Leveraging social media big data to analyze internal migration

Abstract

The article is devoted to the development of a methodology for the study of population migration based on the analysis of big data in social networks through thesearch for patterns showing the internal migration process in the messages of social media users. The research in question allowed us to evaluate the degree of validity and relevance of digital traces of individuals as a source of empirical data on internal migration.A software solution in the form of the Brand Analytics platform was used to generate the initial empirical data base onsisting of relocation messages published by social media users. The approbation of the methodology showed the fragmentation of research, analytical and predictive possibilities of using social networks as a source of data on intra-Russian population migration. Narrative analysis based on the formed sample of messages of users who have experience of resettlement within the country was proposed for further development of similar types of research.

About the authors

Anastasia S. Maksimova

Lomonosov Moscow State University

Email: lubijizn@yandex.ru
ORCID iD: 0000-0003-3847-1791
SPIN-code: 7343-4140
Ph.D. in Economics, Associate Professor, Higher School of Contemporary Social Sciences Moscow, Russia

Alexander A. Grebenyuk

Lomonosov Moscow State University

Email: gaa-mma@mail.ru
ORCID iD: 0000-0001-9003-4551
SPIN-code: 4007-9651
Doctor of Economics, Deputy Director of the Higher School of Contemporary Social Sciences Moscow, Russia

Ivan A. Aleshkovski

Lomonosov Moscow State University

Email: aleshkovski@yandex.ru
ORCID iD: 0000-0001-9276-3133
SPIN-code: 1467-7893
Ph.D. in Economics, Associate Professor, Faculty of Global Studies Moscow, Russia

References

  1. Шульц В.Л., Гребенюк А.А., Ашманов И.С. Теоретико-методологические проблемы цифровой социологии // Вестник Московского университета. Серия 18. Социология и политология. 2022, т. 28, № 1. С. 126-144. doi: 10.24290/1029-3736-2022-28-1-126-144. EDN: SWVTCX.
  2. Lupton D. Digital Sociology: An Introduction. Sydney: University of Sydney, 2012. 17 p. doi: 10.2139/ssrn.2273418.
  3. Орлова И.Б., Фомин Е.В. Цифровая социология: возможности, риски, перспективы // Национальная безопасность/Nota Bene. 2020, № 3. С. 48-63. doi: 10.7256/2454-0668.2020.3.33274. EDN: MJWSXZ.
  4. Digital 2022: Another year of bumper growth // We Are Social: [сайт]. 26.01.2022. URL: https://wearesocial.com/uk/blog/2022/01/digital-2022-another-year-of-bumper-growth-2/ (дата обращения: 27.12.2024).
  5. Исследование ВЦИОМ «Медиапотребление и активность в интернете» // ВЦИОМ: [сайт]. 23.09.2021. URL: https://wciom.ru/analytical-reviews/analiticheskii-obzor/mediapotreblenie-i-aktivnost-v-internete (дата обращения: 27.12.2024).
  6. Гребенюк А.А., Субботин А.А. Исследование миграционных процессов в электронных социальных сетях // Цифровая социология. 2021, т. 4, № 2. С. 23-31. doi: 10.26425/2658-347X-2021-4-2-23-31. EDN: FVKNMY.
  7. Aleshkovski I., Gasparishvili A., Grebenyuk A. The Changing Landscape of Russia's Emigration from 1990 to 2020: Trends and Determinants // Journal of Globalization Studies. 2023, vol. 14, № 1. P. 42-65. doi: 10.30884/jogs/2023.01.04
  8. Social Media and Forced Displacement: Big Data Analytics and Machine Learning: White Paper. // UN Global Pulse and UNHCR Innovation Service. 09.2017. URL: https://www.unhcr.org/innovation/wp-content/uploads/2017/09/FINAL-White-Paper.pdf (дата обращения: 27.12.2024).
  9. Использование новых источников данных для формирования статистики миграции (2022). Заседание Группы экспертов по статистике миграции. 26-28 октября 2022 года, г. Женева. Рабочий документ 15 // UNECE. URL: https://unece.org/sites/default/files/2022-1/WP15_TaskForce_NewDataSourcesMigration_RUS.pdf (дата обращения: 27.12.2024).
  10. Alexander M., Polimis K., Zagheni E. The impact of Hurricane Maria on out-migration from Puerto Rico: Evidence from Facebook data // Population and Development Review. 2019, vol. 45, № 3. P. 617-630. doi: 10.1111/padr.12289.
  11. Witteborn S. The digital gift and aspirational mobility // International Journal of Cultural Studies. 2019, vol. 22, № 6. P. 754-769. doi: 10.1177/1367877919831020
  12. Gualda E., Rebollo C. The refugee crisis on Twitter: A diversity of discourses at a European crossroads // Journal of Spatial and Organizational Dynamics. 2016, vol. 4, № 3. P. 199-212.
  13. Marquez N., Garimella K., Toomet O., Weber I.G., Zagheni E. Segregation and sentiment: Estimating refugee segregation and its effects using digital trace data // Guide to Mobile Data Analytics in Refugee Scenarios: The Data for Refugees Challenge Study / Ed. by A. Salah, A. Pentland, B. Lepri, E. Letouzé. Cham: Springer, 2019. P. 265-282. doi: 10.1007/978-3-030-12554-7-14.
  14. Righi A. Assessing migration through social media: a review // Mathematical Population Studies, 2019, vol. 26, № 2. P. 80-91. doi: 10.1080/08898480.2019.1565271.
  15. Dubois A., Zagheni E., Garimella K., Weber I. Studying migrant assimilation through Facebook interests // Social Informatics. SocInfo 2018. Lecture Notes in Computer Science, V. 11186 / Ed. by S. Staab, O. Koltsova, D. Ignatov. Cham: Springer, 2018. P. 51-60. doi: 10.1007/978-3-030-01159-8_5.
  16. Stewart I., Flores R., Riffe T., Weber I., Zagheni E. Rock, Rap, or Reggaeton?: Assessing Mexican immigrants’ cultural assimilation using Facebook data // Proceedings of the World Wide Web Conference (WWW ‘19). San Francisco, CA, USA, May 13–17, 2019 / Ed. by L. Liu, R. White. New York, USA: Association for Computing Machinery, 2019. P. 3258-3264. doi: 10.1145/3308558.3313409.
  17. Замятина Н. Ю., Яшунский А. Д. Виртуальная география виртуального населения // Мониторинг общественного мнения: экономические и социальные перемены. 2018, № 1. С. 117-137. doi: 10.14515/monitoring.2018.1.07. EDN: YQUCNL.
  18. Чернышев К.А., Чернышева Н.В., Петров. Е. Ю. Межрегиональные связи населения Крыма: исследование на основе цифровых и статистических данных о местах рождения мигрантов // Геополитика и экогеодинамика регионов. 2022, т. 8, № 3. С. 253-264. EDN: EXIRYT.
  19. Brand Analytics – российская система сбора и анализа данных социальных медиа: [сайт]. URL: https://br-analytics.ru/ (дата обращения: 27.12.2024).
  20. Bird S., Klein E., Loper E. Natural Language Processing with Python. Sevastopol: O'Reilly Media, 2009. 502 p. ISBN: 978-0-596-51649-9.

Supplementary files

Supplementary Files
Action
1. JATS XML

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).