机器学习预测揭示英国国际学生流动中的集中悖论

《Nature Communications》:Machine learning forecasts suggest a concentration paradox in international student mobility to the United Kingdom

【字体: 大 中 小 】 时间:2026年09月19日 来源:Nature Communications 18.1

编辑推荐:

  国际学生流动是高等教育财政、软实力和知识生产的关键,但未来需求日益不确定。研究人员分析了2010年至2024年间来自86个来源国的英国大学本科国际学生成功申请记录的大学与学院招生服务中心(UCAS)数据,并结合经济和人口预测,对2030年前的需求进行预测。一种

  
国际学生流动是高等教育财政、软实力和知识生产的关键,但未来需求日益不确定。研究人员分析了2010年至2024年间来自86个来源国的英国大学本科国际学生成功申请记录的大学与学院招生服务中心(UCAS)数据,并结合经济和人口预测,对2030年前的需求进行预测。一种基于泊松的梯度提升树模型(一种结合决策树的机器学习方法),在与自回归积分滑动平均(ARIMA)时间序列模型和负二项引力模型进行样本外评估比较时,评估期覆盖英国脱欧和新冠疫情。机器学习模型的预测误差较低,但在结构性冲击下增益有限。预计到2030年,中国大陆和中国香港、印度以及欧盟将占国际需求的一半以上,尽管其申请数量停滞或下降。这种集中悖论因加剧对少数来源地的依赖而增加了系统脆弱性。
## 论文解读:机器学习预测与英国国际学生流动中的集中悖论

### 一、研究背景与问题

国际学生流动是全球高技能流动和国际知识经济的核心组成部分。2022年全球国际学生数量估计达690万,较2002年增长176%。国际学生不仅为东道国带来学费收入和经济利益,还促进知识、技能与社会资本的跨境流动,并有助于人才循环和人文交流。然而,这些收益的分布并不均衡,高收入国家占据主要目的地地位,而低收入来源国可能面临人才流失。英国作为全球第二大留学目的地,近年来吸引了全球约10%–14%的国际学生,国际学生约占英国学生总数的四分之一。2021/22年度,国际学生为英国带来超过350亿英镑的净经济收益,其学费对教学和研究的交叉补贴日益重要。因此,国际学生需求的规模与结构变化对高校规划和整个部门的稳定性具有重大影响。

然而,英国国际学生系统正经历前所未有的政策与地缘政治冲击。英国脱欧后,欧盟学生失去本地学费资格和贷款渠道,申请量骤降约三分之二。与此同时,中国大陆的申请增长放缓,可能与中英关系变化、人口结构和国内高等教育扩张有关。英国政府虽试图将印度、印度尼西亚、沙特阿拉伯、越南和尼日利亚列为优先市场,但同时又不断限制移民,包括限制学生家属、严查“非真实”申请以及就毕业后工作机会展开辩论。这种扩张与限制并存的矛盾策略,使国际学生需求面临高度不确定性。现有部门级预测普遍使用时间序列模型如自回归积分滑动平均(ARIMA)或引力模型,但预测常常过于乐观。例如,2024年本科申请人增长预测为5.8%,实际仅1.3%,导致资源错配和财务压力。因此,需要更可靠的预测方法来捕捉非线性关系、交互效应和不同来源国的异质性轨迹。本研究旨在回答三个问题:机器学习方法相对于传统预测方法的准确性如何?2025–2030年主要来源国和地区的申请轨迹如何?这些轨迹如何重塑英国国际本科需求的集中度?

### 二、主要技术方法

研究人员使用英国大学和学院招生服务中心(UCAS)2010–2024年间来自86个来源国的成功国际本科申请行政数据,并整合世界银行世界发展指标、CEPII引力数据库和联合国世界人口展望的经济与人口预测变量。研究采用基于泊松目标的极限梯度提升(XGBoost)模型作为主要预测工具,并分别以ARIMA时间序列模型和负二项引力模型作为基准。模型评估采用时间序列前向切分,训练期为2010–2018年,样本外评估期为2019–2023年,这一时段覆盖英国脱欧和新冠疫情,构成严格的结构性波动测试。最终预测模型使用2010–2024年全部数据训练,递归生成2025–2030年预测,并通过模型重训练自助法(bootstrap)构建95%预测区间。区域汇总预测在国家级预测后加总得到。

### 三、研究结果

**模型性能**:在2019–2023年样本外评估中,XGBoost模型的平均绝对误差(MAE)和均方根误差(RMSE)低于ARIMA和负二项引力模型,且预测值与观测值的相关性更强,显示其能更好捕捉经济、人口和结构驱动因素之间的非线性交互。然而,性能提升是渐进式的而非变革性的。在受重大政策事件影响的时期,预测准确性下降,说明不确定性不仅源于方法局限,也源于系统自身的结构特征。签证规则、费用状态和地缘政治的突变对传统统计模型和机器学习模型都构成挑战。

**主要来源地预测轨迹**:欧盟国家的申请量在英国脱欧和新收费签证制度实施后大幅下降,从2020年约30000份降至2024年约9000份,模型预测到2030年继续逐步下降至约7000份,预测区间较窄,显示该轨迹具有稳定性。欧盟占比从脱欧前约36%降至2020–2024年的16%,预计2025–2030年进一步降至约10%。印度申请量在2010年代初期和脱欧后快速增长,2023年升至约6800份,2024年略有下降。模型预测短期小幅恢复后趋于稳定,而非继续大幅增长,表明从招生主导的扩张转向政策敏感的稳定化。尽管申请数量趋于平稳,印度占比从2020–2024年约8%升至2025–2030年约11%。中国大陆和中国香港一直是英国国际本科申请的最大来源,2023年约20800份,2024年略降至20200份,模型预测到2030年逐渐下降至约18000份。尽管绝对数量减少,中国大陆和香港合计占比预计从2020–2024年约29%升至2025–2030年约34%。这一增长并非源于重新扩张,而是其他来源地相对更剧烈的下降所致。

**集中悖论**:研究揭示英国国际本科生源结构正发生重组。2010年代初期是多样化和扩张的体系,而2020年代末预计将由三大来源集团主导,它们合计占预测国际申请量的一半以上。这构成一种“集中悖论”:部分来源地的市场份额增加,而其申请数量却持平或下降。从迁移系统视角看,未来不确定性日益集中而非均匀分布。随着少数流动走廊占据越来越大的份额,系统稳定性更加依赖这些特定来源地的政治、经济和教育动态。预测风险因此不仅取决于模型设定,更源于塑造国际学生流动的结构属性和地缘政治轮廓。

### 四、讨论与结论

研究表明,泊松XGBoost模型能够在预测国际学生申请方面改进广泛使用的ARIMA和引力模型,捕捉参数模型难以指定的非线性关系和交互作用。然而,结果也强化了纯数据驱动预测在结构冲击和政策不连续面前的内在局限。英国国际学生格局正在发生深刻转变:欧盟需求在脱欧后崩溃且中期无恢复迹象;中国大陆和香港长期作为最大来源,似乎已达峰值并预计逐渐下降;印度虽为关键增长市场,但在移民政策收紧和国内动荡下预计趋于平稳。然而这三大来源的相对重要性反而预计上升,形成集中悖论,使系统脆弱性加剧。

研究人员强调,国际学生长期以来被机构和政府规划视为稳定收入来源,但这一假设日益不可持续。政策变化——包括限制学生家属、收紧毕业后工作路径和征收国际学生税的提议——可能在短期内实现净移民政治目标,但可能损害部门财政基础。英国学生事务办公室警告约40%的英格兰大学在2024年后面临赤字,部分原因是国际学生数量下降。从迁移系统角度看,集中悖论引发系统韧性疑问。若少数流动走廊支撑高校财务生存能力,影响这些走廊的冲击可能迅速波及整个系统。脱欧对欧盟学生流的影响提供了警示:一个长期建立的迁移走廊在几个申请周期内有效崩溃,重塑国际学生构成,使机构争相多元化招生。预测表明,若缺乏有意的多样化努力或政策变化,英国正走向对中国大陆和香港及印度的类似脆弱性。建立韧性可能需要多种行动组合:多元化来源市场;重新思考资助模式以减少对国际学费的依赖;设计在政治约束与稳定、可预测的学生流入需求之间取得平衡的移民政策。

研究存在若干局限:XGBoost模型可解释性有限,评估期包含极端事件,汇率、详细签证政策、侨民规模等变量因数据不可得未纳入,且分析仅涵盖UCAS本科申请而非实际入学人数。未来研究可扩展到研究生和学科特定申请,纳入更精细的政策经济指标,探索循环神经网络或注意力模型等替代架构,并对多个主要目的地进行国际比较。

研究最终得出结论:国际学生流动仍然是英国高等教育格局及其全球知识生产地位的核心。在不确定性加剧的时代,主动多元化来源市场、提供稳定透明的移民路径,并投资于对多样化学生群体的包容性支持,将是维持国际学生流动益处、同时降低日益集中且政治争议加剧系统风险的关键。该论文发表于《Nature Communications》。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号