香港文匯報訊（記者 莫楠）為更好量化全球移民流動數據，香港大學與倫敦政治經濟學院的研究團隊共同發布一項關於人類流動性的突破性數據庫，補全了引發人類突發性大規模遷徙的重大全球事件，例如戰爭、經濟衰退、全球大流行病或氣候衝擊，這些往往在數據採集過程中被遺漏。研究揭示，全球跨國移民人數已從2000年的每年約1,300萬人，大幅攀升至2023年的每年約3,500萬人；移民人數的增長速度遠超全球人口增長，反映人類流動性在人均水平上出現實質提升。研究已發表於國際頂尖科學期刊《自然》。
過去量化全球移民流動的主要挑戰在於數據過於零散，移民分析長期側重依賴聯合國每五年發布一次、世界銀行每十年發布一次的移民人口統計數據。由於這些傳統數據僅能提供特定時間點的靜態快照，導致許多引發大規模遷徙的重大事件在數據採集過程中被遺漏。為克服上述局限，聯合研究團隊利用深度學習技術，構建首個涵蓋1990至2023年間全球所有國家之間移民流動的綜合數據庫。透過深度神經網絡，研究人員將官方統計數據、人口普查數據與地理及經濟因素相結合，成功填補數據空白，為全球人口流動提供更詳細且動態的全貌。
結果顯示，自2000年以來，跨國移民現象變得更為普遍，僅在2008至2009年全球金融海嘯及新冠疫情期間出現短暫回落。全球範圍內，中東地區的移民流入量最高，主要來自南亞及菲律賓。研究估計，自2010年以來，共有1,900萬人從印度、巴基斯坦和孟加拉遷移至沙特阿拉伯、卡塔爾、巴林和阿聯酋，平均每年135萬人。相比之下，自1990年以來從墨西哥遷移至美國的總人數為1,360萬。歐洲一直是區域內移民數量最高的地區，僅在1990年代初盧旺達內戰期間被撒哈拉以南非洲地區超越。
新數據庫更為傳統上數據匱乏的「全球南方」地區提供前所未有的洞察，例如準確捕捉了2013年起南蘇丹內戰引發的大批難民湧入埃塞俄比亞，以及2013至2014年間因博科聖地暴力衝突導致約79,000名尼日利亞人逃離家園的情況。
論文第一作者、倫敦政治經濟學院方法學系博士後研究員Thomas Gaskin表示，估算結果是透過將經典流動模型與深度學習相結合得出，並利用廣泛數據進行模型輸入與訓練，充分展示這類混合模型在計算科學領域的巨大潛力。
論文共同作者、港大社會科學學院社會學系教授Guy Abel補充，過往估算方法依賴粗略的五年期數據快照，得出的數據點極少，給人全球移民流動率保持平穩的印象。團隊的年度數據提供了更清晰的全貌，揭示該比率自2000年以來實際上一直呈上升趨勢，而這種上升似乎是由長期人口結構轉變與經濟發展所帶動，而非源於突發、單一的危機事件。
贵公网安备52011302005168号