Den nye kortlægningsmodel E-BARD er en nøgle til sociologien om det lokale

Tekst: Niels Krogh Søndergaard, kommunikationsmedarbejder 
Foto: Aksonsat Uanthoeng, Pexels

Professor Anja Jørgensen, adjunkt Rolf Lyneborg Lund har sammen med øvrige medlemmer af forskningsgruppen SocMap udviklet en ny model for social kortlægning af områder. De bruger blandt andet registerdata og såkaldte mikro-områder.

Såvel mikro-områderne, algoritmen og de fleksible og variable inddelinger er banebrydende internationalt set, og de empiriske afprøvninger og resultater af E-BARD-algoritmen er allerede publiceret i anerkendte tidsskrifter.

Der er tale om en meget sjælden kombination af avancerede data science-teknikker med udvikling og træning af algoritmer til et sociologisk teoretisk informeret begreb om, hvordan sociale ressourcer er bundet til steder og kreativ brug af danske registerdata. E-BARD-algoritmen rummer unikke tværfaglige dimensioner, som berører områder som ”machine-learning” og ”predictive” modeller, der har store potentialer for fremtidig udvikling af sociologisk og stedsinformerede algoritmer til brug for sociologisk og stedsbaserede prediktioner.

Metoden bag

Kortlægningsmodellen i E-BARD inddeler Danmark i 8.043 mikro-områder. Disse områder baserer sig på to kriterier:

1. Fysiske skillelinjer i landskabet,
2. Områderne skal have minimum 100 indbyggere jvf. Danmarks Statistiks diskretions-kriterier.

Når data kobles til kortet, visualiseres et meget detaljeret overblik over enkelte variables geografiske fordeling, der efterfølgende kan samles i klynger, der udgør mere databegrundede geografiske enheder sammenlignet med de etablerede administrative inddelinger, som ofte har meget lidt med de socioøkonomiske skel der forekommer.

Klyngedannelsen finder sted via en unik algoritme, og de klynger der opstår varierer i geografisk udbredelse, alt afhængig af hvilken variabel, der kobles til kortet. Algoritmen sikrer, at dette sker automatisk, heraf begrebet ”automatisk områdeinddeling”.

Baggrund for sociologiske kort

Tidligt skabte nogle af de første by-sociologer i Chicago de teoretiske begreber, hvis formål var at forstå steder som mere end blot administrative inddelinger. Steder blev set som bo- og levesteder, steder for tilknytning, steder for skabelse og vedligeholdelse af normer, læringsrum, foreningsliv, naboskab og meget andet, der er centralt for det sociale liv. Det sociale liv på steder blev både beskrevet som noget der kunne mildne, afværge men også forværre konsekvenserne af den tiltagende urbanisering. Chicago-sociologerne brugte sociologiske kortlægninger til at analysere og identificere de geografiske variationer i disse stedsbundne sociale kvaliteter.

I nyere tid har den etablerede praksis omkring sociologiske kortlægninger været at overføre data på faste geografiske inddelinger som f.eks. sogne, skoledistrikter eller kvadratnet. Problemet med sådanne inddelinger i kortlægning er, at man risikerer at overse socialt set meget forskelligartede områder, kvarterer eller steder.

Mere præcise socialdata

Gennem udvikling og træning af en unik algoritme løser forskerne med E-BARD (Even Better Automated Redistricting) et fundamentalt problem om kobling af data til geografi. E-BARD er en samling af yderst detaljerede, fleksible og variabelbaserede geografiske algoritmer, der kommer helt tæt på enkelte steder og dermed også omfang og karakter af det stedsbundne sociale liv, der er meget vigtigt for at forstå, hvordan steder varierer, og hvordan udefrakommende faktorer virker forskelligt ind på steder.

Hvis man behandler, socialt set, meget forskelligartede områder som udgørende ét homogent område, risikerer man at producere mindre træfsikker viden om byer, steder og nabolag. Risikoen opstår med andre ord i de tilfælde, hvor der opereres med områdebaseret gennemsnit, der så at sige kan camouflere interessante forskelle.       

Ideen om at skabe mikro-områder og herefter lade algoritmen sortere relevante variable og danne områder i en induktiv proces kan anvendes såvel i lande med registeroplysninger om borgerne som i lande, hvor myndighederne opsamler census-data og lignende former for survey-data. Modellens eneste krav er, at samplet er geografisk informeret – altså at der forekommer information om, hvor data er indsamlet. Ikke blot i Danmark og i de øvrige nordiske lande men i hele EU og i Nordamerika er der stor efterspørgsel efter mere retvisende og datasensitive sociogeografiske inddelinger.

International interesse

Med udviklingen af modellen har Anja Jørgensen, Rolf Lyneborg Lund og forskningsgruppen SocMap bragt sig i spidsen sammenlignet med hidtidige forsøg på at udvikle sådanne mikro-områder. Flere førende internationale fagmiljøer har udvist interesse for dette arbejde, som fx Instituttet för Analytisk Sociologi, Linköpings Universitet og Department of Sociology, Harvard University.

I dansk sammenhæng står modellen centralt i forskningsprojektet ”Are ’ghettos’ a problem for integration of migrants in Denmark? Flows, consequences and the impact of policies”, bevilliget af Forskningsrådet for Samfund og Erhverv ligesom modellen spiller en afgørende rolle i projektet “Understanding society through register-based machine learning”, bevilliget af Det Svenske Forskningsråd i 2019 og  i forskningsprojektet ”The Network Dynamics of Ethnic Integration - Developing network-scientific capabilities for the study of inter-ethnic family, work and residential integration in Sweden, Denmark and Finland bevilliget af NordForsk i 2020.

Modellen har haft samfundsmæssig impact i form af interesse fra private firmaer som ESRI (der udviklet og ejer programmet ArcGIS), COWI-Consult men også fonde og en lang række kommuner har udvist stor interesse for modellen og forskningen bag.

Rolf Lyneborg Lund modtog i 2020 Spar Nord Fondens forskningspris for PhD-afhandlingen ”Dissecting the Local. Territorial Scale and the Social Mechanisms of Place” hvori E-BARD udvikles og afprøves på forskellige empiriske problemstillinger.