29.08.2012, Ср, 17:08, Мск , Текст: Татьяна Короткова

22 августа Россия официально вступила в ВТО. Благодаря этому, по мнению B2B-Center, электронная торговля в сегментaх b2b и b2g получит стимулы для интенсивного и экстенсивного развития.

Опираясь на 10-летний опыт работы, эксперты B2B-Center прогнозируют развитие электронной коммерции. Так, по мнению Алексея Дегтярева, генерального директора B2B-Center, приток зарубежных участников увеличит клиентскую базу российских торговых площадок и усилит конкуренцию среди поставщиков, а стремление организаторов торгов к сокращению затрат на приобретаемую продукцию подтолкнет к проведению закупочной деятельности через электронные площадки. Таким образом, вырастут численные показатели, характеризующие отрасль электронной торговли — количество и объем торгов, количество участников и др.

Кроме того, можно ожидать, что российские электронные системы будут стремиться к качественному развитию — например, станут осуществлять перевод торговых процедур на английский язык, и это будет способствовать расширению круга иностранных участников торгов, считают в B2B-Center. В то же время, высока вероятность того, что на российский рынок электронных торгов придут международные доски объявлений, ориентированные на предприятия малого и среднего бизнеса, основной особенностью которых будет предоставление не информационных услуг, а ряда дополнительных сервисов. И это также будет способствовать качественным изменениям в отрасли электронной коммерции сначала в корпоративном сегменте, а затем и в сегменте b2g, полагают в компании.

Одновременно другие отрасли российской экономики испытают положительное влияние вступления России в ВТО. По мнению экспертов Всемирного банка, к таким отраслям относятся: металлургия, химическая, нефтехимическая и нефтегазовая отрасли, сфера связи, грузовые перевозки и т.д. Отрицательного воздействия эксперты не ожидают в энергетике, в переработке нефти, морских и ж/д-перевозках.

Влияние вступления России в ВТО на промышленность по отраслям (по оценкам экспертов Всемирного банка)

В то же время, по оценкам Strategic Business Solution, отрицательные последствия от вступления России в ВТО, скорее всего, наступят для сельского хозяйства, легкой и тяжелой промышленности. В настоящее время в легкой промышленности функционируют 14 тыс. специализированных и зарегистрированных на территории страны крупных, средних и малых предприятий, расположенных в 72 субъектах РФ. Около 70% предприятий являются градообразующими. После вступления в ВТО пошлины на одежду снизятся с 10-20% до 5-7%, на текстиль — с 9,5% до 7,3%. Прямые потери в отрасли составят в 2020 г. около 11% от объема производства, прогнозируют эксперты.

Для тяжелой промышленности вступление России в ВТО также может иметь отрицательные последствия. По расчетам Strategic Business Solution, прямые потери в отрасли вследствие увеличения импорта составят 102% от объема производства в 2020 г., а упущенные возможности роста —177%.

В такой ситуации предприятия вынуждены будут снижать цену производимой продукции, отметили в B2B-Center. Одним из способов снижения цены является сокращение доли прибыли, однако данный способ нежелателен, поскольку уровень рентабельности для многих промышленных предприятий в России составляет 6-8%. Другой способ заключается в снижении себестоимости продукции. Этого можно добиться, в частности, при проведении закупок товаров и услуг в электронной форме. Например, за счет высокой конкуренции в процессе проведения электронных торгов на площадках системы B2B-Center компании добиваются снижения расходов на закупаемую продукцию до 20%, подчеркнули в компании.

Эффект от использования электронных торговых площадок (на примере промышленных предприятий)

Еще одним решением, способным компенсировать негативные последствия от вступления России в ВТО, может стать увеличение объемов реализации продукции, и здесь также технологии электронной торговли могут быть эффективны. По данным B2B-Center, около 80% поставщиков, работающих в системе, участвуют в торгах не только в своем регионе, причем значительная часть поставщиков расширила круг клиентов, увеличила объемы продаж.

Таким образом, участие в электронных торгах является наиболее эффективным инструментом повышения конкурентоспособности российских предприятий в условиях вступления в ВТО, а также необходимым фактором для выживания в условиях единого торгового пространства, заключили в B2B-Center.

Несмотря на повышение ставок фрахта, возможны последствия от удорожания низкосернистого топлива

Рынок долгосрочных контрактов растет третий месяц подряд, что соответствует 8% общему росту ставок морского фрахта в годовом исчислении, следует из последнего отчета индексов норвежского эксперта рынка Xeneta Container (XSI® Public Indices). Тем не менее, несмотря на небольшое позитивное развитие рынка, «сохраняется обеспокоенность по поводу способности перевозчиков покрывать расходы, связанные с соблюдением новых правил IMO 2020, касающихся топлива с низким содержанием серы», — говорится в отчете Xeneta.

Индексы Xeneta XSI® дают представление о текущем состоянии рынка на основе данных о контейнерных перевозках, получаемых в режиме реального времени от различных участников рынка, показывают состояние отрасли за последние довольно сложных для отрасли 18 месяцев, характеризующейся общей тенденцией снижения ставок, преобладающей с лета 2018 года. Отчет, основываясь на 160 млн точек данных, показывает, что эта динамика изменилась незначительно, при этом декабрьский рост на 0,9% был консолидирован с 2,2% увеличением в течение января 2020 года.

Как отметил генеральный директор Xeneta Патрик Берглунд, развитие не соответствует ожиданиям рынка с учетом беспокойства в прошлом году по поводу введения в силу требований IMO 2020 по сере. Эксперт отмечает, что по всем направлениям наблюдаются противоречивые изменения.

XSI® разбивает колебания ставок морского фрахта по регионам, показывая подробное изменение тенденций в ключевых торговых коридорах. В Европе контрольный показатель импорта показал увеличение на 2,4% по сравнению с прошлым месяцем (9,2% рост в годовом исчислении), в то время как показатель экспорта увеличился лишь на 0,3%.

Индекс импорта с Дальнего Востока показал уверенный рост на 4,9% и сейчас на 10% больше по сравнению с рекордным минимумом, зафиксированным в октябре 2019 года. Также вырос на 4,5% индекс экспорта по сравнению с прошлым месяцем.

Индекс импорта в США показал падение на 2,1%, но остается еще на 22,5% больше, чем в прошлом году. Индекс экспорта вырос на 5,5%, что является самым большим показателем в месячном исчислении с июля 2019 года, что означает рост индекса на 16,7% в годовом исчислении.

По мнению гендиректора Xeneta, ключевое значение имеет реакция на действующие правила IMO 2020 по низкосернистому топливу.

«Мы отслеживаем в наших данных влияние, которое оказывает новые правила. Наши данные о ставках также не показывают, что директива IMO 2020 оказала какое-либо существенное влияние на уровни ставок. Контейнерным перевозчикам еще предстоит найти правильную формулу для компенсации стоимости более дорогого топлива. Они сталкиваются с реальными трудностями на линиях, перевозящих товары широкого спроса, где ценообразование имеет решающее значение для завоевания доли рынка, и небольшое повышение, которое мы наблюдаем, главным образом связано с базовым спросом и предложением, не более того», – сообщил  Патрик Берглунд.

В отчете Xeneta далее говорится: «Действительно, в коридоре Дальний Восток-Европа долгосрочный рынок незначительно вырос, но не выше уровней 2019 и 2018 годов, когда не действовали нормативы IMO2020. Если мы посмотрим на краткосрочный рынок, мы действительно увидим некоторый скачок, который предполагает, что в этот момент игроки с меньшими объемами, похоже, являются теми, кто берет на себя большую часть новых затрат на топливо».

«Транстихоокеанский регион вступает в период переговоров, и именно он может стать интересным для отрасли. Мы ожидаем, что перевозчики не будут церемониться, сыграют на повышение, чтобы попытаться восстановить расходы на новое топливо в течение контрактного периода во втором квартале, если новые топливные стандарты действительно влияют на долгосрочные рыночные ставки. Это еще предстоит выяснить, и как никогда важно быть в курсе — не опираться на слухи, а проверять факты», – считает представитель экспертной компании.

«Перевозчики пока не предпринимают меры по возмещению затрат на топливо, но вместо этого регулируют свои мощности, как, например, альянс 2M, объявивший об отмене пяти рейсов в марте. Будет интересно проследить дальнейшее развитие этой проблемы и увидеть влияние этого вопроса, когда ключевые игроки представят свои очередные финансовые результаты своей деятельности».

Что касается отношений между США и Китаем, где новая торговая сделка (в рамках которой, помимо других мер, Китай увеличит импорт США, в то время как США снизят некоторые ключевые тарифы), можно сказать, что напряженность здесь несколько снизится. Однако, как считает Патрик Берглунд, данная сделка касается только тарифов на товары стоимостью $120 млрд, при сохранении более высоких тарифов на товары стоимостью $360 млрд.

«Пока рано уверенно прогнозировать, как будет развиваться рынок в ближайшие несколько месяцев. Будет также неправильно считать, что рост индексов последние три месяца означает, что мы имеем устоявшуюся тенденцию новых долгосрочных ставок», — говорит Патрик Берглунд.

Индексы XSI® основаны на собранных данных о ставках от ведущих мировых грузоотправителей. Компании, участвующие в данной краудсорсинговой платформе, включают такие компании, как Electrolux, Continental, Unilever, Lenovo, Nestle, L’Oréal и Thyssenkrupp.

Xeneta, частная компания из Осло (Норвегия), является признанным международным экспертом в области статистических и аналитических данных по морскому фрахту, морским контейнерным перевозкам. Платформа Xeneta является удобным в использовании программным решением, которое дает грузоотправителям и экспедиторам возможность оперативно сравнить свою цену доставки с крупнейшей в мире базой данных по контрактным ставкам, отражающей текущее изменение ставок морского фрахта. База индексов Xeneta включает более 160 млн контрактных тарифов на более чем 160 тыс. международных судоходных маршрутах, что позволяет принимать обоснованные решения в области логистики их грузов, стоимости доставки. Помимо штаб-квартиры в Осло, компания имеет региональные представительства в Нью-Йорке и Гамбурге.

Возможные осложнения после COVID-19: история пациентки из Германии | Анализ событий в политической жизни и обществе Германии | DW

Валери Гизен с трудом переводит дух, садясь на скамейку. Только что она прошла около 800 метров. Не пробежала, а именно прошла. Однако эта прогулка стала для нее самым выматывающим физическим упражнением за день. Сердце 29-летней Валери бешено колотится, у нее одышка.

Восемь месяцев назад эти 800 метров были для нее пустяком. Дважды в неделю Валери ходила на танцы и время от времени — в бассейн или на секцию скалолазания. Состояние, в котором девушка находится сейчас, многие врачи описывают словами «перенесла болезнь, но не выздоровела». Около полугода назад Валери переболела COVID-19, однако восстановить прежнюю физическую форму ей не удалось до сегодняшнего дня.

Изматывающая болезнь

Гизен заболела в конце марта. «Мое сердце начало учащенно биться, я чувствовала сильное давление в груди. Никогда раньше я не ощущала себя такой нездоровой», — вспоминает она. На протяжении двух недель девушка практически не вставала с постели. Ее сопровождало чувство полного истощения и боль в легких. Даже поход в туалет был для нее тогда настоящим испытанием. «После этого мне нужно было долго восстанавливать силы», — рассказывает Валери.

400 километров из Копенгагена в Берлин на велосипеде были не проблемой

В то время молодая немка работала антропологом в Копенгагене. Весной тест на коронавирус она не сдавала, поскольку возможности лабораторий в королевстве были ограничены. «В Дании тогда шла первая волна пандемии, и мне было просто страшно обратиться в больницу», — вспоминает Гизен. В июне она наконец-то сделала тест. Он подтвердил, что у Валери есть антитела к вирусу SARS-CoV-2.

После того, как ее организм сумел побороть инфекцию, Валери снова почувствовала себя абсолютно здоровой. Во время летнего отпуска она даже проехала на велосипеде 400 км из Копенгагена в родной Берлин, ей и в голову не приходило, что перенесенная болезнь может еще дать знать о себе.

Однако именно это произошло в конце августа. Валери как раз собиралась отправиться в полевую экспедицию, когда почувствовала прежние  симптомы. Ей было трудно дышать, она чувствовала полное истощение и давление в груди.

Проблемы с дыханием и концентрацией

«Я едва могла поднять голову. Эту тяжесть я ощущала постоянно», — вспоминает Валери. Ее соседки всячески помогали ей в это нелегкое время: готовили для нее и ходили за продуктами. Тем не менее Валери было очень сложно смириться с ситуацией, в которой она полностью зависела от других людей.

Вот уже восемь недель девушка борется с описанными выше симптомами. За это время она вернулась из Копенгагена в Берлин и снова живет у своих родителей. «В Дании я не знала, как поступить дальше», — говорит она. Лечащий врач Гизен в Копенгагене не смог ей помочь, однако сейчас она чувствует себя немного лучше. «Я уже могу прямо сидеть и произносить больше, чем два-три предложения подряд», — добавляет она.

Предварительный диагноз: «постковидное истощение»

В Берлине Валери Гизен сдала несколько анализов в одной из больниц. Обследование ее сердца не выявило никаких патологий, точно так же, как и тест на работу легких. На данный момент поставленный ей диагноз звучит так: «синдром постковидного истощения». Согласно предварительным медицинским данным, он означает состояние непреходящей усталости, а также ощущение наличия заражения и нарушение концентрации внимания.

Первые небольшие исследования, проведенные в Италии и Ирландии, показывают, что большая часть пациентов, перенесших COVID-19, на протяжении нескольких недель после формального выздоровления продолжали страдать от чувства истощения и одышки. Однако четкого представления о возможных долгосрочных последствиях заражения коронавирусом у ученых сегодня нет, и судить о них пока преждевременно.

Между тем Всемирная организация здравоохранения (ВОЗ) подтвердила, что симптомы заражения коронавирусом могут проявляться на протяжении месяцев или вернуться уже после выздоровления пациента — даже в случаях, когда он перенес болезнь сравнительно легко. Это относится и к молодым людям, не входящим в группу риска, как Валери Гизен.

Сейчас, по рассказам девушки, она несколько раз в день ложится отдыхать. Ей приходится это делать, чтобы восстановить силы, поскольку запас энергии быстро иссякает.  

Советы из группы взаимопомощи для переболевших COVID-19

На кухне у Валери хранятся витамины и чай с куркумой. На полке рядом лежат фрукты и овощи. Девушка внимательно относится к своему питанию и стремится есть как можно больше продуктов, обладающих противовоспалительными свойствами.

Куркума обладает противовоспалительным действием

Таким образом она старается самостоятельно улучшить свое самочувствие  — в первую очередь потому, что медицине пока так мало известно о ее нынешнем состоянии. Полезные советы в этой области Валери черпает в американской онлайн-группе взаимопомощи, организованной активистками движения Body Politic.

В мессенджере Slack несколько тысяч членов этой группы делятся своим опытом борьбы с долгосрочными последствиями заболевания COVID-19. В этот чат Валери Гизен заглядывает каждый день. «Для меня это утешительный вечерний ритуал, благодаря которому я чувствую себя не такой одинокой», — говорит она.

Сама Валери уже не раз пыталась подбодрить других членов группы. Ведь с каждым новым днем она чувствует себя немного лучше. Молодая немка надеется, что ее история поможет и другим людям осознать, к чему может привести заражение коронавирусом.

Смотрите также:

• Соблюдайте дистанцию креативно!

  Любовь на расстоянии

  Завести приятное знакомство или пофлиртовать, подсев на скамеечку к симпатичной девушке? Почему бы и нет! Только не забывайте соблюдать дистанцию. На этой скамеечке даже указано, какую именно.

• Соблюдайте дистанцию креативно!

  Мишки за столом

  Сейчас во многих ресторанах Германии на каждом втором столике — табличка «Пожалуйста, не занимайте». Владелец ресторана «Beef’n Beer» в городе Хофхайм-ам-Таунус решил проблему остроумно: посадил за каждый стол, который нельзя занимать, плюшевых мишек.

• Соблюдайте дистанцию креативно!

  В обществе королевы

  В ресторане «Klosterwirt» в центре Мюнхена предпочли другой вариант. С 25 мая здесь можно пообедать в обществе британской королевы и других мировых знаменитостей. Их большие фотографии «сидят» за столиками, которые должны оставаться пустыми.

• Соблюдайте дистанцию креативно!

  Максимальная шляпка Максимы

  Сохранить дистанцию со стилем поможет широкополая шляпа. Такая, как, например, у королевы Нидерландов Максимы. Хотя желательно, чтобы шляпка была еще больше.

• Соблюдайте дистанцию креативно!

  Прореженный зрительный зал

  Драматический театр Berliner Ensemble в столице Германии готовится вновь принять зрителей. Но пока не в полном объеме. Для будущих спектаклей ряды со зрительскими креслами решили «проредить».

• Соблюдайте дистанцию креативно!

  В своем круге

  Чтобы отдыхающие в парках и на газонах не теснились, в Гейдельберге решили чертить на траве мелом такие вот круги. И безопасно, и всем спокойно.

• Соблюдайте дистанцию креативно!

  Собака с елизаветинским воротником

  И хозяин — в маске, и собачка защищена воротничком, который знаком многим собачникам и по временам до пандемии коронавируса. Его называют ветеринарным или елизаветинским воротником. Что-то подобное может на себя (при желании!) надеть и хозяин.

• Соблюдайте дистанцию креативно!

  Пышные юбки

  Подобные пышные юбки (ну, может быть, все-таки чуть поуже) носили в эпоху английской королевы Елизаветы I. С ними дистанция вам обеспечена!

• Соблюдайте дистанцию креативно!

  Клюв держит на расстоянии

  Это — маска со знаменитого кельнского карнавала. Подобные носили еще в Средние века. Но тогда береглись от чумы. Теперь — от коронавируса.

  Автор: Инга Ваннер

Последствия употребления алкоголя в колледже

По оценкам исследователей, ежегодно:

• 1825 студентов колледжей в возрасте от 18 до 24 лет умирают от непреднамеренных травм, связанных с употреблением алкоголя, в том числе в результате дорожно-транспортных происшествий. ¹
• 696000 студентов в возрасте от 18 до 24 лет подверглись нападению со стороны другого пьяного студента. ²
• 97000 студентов в возрасте от 18 до 24 лет сообщают о сексуальном насилии, связанном с алкоголем, или изнасиловании на свидании. ²
• Примерно 9 процентов студентов колледжей соответствуют критериям для AUD. ³
• Примерно каждый четвертый студент колледжа сообщает об академических последствиях употребления алкоголя, в том числе о пропущенных уроках, отставании в классе, плохой успеваемости на экзаменах или работах и ​​получении более низких оценок в целом. ⁴

• ¹ Хингсон, Р.W .; Zha, W .; и Вайцман, E.R. Масштабы и тенденции связанной с алкоголем смертности и заболеваемости среди студентов колледжей США в возрасте 18–24 лет, 1998–2005 гг. Журнал исследований по алкоголю и наркотикам (Дополнение 16): 12–20, 2009 г. PMID: 19538908
• ² Hingson, R .; Heeren, T .; Зима, М .; и другие. Масштабы связанной с алкоголем смертности и заболеваемости среди студентов колледжей США в возрасте 18–24 лет: изменения с 1998 по 2001 год. Annual Review of Public Health 26: 259–279, 2005.PMID: 15760289
• ³ САМХСА. Национальное исследование употребления наркотиков и здоровья, 2019 г. Таблица 6.23B — Расстройство, связанное с употреблением алкоголя в прошлом году среди лиц в возрасте от 18 до 22 лет, по статусу поступления в колледж и демографическим характеристикам: проценты, 2018 и 2019 годы. Доступно на https://www.samhsa.gov/data/sites/default/files /reports/rpt29394/NSDUHDetailedTabs2019/NSDUHDetTabsSect6pe2019.htm#tab6-23b. Дата обращения 01.10.20.
• ⁴ Wechsler, H .; Даудалл, Г.W .; Maenner, G .; и другие. Изменения в пьянстве и связанные с этим проблемы среди студентов американских колледжей в период с 1993 по 1997 год: результаты исследования алкоголя Гарвардской школы общественного здравоохранения. Журнал здравоохранения Американского колледжа 47 (2): 57–68, 1998. PMID: 9782661

Последствия изменения биоразнообразия | Природа

Последствия политики XXI века для многовекового изменения климата и уровня моря

Последствия изменения климата | Climate Action

Изменение климата затрагивает все регионы мира. Полярные ледяные щиты тают, и море поднимается. В некоторых регионах экстремальные погодные явления и осадки становятся более обычным явлением, в то время как в других наблюдается более сильная жара и засухи.

Ожидается, что в ближайшие десятилетия это воздействие усилится.

Таяние льда и повышение уровня моря

Когда вода нагревается, она расширяется. В то же время глобальное потепление вызывает таяние полярных ледниковых щитов и ледников.

Комбинация этих изменений вызывает повышение уровня моря, что приводит к наводнению и эрозии прибрежных и низменных территорий.

Экстремальная погода, меняющиеся осадки

Сильные дожди и другие экстремальные погодные явления учащаются. Это может привести к наводнениям, и , снижению качества воды, , но также , уменьшению доступности водных ресурсов в некоторых регионах.

Последствия для Европы

• Южная и центральная Европа наблюдаются более частые волны тепла, лесные пожары и засухи.
• Средиземноморский регион становится суше, что делает его еще более уязвимым для засухи и лесных пожаров.
• Северная Европа становится значительно влажнее, и зимние наводнения могут стать обычным явлением.
• Городские районы , где в настоящее время проживают 4 из 5 европейцев, подвержены воздействию волн жары, наводнений или повышения уровня моря, но часто плохо приспособлены для адаптации к изменению климата.

Последствия для развивающихся стран

Многие бедные развивающиеся страны относятся к числу наиболее пострадавших. Люди, живущие там часто , сильно зависят от своей природной среды , и у них меньше всего ресурсов, чтобы справиться с изменяющимся климатом.

Риски для здоровья человека

Изменение климата уже оказывает влияние на здоровье:

• Произошло увеличение числа смертей от жары, в некоторых регионах и снижение смертности от холода в другие.
• Мы уже наблюдаем изменения в распространении некоторых болезней, передающихся через воду, и переносчиков болезней.

Издержки для общества и экономики

Ущерб имуществу и инфраструктуре, а также здоровью людей ложатся тяжелыми издержками на общество и экономику.

В период с 1980 по 2011 год от наводнений пострадало более 5,5 миллионов человек, а прямые экономические потери составили более 90 миллиардов евро.

Сектора, которые сильно зависят от определенных температур и уровней осадков, такие как сельское хозяйство, лесное хозяйство, энергетика и туризм , особенно страдают.

Риски для дикой природы

Изменение климата происходит так быстро, что многие виды растений и животных изо всех сил пытаются справиться с этим.

Многие наземные, пресноводные и морские виды уже переселились на новые места. Некоторые виды растений и животных будут подвержены повышенному риску исчезновения, если глобальные средние температуры будут продолжать бесконтрольно повышаться.

Управление непредвиденными последствиями ваших инноваций

Венчурным капиталистам нравятся прорывные стартапы, которые могут быстро масштабироваться и сдерживать регуляторов.Но по мере того, как общество становится более осведомленным о непредвиденных последствиях новых предприятий, особенно тех, которые создают технологии, которые становятся частью нашей повседневной жизни, люди, которые запускают эти предприятия, должны стать более внимательными и проактивными в выявлении потенциальных непредвиденных последствий, чтобы смягчить их на ранней стадии.

Хотя мы стали свидетелями беспрецедентных инноваций в 21 веке ^{-го и} годов, мы также стали свидетелями разрушительных непредвиденных последствий непроверенных технологий.

Марк Цукерберг, например, не создавал Facebook, чтобы злоупотреблять злоупотреблениями со стороны третьих лиц и политическим вмешательством на платформе. Тем не менее, подпитываемая мантрой «двигайся быстро и ломай», платформа, предназначенная «дать людям возможность делиться и сделать мир более открытым и взаимосвязанным», в конечном итоге имела разрушительные непредвиденные последствия, такие как недавний штурм Капитолия. .

Непредвиденные последствия технологий — это не откровение 21 ^{-го века} .В 1930-х годах Роберт Мертон предложил основу для понимания различных типов непредвиденных последствий — непредвиденных выгод, порочных результатов и неожиданных недостатков. Действительно, на протяжении всей истории мы видели, как значительные достижения, такие как промышленная революция или кукурузный сироп с высоким содержанием фруктозы, могут иметь длительные пагубные последствия для общества, такие как загрязнение воздуха и диабет. Однако последствия сегодняшних технологий более ужасны, потому что скорость их объединения возрастает в геометрической прогрессии.Быстрое масштабирование, вызванное законами Мура и Меткалфа, принесло пользу технологической отрасли и подорвало ее, усугубив непредвиденные последствия.

Являются ли эти непредвиденные последствия неизбежными, необходимой ценой человеческого прогресса на других фронтах? Или мы можем их предвидеть и смягчить?

Само слово «непредвиденный» предполагает последствия, которые мы просто не можем себе представить, как бы мы ни старались. Наш естественный предел в предсказании будущего подразумевает, что, возможно, мы мало что можем сделать заранее.Похоже, мы должны согласиться на утилитарный компромисс, надеясь, что любые новые преимущества технологии, как ожидаемые, так и непредвиденные, превышают ее затраты. Мы можем быть встревожены непредвиденными последствиями Google, такими как предвзятость поиска, но действительно ли мы хотим отказаться от возможности получать доступ к мировой информации на кончиках наших пальцев? Хотя утилитарный расчет имеет прагматическую привлекательность, он порождает свои собственные непредвиденные последствия — отстранение предпринимателей и их инвесторов от ответственности.Почему они должны нести ответственность за вредные последствия, которые они не собирались создавать, особенно если их бизнес также приносит много общественного блага?

Несмотря на сложность, мы считаем, что предприниматели и инвесторы должны активизировать усилия и взять на себя непредвиденные последствия своего бизнеса. Как ранее писал Хемант, образ мышления основателя является неотъемлемой частью катализатора изменений в отношении того, как компании думают о предполагаемых и непредвиденных последствиях. Без предварительной готовности основателя противостоять этим сложным вопросам — и окружать себя мыслителями разных направлений, чтобы скрыть свои слепые пятна — маловероятно, что организация увидит способы, которыми ее продукты могут повлиять на общество, или будет иметь средства для создания соответствующих сдержек и противовесов. .

Использование алгоритмических канареек

В прошлом предотвращение непредвиденных неблагоприятных последствий инноваций было сложной задачей. Без компьютеров, помогающих им, предприятия могли полагаться только на человеческое предвидение, чтобы предсказать, что произойдет, и построить соответствующие ограждения. Или им приходилось назначать команды для тщательного наблюдения за тем, как последствия их технологий развивались по мере их распространения. В большинстве случаев ни этого предчувствия, ни этой должности было недостаточно. Корректировка курса пришла слишком поздно, потому что проблемы всплыли только тогда, когда они стали заголовками новостей.Более того, как только технология стала глубоко укоренившейся, у компаний, которые ими управляли, уже были глубоко кальцинированные экономические интересы, которые было сложно развязать.

Несмотря на то, что современные технологии более сложны и их труднее устранить, у нас наконец-то есть инструмент, который позволяет нам выявлять проблемы, которые могут выйти из-под контроля, — искусственный интеллект.

Искусственный интеллект с глубоким обучением может помочь выявить закономерности, которые люди могут с трудом распознать, и дает нам новые возможности для прогнозирования.Внедрение алгоритмических канареек в наши технологии — это первый шаг, который мы должны сделать, чтобы предвидеть и смягчать непредвиденные последствия.

Мы наблюдали, например, развитие моделей искусственного интеллекта, таких как Институт Аллена для ИИ Гровера, которые ищут «фейковые новости» и блокируют дезинформацию до того, как она достигнет массовой аудитории. Институт Брукингса недавно представил несколько других примеров моделей искусственного интеллекта, которые могут генерировать и обнаруживать фейковые новости. Их исследования пришли к выводу, что Гровер имел 92% точности с точки зрения обнаружения человека и человека.машинописные новости.

Мы предлагаем разработать аналогичные алгоритмические канарейки для смягчения широкого спектра непредвиденных последствий. Проблема в том, что в настоящее время мы создаем эти алгоритмы ИИ ретроспективно. Забегая вперед, мы считаем, что учредители должны включать эти системы на самых ранних этапах процесса разработки продукта. Использование системного подхода к ответственности и четкая формулировка его как OKR (цель и ключевой результат) позволяет командам инженеров глубоко встраивать канарейки в свои технологии и отслеживать их как KPI (ключевые показатели эффективности).Таким образом, компании могут начать измерять то, что действительно имеет значение, помимо успеха в их собственном бизнесе, — потенциальные непредвиденные последствия использования их технологий и ответственность их руководителей за их смягчение.

Формулировка типов непредвиденных последствий

Хотя пример фейковых новостей как непреднамеренного следствия медиа-платформ сегодня кажется очевидным, проблема, с которой сталкиваются основатели при разработке алгоритмических канареек, состоит в том, что их научить ловить. Эти алгоритмы нужны нам для динамического прогнозирования непредвиденных последствий, которые могут возникнуть в результате действий, предпринимаемых самими фирмами, таких как проблемы с конфиденциальностью потребителей, когда бизнес-модель полагается на предоставление данных, которые можно монетизировать с помощью рекламы.Им также необходимо выявлять последствия событий, которые могут произойти вне контроля какой-либо конкретной фирмы, но могут быть смягчены в случае ожидания, например, потеря сегментов целого поколения из-за отсутствия доступа к образованию в случае пандемии. В конечном итоге, хотя типы непредвиденных последствий будут варьироваться от компании к компании, мы должны начать разработку типологии, которая будет руководить нашим коллективным мышлением.

Структура ESG, которую сейчас отстаивают многие инвесторы, является полезной отправной точкой, поскольку она побуждает задуматься о непредвиденных последствиях, охватывающих весь спектр экологических, социальных и управленческих аспектов.Однако, учитывая детали, необходимые для разработки алгоритмических канареек, эта типология потребует большей конкретики, чтобы она была действенной. Некоторые примеры типов специфичности, на которые мы должны обратить внимание, включают:

• Распространение дезинформации
• Концентрация информации и рыночная власть
• Нарушение конфиденциальности и личной информации
• Рост неравенства в рабочей силе
• Ограниченный доступ к товарам и услугам первой необходимости
• Отчуждение или социальная изоляция
• Ущерб окружающей среде

Этот список ни в коем случае не является исчерпывающим, но он описывает типы непредвиденных последствий, которых мы должны остерегаться.

Управление непредвиденными последствиями

Система классификации непредвиденных последствий полезна только в том случае, если она подкреплена дисциплинированной практикой. Алгоритмы могут выполнять большую часть работы, недоступной людям; однако лидеры организации должны превратить эти усилия в интеллектуальные упражнения. Ниже мы предлагаем несколько предложений о том, как учредители, инвесторы и регулирующие органы могут систематически работать вместе для уменьшения непредвиденных последствий на практике:

• С самого начала повысить учет непредвиденных последствий .Предприниматели и инвесторы должны настаивать на глубоком анализе непредвиденных последствий при создании компаний. Учредители должны включать эти соображения в свои материалы, а инвесторы должны углубиться в них во время осмотрительности. Когда предприниматели и инвесторы задумываются о партнерстве, предвидение непредвиденных последствий должно иметь такое же значение, как и любой другой бизнес-показатель.
• Ориентация корпоративного управления на смягчение непредвиденных последствий .Основой корпоративного управления являются советы директоров, которые помогают предприятиям принимать важные решения и выполнять свои фидуциарные обязанности. Все чаще многие фирмы также имеют независимые консультативные советы, которые помогают решать конкретные вопросы, связанные с развитием технологий. Аналогичным образом компаниям следует подумать о создании подкомитетов в составе своих советов директоров или, возможно, даже о создании независимых органов, как сейчас исследует Facebook, для управления тем, насколько хорошо они справляются с непредвиденными последствиями.Это гарантирует, что непредвиденным последствиям будет уделяться такое же внимание, как и другим факторам, которых требует хорошее управление.
• Сотрудничайте с регулирующими органами для создания подотчетности . Чтобы справиться с непредвиденными последствиями, мы должны быть открыты для разумного регулирования, которое защищает наши коллективные интересы. Нам было бы полезно, если бы новаторы собрались вместе, чтобы предложить основы саморегулирования, хотя регулирующие органы также могут сыграть полезную роль. Управление по санитарному надзору за качеством пищевых продуктов и медикаментов (FDA) — хороший пример агентства, которое тщательно рассматривает непреднамеренный медицинский вред, который может иметь новое лекарство или устройство, прежде чем одобрить его для распространения.Можно представить, что другие агентства могут играть аналогичную роль в запуске новых технологий, хотя мы хотим, чтобы они были менее громоздкими и требующими много времени.

В настоящее время идеал, которым руководствуются на стыке технологий, политики и капитала, заключается в создании предприятий, которые могут использовать новые технологии, масштабировать их как можно быстрее и сдерживать регулирование. Мы отмечали подрывные компании, но мы не указывали на непреднамеренные сбои, которые они могут вызвать.Результатом стало образование компаний, которые стали повсеместными в нашей жизни, но также привели к целому ряду вредных непредвиденных последствий. Мы выступаем за новый дух инноваций, при котором непредвиденные последствия тщательно рассматриваются с самого начала и отслеживаются с течением времени для их значительного смягчения. Мы считаем, что можем добиться этого, если технологические новаторы создадут программные алгоритмы, которые могут служить канарейками для устранения возникающего вреда, поставщики капитала настаивают на оценке и регулировании непредвиденных последствий, а лица, определяющие политику, оценивают непредвиденные последствия для обеспечения соблюдения.Это совершенно другой этос, но его необходимо принять, если мы не хотим жить в мире антиутопии.

Неблагоприятные последствия закрытия школ

Подробнее об ответных мерах ЮНЕСКО в области образования на COVID-19

Закрытие школ сопряжено с высокими социальными и экономическими издержками для людей в разных общинах. Однако их воздействие особенно серьезно для наиболее уязвимых и маргинализированных мальчиков и девочек и их семей.Возникающие в результате сбои усугубляют уже существующие различия в системе образования, а также в других аспектах их жизни. К ним относятся:

• Прерванное обучение : Школьное обучение обеспечивает необходимое обучение, и когда школы закрываются, дети и молодежь лишаются возможностей для роста и развития. Эти недостатки непропорциональны для учащихся из малообеспеченных семей, у которых, как правило, меньше возможностей для получения образования после школы.
• Плохое питание : Многие дети и молодежь полагаются на бесплатное питание или питание по сниженным ценам в школах для получения еды и здорового питания.Когда школы закрываются, питание ухудшается.
• Путаница и стресс для учителей : Когда школы закрываются, особенно неожиданно и на неизвестный срок, учителя часто не уверены в своих обязанностях и в том, как поддерживать связи с учениками для поддержки обучения. Переход на платформы дистанционного обучения, как правило, бывает беспорядочным и разочаровывающим даже в лучших обстоятельствах. Во многих случаях закрытие школ приводит к увольнениям или увольнениям учителей.
• Родители не готовы к дистанционному и домашнему обучению : Когда школы закрываются, родителей часто просят способствовать обучению детей дома, и они могут с трудом справиться с этой задачей.Это особенно актуально для родителей с ограниченным образованием и ресурсами.
• Проблемы создания, поддержки и улучшения дистанционного обучения : Спрос на дистанционное обучение стремительно растет, когда школы закрываются и часто перегружают существующие порталы дистанционного обучения. Масштабный и поспешный перенос обучения из классных комнат в дома представляет собой огромные проблемы, как человеческие, так и технические.
• Пробелы в уходе за детьми : При отсутствии альтернативных вариантов работающие родители часто оставляют детей одних, когда школы закрываются, и это может привести к рискованному поведению, включая усиление давления со стороны сверстников и злоупотребления психоактивными веществами.
• Высокие экономические издержки : Работающие родители чаще пропускают работу, когда закрываются школы, чтобы заботиться о своих детях. Это приводит к потере заработной платы и, как правило, отрицательно сказывается на производительности.
• Непреднамеренная нагрузка на системы здравоохранения : Медицинские работники с детьми не могут легко посещать работу из-за обязательств по уходу за детьми, которые возникают в результате закрытия школ. Это означает, что многие медицинские работники не находятся в тех учреждениях, где они больше всего нужны во время кризиса со здоровьем.
• Усиление давления на школы и школьные системы, которые остаются открытыми : Локальное закрытие школ ложится бременем на школы, поскольку правительства и родители одинаково перенаправляют детей в школы, которые остаются открытыми.
• Рост показателей отсева : Задача состоит в том, чтобы дети и молодежь вернулись и остались в школе, когда школы вновь открываются после закрытия. Это особенно верно в отношении длительных закрытий и когда экономические потрясения вынуждают детей работать и приносить доход семьям, находящимся в тяжелом финансовом положении.
• Повышенная подверженность насилию и эксплуатации : Когда школы закрываются, увеличивается количество ранних браков, все больше детей вербуются в ополчения, возрастает сексуальная эксплуатация девочек и молодых женщин, возрастает число беременностей в подростковом возрасте и растет число детского труда.
• Социальная изоляция : Школы являются центрами социальной активности и человеческого взаимодействия. Когда школы закрываются, многие дети и молодежь теряют социальные контакты, которые необходимы для обучения и развития.
• Проблемы измерения и подтверждения обучения : Календарные оценки, особенно экзамены с высокими ставками, которые определяют прием или продвижение на новые уровни образования и учебные заведения, теряются, когда школы закрываются. Стратегии откладывания, пропуска или проведения дистанционных экзаменов вызывают серьезные опасения по поводу справедливости, особенно когда доступ к обучению становится переменным. Нарушения оценивания приводят к стрессу учащихся и их семей и могут спровоцировать отстранение от занятий.

Экономические и социальные последствия ограничений мобильности людей в соответствии с COVID-19

Значимость

В этом документе представлен крупномасштабный анализ воздействия мер изоляции, введенных в ответ на распространение нового коронавирусного заболевания 2019 (COVID-19), на социально-экономическое положение. условия граждан Италии. Мы используем массивный набор данных о мобильности людей в режиме реального времени и моделируем ограничения мобильности как экзогенный шок для экономики, похожий на стихийное бедствие.Мы обнаружили, что меры изоляции имеют двоякий эффект: во-первых, их влияние на мобильность сильнее в муниципалитетах с более высокими финансовыми возможностями; во-вторых, они вызывают эффект сегрегации: сокращение мобильности сильнее в муниципалитетах, где неравенство выше, а доход на душу населения ниже. Мы подчеркиваем необходимость фискальных мер, учитывающих эти эффекты, направленных на снижение уровня бедности и неравенства.

Abstract

В ответ на пандемию коронавирусного заболевания 2019 г. (COVID-19) правительства нескольких стран ввели ограничения на изоляцию, чтобы снизить уровень инфицирования.Здесь мы проводим масштабный анализ данных о мобильности в Италии, предоставляемых Facebook в режиме реального времени, чтобы исследовать, как стратегии изоляции влияют на экономические условия отдельных лиц и местных органов власти. Мы моделируем изменение мобильности как экзогенный шок, похожий на стихийное бедствие. Мы определяем два способа, которыми ограничения передвижения влияют на граждан Италии. Во-первых, мы обнаруживаем, что влияние блокировки сильнее в муниципалитетах с более высокими финансовыми возможностями. Во-вторых, мы находим доказательства эффекта сегрегации, поскольку сокращение мобильности сильнее в муниципалитетах, в которых выше неравенство, и в тех, где люди имеют более низкий доход на душу населения.Наши результаты подчеркивают как социальные издержки изоляции, так и проблему беспрецедентной интенсивности: с одной стороны, кризис вызывает резкое сокращение бюджетных доходов как национальных, так и местных органов власти; с другой стороны, необходимы значительные финансовые усилия, чтобы поддержать наиболее уязвимых людей и смягчить рост бедности и неравенства, вызванный изоляцией.

9 марта 2020 года Италия стала первой европейской страной, применившей национальную изоляцию (1) в ответ на распространение нового коронавирусного заболевания 2019 (COVID-19).Вслед за Италией и Китаем национальные блокировки были приняты другими правительствами, и потоки мобильности были резко сокращены, чтобы снизить скорость передачи COVID-19 (2).

Возникает озабоченность по поводу экономических последствий изоляции и того, как она может непропорционально ударить по слабым и бедным (3). Меры блокировки затронули несколько производственных секторов, производственно-сбытовых цепочек и торговых обменов, побудив правительства G20 объявить о фискальных интервенциях в размере около 8 триллионов долларов и масштабных монетарных мерах (4).Фактически, шок предложения вызывает глубокое сокращение совокупного спроса, что еще больше ставит под угрозу социально-экономическое восстановление (5).

Интенсивность внезапной остановки, вызванной вспышкой COVID-19, вызывает эффекты, аналогичные последствиям крупномасштабного экстремального стихийного бедствия (6–11). Здесь, как и в исх. 12 и 13, мы моделируем изменение мобильности, затрагивающее итальянские муниципалитеты, как экзогенный шок. С этой целью мы используем неидентифицированный крупномасштабный сбор данных в режиме, близком к реальному времени, предоставляемых платформой Facebook, чтобы охарактеризовать влияние ограничений мобильности населения (14).Таким образом, мы полагаемся на официальную статистику на уровне муниципалитетов, чтобы изучить особенности тех, которые больше всего пострадали.

Мы измеряем вариации мобильности как показатель интенсивности экономического спада, связанного с изоляцией. Как показано в исх. 2, тенденции мобильности, связанные с туризмом, розничной торговлей и услугами, внезапно сократились более чем на 90% в Италии во время блокировки. На этом фоне мы исследуем географическое распределение шоков мобильности, чтобы определить экономические условия наиболее и наименее затронутых зон.Наши результаты показывают, что, с одной стороны, снижение мобильности, вызванное изоляцией, сильнее для муниципалитетов с более высокими финансовыми возможностями. С другой стороны, мы замечаем, что сокращение мобильности выше для муниципалитетов с более низким доходом на душу населения и для муниципалитетов с более высоким уровнем неравенства. После кризиса центральным правительствам необходимо не только поддерживать восстановление экономики, но и компенсировать потерю местного фискального потенциала и налоговых поступлений, одновременно направляя ресурсы на смягчение воздействия изоляции на бедность и неравенство.

Эффекты ограничений мобильности

На рис. 1 A и B мы сравниваем два ежедневных снимка мобильной сети муниципалитетов, агрегированных на уровне провинций. После 21 дня национальной изоляции мы замечаем поразительную фрагментацию обычных моделей национальной мобильности с севера на юг. Мы характеризуем ежедневные модели подключения (16) с помощью сетевых показателей (17).

Подключение итальянской мобильной сети во время эпидемии COVID-19.( A и B ) Снимки мобильной сети за два понедельника до и после национальной блокировки (9 марта), то есть ( A ) 24 февраля и ( B ) 30 марта. Узлы представляют муниципалитеты агрегированы на уровне провинции, и все они имеют одинаковый размер, тогда как толщина краев пропорциональна их весу. Вставки дают представление о различных регионах, где размер узла вместо этого пропорционален населению провинции. ( C ) Временная эволюция связности сети с точки зрения количества слабо связанных компонентов (No.WCC, красный) и размер гигантского связного компонента (размер LWCC, синий), измеренный на ежедневных снимках мобильной сети с 23 февраля по 4 апреля; тенденции значительно возрастают (MK: P≈0; KT: P≈0 R = 0,64; TS: R = 30,52) и уменьшаются (MK: P≈0; KT: P≈0, R = −0,67; TS: R = −58,58) соответственно. ( D ) Временная эволюция глобальной эффективности итальянской сети мобильной связи с 23 февраля по 4 апреля. Эффективность вычисляется в соответствии с исх. 15. Мы используем величину, обратную весам, для моделирования расстояний между узлами.Тенденция значительно снижается (M-K: P≈0; K-T: P≈0, R = -0,75; T-S: R = -0,00003). Чтобы визуализировать тенденции в C и D , мы показываем регрессию локально оцененного сглаживания диаграммы рассеяния (LOESS) (пунктирная линия) с 95% доверительным интервалом (заштрихованная область) и выделяем блокировку и будние дни сплошными и пунктирными вертикальными красными линиями, соответственно.

На рис. 1 C мы анализируем временную эволюцию количества слабо связанных компонентов и размера самого большого подключенного компонента в общей сети мобильности.Мы выделяем две противоположные и значимые тенденции: возрастающую (Манна – Кендалла [MK]: P≈0; Тау Кендалла [KT]: P≈0 R = 0,64; Тейла – Сена [TS]: R = 30,52) и убывающую (MK: P≈0; KT: P≈0, R = −0,67; TS: R = −58,58), которые документируют разбивку концентраторов и соединений дальнего действия.

Далее мы оцениваем влияние ограничений мобильности, используя сетевое представление данных о мобильности и эффективность вычислительной сети (15) ( Материалы и методы, ) в качестве косвенного показателя динамики системы.Эффективность — это глобальная сетевая мера, которая объединяет информацию, получаемую от сплоченности сети, и расстояние между узлами, чтобы измерить, насколько эффективно информация / отдельные лица перемещаются по сети (18). Кроме того, эффективность особенно подходит для обработки графов с несколькими компонентами, которые со временем развиваются (19). Как показано на рис.1 D , мы наблюдаем тенденцию к резкому снижению эффективности сети (MK: P≈0; KT: P≈0, R = −0,75; TS: R = −0,00003), что подтверждает выраженное падение общего потенциала мобильности.

Наконец, мы наблюдаем значительные изменения в распределении нескольких показателей центральности узлов с течением времени ( SI, приложение , рис. S2 – S4 и таблица S3), при этом периферийные муниципалитеты являются наиболее пострадавшими от блокировки ( SI, приложение , Рис. S5 и Таблица S4).

В следующей оценке мы используем вариацию узловой эффективности ( Материал и методы ), то есть вклад каждого узла в эффективность глобальной сети, в качестве прокси для локальных эффектов ограничений мобильности.Мы вычисляем процентное относительное изменение, вызванное блокировкой, путем построения сетей мобильности в двух окнах: 14 дней до и после дня вмешательства.

Экономическая изоляция от нарушения мобильности

Во-первых, мы сосредоточимся на среднем индивидуальном доходе, который составляет основу итальянского подоходного налога с физических лиц, ежегодно декларируемого налогоплательщиками.

Во-вторых, мы используем муниципальный сводный индекс материального и социального благополучия (Индекс социально-экономической депривации), разработанный Министерством экономики и финансов Италии, который объединяет несколько параметров материальных и социальных условий на муниципальном уровне (20 ) ( Материалы и методы, ) и представляет собой один из определяющих факторов стандартных муниципальных потребностей в расходах.

В приложении SI , рис. S6, мы показываем отношения между двумя индексами в отношении относительного изменения узловой эффективности. Мы наблюдаем значительную отрицательную корреляцию с индексом депривации (Пирсон: R = -0,153, P≈0; Спирмен-Ро (SR): R = -0,235, P≈0; TS: R = -0,064; KT: R = — 0,162, P≈0), но положительная корреляция с доходом на душу населения (Пирсон: R = 0,263, P≈0; SR: R = 0,404, P≈0; TS: R = 0,001; KT: R = 0,273, P≈0. ). Мы также замечаем аналогичные и важные взаимосвязи при использовании других показателей централизации сети ( SI, приложение , таблица S3).

В качестве третьей основной переменной мы рассматриваем бюджетные возможности муниципалитетов, которые ежегодно измеряются Министерством экономики и финансов Италии и используются в процессе финансового выравнивания (21). В частности, муниципалитеты с высоким бюджетным потенциалом, как правило, финансово независимы от центрального правительства, в то время как низкие значения подразумевают большую зависимость от трансфертов.

Наконец, в качестве дополнительных регрессоров мы вводим меру муниципального неравенства, то есть соотношение между средним и медианным индивидуальным доходом, и обратную меру плотности городского населения с точки зрения количества недвижимости на душу населения.

На рис. 2 мы показываем географическое распределение среднего дохода на душу населения в провинциях Италии, отделяя наиболее пострадавшие (рис. 2 A ) от наименее пострадавших (рис. 2 B ). Мы сообщаем о распределении неравенства для каждой провинции относительно среднего значения по всем провинциям. Сразу видно, что наиболее пострадавшие провинции имеют в среднем более низкий доход на душу населения. Однако географическое распределение отражает не разделение с севера на юг, а скорее отдельную динамику для северо-востока Италии по отношению к остальной части страны.Некоторые провинции на северо-западе, такие как Турин и Генуя, находятся в числе наиболее пострадавших. Наконец, неравенство доходов выше среднего почти во всех наименее затронутых провинциях, в то время как в наиболее пострадавших провинциях мы обнаруживаем более редкое распределение. Это наблюдение указывает на необходимость более детального анализа на муниципальном уровне, чтобы квалифицировать эти агрегированные результаты.

Характеристики ( A ) наиболее пострадавших и ( B ) наименее пострадавших муниципалитетов, агрегированные на уровне провинций.( Left ) Географические распределения с цветами, соответствующими среднему доходу на душу населения в каждой провинции. ( справа ) Положение каждой провинции в распределении неравенства доходов относительно среднего неравенства в выборке (серая пунктирная линия). Регионы Италии, по которым нет данных, выделены серым цветом.

Второе предварительное свидетельство состоит в том, что совместное распределение по процентилям вариации мобильности и экономических показателей сосредоточено на верхнем и нижнем процентилях ( SI Приложение , рис.S7 и S8). Этот результат важен, так как он показывает иную взаимосвязь между крайностями распределения экономических показателей и мобильности по сравнению с той, которая наблюдается около средних значений ( SI Приложение , рис. S6).

На этом фоне в таблице 1 мы показываем результаты квантильной регрессии, где относительное изменение узловой эффективности во времени регрессирует по набору экономических показателей с региональным контролем. Наш подход с квантильной регрессией оценивает условную квантиль нашей зависимой переменной по ее предикторам (22), что позволяет нам, таким образом, сосредоточиться на динамике в хвостах распределения и уловить эффекты, которые с помощью линейных методов были бы классифицированы как несущественные (6). .Наши оценки в верхнем и нижнем квантилях распределения вариации узловой эффективности показывают лучшее соответствие по сравнению с обычным методом наименьших квадратов (МНК), приведенным в качестве справочного материала в таблице 1. Эти результаты подтверждают и уточняют наблюдения, выделенные на рис. Мы наблюдаем значительную и положительную связь между изменением мобильности во время изоляции и средним индивидуальным доходом для нижних квантилей распределения (q0,05 = 0,2587, SE = 0,0253). Мы изучаем, как муниципалитеты на нижнем конце распределения изменений мобильности (с 10-го по 20-й процентили) распределяются в соответствии с их доходом на душу населения, и мы обнаруживаем, что снижение связности и мобильности выше для муниципалитетов с низким средним индивидуальным доходом. , а муниципалитеты с высоким доходом на душу населения претерпевают менее интенсивные изменения.Более того, в верхнем конце распределения зависимость обратная (q0,95 = -0,2489, SE = 0,0506). Эта асимметрия совместного распределения сокращения мобильности и дохода на душу населения раскрывает существование возможного эффекта сегрегации: даже несмотря на то, что в некоторых из самых богатых городов наблюдается более высокий уровень потерь, люди с низкими доходами в большей степени страдают от экономических последствий изоляции.

Результаты квантильной регрессии относительной разницы в эффективности с течением времени по отношению к доходу на душу населения с множественными контролями: социальный и финансовый кризис в муниципалитете (депривация и финансовая способность), концентрация владений (недвижимое имущество pc), неравенство доходов и региональный контроль

Когда мы переходим к анализу характеристик муниципальных образований, измеряемых через депривацию и фискальную способность, мы находим другой результат: муниципалитеты, которые относительно богаче с точки зрения социальных показателей и фискальной способности, оказываются в большей степени затронутыми из-за потери эффективности мобильности после блокировки (q0.05 = 0,1686, SE = 0,0276 для депривации; q0,05 = -0,1461, SE = 0,0286 для фискальной емкости).

Возникают две, казалось бы, противоположные модели: отдельные показатели (средний доход) показывают, что беднейшие слои населения более подвержены экономическим последствиям изоляции; И наоборот, совокупные показатели на уровне муниципалитетов, то есть депривация и бюджетная способность, показывают, что более богатые муниципалитеты больше страдают от сокращения мобильности, вызванного изоляцией.

Чтобы пролить свет на эти явно противоположные результаты, мы исследуем взаимосвязь между неравенством и сокращением мобильности: мы обнаруживаем значительную и отрицательную взаимосвязь между двумя переменными на нижнем конце распределения снижения мобильности (q0.2 = -0,0410, SE = 0,0124). Этот результат проясняет наши выводы: не только более сильные негативные изменения в мобильности связаны с муниципалитетами с низким доходом, но они также связаны с высоким уровнем неравенства. Поскольку неравенство рассчитывается как соотношение между средним и медианным доходом, муниципалитет с более высоким уровнем неравенства имеет большую долю бедных, то есть граждан с доходом ниже среднего, по сравнению с другими муниципалитетами с сопоставимыми уровнями среднего дохода на душу населения. Другими словами, мы обнаруживаем, что сокращение мобильности имеет тенденцию быть более интенсивным в муниципалитетах, где число лиц с доходом ниже среднего больше, даже если показатели эффективности муниципальных образований хорошие (высокий бюджетный потенциал).В целом, наши результаты, кажется, указывают на то, что итальянские муниципалитеты сталкиваются с проблемой беспрецедентной интенсивности, поскольку, с одной стороны, они испытают резкое сокращение бюджетных доходов, генерируемых их налоговой базой, а с другой стороны, они потребуется приложить усилия, чтобы поддержать наиболее уязвимых людей.

На наши результаты не повлияли данные о недвижимости и региональный контроль. Мы обнаруживаем отрицательную связь между количеством зданий на душу населения и изменениями мобильности (q0.05 = -0,1622, SE = 0,0251): Муниципалитеты, в большей степени затронутые сокращением мобильности, имеют больше зданий на душу населения, следовательно, меньшую плотность городского населения. Более того, за счет включения элементов управления для всех регионов наши результаты не изменяются, показывая, что наши выводы не основываются на региональном распределении муниципалитетов (см. SI Приложение для расширенных результатов, включая региональные элементы управления).

В целом, наши данные показывают, что изоляция, похоже, оказывает асимметричное воздействие, поражая малоимущих в муниципалитетах с сильными финансовыми возможностями, с более слабыми последствиями в северо-восточной Италии.

Выводы

Мы анализируем массивный набор данных о мобильности до и после итальянской блокировки, введенной для борьбы с пандемией COVID-19. Мы исследуем, как различия в мобильности связаны с некоторыми фундаментальными экономическими переменными, и, соответственно, мы показываем, что сокращение возможности установления соединений имеет тенденцию быть сильнее для муниципалитетов с низким средним индивидуальным доходом и высоким неравенством доходов. В то же время мы замечаем, что ограничения мобильности сильнее сказываются на муниципалитетах с более высокими финансовыми возможностями.

Наши выводы проливают свет на некоторые социальные и экономические последствия политических мер, принятых для сдерживания распространения COVID-19. Во-первых, изоляция неравномерно сказывается на более бедной части населения. Во-вторых, мы обнаружили, что снижение мобильности и возможности подключения, вызванное блокировкой, более заметно для муниципалитетов с более сильным финансовым потенциалом. Наконец, играет роль распределение доходов: муниципалитеты, в которых неравенство выше, испытывают более выраженное сокращение мобильности.Наши результаты указывают на беспрецедентную фискальную проблему: с одной стороны, доходы центрального и местного бюджета будут ниже; в то же время необходимы дополнительные ресурсы для выздоровления более слабой части населения. В отсутствие целевых направлений вмешательства изоляция, скорее всего, вызовет дальнейший рост бедности и неравенства.

Материалы и методы

Заявление о доступности данных.

Что касается мобильности людей в Facebook, то все данные предоставляются в соответствии с академическим лицензионным соглашением с Facebook через его программу «Данные для хорошего» (доступно по адресу https: // dataforgood.fb.com/tools/disease-prevention-maps/). Facebook предоставляет данные по запросу некоммерческим организациям и ученым. Что касается экономических переменных и матрицы мобильности, которую мы использовали для проверки данных о мобильности до блокировки Facebook, все данные общедоступны через I.Stat (http://dati.istat.it/), за исключением медианы. доход, используемый для расчета индекса неравенства, который можно получить в Министерстве экономики и финансов Италии (MEF). Для подробного описания всех источников мы приводим соответствующие ссылки в SI Приложение , Data .

Данные о мобильности человека.

Мы проанализировали мобильность между муниципалитетами на основе «Карты профилактики заболеваний», предоставленной Facebook в рамках программы «Данные во благо» (14). Эти карты состоят из деидентифицированной и агрегированной информации о пользователях Facebook, полученной с их мобильных телефонов с включенной функцией геолокации, показывая движение по административным регионам (то есть итальянским муниципалитетам, в нашем случае). Подобно недавнему исследованию (23, 24), данные не указывают на количество путешествующих людей, а создаются Facebook с использованием собственных методов, которые включают механизмы для обеспечения защиты конфиденциальности, чтобы обеспечить индекс, который коррелирует с реальными перемещениями людей (14).Мы собрали данные о перемещениях между итальянскими муниципалитетами с 23 февраля на 4 апреля (COVID-19 был впервые диагностирован на полуострове в ночь с 20 на 21 февраля). Результирующий набор данных содержит приблизительно 800 000 отдельных наблюдений, охватывающих почти 3 000 различных муниципалитетов. Среднее количество ежедневных пользователей с включенной функцией определения местоположения в течение периода наблюдения составляло примерно 3,8 миллиона. Данные не являются общедоступными, но они были предоставлены Facebook в соответствии с академическим лицензионным соглашением ( SI Приложение , Data ).

Эффективность сети.

Эффективность — это глобальная сетевая мера, которая объединяет информацию, полученную из связности сети и расстояния между узлами, измеряя, насколько эффективно осуществляется обмен информацией по сети (15), и ее можно определить как среднее значение узловой эффективности eij среди пар вершин сети. Для взвешенной сети G (V, E) с n = | V | узлов и m = | E | ребер, связи группы G представлены взвешенной матрицей смежности W с элементами {wij}, где wij≥0 ∀ i, j.Глобальную эффективность можно записать следующим выражением: Eglob (G) = 1n (n − 1) ∑i ≠ j∈Veij = 1n (n − 1) ∑i ≠ j∈G1dij, [1] где dij — расстояние между двумя общими узлами i и j, определяемым как длина кратчайшего пути среди таких узлов. Длина кратчайшего пути dij — это наименьшая сумма весов wij по всем возможным путям в сети от i до j. Когда узлы i и j не могут быть соединены никаким путем, тогда dij = + ∞ и eij = 0. Следуя методике исх. 15, глобальный КПД Eglob (G) нормализован, чтобы принять максимальное значение E (G) = 1 в случае идеального КПД.Чтобы нормализовать Eglob (G), мы рассмотрим случай идеальной сети Gid, то есть полносвязного графа, в котором все узлы соединены друг с другом кратчайшим возможным расстоянием, которое в нашем случае соответствует min (dij) = min (wij) = wmin ∀i, j. Эффективность такого идеального графа равна Eglob (Gid) = 1 / wmin, и, таким образом, нормализованная эффективность равна E (G) norm = Eglob (G) / Eglob (Gid) с диапазоном 0≤E (G) norm≤1. . В этом случае узловая эффективность, то есть вклад каждого узла в глобальную эффективность, может быть просто записана как asei = 1n − 1∑j ≠ i1dij, [2], а нормализованная узловая эффективность может быть записана как einorm = ei wmin.Помимо географического расстояния между двумя узлами графиков, также может быть определена эпидемиологическая близость, учитывая, что два местоположения становятся ближе, если между ними перемещается много людей. Чтобы вычислить эффективность сети, мы используем величину, обратную весам на дугах, для вычисления, соответственно, кратчайшего пути между двумя узлами.

Модель.

Мы определяем t0 как 14-дневный период до блокировки, а t1 как 14-дневный период после дня вмешательства. Мы строим две сети мобильности для каждого из периодов t0 и t1, где узлы представлены муниципалитетами, а (взвешенные) ребра соответствуют сумме трафика мобильности между ними во времени, измеренного Facebook.Пусть я буду итальянским муниципалитетом в нашей выборке; мы определяем относительное изменение эффективности Δei как (ei, t1 − ei, t0) / ei, t0, где ei определено в формуле. 2 .

Для нашей модели мы оцениваем следующее уравнение: Δei = α + β⋅xi + γzi, [3] где xi — вектор экономических показателей, измеряемых на муниципальном уровне, а zi — матрица региональных фиксированных эффектов. Все экономические показатели были измерены за периоды, предшествующие началу блокировки, и описаны ниже.

Экономические данные.

Экономические данные охватывают различные аспекты местного социально-экономического контекста каждого итальянского муниципалитета, всего 7 904 юрисдикции, представляющих элементарную административную единицу в Италии.

Всего наш набор данных включает шесть переменных: индивидуальный средний декларированный доход, который является показателем благосостояния граждан; депривация, финансовая способность и неравенство, которые обеспечивают различные показатели муниципального финансового и социального благосостояния; и, наконец, как пример структурных особенностей каждой территории, мы включаем количество недвижимости на душу населения и региональные фиксированные эффекты.

Описательная статистика и соответствующие ссылки приведены в SI Приложение , данные .

Объявленный доход.

Эта переменная представляет собой налоговую базу подоходного налога с физических лиц, заявленную налогоплательщиками в налоговой декларации за 2018 год в Агентство по доходам за 2017 финансовый год. Распределение на муниципальном уровне обеспечивается MEF, и в набор данных включены как средние, так и медианные значения.

Муниципальный индекс социально-экономической депривации.

Эта переменная представляет собой составной индекс, состоящий из пяти элементарных показателей, охватывающих следующие параметры: 1) образование: процент населения старше 6 лет, неграмотного или не имеющего ученой степени; 2) безработица: процент активного населения, не имеющего работы; 3) жилье: доля сданных в аренду объектов недвижимости от общего количества объектов недвижимости; 4) плотность населения: среднее количество компонентов в каждой семье; 5) экономическая бедность: процент налогоплательщиков с общим декларированным доходом ниже 10 000 евро.

Пять элементарных показателей рассчитываются на муниципальном уровне, затем преобразуются в процентное отклонение от среднего национального значения и, наконец, объединяются вместе с равными весами. Методика агрегирования представлена ​​в исх. 20. Этот индекс является одним из основных факторов, определяющих стандартные муниципальные потребности в расходах. Данные предоставлены итальянским MEF через веб-сайт https://www.opencivitas.it (хранилище всей информации, используемой для оценки стандартных муниципальных потребностей в расходах).

Муниципальный бюджет.

Эта переменная является официальным показателем стандартного уровня муниципальных налоговых доходов, основанного на трех основных источниках: налог на имущество, местный подоходный налог и местные сборы. Это значение, основанное на данных за 2016 год (последняя доступная информация), было рассчитано итальянским MEF и представляет, вместе со стандартными потребностями в расходах, главный строительный блок итальянской системы муниципального финансового выравнивания. Официальные данные публикуются каждый год специальным указом.

Неравенство муниципальных доходов.

Мы измеряем неравенство доходов на муниципальном уровне очень простым и прямым способом, как соотношение между средним и медианным значениями распределения заявленных доходов. Муниципалитеты со значением выше 1 — это те муниципалитеты, где доходы распределяются менее равномерно.

Количество недвижимого имущества на душу населения.

Это количество существующих зданий различных категорий, разделенное на количество людей в муниципалитете; эту переменную можно интерпретировать как обратную меру плотности населения или как прямую меру разрастания городов.Данные за 2016 год доступны через I.Stat (последняя доступная информация).

Региональные органы управления.

Наша регрессионная выборка обеспечивает хорошее представление всего набора итальянских муниципалитетов с точки зрения как численности населения, так и географического положения, включая 2387 наблюдений, соответствующих 30% итальянских муниципалитетов. Тем не менее, чтобы исключить пространственный побочный эффект, мы учитываем региональные смешивающие факторы.