Dades massives (Big Data) per caracteritzar la integració o segregació de les comunitats immigrants
15 de març de 2018
Un equip d'investigadors analitza la integració o segregació de les comunitats immigrants utilitzant l'idioma i la localització dels tweets
A causa d'un procés de globalització que s'està intensificant els últims anys, les grans metròpolis del planeta es caracteritzen cada dia més per una creixent heterogeneïtat en la població. Els immigrants nouvinguts es troben amb barreres des del punt de vista social, econòmic i legal que poden conduir a l'exclusió. El procés d'integració té molts vessants: educació, ocupació, sanitat, burocràcia associada a la consecució dels permisos de residència i treball, etc. Totes aquestes són qüestions complexes, difícils d'abordar amb mètodes quantitatius i que tradicionalment s'han estudiat usant enquestes. Entre totes aquestes variables n’hi ha una de més objectiva i que, per tant, resulta més accessible: l'estudi de la localització dels llocs de residència dels immigrants i la formació (o no) de guetos que mostrin una pobra integració espacial.
Un equip d'investigadors de l'Institut de Física Interdisciplinària i Sistemes Complexos (IFISC, UIB-CSIC) ha desenvolupat un mètode que, utilitzant dades provinents de Twitter, analitza el grau de segregació espacial de les comunitats immigrants. La comunitat d'origen dels usuaris es determina mitjançant l'idioma dels tweets emesos, així doncs, si tots els missatges són en idioma local, es considera l'usuari com a resident local. Si, per contra, alguns missatges són en un idioma propi de les comunitats immigrants, es pot assumir que aquest usuari coneix aquesta llengua i té una relació amb aquesta comunitat.
L'idioma, juntament amb la localització dels missatges, permet trobar les zones de residència típiques de les diferents comunitats i determinar si estan més o menys concentrades a l'espai que la població local. Aquest mètode ha permès analitzar comunitats immigrants en 53 de les ciutats més grans del món. Les ciutats es poden classificar en tres categories, depenent de la capacitat d'integració espacial dels immigrants: les que tenen una alta capacitat d'integració, les que tenen poques comunitats immigrants o aquestes es troben altament segregades des del punt de vista espacial i una categoria intermèdia entre tots dos extrems. En el primer grup (alta integració) es troben ciutats com Londres, San Francisco, Tòquio o Los Angeles, mentre que a l'altre extrem (baixa integració) n’apareixen altres com Detroit, Miami, Toronto o Amsterdam.
D'altra banda, el mètode permet també analitzar com les diferents cultures, caracteritzades per l'idioma, s'integren als països on es troben aquestes ciutats. La millor integració es troba entre cultures properes: per exemple, llatins (parlants de portuguès i italià) en països sud-americans de parla hispànica o europeus al Regne Unit. Els casos de major segregació es donen entre cultures que són altament diferents.
Aquest mètode posa les bases per a l'ús de dades com una nova font que permeti analitzar la segregació o integració espacial de la residència dels immigrants. Les dades en línia són massives i s'actualitzen constantment, i això fa que els resultats siguin gairebé a temps real. Les àrees que es poden estudiar són d'escala global, no solament d'un país, i el cost d'aquests estudis és molt més reduït. Aquest treball obre la possibilitat a usar aquestes dades en el futur per analitzar la integració i que, més enllà de la comunitat científica, puguin ser un valuós complement per a gestors i autoritats públiques que s’encarreguen de la immigració.
Fabio Lamanna, Maxime Lenormand, María Henar Salas-Olmedo, Gustavo Romanillos, Bruno Gonçalves, José J. Ramasco. PLOS ONE. DOI: 10.1371/journal.pone.0191612
