Automation of the population forecasting process: Development of methods and algorithms

• Název práce v češtině: Automatizace procesu populačního prognózování: Vývoj metod a algoritmů
• Název v anglickém jazyce: Automation of the population forecasting process: Development of methods and algorithms
• Klíčová slova: Populační vývoj, prognózování, demografická prognóza, automatizace, metody, algoritmy, umělá inteligence, strojové učení
• Klíčová slova anglicky: Population development, forecasting, demographic forecast, automation, methods, algorithms, artificial intelligence, machine learning
• Akademický rok vypsání: 2023/2024
• Typ práce: disertační práce
• Jazyk práce: angličtina
• Ústav: Katedra demografie a geodemografie (31-360)
• Vedoucí / školitel: RNDr. Tomáš Kučera, CSc.
• Řešitel: skrytý - zadáno vedoucím/školitelem
• Datum přihlášení: 13.10.2023
• Datum zadání: 13.10.2023
• Konzultanti: Iryna Kurylo

Zásady pro vypracování

General Colloquium MPGS0120
Demographic analysis I eng. MD360E01
Demographic analysis II MD360E02
Global Population Challenges MD360P96
Teoreticko-metodologická rozprava (DEM) MPGS0124*

Seznam odborné literatury

Ahlburg, D., and Lutz, W. (1998). Introduction: the need to rethink approaches to population forecasts. In: Lutz, W., Vaupel, J., and Ahlburg, D.(eds.). Frontiers of population forecasting. Supplement to Population and Development Review, Vol. 24: 1-14. NY, NY: Population Council.
Alho, J., and Spencer, B. (2005). Statistical Demography and Forecasting. Springer Science+Business Media, Inc.
Armstrong, S.J. Principles of Forecasting: A Handbook for Researchers and Practitioners. Kluwer Academic Publishers, New York 2002. Dostupné na:http://b-ok.org/book/542532/47656b
Booth, H. (2006). Demographic forecasting: 1980 to 2005 in review. International Journal of Forecasting 22: 547-581.
George, M., Smith, S., Swanson, D., and Tayman, J. (2008). Population projections. In: Siegel, J. and Swanson, D. (eds.). The Methods and Materials of Demography. Bingley: Emerald: 561- 602.
Keilman, N. (1990). Uncertainty in national population forecast: Issue, background, analyses, recommendation. Amsterdam: Swets&Zeitlinger.
Keyfitz, N. (1982). Can knowledge improve forecast? Population and Development Review 8(4), 729-751.
Keyfitz, N. (1984). The social and political context of population forecasting. WP-84-3. International Institute for Applied System Analysis, A-2361 Laxenburg, Austria.
Lee, R. (1998). Probabilistic approaches to population forecasting. In: Lutz, W., Vaupel, J., and Ahlburg, D. (eds.). Frontiers of population forecasting. Supplement to Population and Development Review, Vol. 24: 156-190. New York, NY: Population Council.
Makridakis S, Spiliotis E, Assimakopoulos V (2018) Statistical and Machine Learning forecasting methods: Concerns and ways forward. PLoS ONE 13(3): e0194889. https://doi.org/10.1371/journal.pone.0194889
Scherbov, S. (2007). Looking into the future – Population dynamics and forecasting. In: Wilson, C. (ed.).The Vienna Institute of Demography 2002-2006: a five-year portrait: 18-25. Available at:http://www.oeaw.ac.at/vid/download/vid_portrait.pdf
Baobao Zhangat al. (2022). Forecasting AI Progress: Evidence from a Survey of Machine Learning Researchers. eprint arXiv:2206.04132. https://doi.org/10.48550/arXiv.2206.04132
Vaswani, A. at all. (2017). Attention Is All You Need. arXiv:1706.03762. https://doi.org/10.48550/arXiv.1706.03762
Zhang, B. at al. (2022). Forecasting AI Progress: Evidence from a Survey of Machine Learning Researchers. eprint arXiv:2206.04132. Available at:

Předběžná náplň práce

Výsledky populačních prognóz jsou základem pro úvahy o budoucím vývoji mnoha dalších nedemografických charakteristik obyvatelstva a celých reálných systémů zahrnujících lidi. Tyto systémy představují hlavní objekty našeho úsilí o řízení rozvojových procesů na všech úrovních územního členění, od místní a regionální přes národní a nadnárodní až po globální úroveň.
V posledních letech roste poptávka po národních a subnárodních populačních prognózách rychleji než nabídka na straně demografie. Tato nerovnováha se ještě prohloubila s implementací a monitorováním Agendy 2030 přijaté členskými zeměmi OSN v roce 2015 a jejích Cílů udržitelného rozvoje (SDGs). Nadále bude narůstat v souvislosti s realizací programů, na které se vztahuje Akce OSN v oblasti klimatu.
Potřeba operativního, účinného a efektivního prognózování vyžaduje odpovídající sběr a zpracování relevantních informací, dynamické provádění jejich prognosticky orientované analýzy, následné prognózování, uživatelsky přívětivou prezentaci získaných výsledků, jejich průběžné sledování a vyhodnocování prognóz a prognostického procesu. Splnění těchto potřeb je možné pouze revizí a inovací stávajících postupů a automatizací těch činností v rámci procesu prognózování obyvatelstva, které lze automatizovat. Požadavek na inovaci se přitom netýká pouze technické, ale i metodické stránky populační prognózy.
Účelem doktorského výzkumného projektu bude zkoumání a hodnocení stávajících a vývoj inovativních metod a algoritmů, které mohou výrazně zvýšit míru automatizace procesů populační prognózy. Praktickým cílem práce je vypracování architektury informačního systému a jeho případná implementace na základě vytvořeného algoritmického základu.
Pro dosažení cíle by se navrhovaný výzkum měl zabývat následujícími otázkami:
- analýzou postupů, metod a modelů používaných v procesu populační prognózy bez ohledu na jejich možnou automatizaci,
- analýzou zdrojů demografických údajů v různých zemích a způsobů jejich uchovávání a vývojem metod automatizace jejich zpracování a získávání,
- analýza softwarových aplikací používaných pro prognózování obecných údajů a posouzení jejich použitelnosti v oblasti demografického prognózování,
- navrhování a schvalování inovativních přístupů, metod a algoritmů vedoucích k co nejspolehlivější populační prognóze a
- zhodnocení možností budoucího využití umělé inteligence v populační prognóze v kontextu řešení navržených v rámci tohoto doktorského výzkumu.

Předběžná náplň práce v anglickém jazyce

The results of population forecasts form the basis for considerations about the future development of many other non-demographic characteristics of the population and entire real systems involving the people. These systems represent the main objects of our efforts to manage development processes at all levels of territorial division, from local and regional, through national and transnational, to the global level.
In recent years, the demand for national and sub-national population forecasts has been growing faster than the supply on the demography side. This imbalance has deepened with the implementation and monitoring of the 2030 Agenda adopted by UN member countries in 2015 and its Sustainable Development Goals (SDGs). It will continue to grow in connection with implementing programs covered by the UN Climate Action.
The need for operative, effective, and efficient forecasting requires the corresponding collection and processing of relevant information, dynamic performance of its forecast-oriented analysis, follow-up forecasting, user-friendly presentation of the obtained results, their continuous monitoring and the forecasts and forecasting process evaluation. Meeting these needs is only possible by revising and innovating current procedures and automating those activities within the population forecasting process that can be automated. At the same time, the demand for innovation does not only concern the technical but also the methodological side of population forecasting.
The purpose of the doctoral research project will be the examination and assessment of existing and development of innovative methods and algorithms that can significantly increase the degree of automation of population forecasting processes. The practical purpose of the work is to develop the architecture of the information system and its possible implementation based on the created algorithmic base.
To achieve the goal of the proposed research should deal with the following:
· analysis of the procedures, methods, and models applied in the process of population forecasting regardless of their possible automation,
· analysis of sources of demographic data in various countries and methods of their storage and development of methods for automating their processing and receipt,
· analysis of the software applications used for general data forecasting and assessment of their applicability in the field of demographic forecasting,
· proposal and approbation of the innovative approaches, methods and algorithms leading to the most reliable population forecast, and
· evaluation of the possibilities of future use of artificial intelligence in population forecasting in the context of the solutions proposed in the framework of this doctoral research.