Scott Cunningham's presentatie richt zich op het gebruik van data en algoritmen om problemen met sociale cohesie in Schotland aan te pakken, met vergelijkingen met methoden die in Nederland worden gebruikt. Na zijn verhuizing van Nederland naar Schotland, merkte Scott aanzienlijke sociaal-politieke veranderingen op, waaronder Brexit en COVID-19, die de sociale cohesie hebben beïnvloed. Hij betoogt dat verbeterde data en modellen inclusieve groei in Schotland kunnen bevorderen, een belangrijke nationale agenda.
Scott introduceert het "pull-up model," een ecologisch kader voor het begrijpen van steden dat vier lagen omvat: bevolking, organisatie, milieu en technologie. Dit model, geleerd op een AMS-conferentie, maakt een uitgebreide analyse mogelijk van hoe deze lagen met elkaar interageren. Scott werkt samen met de Urban Morphometrics eenheid van Strathclyde, gericht op ruimtelijke structuren en clustering binnen steden. Zijn werk integreert deze inzichten met zijn rol als beleidsanalist om de wisselwerking tussen menselijke populaties en technologische omgevingen te verkennen.
Institutionele economie biedt volgens Scott een lens om te begrijpen hoe regels - of ze nu juridisch, cultureel of zelfopgelegd zijn - sociale en ruimtelijke patronen vormgeven. Hij gebruikt Schotse data om deze concepten te illustreren, waarbij hij benadrukt hoe administratieve structuren gegevensverzameling en -gebruik beïnvloeden. De Schotse volkstelling organiseert datazones om een gedetailleerd nationaal overzicht te bieden, wat de complexe politieke geografie van Schotland weerspiegelt, een gedecentraliseerd deel van het VK met zijn eigen begrotingsbevoegdheid op gebieden zoals gezondheidszorg.
Scott’s data-analyse onthult scherpe contrasten in sociaaleconomische kansen in Schotland. Zo laten kaarten van depriveringszones aanzienlijke ongelijkheden zien binnen korte afstanden, zoals tussen welvarende gebieden en achtergestelde zones in Glasgow. Deze patronen benadrukken lang bestaande problemen zoals vervuiling en gebrek aan economische kansen in bepaalde gebieden, wat sociale ongelijkheden in stand houdt.
Een case study die Scott presenteert, betreft de infrastructuur voor het opladen van elektrische voertuigen (EV) in Schotland. Hoewel EV's worden gezien als een schone en duurzame technologie, stuiten ze op uitdagingen, vooral in afgelegen gebieden. Publiek eigendom laadpunten, verhuurd aan kleine ondernemingen, resulteren vaak in hogere kosten voor afgelegen regio's vanwege installatie logistiek. Dit voorbeeld onderstreept de ruimtelijke ongelijkheden in toegang tot duurzame technologieën.
Scott pleit voor het gebruik van machine learning en innovatieve data-analysemethoden om deze ongelijkheden aan te pakken. Door patronen in volkstellingsgegevens en andere demografische informatie te herkennen, kunnen beleidsmakers sociale kwesties beter begrijpen en aanpakken. Het identificeren van stedelijke potenties - demografische typen op basis van buurtkenmerken - kan bijvoorbeeld gerichte interventies informeren.
Scott bespreekt ook de beperkingen en uitdagingen van het gebruik van volkstellingsgegevens, zoals verouderde informatie en de noodzaak van aanvullende gegevensbronnen zoals retaildata of mobiele telefoongegevens om de bevolkingsdynamiek nauwkeurig vast te leggen. Ondanks deze uitdagingen benadrukt hij het belang van het begrijpen van ruimtelijke en sociale texturen om stedelijke planning en beleidsbeslissingen te informeren.
Samenvattend benadrukt Scott's presentatie het potentieel van geavanceerde data-analyse om problemen met sociale cohesie in Schotland aan te pakken. Door ecologische modellen, institutionele economie en innovatieve datatechnieken te integreren, kunnen beleidsmakers meer inclusieve en effectieve strategieën ontwikkelen. De sessie heeft tot doel de deelnemers te inspireren om deze inzichten toe te passen in hun werk, wat uiteindelijk de sociale cohesie en de kwaliteit van leven in Schotland zal verbeteren.