Eine Karte, die von Forschern der University of Cincinnati erstellt wurde, kann mit überraschender Genauigkeit vorhersagen, wie sich die ethnische Zusammensetzung von Nachbarschaften verändern wird.
Tomasz Stepinski, Professor für Geografie am UC College of Arts and Sciences, hat einen maschinellen Lernalgorithmus entwickelt, um detailliert vorherzusagen, wie Nachbarschaften in den nächsten 10 Jahren mehr oder weniger getrennt werden.
Stepinski, der am Space Research Institute for Discovery and Exploration der UC arbeitet, analysierte Daten, die alle zehn Jahre vom US Census Bureau gesammelt wurden. Sie kartierten die Daten nach Rassenzusammensetzung in der hohen Auflösung von 300-Meter-Quadraten, die als Zellen bezeichnet werden.
Der Algorithmus musste „trainiert“ werden, um die Daten aus zwei Zensusjahren im Abstand von 10 Jahren zu interpretieren. Der Algorithmus untersuchte auch einzelne Zellen in Relation zu denen um sie herum.
„Der Name ‚maschinelles Lernen‘ suggeriert, dass es etwas Magisches an sich hat, aber es handelt sich lediglich um aussagekräftigere Statistiken“, sagte Stepinski.
Stepinski validierte seinen Algorithmus, indem er seine Vorhersagen mit tatsächlichen Daten aus den Volkszählungen 2010 und 2020 verglich, und stellte fest, dass er zu 86 % genau war.
„Unsere Hypothese, dass man die Klasse einer Zelle in 10 Jahren basierend auf den vorherigen zwei Klassen und den umgebenden Klassen vorhersagen kann, war richtig“, sagte er. „Es ist nicht perfekt, aber man sieht, dass es ziemlich gut ist.“
Stepinski und Co-Autorin Anna Dmowska, Assistenzprofessorin am Institut für Geoinformation der Adam-Mickiewicz-Universität in Polen, wandten ihren Algorithmus auf Cook County, Illinois, in Chicago an, das einst als einer der Orte mit der größten Rassentrennung in Amerika galt.
Die Karte von UC zeigte, dass viele Viertel, die von weißer und schwarzer Bevölkerung dominiert werden, bis 2030 weniger getrennt sein werden, mit weniger auffälligen Veränderungen in Vierteln, die von hispanischer und asiatisch-amerikanischer Bevölkerung dominiert werden.
Stepinski sagte, Forscher in Chicago hätten bahnbrechende soziologische Forschungen zu Rasse, ethnischer Zugehörigkeit und Gentrifizierung durchgeführt, wobei Cook County als ihr Modell diente. Der weitläufige, dicht besiedelte Landkreis biete auch ein gutes Modell, um den Algorithmus zu untersuchen, da es trotz des Trends zu einer größeren rassischen und ethnischen Vielfalt in den letzten 50 Jahren immer noch viele getrennte Nachbarschaften gibt, sagte er.
Stepinski wandte den Algorithmus mit ähnlichem Erfolg auch auf Houston, Texas, Los Angeles und San Francisco in Kalifornien an.
„Die Fähigkeit, demografische Veränderungen vorherzusagen, ist aus wissenschaftlicher Sicht und für politische Entscheidungsträger, Stadtentwicklung usw. von entscheidender Bedeutung“, sagte Co-Autorin Dmowska.
„Wie in dem Papier gezeigt, sind die Vorhersagekarten ziemlich genau und zeigen, wie das Gebiet in den nächsten 10 Jahren aussehen könnte“, sagte sie.
Stepinski sagte, die Vorhersagekarten könnten verwendet werden, um Schulen oder Regierungen bei der Planung weiterer Dienstleistungen wie spanischsprachiger Klassenzimmer oder Dolmetscher zu unterstützen. Es könnte auch Soziologen helfen, die treibenden Kräfte hinter dem demografischen Wandel von Stadtteilen zu verstehen.
„Mein Interesse ist nicht soziologisch. Meine Spezialität ist die Berechnung“, sagte Stepinski. „Das Warum überlasse ich jemand anderem. Aber ich kann mir vorstellen, was passiert.“
Stepinski sagte, jüngere Generationen würden oft in nahe gelegenen Vierteln bleiben, wenn sie überhaupt in einem Gebiet bleiben. Und wenn eine bestimmte Rassenpopulation in einem Gebiet abnimmt, füllen normalerweise andere die Lücke.
„Es ist Diffusion“, sagte Stepinski. „In Cook County haben Sie also eine hispanische Bevölkerung, die schneller wächst als die weiße Bevölkerung. Sie werden in die Nähe ziehen. Sie werden nicht weit von zu Hause wegziehen.“
Michael Chavarria, Geschäftsführer des gemeinnützigen HOPE Fair Housing Center in Illinois, sagte, er sei von der Vorhersagegenauigkeit der Karte überrascht.
„Eine unglaublich starke Sache ist die Bestätigung der Erzählung, dass Menschen nicht so viel Kontrolle darüber haben, wo sie leben, wie Entscheidungsträger glauben“, sagte er.
„Die Leute denken, dass Segregation das Ergebnis individueller Entscheidungen ist. Und manche Menschen entscheiden sich möglicherweise dafür, an Orten zu leben, an denen alle so aussehen wie sie“, sagte Chavarria. „Aber die Idee, dass ein Algorithmus vorhersagen kann, wo Menschen leben, zeigt, dass diese Entscheidungen von anderen Faktoren gesteuert werden.
Im Fall von Cook County sagte Chavarria, dass die Schnappschussansicht, die die Vorhersagekarte bietet, darauf hindeuten könnte, dass einige Stadtteile in Cook County weniger getrennt werden. Es könnte aber auch lediglich den Übergang von einer Art segregierter Nachbarschaft zu einer anderen, ebenso segregierten, erfassen.
„Zu sehen, wie sich diese Nachbarschaften verändern, könnte nur ein Vorläufer für mehr Segregation sein“, sagte Chavarria.
Olivia Cobbins, eine Ermittlerin bei der Menschenrechtskommission von Cook County, sagte, es sei wichtig, die Rassentrennung im Zusammenhang mit Themen wie Diskriminierung bei der Wohnung oder öffentlichen Dienstleistungen zu untersuchen.
„Chicago hat eine Geschichte von Rassendiskriminierung, Redlining und Ungleichheiten gegenüber Afroamerikanern“, sagte sie.
Cobbins sagte, dass Richtlinien und Gesetze mit dem demografischen Wandel Schritt halten müssen, um gleiche Chancen für alle zu gewährleisten.
„Beamte und die Gesellschaft haben eine moralische Verantwortung und Verpflichtung, für Gerechtigkeit, Gleichheit und Gerechtigkeit zu sorgen und sicherzustellen, dass den Bedürftigen öffentliche Unterstützung und menschenwürdiger, bezahlbarer Wohnraum zur Verfügung stehen.“
Tomasz F. Stepinski et al, Modelle für maschinelles Lernen zur räumlich expliziten Vorhersage der zukünftigen Rassentrennung in US-Städten, Maschinelles Lernen mit Anwendungen (2022). DOI: 10.1016/j.mlwa.2022.100359