交换生去了哪里，一张名单怎样变成欧洲流动地图？
论文名片｜Tuomas Väisänen、Milad Malekzadeh、Oula Inkeröinen、Olle Järv，Mobility of Erasmus+ students in Europe: Geolocated individual and aggregate mobility flows from 2014 to 2022，Scientific Data 12, 489（2025）。原论文 · 数据描述论文。
假设你想知道，疫情之后欧洲哪些地方重新吸引了交换生。原始记录里有派出学校、接收学校和城市名称，看起来只要放到地图上就行。但同一座城市可能用不同语言拼写，重音字符可能损坏，有些城市栏里甚至填着学校编号。一个错误匹配，可能把整批学生送到同名的另一个地方。
这篇论文的主要贡献，是把 Erasmus+ 2014—2022 年学生流动记录转成能够连接欧洲地区统计的空间数据。它提供了研究区域联系的底座，也展示了一些应用；交换生流入本身，仍不等于毕业后人才永久留下。
先说结论
- 数据保留年满 18 岁、流动持续至少 90 天的学生记录，提供个体层级表与 LAU、NUTS 3 两套地区间汇总表。
- NUTS 3 层级有 2,191,857 条空间化流动记录，LAU 层级有 2,052,029 条；两者覆盖范围不同，不能把缺项都当作地理编码失败。
- 人工核查的 1000 个地名中，966 个落在正确 NUTS 3 区域；按相关流动记录加权后的正确份额约为 99.4%。它不是学校地址或 LAU 都有同等精度的保证。
- 数据揭示接收与派出、来源多样性和疫情时期的区域差异，但没有直接测量经济增长、知识传播或欧洲身份认同的因果效果。
统计的是一次交换，还是一个独立的人？
原始数据由欧盟教育、青年、体育和文化主管部门按年发布，包含的不只有高校学生，也有教师、员工及其他教育活动。研究先筛选 learner 类别、年龄至少 18 岁、持续至少 90 天，排除不符合目标的短期活动与工作人员流动。
一行表示一组具有相同流动特征的记录，Actual participants 给出对应参与人数。在少数情况下，相同出发地、目的地、专业、性别和持续时间的多个参与者合并在一行。因此，流动行数与参与人数之和不同，逐行计数不能直接替代学生人次，也不能据此确定跨年不重复的独立学生数。
表 1 列出原始变量，包括出发与接收的国家、城市、机构，开始月份、持续天数、年龄、性别、学习领域和教育阶段。表 2 按年份展示筛选后、地理编码前的规模；表 3 则对应空间化后两个地理层级的流动行数。比较前后数量时，需要保留同一统计口径。
它覆盖 Erasmus+ 这一项目，而不是欧洲所有学生交换。其他奖学金、学校双边合作、未满 18 岁和少于 90 天的流动均不在相同范围内。英国在 2021、2022 年仍有记录，论文解释为脱欧前已获资助项目继续执行，不能据此把当年项目参与规则作简单推断。
地名清洗，为什么比查一次坐标更重要？
记录中既有 Estocolmo 与 Stockholm 这类跨语言拼写，也有多余字母、问号替换重音和城市名缺失。研究在城市字段损坏或缺失时借助机构名称，再把起点、终点地名合并去重，得到 48,281 个独特地名待解析。
主要地理编码（geocoding，即把文字地点转成坐标）使用 Photon，对未成功解析的记录做人工修正，再辅以 Nominatim。修正优先处理涉及多次流动的地点；只出现一次、最后仍无法定位的 539 个地名被舍弃。最终有 47,742 个地名获得坐标，约为独特地名的 99%。
成功返回坐标不等于正确。地名解析可能偏向更知名的同名城市，机构名也可能对应多个校区。对于只有 NUTS 3 区域代码的输入，研究还曾选区域最大城市来获得更细层级位置；由此得到的 LAU 不能自动当作实际校园所在市镇。
同一所学校，为什么不同年份要用不同边界？
坐标先与区域多边形相交；未相交时，在 5 公里范围内找最近区域，主要处理岛屿附近点落在水面等情况。若仍找不到，则不进行空间归属。这项容差让更多地点可用，也可能在边界附近产生误配，尤其影响更细的 LAU。
LAU（Local Administrative Unit，地方行政单元）大致对应市镇；NUTS 3 是欧洲统计地域单元体系中最细的一档，面积通常更大。边界会调整，因此研究按流动年份选择相应空间版本。
图 1｜历史流动应该接到哪一版行政统计地图？
本图没有字母子图。中央列为流动年份，左侧为 LAU 版本，右侧为 NUTS 3 版本：2014—2015 年对应 NUTS 2013，2016—2020 年对应 NUTS 2016，2021—2022 年对应 NUTS 2021；LAU 后期采用 2020 版本。颜色块表示边界版本的适用区间，不是流动量。跨年比较仍要检查边界变化。来源：原论文 Fig. 1。
图 2｜两套空间单元，细到什么程度？
（a）LAU，采用 2020 版本；（b）NUTS 3，采用 2021 版本。颜色按面积分档，每档区域数相等；蓝色为较大单元，红色为较小单元。LAU 没有覆盖土耳其与斯瓦尔巴等地区，所以细层级汇总缺少部分流动并不意味着这些地方没有交换。来源：原论文 Fig. 2。
表 3 报告，2014—2022 年 NUTS 3 层级共 2,191,857 条流动，LAU 为 2,052,029 条。论文的数据记录部分另给出完整个体表共 2,221,474 条记录；有某种地理信息可用，与两端都能落到指定层级，不能被混为同一条件。
96.6%和99.4%，分别验证了什么？
研究从地理编码结果中按地名在流动中出现的频率加权抽样 1000 个地点，人工检查其 NUTS 3 归属，使用 2021 版边界与 2021、2022 年流动。966 个正确、34 个错误，得到地点层面的 96.6%。
表 6 进一步看这些地点代表的流动记录：起点正确 385,031 条，分母为 387,345 条；终点正确 384,986 条，分母为 387,229 条，对应约 99.403%与 99.421%。较常见地点多数正确，因此加权到流动记录后的份额高于地点本身的正确比例。
这些数值不是对所有年份、所有机构地址和 LAU 归属分别完成的独立验证。NUTS 3 较大，点偏一点仍可能落在正确区域；LAU 更小，误配风险会更高。对于研究小城市、罕见路径或具体校园的人，流动加权的高准确性也可能掩盖自己最关心的误差。
哪些地方接收更多，能直接叫作人才流入吗？
数据可以计算地区接收与派出的相对平衡，并观察 2020 年疫情时期的变化。原图把可正可负的指标称为 receiving-sending ratio，正值表示接收占优、负值表示派出占优；它显然不能按一个普通接收人数除以派出人数的正值商来理解。复用具体数值应核对计算定义。
图 3｜交换联系的平衡是否稳定？
原图没有字母子图，每个小面板按代码和名称标出一个 NUTS 3 区域；横轴为 2014—2022 年，纵轴为接收—派出平衡指标，彩线突出对应区域，灰线提供其他地区参照。维也纳、柏林、马德里等例子相对稳定，马耳他、赫尔辛基—新地区等波动更明显；部分地区在 2020 年出现变化。相同指标变化不能单独识别疫情、院校协议或学生选择各自的效果。来源：原论文 Fig. 3。
图 4｜接收占优与派出占优，分布在哪些地区？
本图没有字母子图。蓝色为接收占优、橙红为派出占优、浅黄色接近平衡，展示各年数据汇总后的区域格局。相邻地区也可能方向相反；图中净交换平衡不记录学生毕业后是否留居，因此不能直接作为永久人才流失或收益的数量。来源：原论文 Fig. 4。
论文用 brain gain、brain drain 讨论应用潜力，但短期交换与毕业后的工作、长期迁移不同。接收较多可能与大学规模、课程语言和合作协议有关，不能仅凭这套流动数据断言地区因此获得多少创新或经济收益。
接收很多学生，来源就一定多样吗？
Berger–Parker 优势度（dominance）取来源人数最多国家的份额；值高，表示一个来源国占得多。标准化 Shannon 熵（normalized Shannon entropy）综合所有来源份额，越接近均匀分布，数值越高。两者一个强调最大来源，一个强调整体分散程度，不是同一指标的简单反面。
图 5｜地区接收的学生，是主要来自一国，还是来自多国？
（a）最大来源国的份额，颜色越深优势度越高，说明来源更集中。
（b）标准化 Shannon 熵，颜色越深多样性越高。地图提示部分地区的接收网络更依赖单一来源；来源国家多样，不等于到访学生之间已经发生学术交流，也不等于欧洲身份认同增强。来源：原论文 Fig. 5。
区域经济特征，是原因还是伴随关系？
论文示范把流动与地区统计相连，在 NUTS 2 层级区分 3—11 个月和超过 11 个月的交换。图 6 展示数字化、经济劳动力市场、生活条件、空间距离等特征的重要性与关联方向。
图 6｜不同持续时间的流动，是否与相同地区特征关联？
本图没有字母子图。蓝条表示较长期、黄条表示较短期；纵向列出区域特征，横向为置换特征重要性，左右方向结合系数符号标示正负关联。人均 GDP 对长期流动的重要性较高，部分因素在两类流动中的方向不同。条长是示例模型中的预测贡献，不能读成提高某项指标会造成多少学生流入，也不能由此量化学生给地区经济带来的收益。来源：原论文 Fig. 6。
这是一项数据复用示例，正文没有为所有关联给出完整因果识别设计。若要判断交换生对零售、住房或就业的影响，需要另设比较与反事实，而不是把地区特征关联的方向倒过来解释。
几十万条联系，怎样才不会画成一团线？
起点和终点之间直接连线，流动一多就难以阅读。边捆绑（edge bundling）把相近方向和相邻线路在视觉上汇集，便于辨识主要联系走廊。
图 7｜地图上的线更清楚，意味着数据本身也更细吗？
（a）以 NUTS 3 起讫点直线连接，重叠较多；（b）在 NUTS 2 层级进行边路径捆绑，主要联系更容易辨识。两图还改变了空间汇总层级，因此差异不能完全归功于捆绑算法。弯曲线是流动关系的可视化，不是学生乘飞机、火车或汽车走过的真实路线。来源：原论文 Fig. 7。
拿到文件后，怎样避免把几种分母混在一起？
个体层级表保留原始描述变量，并增加来源、目的地的 LAU 与 NUTS 3 编码，表 4 列出这些字段；CSV 与压缩 Parquet 是同一数据的不同格式，不应重复累加。
表 5 的地区汇总表包含 OD 标识、起点、终点、地区名、年份和参与人数 COUNT。流动行数是个体表记录数，汇总表 COUNT 则是人数计数，统计时应先明确要分析记录还是参与人次。
按 NUTS 层级聚合时可截去末尾字符，把 NUTS 3 归入 NUTS 2、NUTS 1 或国家层级，再按起终点与年份汇总。但同一个代码层级不代表所有年份边界固定；跨年趋势需要统一空间支持。2018 年部分挪威与斯洛文尼亚 LAU 名称缺失，论文称编码和几何仍正确，因此用名称作连接键比用稳定地理标识更脆弱。
一句话总结
这份数据把交换生记录变成了可复用的区域联系，但它记录的是特定项目、年龄和时长下的交换，不能直接替代永久人才迁移或经济效果的证据。
核心来源
- Väisänen, T., Malekzadeh, M., Inkeröinen, O. & Järv, O.（2025）原论文及完整图表，Scientific Data 12, 489。本文图 1—7 均源自原论文。
- 空间化数据与复现材料。
- 地理编码与整理代码。
作者介绍
作者身份和分工依据论文署名及表 7。
- Tuomas Väisänen：署名赫尔辛基大学 Digital Geography Lab，并关联该校可持续性科学、城市与区域研究及不平等研究机构；为通讯作者，承担数据整理、分析、初稿和修改。
- Milad Malekzadeh：署名 Digital Geography Lab，参与分析与稿件修改。
- Oula Inkeröinen：署名 Digital Geography Lab，参与数据整理。
- Olle Järv：署名 Digital Geography Lab，并关联该校可持续性科学和城市与区域研究机构，参与分析与稿件修改。
延伸思考
以下是 AI 基于论文结果所作的延伸，不属于原论文结论。
一个地区来源多样性较低，可能是吸引力不足，也可能是院校只签了少数国家的合作协议。如果不知道可选择的交换机会，把实际流量当成学生的纯偏好，就会忽略制度先划出的选择集合。
可以把院校协议网络作为机会基线，再看学生实际选择相对可选目的地偏向哪里。若某地协议很多、实际流量仍集中，才更值得研究语言、费用或生活条件；若协议本身已经集中，政策工具可能应先作用于合作网络，而不是直接要求学生改变选择。
