マルチソースのビッグデータと機械学習を用いた中国におけるコミュニティ水準の教育パーセンタイル順位推定

なぜ住む場所の教育水準が重要なのか

私たちが住む場所は、子どもが通う学校や通りの安全性、さらには住宅の価値まで左右します。しかし中国では、地域ごとの教育水準に関する基本的な情報を入手するのは長らく難しかった。本研究は、衛星画像やストリートビュー、先端的な計算アルゴリズムを用いて、国内12万を超えるコミュニティの相対的な教育水準を推定し、社会的不平等や都市生活を新たな視点で示すものです。

就学年数を超えて見る

多くの統計は、教育を人が学校で過ごした年数で比較します。しかしこれは世代間で誤解を生むことがあります。かつては高校卒が同世代で上位に位置した一方で、その子ども世代は大学卒が多い、といった具合です。著者らは代わりに「教育パーセンタイル順位」を用いており、これは各出生コホート内での位置を0（最も教育水準が低い）から100（最も高い）で示します。こうすることで、例えば中学卒の高齢者と学士号を持つ若年者が、いずれも同世代でおおむね70パーセンタイル付近にいるなら、同様の社会的地位にあると評価できます。

都市の景観を社会的手がかりに変える

コミュニティ単位で教育パーセンタイル順位を作図するため、研究チームは大規模な全国調査の6波分と、建物や環境を表す多様な「ビッグデータ」を活用しました。各近隣の周辺にどのような施設があるか—商店、学校、病院、公園、オフィス—、建物や道路の密度、夜間衛星での明るさ、通行する人の数などを調べました。数百万枚のストリートビュー写真からはコンピュータビジョンを用いて緑地、歩道、交通、ゴミや落書きといった秩序の乱れ、そして通行人や観察者から見た通りの富裕さや安全感まで測定しました。標高や斜面といった地形要因も考慮に入れています。急峻またはへき地は開発が遅れがちだからです。

機械に都市を“読ませる”

これらの要素を用いて、研究者らは強力な機械学習モデル（XGBoostと呼ばれる）を訓練し、コミュニティの物理的特徴と住民の平均教育パーセンタイル順位の関係を学習させました。まず環境データの欠損値が結果を歪めないように、慎重な統計的「補完（インピュテーション）」処理で欠けた値を埋めました。次に数百回の最適化試行を通じてモデルの内部設定を調整し、見たことのない調査コミュニティに対して教育順位をどれだけ正確に予測できるかで性能を評価しました。最終モデルはテストデータにおけるコミュニティ間の差異の90パーセント超を説明でき、誤差も小さく、他国での類似研究より高い性能を示しました。

新しい全国地図が示すもの

訓練済みモデルを用いて、著者らは2020年時点で中国本土の122,126のコミュニティについて平均教育パーセンタイル順位を予測しました。これらは大部分の都市域と人口のおよそ85パーセントをカバーします。一般に都市中心部が最も高い教育水準を示し、次いで副中心、遠方の郊外という傾向が見られますが、各都市は固有のパターンを持ちます。例えば北京の歴史的な中心部は必ずしも最高順位を占めていませんし、深圳では高学歴層が複数の中心に分布しています。信頼性を確認するため、チームは推定値を公的な国勢調査データや利用可能な民間の位置情報サービス記録と比較しました。府県・県レベルでは、予測された高いパーセンタイル順位の地域は国勢調査でも就学年数が多い傾向にあります。北京市や広州市の近隣レベルでも、同マップは企業データや国勢調査の基準とよく一致しました。

日常生活にとっての意義

政策立案者、都市計画者、研究者にとって、この新しいオープンデータセットは中国都市における教育の有利・不利の詳細で最新の描写を提供します。中産階級の居住地の形成状況、ジェントリフィケーションの進行度、より良い学校や社会サービス、公共交通が必要な地区の特定などに利用できます。一般読者にとっての核心的なメッセージは明快です：通りや照明、建物を“読み取る”ことで、現代のデータ手法は住民の社会的地位を驚くほど正確に推定できるということです。本研究は従来の国勢調査に取って代わるものではありませんが、その間を埋め、私たちが作る場所がどのように社会的格差を反映し強化するかを理解するための、迅速で低コストな手段を提供します。

引用: Zhang, Y., Pan, Z., You, Y. et al. Community-level education percentile rank estimation in China using multi-source big data and machine learning. Sci Data 13, 304 (2026). https://doi.org/10.1038/s41597-026-06664-y

キーワード: 教育格差, 中国の都市, ビッグデータ, 機械学習, 近隣地域