211service.com
Dane z telefonów komórkowych ujawniają wskaźniki alfabetyzacji w krajach rozwijających się
Jednym z milenijnych celów rozwojowych Organizacji Narodów Zjednoczonych jest wyeliminowanie skrajnego ubóstwa do 2030 roku. To złożone zadanie, ponieważ ubóstwo ma wiele czynników. Ale jednym z ważniejszych jest 750 milionów ludzi na całym świecie, którzy nie potrafią czytać i pisać, z czego dwie trzecie to kobiety.
Istnieje wiele organizacji, które mogą pomóc, pod warunkiem, że wiedzą, gdzie umieścić swoje zasoby. Dlatego identyfikacja obszarów, w których wskaźniki alfabetyzacji są niskie, jest ważnym wyzwaniem.
Zwykłą metodą jest przeprowadzanie ankiet w gospodarstwach domowych. Ale jest to czasochłonna i kosztowna praca i trudna do regularnego powtarzania. W każdym razie dane z krajów rozwijających się są często nieaktualne, zanim można je skutecznie wykorzystać. Tak więc szybszy i tańszy sposób mapowania wskaźników alfabetyzacji byłby bardzo mile widziany.
Dziś Pål Sundsøy z Telenor Group Research w Fornebu w Norwegii mówi, że opracował sposób określania wskaźników alfabetyzacji za pomocą rejestrów rozmów telefonicznych.
Jego metoda polega na prostym przetwarzaniu liczb. Zaczyna od standardowej ankiety wśród 76 000 użytkowników telefonów komórkowych mieszkających w niezidentyfikowanym rozwijającym się kraju w Azji. Ankieta została przeprowadzona dla operatora telefonii komórkowej przez profesjonalną agencję i rejestruje numer telefonu komórkowego każdej osoby oraz to, czy mogą czytać.
Sundsøy następnie dopasowuje ten zestaw danych do rekordów danych połączeń od operatora telefonii komórkowej. Zapewnia to dane, takie jak numery, z których każda osoba dzwoniła lub wysyłała SMS-y, czas trwania tych połączeń, zakup czasu antenowego, lokalizacje wież komórkowych i tak dalej.
Na podstawie tych danych Sundsøy może ustalić, gdzie znajdowały się wszystkie osoby, które wykonywały połączenia lub SMS-y, do kogo dzwoniły lub wysyłały SMS-y, liczbę otrzymanych SMS-ów, o której porze dnia i tak dalej. To pozwala mu zbudować sieć społecznościową dla każdego użytkownika, sprawdzając, do kogo dzwonił, jak często i tak dalej.
Wreszcie 75 procent danych wykorzystał do wyszukania wzorców związanych z użytkownikami, którzy są analfabetami, korzystając z różnych technik przetwarzania liczb i uczenia maszynowego. Wykorzystał pozostałe 25 procent, aby sprawdzić, czy możliwe jest wykorzystanie tych wzorców do identyfikacji analfabetów i obszarów, w których występuje wyższy odsetek analfabetów.
Wyniki stanowią ciekawą lekturę. Sundsøy mówi, że jego algorytm uczenia maszynowego znalazł kilka czynników, które wydają się przewidywać analfabetyzm. Najpotężniejsza jest lokalizacja, w której ludzie spędzają większość czasu. Jednym z wyjaśnień może być to, że model obejmuje regiony o niskim stanie rozwoju gospodarczego, m.in. obszary slumsów, gdzie analfabetyzm jest wysoki, mówi Sundsøy.
Kolejnym predyktorem analfabetyzmu jest liczba przychodzących tekstów i to, jak różnią się one od liczby tekstów wychodzących. Może to wynikać z tego, że ludzie nie wysyłają SMS-ów do osób, o których wiedzą, że są analfabetami, wskazuje Sundsøy.
Sieć społecznościowa również wydaje się być przydatnym wskaźnikiem. Analfabeci mają tendencję do koncentrowania komunikacji na kilku osobach, mówi Sundsøy. Jest to zgodne z innymi pracami sugerującymi, że dobrobyt ekonomiczny koreluje z różnorodnością kontaktów społecznych.
Podsumowując, jego algorytm uczenia maszynowego potrafi wykrywać osoby niepiśmienne z zaskakującą dokładnością. Wyprowadzając cechy ekonomiczne, społeczne i mobilność dla każdego użytkownika mobilnego, przewidujemy indywidualny status analfabetyzmu z 70-procentową dokładnością, mówi, wskazując, że pozwala to na mapowanie obszarów o niskim wskaźniku alfabetyzacji.
To może być użyteczna sztuczka dla agencji pomocowych, które chcą przydzielić zasoby do obszarów o niskim wskaźniku alfabetyzacji. Jednak będą chcieli lepszych dowodów na to, że działa na innych zestawach danych iw innych miejscach.
Jeśli tak, potencjał poprawy życia jest ogromny. Niski poziom umiejętności czytania i pisania prowadzi do błędnego koła ubóstwa. Osoby, które są analfabetami funkcjonalnymi, nie są w stanie wypełniać podań o pracę, czytać etykiet leków, wypisywać czeków ani bilansować swoich kont.
To sprawia, że są bardziej narażeni na bezrobocie, zły stan zdrowia i uzależnienie od opieki społecznej lub charytatywnej. Nie są też w stanie pomóc swoim dzieciom w nauce czytania i pisania.
Zakończenie tego cyklu to ważny cel.
Wszystko to jest częścią większego trendu w wykorzystywaniu rejestrów telefonów komórkowych do badania populacji. Na przykład demografowie wykorzystali tę technikę do: rozkład bogactwa mapy na Wybrzeżu Kości Słoniowej na zachodnim wybrzeżu Afryki i powiedzieć, że metoda może pewnego dnia zastąpić spisy ludności.
Jeśli tego rodzaju badania da się odpowiednio skalibrować, będą dodatkiem do arsenału demografów. Obraz statusu społeczno-gospodarczego regionu w czasie rzeczywistym pozwoli im alokować zasoby zgodnie z potrzebami, gdy pojawią się problemy. To byłoby potężne narzędzie.
Nr ref.: arxiv.org/abs/1607.01337 : Czy korzystanie z urządzeń mobilnych może przewidzieć analfabetyzm w kraju rozwijającym się?