 2, iss. 3, 513-517.
22. Fire, M., & Elovici, Y. (2015). Data mining of online genealogy datasets for revealing lifespan patterns in human population. ACM Transactions on Intelligent Systems and Technology (TIST), 6 (2), 28. https://doi.org/10.1145/2700464
23. Askitas, N., & Zimmermann, K. F. (2015). The internet as a data source for advancement in social sciences. International Journal of Manpower, 36 (1), 2-12. https://doi.org/10.1108/IJM-02-2015-0029
24. Scholz, R., & Kreyenfeld, M. (2016). The Register-based Census in Germany: Historical Context and Relevance for Population Research. Comparative Population Studies, 41 (2). https://doi.org/10.12765/cpos-2016-08
25. Puhachova, M. V., Gladun, O. M., & Vynohradova, M. V. (2020). Using Electronic Register Systems in Population Censuses. Statistics of Ukraine, vol. 90, No. 4, 32-44. https://doi.org/10.31767/su.4(91)2020.04.04
26. Register population. In Russia, a population register will be created (2018). Rossiyskaya Gazeta - Federal Issue, No. 122 (7585). https://rg.ru/2018/06/06/v- rossii- budet-sozdanreestr-naseleniia.html (accessed 26.12.2020) [in Russian].
27. Careja, R., & Bevelander, P. (2018). Using Population Registers for Migration and Integration Research: Examples from Denmark and Sweden. Comparative Migration Studies, 6, No 1, 6-19. https://doi.org/10.1186/s40878-018-0076-4
28. Vassil, K. (2016). Estonian e-Government Ecosystem: Foundation, Applications, Outcomes. World Development report.
29. Lyngstad, T. H., & Skardhamar, T. (2011). Nordic register data and their untapped potential for criminological knowledge. Crime and Justice, vol. 40 (1), 613-645. https://doi.org/10.1086/658881
30. Customer Segmentation Classification.  https://www.kaggle.com/kaushiksuresh147/customer-segmentation