MARC

 008250123s2024        us                              c    eng  d
■001000017165135
■00520250211153128
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798346861072
■035    ▼a(MiAaPQ)AAI31766236
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a910
■1001  ▼aKruse,  Jacob.
■24510▼aThe  Political  Importance  of  Movement:  Understanding  Political  Districts  Using  Spatial  Interaction  Networks
■260    ▼a[Sl]▼bThe  University  of  Wisconsin  -  Madison▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a129  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-06,  Section:  B.
■500    ▼aAdvisor:  Gao,  Song.
■5021  ▼aThesis  (Ph.D.)--The  University  of  Wisconsin  -  Madison,  2024.
■520    ▼aRedistricting  is  the  process  by  which  electoral  district  boundaries  are  drawn,  and  a  common  normative  assumption  in  this  process  is  that  districts  should  be  drawn  so  as  to  reflect  coherent  communities  of  interest  (COIs).  To  evaluate  how  well  district  boundaries  align  with  COIs,  states  often  rely  on  proxies  such  as  compactness  metrics  and  municipal  split  counts.  However,  recent  legal  challenges  and  scholarly  works  have  highlighted  the  limitations  of  these  proxies  and  the  complexities  of  balancing  multiple  criteria  when  creating  district  plans.To  address  these  challenges,  this  dissertation  introduces  the  use  of  spatial  interactions  as  a  framework  for  modeling  COIs,  providing  a  direct  means  of  quantifying  the  alignment  between  district  boundaries  and  underlying  communities.  By  leveraging  large-scale  human  mobility  flow  data,  this  research  demonstrates  three  distinct  approaches  to  analyzing  Wisconsin  Congressional  Districts,  showcasing  the  value  of  spatial  interactions  in  assessing  and  improving  districting  outcomes.In  the  second  chapter,  spatial  interactions  are  applied  to  evaluate  how  well  district  boundaries  align  with  human  mobility  patterns,  offering  a  global  assessment  of  district  quality.  This  assessment  is  further  integrated  into  outlier  analysis,  a  common  technique  that  compares  proposed  district  plans  against  an  ensemble  of  reasonable  alternatives.  In  the  third  chapter,  spatial  interactions  are  combined  with  social  interactions  (e.g.,  Facebook  friendships)  to  provide  a  multi-perspective  evaluation  of  how  interaction-based  communities  align  with  district  borders.  Using  fuzzy  set  logic,  the  district  affiliations  of  geographic  subunits  (e.g.,  census  block  groups)  are  quantified,  enabling  the  identification  of  areas  assigned  to  districts  with  which  they  do  not  share  the  majority  of  their  interactions.  In  the  fourth  chapter,  spatial  interactions  are  used  to  identify  and  quantify  the  strength  of  district  cores.  Building  on  the  rich  club  framework,  a  weighted  temporal  rich  club  analysis  is  introduced  to  detect  district  cores  across  varying  levels  of  connection  strength  and  to  quantify  the  consistency  of  these  connections  over  time.This  dissertation  contributes  to  the  broader  fields  of  GIScience,  geography,  network  science,  and  political  science.  First,  it  demonstrates  how  direct  measures  of  human  activity  can  be  used  to  quantify  the  communities  that  political  districts  are  intended  to  represent.  By  grounding  definitions  of  communities  in  empirical  human-activity  data,  it  offers  a  more  precise  foundation  for  assessing  the  alignment  between  communities  of  interest  and  political  boundaries.  Second,  it  introduces  novel  methods  for  evaluating  the  affiliations  of  geographic  subunits,  addressing  the  persistent  challenge  of  vague  and  ambiguous  regional  boundaries  in  geography.  By  integrating  multiple  measures  of  human  activity,  these  methods  highlight  areas  where  perspectives  converge  and  diverge,  offering  nuanced  insights  into  the  district  affiliations  of  these  subunits.  Third,  it  advances  tools  for  examining  the  evolution  of  connections  between  hubs  over  time,  enabling  a  deeper  understanding  of  the  temporal  dynamics  that  shape  central  nodes  within  interaction  networks.
■590    ▼aSchool  code:  0262.
■650  4▼aGeography
■650  4▼aPolitical  science
■650  4▼aStatistics
■653    ▼aFuzzy  logic
■653    ▼aRedistricting
■653    ▼aRich  club
■653    ▼aSpatial  interactions
■653    ▼aSpatial  networks
■690    ▼a0366
■690    ▼a0615
■690    ▼a0463
■71020▼aThe  University  of  Wisconsin  -  Madison▼bGeography.
■7730  ▼tDissertations  Abstracts  International▼g86-06B.
■790    ▼a0262
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17165135▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서