L'identificazione della migrazione umana guidata dal cambiamento climatico, la diffusione del COVID-19, tendenze agricole, e socioeconomici nelle regioni limitrofe dipendono dai dati:più il modello è complesso, più dati sono necessari per comprendere tali fenomeni spazialmente distribuiti. Però, dati affidabili sono spesso costosi e difficili da ottenere, o troppo scarso per consentire previsioni accurate.

Maurizio Porfiri, Professore Istituto di meccanica e aerospaziale, biomedico, e ingegneria civile e urbana e membro del Center for Urban Science and Progress (CUSP) presso la NYU Tandon School of Engineering, ha ideato una nuova soluzione basata sulla teoria della rete e dell'informazione che fa agire i "piccoli dati" attraverso, l'applicazione delle tecniche matematiche normalmente utilizzate per le serie storiche, ai processi spaziali.

Lo studio, "Un approccio teorico dell'informazione per studiare le dipendenze spaziali in piccoli set di dati, " presente sulla copertina di Proceedings of the Royal Society A:Matematica, Scienze fisiche e ingegneristiche , descrive come, da un piccolo campione di attributi in un numero limitato di località, gli osservatori possono fare deduzioni robuste di influenze, comprese le interpolazioni ad aree intermedie o anche a regioni lontane che condividono attributi chiave simili.

"Il più delle volte i set di dati sono scarsi, — spiegò Porfiri. — Perciò, abbiamo adottato un approccio molto semplice, applicare la teoria dell'informazione per esplorare se l'influenza in senso temporale possa essere estesa allo spazio, che ci permette di lavorare con un set di dati molto piccolo, tra 25 e 50 osservazioni, " ha detto. "Stiamo scattando un'istantanea dei dati e tracciando connessioni, non basate su causa ed effetto, ma sull'interazione tra i singoli punti, per vedere se c'è qualche forma di sottostante, risposta collettiva nel sistema”.

Il metodo, sviluppato da Porfiri e dal collaboratore Manuel Ruiz Marín del Dipartimento di Metodi Quantitativi, Diritto e Lingue Moderne, Università Tecnica di Cartagena, Spagna, coinvolto:

• Consolidare un dato insieme di dati in una piccola gamma di simboli ammissibili, simile al modo in cui un sistema di apprendimento automatico può identificare un volto con dati pixel limitati:un mento, zigomi, fronte, eccetera.
• L'applicazione di un principio della teoria dell'informazione per creare un test non parametrico (che non presuma alcun modello sottostante per l'interazione tra luoghi) per tracciare associazioni tra eventi e scoprire se l'incertezza in un determinato luogo si riduce se si ha la conoscenza del incertezza in un altro luogo.

Porfiri ha spiegato che poiché un approccio non parametrico non pone alcuna struttura sottostante per le influenze tra i nodi, conferisce flessibilità nel modo in cui i nodi possono essere associati, o anche come viene definito il concetto di vicino.

"Poiché astraiamo questo concetto di prossimo, possiamo definirlo nel contesto di qualsiasi qualità che ti piace, Per esempio, ideologia. Ideologicamente, La California può essere una vicina di New York, anche se non sono geograficamente ubicati. Possono condividere valori simili".

Il team ha convalidato il sistema rispetto a due casi di studio:migrazioni di popolazione in Bangladesh dovute all'innalzamento del livello del mare e morti di veicoli a motore negli Stati Uniti, per ricavare una visione statisticamente fondata sui meccanismi di importanti problemi socioeconomici.

"Nel primo caso, volevamo vedere se la migrazione tra le località potesse essere prevista dalla distanza geografica o dalla gravità dell'inondazione di quel particolare distretto, se la conoscenza di quale distretto è vicino a un altro distretto o la conoscenza del livello di inondazione aiuterà a prevedere l'entità della migrazione, " ha detto Ruiz Marin .

Per il secondo caso, hanno esaminato la distribuzione spaziale degli incidenti automobilistici legati all'alcol nel 1980, 1994, e 2009, confrontare gli stati con un alto grado di incidenti di questo tipo con gli stati adiacenti e con gli stati con ideologie legislative simili sul bere e sulla guida.

"Abbiamo scoperto una relazione più forte tra stati che condividono i confini rispetto a stati che condividono ideologie legislative relative al consumo di alcol e alla guida".

Prossimo, Porfiri e Ruiz Marín stanno progettando di estendere il loro metodo all'analisi dei processi spazio-temporali, come la violenza armata negli Stati Uniti, un importante progetto di ricerca recentemente finanziato dal programma LEAP HI della National Science Foundation, o le crisi epilettiche nel cervello. Il loro lavoro potrebbe aiutare a capire quando e dove può verificarsi la violenza armata o possono iniziare i sequestri.