Fler källor och okonventionell data kan göra det säkrare att förutse och beräkna flyktingströmmar. Forskare vid Malmö universitet har varit med att ta fram en modell som kan tillämpas på såväl nationell som lokal nivå.

Utgångspunkten för forskningen har varit att förstå vilka faktorer som startar migrationsströmmar till Europa: ekonomiska förhållanden, konflikter, klimatfaktorer. Dessa drivkrafter matas sedan i en statistisk modell för att kunna förutsäga förändringar i en nära framtid.

Satellitövervakning av klimatet

Grunden utgörs av traditionell befolkningsdata från Eurostat och World Develop Indicators. I projektet HuMingBird har också i sammanhanget mer okonventionell data lagts in i modellen. Det kan vara satellitövervakning av klimatet eller uppgifter från Uppsala Conflict Data Program (UCDP), som är ett forskningsprogram som samlar in data om organiserat våld. Ytterligare en källa är Google Trends, det vill säga söktrender på nätet som kan visa på ett särskilt stort intresse för till exempel Sverige i Irak, Syrien eller något annat land.

– Vi hittar korrelationer mellan trender i sökningar på nätet och migrationsflöden, säger Haodong Qi, forskare vid Institutionen för globala politiska studier, Malmö universitet.

Dessa data fyller enligt Haodong Qi ett gap som den offentliga statistiken inte täcker. Klimatfaktorer som spelar in kan vara översvämningar, torka, odlingsförhållanden.

– Det finns två typer av klimatfaktorer: plötsliga katastrofer och mer långsamma scenarier. Som att man kan se att marken i ett område blir mindre och mindre odlingsbar, säger Haodong Qi.

Grund för säkrare beslut

Tillsammans med en forskarkollega i Bryssel har Haodong Qi tagit fram modellen Flow Specific Tempro Gravity, som ger en bättre grund för framtida beräkningar. Just nu studerar de särskilt hur klimatet påverkar hur människor från enskilda distrikt i Somalia flyttar till EU.

– De äldre modellerna kunde inte förutse flyktingströmmarna 2016. Nu får vi en bas för att bättre kunna förutse framtida mönster och för att kunna fatta mer evidensbaserade beslut.

Mekanismerna bakom migration är dynamiska. Haodong Qi understryker att det finns andra förfinade modeller som redan används, och att ”det man kan säga nu är baserat på tidigare händelser.” Om nya mönster uppstår måste modellen uppdateras.

– Vi kan förstås inte säga till hundra procent att det blir på ett visst sätt. Vi tar fram verktyg för evidensbaserade beslut, men sedan ska det användas i verkligheten och då måste politiker agera och komma överens, säger Haodong Qi.

Text: Magnus Jando

Enhanced migration measures from a multidimensional perspective – HumMingBird

HumMingBird är ett EU-finansierat Horisont 2020-projekt som syftar till att svara på behoven av att förstå migrationsflöden genom att förbättra förståelsen av förändringar av drivkrafter för migration. Detta genom att analysera mönster, motiv och nya geografier, förutsäga framväxande och framtida trender. Det fyråriga projektet avslutas i december och inkluderar samarbetspartners från nära tio länder.

Lista över partners 

En modell har publicerats i en vetenskaplig artikel på Plos One. Denna modell modifieras för närvarande för att kunna studera drivkrafterna bakom migration från Somalia till EU.

Modelling and predicting forced migration

Tidigare publicerad artikel

Can Google Trends predict asylum-seekers’ destination choices?

 

Text: Kommunikationsavdelningen