Le dimensioni contano: è più probabile che siano gli abitanti di piccole città a migrare, rispetto a quelli delle grandi città

La migrazione continua a essere un argomento frequentemente dibattuto, con proiezioni demografiche che vedono il 68 % della popolazione mondiale nelle aree urbane entro il 2050, secondo un rapporto dell''ONU. Nonostante una migrazione ben gestita possa essere vantaggiosa per economia e società, potrebbe altresì creare delle difficoltà ai responsabili delle politiche in aree quali l’alloggio, l’istruzione, i servizi sanitari, le infrastrutture e la coesione sociale. Pertanto, è essenziale prevedere il flusso di migranti. Uno studio parzialmente sostenuto dai progetti SoBigData e CIMPLEX, finanziati dall’UE, ha rivelato che le persone provenienti da città più piccole sono più soggette a migrare rispetto a quelle provenienti da città più grandi.

I risultati sono stati recentemente pubblicati sulla rivista «PLOS ONE». I ricercatori hanno dichiarato: «Osserviamo che le persone provenienti da piccole città tendono a migrare più frequentemente, trasferendosi in città di dimensioni simili, mentre le persone provenienti da grandi città non migrano così spesso, ma quando lo fanno, tendono a trasferirsi in altre grandi città».

Migrazione interna e dimensione della città

Riassumendo la ricerca, un comunicato stampa dell’University College London (UCL) afferma che «la dimensione di origine e le città di destinazione svolgono un ruolo cruciale nel comportamento delle persone che si spostano da un luogo a un altro». Nello stesso comunicato stampa, Rafael Prieto Curiel, dottorando presso l’UCL e ricercatore principale, ha dichiarato: «I risultati potrebbero avere un impatto sulle future politiche di integrazione, dal momento che i governi possono prevedere in modo più preciso da e verso dove è più probabile che i cittadini si spostino all’interno del proprio paese». Ha sottolineato che i migranti contribuiscono alla prosperità della loro destinazione con competenze e attività, «ma la migrazione richiede politiche di integrazione e sistemi di supporto sociale per consentire ai nuovi arrivati di stabilirsi in un nuovo ambiente e quindi di contribuire appieno a livello locale».

Nel comunicato stampa, il co-autore, il prof. Steven Richard Bishop del Dipartimento di Matematica dell’UCL, ha spiegato: «Il nuovo modello di scalabilità non è stato precedentemente utilizzato per identificare i modelli di migrazione. Applica una formula matematica agli schemi migratori relativamente alle dimensioni della città». Il prof. Bishop ha inoltre osservato che il modello potrebbe essere utilizzato per «prevedere con maggiore precisione il movimento della popolazione in quanto corregge condizionamenti che si verificano in altri metodi. Questo è uno sviluppo importante, guidato dai dati, che rivela in che modo le comunità e le regioni cresceranno e si svilupperanno in futuro».

Lo studio si è incentrato sugli schemi di migrazione interna negli Stati Uniti. Secondo il suo modello le città, per essere considerate tali, dovevano avere almeno 50 000 abitanti, mentre cifre inferiori contraddistinguevano aree rurali.

Il progetto SoBigData (SoBigData Research Infrastructure), attualmente in corso, mira a creare un’infrastruttura di ricerca «per le scoperte scientifiche sensibili all’etica e le applicazioni avanzate di estrazione di dati sociali alle varie dimensioni della vita sociale, come registrato dai “big data”», secondo il sito web del progetto. Fornisce funzioni per analisi di dati sociali su larga scala ed esperimenti di simulazione.

La visione di SoBigData di esaminare vari aspetti della complessità della società da una prospettiva basata su dati e modelli è condivisa anche da CIMPLEX (Bringing CItizens, Models and Data together in Participatory, Interactive SociaL EXploratorie). Uno degli obiettivi di CIMPLEX, che si è concluso nel 2017, era quello di produrre progressi teorici, metodologici e tecnologici fondamentali. Inoltre mirava a combinarli su una piattaforma TIC ampiamente utilizzabile, afferma il sito web del progetto.

Per ulteriori informazioni, si consulti:
sito web del progetto SoBigData
sito web del progetto CIMPLEX