সামাজিক বিজ্ঞান গবেষণা/আন্তর্জাতিক অভিবাসনের প্রবণতা

https://arxiv.org/abs/2204.14223 শীর্ষক গবেষণাটি (যার শিরোনাম "ডেটাসেট অব মাল্টি-অ্যাসপেক্ট ইন্টিগ্রেটেড মাইগ্রেশন ইন্ডিকেটর্স") মাল্টি-অ্যাসপেক্ট ইন্টিগ্রেটেড মাইগ্রেশন ইন্ডিকেটর্স (MIMI) ডেটাসেটের পরিচয় ও বর্ণনা তুলে ধরেছে। এটি আন্তর্জাতিক অভিবাসনের প্রবণতা পর্যালোচনার ক্ষেত্রে একটি নতুন ও গুরুত্বপূর্ণ সম্পদ। এই ডেটাসেটে অভিবাসন প্রবাহ ও মজুতের সরকারি উপাত্তের পাশাপাশি ফেসবুকের সোশ্যাল কানেক্টেডনেস ইনডেক্সের (এস‌সিআই) মতো অপ্রচলিত সূচক এবং বিভিন্ন ভৌগোলিক, আন্তঃবিভাগীয় ও জনতাত্ত্বিক উপাত্ত সমন্বয় করা হয়েছে। এর মূল উদ্দেশ্য হলো বিভিন্ন উৎস থেকে প্রাপ্ত জ্ঞানকে একত্রিত করে দ্বিপাক্ষিক অভিবাসন বিশ্লেষণ ও এর পূর্বাভাস দেওয়ার জন্য একটি বহুমুখী ভিত্তি তৈরি করা। সবার জন্য উন্মুক্ত এই ডেটাসেটটি জেনোডোর এই ঠিকানায় পাওয়া যাবে: https://zenodo.org/records/6493325

এমআইএমআই (MIMI) ডেটাসেটটি মূলত ২৮,৭২৫টি সারি ও ৪৮৫টি কলামবিশিষ্ট একটি একক সিএসভি (CSV) ফাইলের সমন্বয়ে গঠিত, যা ২৮,০০০-এরও বেশি ভিন্ন ভিন্ন "বৈশিষ্ট্য" তুলে ধরে। এই ডেটাসেটের সূচকটি অনন্যভাবে চিহ্নিত দেশের জোড়া নিয়ে গঠিত। উৎস ও গন্তব্য দেশের আইএসও-৩১৬৬ (ISO-3166) আলফা-২ কোডের মাধ্যমে এই জোড়াগুলো তৈরি করা হয়েছে (যেমন—আলবেনিয়া থেকে ফিনল্যান্ডে অভিবাসনের ক্ষেত্রে AL-FI)।

সোশ্যাল কানেক্টেডনেস ইনডেক্স

ডেটাসেটের চলক "সোশ্যাল কানেক্টেডনেস ইনডেক্স: sci2021" দিয়ে মূলত ২০২১ সালে দুটি ভিন্ন দেশের দুজন ব্যক্তির ফেসবুকে একে অপরের বন্ধু হওয়ার আপেক্ষিক সম্ভাবনা বোঝানো হয়েছে। অর্থাৎ, SocialConnectednessIndex(i,j)-এর মান যদি দ্বিগুণ হয়, তবে 'i' দেশের একজন ফেসবুক ব্যবহারকারীর সাথে 'j' দেশের কোনো নির্দিষ্ট ফেসবুক ব্যবহারকারীর সংযুক্ত থাকার সম্ভাবনা প্রায় দ্বিগুণ। sci2021-এর সাথে ডেটাসেটের চলকগুলোর স্পিয়ারম্যান সহসম্পর্ক (Spearman correlations) হিসাব করলে নির্দিষ্ট বছরগুলোর মোট অভিবাসী ও দেশত্যাগীদের সংখ্যার সাথে একটি শক্তিশালী সম্পর্ক লক্ষ করা যায়। এর অর্থ হলো, ফেসবুকের মাধ্যমে সংযোগ বৃদ্ধির সাথে সাথে অভিবাসীর সংখ্যাও বৃদ্ধি পায়:

table_cor<- cor(mimi_dataset_v2$sci_2021,mimi_dataset_v2[620:832],use = "pairwise.complete.obs", method = "spearman" )

head(sort(table_cor[1,], decreasing = TRUE))

UN_destination_total_em_cit_2020      UN_origin_total_em_cit_2020
                       0.7347356                        0.7018132
    UN_origin_total_imm_res_2012 UN_destination_total_em_cit_2012
                       0.6618196                        0.6597046
    UN_origin_total_imm_res_2020      UN_origin_total_em_cit_2012
                       0.6446970                        0.6243789

মাথাপিছু বার্ষিক জিডিপি এবং একটি দেশের পাঁচ বছর মেয়াদি নিট অভিবাসন হারের মধ্যে সহসম্পর্ক

কোনো দেশের নিট অভিবাসন হার ও জিডিপির মধ্যকার সহসম্পর্ক এই দুটি চলকের মধ্যে বিদ্যমান সম্পর্ককে আরও সুনিশ্চিত করে, যা বিভিন্ন গবেষণায় ইতিমধ্যেই সুপ্রতিষ্ঠিত। এই সহসম্পর্ক সর্বদা ইতিবাচক হয়। অর্থাৎ উচ্চ জিডিপি-সম্পন্ন দেশগুলোতে নিট অভিবাসনের প্রবণতা বেশি দেখা যায়। এটি প্রমাণ করে যে, উচ্চ মাথাপিছু আয় মানুষের স্থানান্তরের গতিশীলতাকে ত্বরান্বিত করে। তাই ২০২০-২০২৫ সালের নিট অভিবাসন হার এবং ২০০০ থেকে ২০১৯ সাল পর্যন্ত জিডিপির মধ্যে পিয়ারসন সহসম্পর্ক (Pearson correlation) হিসাব করলে উচ্চ মান পাওয়া যায়:

cor(mimi_dataset_v2$UN_origin_net_migr_rate_2020.2025,mimi_dataset_v2[837:856],use = "pairwise.complete.obs", method = "pearson" )

     origin_gdp_2000 origin_gdp_2001 origin_gdp_2002
[1,]       0.5159088       0.5215159        0.525931
     origin_gdp_2003 origin_gdp_2004 origin_gdp_2005
[1,]       0.5224893        0.529158       0.5370952
     origin_gdp_2006 origin_gdp_2007 origin_gdp_2008
[1,]       0.5429621       0.5477703       0.5559634
     origin_gdp_2009 origin_gdp_2010 origin_gdp_2011
[1,]       0.5662069       0.5657621       0.5663157
     origin_gdp_2012 origin_gdp_2013 origin_gdp_2014
[1,]       0.5654136       0.5676351        0.566005
     origin_gdp_2015 origin_gdp_2016 origin_gdp_2017
[1,]       0.5539315       0.5458226       0.5435191
     origin_gdp_2018 origin_gdp_2019
[1,]       0.5380502       0.5335561

আফ্রিকা থেকে ইতালিতে আসা অভিবাসী

df<-mimi_dataset_v2 %>%
filter(from_to_cont=="AF-EU", destination_name=="Italy") %>%
select(origin_name,destination_name,818:821, UN_migr_stocks_2020_T_T) %>%
arrange(desc(UN_migr_stocks_2020_T_T))

colnames(df)[3] <- "Stock_of_migrants_in_2000"
colnames(df)[4] <- "Stock_of_migrants_in_2005"
colnames(df)[5] <- "Stock_of_migrants_in_2010"
colnames(df)[6] <- "Stock_of_migrants_in_2015"
colnames(df)[7] <- "Stock_of_migrants_in_2020"

df <- df[-which(is.na(df$Stock_of_migrants_in_2020)),]

df

উৎসের নাম	গন্তব্যের নাম	২০০০ সালে অভিবাসীর মজুত	২০০৫ সালে অভিবাসীর মজুত	২০১০ সালে অভিবাসীর মজুত	২০১৫ সালে অভিবাসীর মজুত	২০২০ সালে অভিবাসীর মজুত
মরক্কো	ইতালি	২৮৫,৫৬৯	৩৫৫,৩৬৭	৪১৬,৮৩২	৪২২,৪৮১	৪৫১,৯৬০
মিশর	ইতালি	৪৩,৩৩৬	৭৫,৯০৪	১০৭,০৭২	১০৮,৪৯৭	১২৮,৮৫৭
সেনেগাল	ইতালি	৪৯,৪২৯	৬৭,১১৫	৮০,৬১২	৮৭,৬৮৮	১১৩,৪৪৪
তিউনিসিয়া	ইতালি	৭৫৫৬৩	৯১৬০৮	১১২৬২৪	১০১৩৩৪	১০৮১২৯
নাইজেরিয়া	ইতালি	২৬৭৮১	৪১৫১৫	৫৩০৭২	৫৮২৫৭	১০৩৪৬২
ঘানা	ইতালি	৩৪৩৬৯	৪০৪৫৫	৪৪৬২২	৪৬০৮৪	৫৪৬৮০
কোত দিভোয়ার	ইতালি	১২৩৪১	১৮৯৪৬	২৪৫৯৪	২৫০৮২	৩৬২৫৬
লিবিয়া	ইতালি	৩ ৩৭১	১৯৭৯৪	৩৬৪৯২	৩৪৯৫৫	৩৪৫৪২
ইথিওপিয়া	ইতালি	৫৫৬৯	১৭৯৮৩	৩০৯৭৪	২৯৪৩৪	২৮১৭১
গাম্বিয়া	ইতালি	৬৪১	১০৭৮	১২৫৩	৯৯৯২	২৩০৮৬
আলজেরিয়া	ইতালি	১৫৮১০	১৯১৩৯	২৩৭১৩	২১৯০৮	২২৩৬৩
মালি	ইতালি	৫০১	২৩৩৯	২৮৮০	১২২৩৭	২১০৫৭
ইরিত্রিয়া	ইতালি	৭৪১৭	১০৫০৪	১৩৫৫৭	১৩৫২৯	১৬৩৭৫
ক্যামেরুন	ইতালি	৩৪৬৮	৭৪৬২	১১১৬৫	১১২৮৫	১৫৬১৩
সোমালিয়া	ইতালি	৬৮৪২	৯১৯৮	১২৬৩৪	১৩৪৮৪	১৪৪৭৩
বুরকিনা ফাসো	ইতালি	৪৮৬৬	৮২৬১	১১১০৫	১১৬৭০	১৩৬৮৩
গিনি	ইতালি	১২৭৬	২৫৮৭	৩৬৪৬	৪০৫৯	১৩৬৭৭
মরিশাস	ইতালি	১০৫৩৮	১০০১৮	৯৪০৪	৮৮৬০	৮৬৮০
কঙ্গো, গণতান্ত্রিক প্রজাতন্ত্র	ইতালি	২০৩১	৪০৫৯	৬১৯৮	৫৯৮৮	৬৮৭৪
টোগো	ইতালি	১৩৯৫	৩২৭৩	৪৮৫৯	৫০৮৫	৬৫৪৭
কেপ ভার্দে	ইতালি	৫০৩৭	৫৫৯৮	৬২৬০	৬০৫৪	৬৩৬৬
দক্ষিণ আফ্রিকা	ইতালি	১২৩৮	৩৪৪৭	৫৭২৬	৫৬৭১	৫৮৩৪
কেনিয়া	ইতালি	১০৫০	২৩৪৫	৩৫২৮	৩৬৫০	৪২৭৫
বেনিন	ইতালি	১২০৫	১৮৮৬	২৫২৮	২৫২৯	৩২৫৪
কঙ্গো	ইতালি	৩২৮৭	৩৩৩৬	৩৪৭৪	৩২৯৫	৩১৬৩
সুদান	ইতালি	৮১৩	১৮৬৪	৩০৯৪	২৮৫১	৩০৩৯
গিনি-বিসাউ	ইতালি	২৬৮	৫২৫	৬৯৫	৮৬২	২৭২১
মাদাগাস্কার	ইতালি	১০৯৭	১৭৪০	২৩৪৮	২৩৩৪	২৭০০
সিয়েরা লিওন	ইতালি	৮১৮	১০৯৮	১৩৮৯	১৩৬৭	২৪৫১
অ্যাঙ্গোলা	ইতালি	১৭৪৪	১৮০৭	১৯৩৪	১৮১৩	১৯১৭
তানজানিয়া, সংযুক্ত প্রজাতন্ত্র	ইতালি	৭৮৬	১১৯৫	১৬৩১	১৫৯০	১৮৪৫
লাইবেরিয়া	ইতালি	২১২	১১০৯	২১৬০	১৮০২	১৭২৫
নাইজার	ইতালি	১৬৮	৬১৪	৮৪০	৯৬৮	১৪৬৫
বুরুন্ডি	ইতালি	৫৫৩	৭৮০	৯৮৫	১০০৬	১২১৬
উগান্ডা	ইতালি	৩৬৩	৬৬৫	৯৯৬	৯৫০	১১৩৭
সেশেলস	ইতালি	৮৫৯	৯১৯	১০২৫	৯২৮	৯৪০
মোজাম্বিক	ইতালি	৩১৪	৫৮৬	৮৩৪	১৪২৮	৯২২
জিম্বাবুয়ে	ইতালি	১৫১	৫১৬	৯০৪	৮৪৯	৯২২
জাম্বিয়া	ইতালি	১৫৯	৫১৭	৮৯৫	৮৬৭	৮৯৫
রুয়ান্ডা	ইতালি	৬৩১	৭০৫	৭৯১	৭৭২	৮৬২
মৌরিতানিয়া	ইতালি	৩৮৫	৫৩১	৬৩০	৬৯৫	৮৪৯
চাদ	ইতালি	১২৪	৩৪৪	৫৩৩	৫২৬	৫৭৮
গ্যাবন	ইতালি	১৩৬	২৬০	৩৮৩	৩৭১	৫২৯
মধ্য আফ্রিকান প্রজাতন্ত্র	ইতালি	৬৩	১৫১	২৪১	২২৩	২৯০
মালাউই	ইতালি	৪৯	১১০	১৭৩	১৬৮	১৯৪
নিরক্ষীয় গিনি	ইতালি	৬০	৯১	১২১	১১৯	১৭৬
নামিবিয়া	ইতালি	৩৫	৬৪	৯৩	৮৫	৮৯
সাঁউ তুমি ও প্রিন্সিপি	ইতালি	৪৩	৫৯	৭৭	৭১	৮১
জিবুতি	ইতালি	২২	৫৬	১০১	৮৫	৭৭
বতসোয়ানা	ইতালি	১০	২৭	৪৬	৪৬	৫৪
এসোয়াতিনি	ইতালি	৮	২২	৩৭	৩০	৪৯
দক্ষিণ সুদান	ইতালি	NA	NA	২৪	২৯	৪১
লেসোথো	ইতালি	৬	১৯	২৯	২৪	৩০
কোমোরোস	ইতালি	১১	২৪	৩৯	২৯	২৪

এশিয়া থেকে ইতালিতে আসা অভিবাসী

উৎসের নাম	গন্তব্যের নাম	২০০০ সালে অভিবাসীর মজুত	২০০৫ সালে অভিবাসীর মজুত	২০১০ সালে অভিবাসীর মজুত	২০১৫ সালে অভিবাসীর মজুত	২০২০ সালে অভিবাসীর মজুত
চীন	ইতালি	৭৪,৮৬৫	১৩৭,৬৩৩	১৯৪,৬৭৭	১৯৯,৬১৭	২৩৩,৩৩৮
ভারত	ইতালি	৪৩,১০৯	৮৯,৭৪৫	১২৮,৯৯৯	১৩৮,৫৯১	১৬৭,২৭২
ফিলিপাইন	ইতালি	৮৫,৬১২	১১৪,৫২২	১৩৭,৮১৪	১৪২,৬৯৪	১৫১,৫২০
বাংলাদেশ	ইতালি	২৩৩০০	৬০১৬০	৮৯১৪৯	১০৫০৮৪	১৩৫৪৬৮
পাকিস্তান	ইতালি	২৪৭৬৫	৫৪৭৭২	৭৮২০০	৮৯১৩৭	১২৪৮০০
শ্রীলঙ্কা	ইতালি	৪১৯৭৭	৬৩৫২৮	৮৩৭৬```