Urban economics in a historical perspective: Recovering data with machine learning

    Par
    Jean Cavailhès
    -
    (), Volume 94, May 2022, 103711

     Présentation (FED) : Une littérature récente a utilisé une perspective historique pour mieux comprendre les questions fondamentales de l'économie urbaine. Cependant, un large éventail de documents historiques de qualité exceptionnelle reste sous-exploité : leur utilisation a été entravée par leur format original ou par la quantité massive d'informations à récupérer. Dans cet article, les auteurs décrivent comment et quand la flexibilité et le pouvoir prédictif de l'apprentissage automatique peuvent aider les chercheurs à exploiter le potentiel de ces documents historiques. Ils discutent d'abord de la façon dont d'importantes questions d'économie urbaine reposent sur l'analyse de sources de données historiques et des défis associés à la transcription et à l'harmonisation de ces données. Ils expliquent ensuite comment les approches d'apprentissage automatique peuvent relever certains de ces défis et discutent des applications possibles.

    Abstract (authors) : A recent literature has used a historical perspective to better understand fundamental questions of urban economics. However, a wide range of historical documents of exceptional quality remain underutilised: their use has been hampered by their original format or by the massive amount of information to be recovered. In this paper, we describe how and when the flexibility and predictive power of machine learning can help researchers exploit the potential of these historical documents. We first discuss how important questions of urban economics rely on the analysis of historical data sources and the challenges associated with transcription and harmonisation of such data. We then explain how machine learning approaches may address some of these challenges and we discuss possible applications.

    Lien : https://www.sciencedirect.com/science/article/pii/S0166046221000715