Moving Up: Migration between Levels of the Settlement Hierarchy in Russia in the 2010s
Notice bibliographique
Résumé
Abstract Based on Russian data for 2011–2020, the population flow between seven levels of the settlement hierarchy has been estimated for the first time. Levels of the settlement hierarchy are represented by cities with different population sizes and their suburbs, as well as other urban and rural settlements. Indicators of migration increase (decrease) and demographic efficiency indicators in matrix form are calculated for the hierarchy levels. It is shown that the scale of this flow is affected by changes in the system of migration registration in Russia in the 2010s, namely, the auto return of migrants to their place of permanent residence after the end of the registration period at their temporary place of residence. The beneficiaries of “vertical migration” of population are cities with over 250 000 inhabitants; the biggest winners are the urban agglomerations of Moscow and St. Petersburg. Each next settlement hierarchy level gives the population “up” and receives replenishment from the lower “layers.” In contrast to countries where similar studies were conducted (United States, Canada, the Netherlands, etc.), there are no population flows from top to bottom in Russia, and upward flows have a very high efficiency; it is particularly high for Moscow, St. Petersburg, and their suburbs. Despite population movement between neighboring settlement hierarchy levels, its demographic effect is not as great as in jumpwise migrations. The calculations of the study are based on individual depersonalized migrant data, which made it possible to categorize migration flows to individual settlements in Russia. Spatial data referencing was carried out based on Rosstat codes unique for each settlement. This made it possible to analyze migration not between administrative units, but between settlements grouped by population size. It was also possible to identify how the peculiarities of accounting for migration influence population flow between the selected groups of settlements in the 2010s.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».