Crowd-Sourced Geographies of Income: Using Google Maps Points of Interest as High-Frequency Proxies for Sub-Municipal Income Estimation in Sao Paulo, Brazil
Diese Arbeit zeigt, dass durch Crowdsourcing gewonnene Google Maps Points of Interest als hochfrequente, kostengünstige Proxy zur Schätzung des Haushaltseinkommens auf subkommunaler Ebene in São Paulo dienen können, wobei eine starke Vorhersageleistung (R² von 0,65) erzielt wird, die eine praktikable Alternative zu kostspieligen, unregelmäßigen Volkszählungsdaten für die Sozialpolitik in Brasilien darstellt.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen, eine Karte des Reichtums einer Stadt zu zeicheln, aber die einzige Karte, die Sie haben, ist ein vor zwölf Jahren aufgenommenes Foto. Das ist die Realität für viele Entscheidungsträger in Brasilien und anderen Ländern mit mittlerem Einkommen. Sie müssen genau wissen, welche Stadtteile Schwierigkeiten haben, um gezielt Hilfe zu senden, aber die offizielle Volkszählung der Regierung – der Goldstandard für diese Daten – findet nur alle zehn Jahre statt. In den langen Lücken zwischen diesen Volkszählungen verändert sich die Stadt: Neue Geschäfte eröffnen, alte schließen, und Familien ziehen um, aber die offizielle Einkommenskarte bleibt in der Zeit eingefroren. Um dies zu lösen, greifen Wissenschaftler auf „Crowdsourcing“-Daten zurück, also Informationen, die von Millionen regulärer Menschen über ihre Telefone und Apps gesammelt werden. Stellen Sie sich das wie ein riesiges, lebendiges Tagebuch einer Stadt vor, das von allen geschrieben wird, die dort gehen, fahren oder einkaufen. Diese Arbeit bewegt sich an der Schnittstelle von Geographie, Wirtschaftswissenschaften und Informatik und stellt eine einfache, aber kraftvolle Frage: Können wir erraten, wie viel Geld ein Stadtviertel verdient, indem wir uns einfach ansehen, welche Geschäfte und Orte gerade auf Google Maps gelistet sind?
Die Forscher dieser Studie beschlossen, diese Idee in São Paulo, Brasilien, zu testen, einer riesigen Stadt mit über 26.000 winzigen Nachbarschaftsblöcken, sogenannten „Census Sectors“. Sie behandelten Google Maps wie ein riesiges, digitales Inventar der Stadt. Anstatt die Menschen zu fragen, wie viel sie verdienen, fragten sie die Karte: „Was befindet sich in diesem Viertel?“ Sie suchten nach spezifischen Arten von Orten, wie Banken, Schulen, Krankenhäusern, Kirchen und Restaurants. Die Theorie dahinter ist, dass die Mischung dieser Orte wie ein Fingerabdruck des Wohlstands wirkt. Ein Viertel voller High-End-Cafés und Privatkliniken hat wahrscheinlich andere Einkommensniveaus als eines, das von kleinen, informellen Märkten oder bestimmten Arten von Gemeindezentren dominiert wird.
Das Team baute ein Computermodell, um die Verbindung zwischen diesen „Points of Interest“ (POIs) und den tatsächlichen Einkommensdaten der Volkszählung von 2022 zu erlernen. Sie fütterten das Modell mit der Liste der Orte, die in jedem Viertel gefunden wurden, und brachten es bei, das Einkommen vorherzusagen. Um sicherzustellen, dass das Modell tatsächlich lernt und nicht nur die Antworten auswendig lernt, verwendeten sie einen klugen Trick: Sie versteckten während des Trainings ganze Streifen der Stadt vor dem Computer und zeigten ihm erst ganz am Ende die Antworten für diese verborgenen Streifen. Dies ist vergleichbar damit, einem Schüler eine Übungsprüfung mit den meisten Fragen zu geben und ihm dann einen völlig neuen Abschnitt der Prüfung zu präsentieren, den er noch nie gesehen hat, um zu sehen, ob er das Material wirklich verstanden hat.
Die Ergebnisse waren sehr vielversprechend. Das beste Modell, das eine spezifische mathematische Technik zur Vereinfachung der Daten verwendete, konnte das Einkommen dieser ungesehenen Viertel mit einem Genauigkeitswert (genannt R²) von etwa 0,65 vorhersagen. Auf einfache Weise ausgedrückt bedeutet dies, dass das Modell etwa zwei Drittel der Unterschiede im Einkommen zwischen den Stadtvierteln allein durch den Blick auf die Liste der Geschäfte auf Google Maps erklären konnte. Die Studie legt nahe, dass diese Methode ein schneller, günstiger und aktueller Weg ist, um Einkommenskarten zwischen den offiziellen Volkszählungen zu aktualisieren. Sie kann Regierungen dabei helfen, Stadtteile zu identifizieren, die sich schnell verändern oder in denen Menschen durch das Raster des offiziellen Systems fallen könnten.
Die Arbeit ist jedoch vorsichtig damit, dies als perfekte Lösung zu bezeichnen. Das Modell war nicht besonders gut darin, die sehr reichen oder die sehr armen Gebiete vorherzusagen; es neigte dazu, die Reichen etwas ärmer und die Armen etwas reicher einzuschätzen, als sie tatsächlich waren. Die Autoren erklären, dass dies an den Grenzen der Daten liegt: In sehr reichen Gegenden listet die Karte möglicherweise nicht jedes einzelne Luxusgeschäft auf, und in sehr armen Gegenden sind viele Geschäfte informell und werden auf Google Maps gar nicht erst aufgeführt. Darüber hinaus argumentiert die Studie ausdrücklich dagegen, dass diese Daten die offizielle Volkszählung vollständig ersetzen sollten. Stattdessen schlagen sie vor, sie als „lebendiges Signal“ zu nutzen, um die Schätzungen zwischen den großen, langsamen, offiziellen Erhebungen zu aktualisieren. Die Studie hebt auch hervor, dass die Daten zu formellen Unternehmen tendenziell voreingenommen sind; wenn ein Viertel auf Straßenverkäufer oder informelle Dienstleistungen angewiesen ist, die nicht auf Google Maps stehen, könnte das Modell das wahre wirtschaftliche Bild verfehlen.
Letztendlich legt diese Arbeit nahe, dass wir zwar die Volkszählung nicht perfekt durch eine Google-Suche ersetzen können, wir aber den digitalen Fußabdruck einer Stadt nutzen können, um einen viel frischeren, häufigeren Blick auf ihre wirtschaftliche Gesundheit zu erhalten. Es ist ein Werkzeug, das die chaotische, alltägliche Aktivität einer Stadt – wo Menschen einkaufen, essen und arbeiten – in eine lesbare Karte des Wohlstands verwandelt und so einen Weg bietet, damit soziale Maßnahmen nicht schon veraltet sind, bevor sie überhaupt greifen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.