La ciencia emergente de la antropología computacional

La creciente disponibilidad de big data desde teléfonos móviles y aplicaciones basadas en la ubicación ha desencadenado una revolución en la comprensión de los patrones de movilidad humana. Estos datos muestran el reflujo y el flujo de los viajes diarios dentro y fuera de las ciudades, el patrón de viaje alrededor del mundo e incluso cómo las enfermedades pueden propagarse a través de las ciudades a través de sus sistemas de transporte.

Por lo tanto, existe un interés considerable en observar más de cerca los patrones de movilidad humana para ver qué tan bien se pueden predecir y cómo estas predicciones podrían usarse en todo, desde el control de enfermedades y la planificación urbana hasta la previsión del tráfico y la publicidad basada en la ubicación.

Hoy obtenemos una idea del tipo de detalles que es posible gracias al trabajo de Zimo Yang en la investigación de Microsoft en Beijing y algunos amigos. Estos chicos parten de la hipótesis de que las personas que viven en una ciudad tienen un patrón de movilidad que es significativamente diferente al de quienes simplemente están de visita. Al dividir a los viajeros en locales y no locales, su capacidad para predecir dónde es probable que las personas visiten mejora drásticamente.

Zimo y compañía comienzan con datos de una red social china basada en la ubicación llamada Jiepang.com. Esto es similar a Foursquare en los EE. UU. Permite a los usuarios registrar los lugares que visitan y conectarse con amigos en estos lugares y encontrar otros con intereses similares.

Los puntos de datos se conocen como registros y el equipo descargó más de 1,3 millones de ellos desde cinco grandes ciudades de China: Beijing, Shanghai, Nanjing, Chengdu y Hong Kong. Luego usaron el 90 por ciento de los datos para entrenar sus algoritmos y el 10 por ciento restante para probarlos. Los datos de Jiapang incluyen las ciudades de origen de los usuarios, por lo que es fácil ver si una persona se está registrando en su propia ciudad o en otro lugar.

La pregunta que Zimo y compañía quieren responder es la siguiente: dado un usuario en particular y su ubicación actual, ¿dónde es más probable que visiten en un futuro cercano? En la práctica, eso significa analizar los datos del usuario, como su ciudad natal y las ubicaciones visitadas recientemente, y generar una lista de otras ubicaciones que es probable que visiten según el tipo de personas que visitaron estas ubicaciones en el pasado.

Zimo y compañía utilizaron su conjunto de datos de entrenamiento para conocer el patrón de movilidad de locales y no locales y la popularidad de los lugares que visitaron. Luego, el equipo aplicó esto al conjunto de datos de prueba para ver si su algoritmo podía predecir dónde era probable que visitaran los locales y los no locales.

Descubrieron que sus mejores resultados se obtuvieron al analizar el patrón de comportamiento de un individuo en particular y estimar hasta qué punto esta persona se comporta como un local. Eso produjo una ponderación llamada coeficiente de indigenización que los investigadores podrían usar para determinar los patrones de movilidad que probablemente seguiría esta persona en el futuro.

De hecho, Zimo y compañía dicen que pueden detectar a los no locales de esta manera sin siquiera saber la ubicación de su hogar. Porque los no nativos tienden a visitar lugares populares, como el Palacio Imperial en Beijing y el Bund en Shanghai, mientras que los nativos generalmente se registran en sus hogares y lugares de trabajo, agregan.

El equipo dice que este enfoque supera considerablemente a los algoritmos mixtos que usan solo el historial de visitas individuales y la popularidad de la ubicación. Para nuestra sorpresa, un algoritmo híbrido ponderado por los coeficientes de indigenización supera al algoritmo mixto que representa información demográfica adicional.

Es fácil imaginar cómo un algoritmo de este tipo podría ser útil para las empresas que desean dirigirse a ciertos tipos de viajeros o habitantes locales. Pero también hay una aplicación más interesante.

Zimo y sus colegas dicen que es posible monitorear la forma en que los patrones de movilidad de un individuo cambian con el tiempo. Entonces, si una persona se muda a una nueva ciudad, debería ser posible ver cuánto tiempo le toma establecerse.

Una forma de medir esto es en sus patrones de movilidad: si se parecen más a los de un local o un no local. Es posible que podamos estimar si una persona no nativa se comportará como una persona nativa después de un período de tiempo y, de ser así, cuánto tiempo en promedio una persona tarda en convertirse en un nativo, digamos Zimo y compañía.

Eso podría tener un impacto fascinante en la forma en que los antropólogos estudian la migración y la forma en que los inmigrantes se convierten en parte de una comunidad local. Esta es la antropología computacional, una ciencia que claramente se encuentra en sus primeras etapas, pero que tiene un enorme potencial para el futuro.

Ref: arxiv.org/abs/1405.7769 : Indigenización de la movilidad urbana

esconder