欧洲 Erasmus + 学生流动数据揭秘：地理定位下的区域发展新洞察

《Scientific Data》：Mobility of Erasmus+ students in Europe: Geolocated individual and aggregate mobility flows from 2014 to 2022

为解决 Erasmus + 学生流动数据缺乏空间信息问题，研究人员开展地理定位研究，得到高精度数据集，助力多领域研究。

　　在当今全球化的时代，教育领域的国际交流日益频繁，学生流动成为了一个备受关注的现象。其中，欧洲的 Erasmus + 计划在促进学生跨国流动方面发挥着重要作用。自 1987 年启动以来，它已支持了近 1600 万学生的流动，对欧洲的教育、文化交流以及社会凝聚力的提升都有着深远影响。然而，该计划所产生的学生流动数据存在一个关键问题：虽然这些数据是公开的，但其中关于学生流动的地理信息是以文本形式呈现，且使用多种语言记录，缺乏空间格式。这就如同拿着一张没有标注地点的地图，研究人员很难利用这些数据深入探究学生流动在地理和区域层面的特征及影响，极大地限制了其在地理研究中的应用。

为了解决这一难题，来自芬兰赫尔辛基大学数字地理实验室（Digital Geography Lab）等多个机构的研究人员 Tuomas V?is?nen、Milad Malekzadeh 等人开展了一项具有开创性的研究。他们致力于为 Erasmus + 学生流动数据添加空间信息，将研究成果发表在《Scientific Data》上，为相关领域的研究开辟了新的道路。

研究人员采用了多种关键技术方法。首先是地理编码（Geocoding）技术，他们选用了免费开源的 Photon 和 Nominatim 地理编码服务（通过 geopy Python 库实现）。由于 Erasmus + 数据中的地名存在多种语言、拼写错误等问题，Photon 对多语言地名的良好支持以及对拼写错误的高容忍度就显得尤为重要。对于无法被 Photon 成功编码的地名，研究人员手动修正后再次尝试，仍未解决的则借助 Nominatim 进行处理。其次是空间聚合（Spatial aggregation），研究人员将地理编码后的点位置聚合到相应的地方行政单位（Local Administrative Unit，LAU）和统计区域单位命名法（Nomenclature of Territorial Units for Statistics，NUTS）3 级区域单元。通过最近邻空间连接的方式，为每个位置分配区域代码，确保数据能与现有区域统计数据兼容 。

在研究结果方面：

• 数据记录：经过数据筛选和处理，最终得到的空间丰富数据集包含 2014 - 2022 年期间 2221474 次学生流动记录，其中 2191857 次在 NUTS 3 级别，2052029 次在 LAU 级别，这些流动涉及 2275868 名学生。数据集以多种格式存储，包括 CSV 和压缩的 parquet 文件，方便不同用户使用。
• 技术验证：对 NUTS 3 级别的地理编码准确性进行验证时，研究人员从 47742 个地理编码位置中随机抽取 1000 个进行人工评估。结果显示，96.6% 的位置被正确编码到 NUTS 3 区域，若考虑流动起点和终点的出现频率进行加权，准确率更是高达 99.4%。这表明数据集的准确性较高，能够为后续研究提供可靠的数据支持。
• 应用案例：
  • 区域人才流动分析：通过分析不同地区学生的流入和流出情况，可以识别出哪些地区在吸引学术人才方面表现出色（即 “脑增益” 区域），哪些地区面临人才流失（即 “脑流失” 区域）。例如，研究发现大城市所在区域（如维也纳、柏林、马德里）接收和派出学生的比例相对稳定，而小城市所在区域波动较大。同时，COVID - 19 疫情对多个地区的人才流动比例产生了明显影响，多数地区在疫情限制解除后恢复到疫情前水平，但也有例外。
  • 学术交流与身份形成研究：通过探究各地区学生流入的多样性和主导性，可以研究区域学术交叉授粉（academic cross - pollination）情况，明确哪些地区是多元跨文化学生互动的热点，在欧洲身份认同形成过程中发挥关键作用。研究表明，爱尔兰、西班牙、葡萄牙、意大利和北欧大部分地区是学术交流和文化融合的重要区域，而比利时、波兰和巴尔干地区的部分区域在学生来源上相对单一。
  • 区域经济影响评估：将该数据集与其他区域特征数据（如欧盟统计局数据）相结合，可以评估学生流动对区域经济活动（如旅游、住房和零售行业）的影响。研究发现不同区域特征对短期（3 - 11 个月）和长期（超过 11 个月）学生流动的影响存在差异，为政策制定者提供了量化依据。
  • 复杂流动数据可视化：针对学生流动数据可视化难题，研究人员采用边缘捆绑（edge bundling）技术简化流动线几何图形，使复杂的流动数据可视化更加可行，便于比较不同国家或年份的学生流动情况。
  • 数据层级转换：利用 NUTS 的分层系统，研究人员可以轻松将 NUTS 3 级别的学生流动数据转换为其他更高级别的 NUTS 数据，如 NUTS 2、NUTS 1 和 NUTS 0（国家级别），方便进行不同尺度的分析。
  
  

总的来说，这项研究成功为 Erasmus + 学生流动数据添加了空间信息，创建了精确的年度流动数据集。该数据集不仅为研究欧洲学生流动的空间结构变化提供了重要数据支持，还在区域发展、教育政策制定、学术交流以及经济规划等多个领域具有广泛的应用价值。它帮助我们更深入地理解学生流动背后的复杂机制及其对欧洲社会各方面的影响，为相关政策的制定和优化提供了有力依据，促进欧洲在教育、文化和经济等领域的进一步融合与发展。