Социально-экономическая дифференциация мусульманских районов в городах Англии

В статье рассматриваются пространственные аспекты расселения и социально-экономической дифференциации мигрантов-мусульман в городах Англии, включая потомков мигрантов во втором и третьем поколении. Города Соединенного Королевства за пределами Англии не рассматривались ввиду более короткой истории массовых миграций мусульман в них. В качестве количественного метода для оценки социально-экономической дифференциации мусульманских районов была выбрана кластеризация методом k-средних по данным переписи Великобритании 2021 г. Были собраны и проанализированы следующие параметры: отсутствие автомобиля; удаленная занятость; молодое население; распространенность проблем со здоровьем; большие семьи; языковая изолированность; занятость в отраслях, не требующих квалификации; занятость в промышленности; гражданство; охват высшим образованием; перенаселенные домохозяйства; застойная безработица. Число кластеров было задано вручную. Для повышения достоверности результатов были сравнены результаты анализа с разделением на 3 и на 4 кластера. После сравнения двух вариантов кластеризации удалось выявить следующие основные процессы, определяющие социально-экономическую дифференциацию расселения мусульман в городах Англии: наименее благополучны старые индустриальные районы в «серых поясах», бывших окраинах городов; наиболее благополучны - недавно застроенные окраины и пригороды; отдельно выделяются центральные городские районы. Выделение четырех кластеров позволило также выявить относительно новое явление - формирование среднеразвитой мигрантской полупериферии между старыми индустриальными районами и благополучной современной периферией.

The article provides an analysis of the spatial aspects of the social and economic diversity of Muslim city districts in England as a main region that has been receiving Muslim immigrants. The research mainly considers districts of the Muslim immigrants of the second and third generations and carefully 105studies formed settlement pattern. K-means clustering was chosen as a main research method, while 2021 Census data was used to calculate metrics for the calculations. To cover different aspects of the stated social and economic diversity of the districts it was decided to process 12 metrics describing unemployment rate, employment features, wealth, education accessibility, youth rate, language assimilation, citizenship rate. The clustering iterations with k = 3 and k = 4 provided the interpretable spatial clusters. The clustering results highlightened following social and economic diversity features: the least wealthy Muslim districts are tied to the former industrial belts, meanwhile the wealthiest districts lay in the relatively new peripheric areas; there are also formed central city Muslim districts with specific features outlined from the other Muslim districts by urban lifestyle - low automobilization, relatively crowded households, different employment structure. Clustering with k = 4 has provided a snapshot on the forming semi-periphery of relative wealth between former industrial districts and relatively newly-built periphery.