211service.com
Údaje z mobilních telefonů odhalují míru gramotnosti v rozvojových zemích
Jedním z rozvojových cílů tisíciletí Organizace spojených národů je vymýtit extrémní chudobu do roku 2030. To je složitý úkol, protože chudoba má mnoho přispívajících faktorů. Ale jedním z nejvýznamnějších je 750 milionů lidí na celém světě, kteří neumí číst a psát, z nichž dvě třetiny jsou ženy.
Existuje spousta organizací, které mohou pomoci, pokud vědí, kam umístit své zdroje. Identifikace oblastí, kde je míra gramotnosti nízká, je tedy důležitou výzvou.
Obvyklou metodou je provádění šetření v domácnostech. Je to však časově náročná a nákladná práce a je obtížné ji pravidelně opakovat. A v každém případě jsou data z rozvojového světa často zastaralá, než je lze efektivně využít. Rychlejší a levnější způsob mapování míry gramotnosti by byl tedy velmi vítán.
Dnes Pål Sundsøy z Telenor Group Research ve Fornebu v Norsku říká, že přišel na to, jak určit míru gramotnosti pomocí záznamů o hovorech z mobilních telefonů.
Jeho metoda je přímočaré křupání čísel. Začíná standardním průzkumem domácností mezi 76 000 uživateli mobilních telefonů žijících v neidentifikované rozvojové zemi v Asii. Průzkum pro mobilního operátora provedla profesionální agentura a zaznamenává mobilní telefonní číslo každého člověka a zda umí číst.
Sundsøy pak tento soubor dat porovná se záznamy dat hovorů od mobilní telefonní společnosti. To poskytuje data, jako jsou čísla, na která každá osoba volala nebo odeslala SMS, délka těchto hovorů, nákupy vysílacího času, umístění vysílačů mobilních sítí a tak dále.
Z těchto údajů může Sundsøy zjistit, kde se všichni jednotlivci nacházeli, když volali nebo psali SMS, komu volali nebo psali SMS, počet přijatých textových zpráv, v kterou denní dobu atd. To mu umožňuje vytvořit sociální síť pro každého uživatele a zjistit, komu volali, jak často a tak dále.
Nakonec použil 75 procent dat k hledání vzorců spojených s uživateli, kteří jsou negramotní, pomocí různých technik sbírání čísel a strojového učení. Zbylých 25 procent použil k testování, zda je možné pomocí těchto vzorů identifikovat negramotné lidi a oblasti, kde je vyšší podíl negramotných lidí.
Výsledky umožňují zajímavé čtení. Sundsøy říká, že jeho algoritmus strojového učení našel několik faktorů, které zřejmě předpovídají negramotnost. Nejsilnější je místo, kde lidé tráví většinu času. Jedním z vysvětlení může být, že model zachycuje regiony s nízkou úrovní ekonomického rozvoje, např. slumové oblasti, kde je vysoká negramotnost, říká Sundsøy.
Dalším prediktorem negramotnosti je počet příchozích textů a to, jak se liší od počtu odchozích textů. Může to být proto, že lidé neposílají textové zprávy ostatním, o kterých vědí, že jsou negramotní, zdůrazňuje Sundsøy.
A sociální síť se zdá být také užitečným ukazatelem. Negramotní mají tendenci soustředit svou komunikaci na málo lidí, říká Sundsøy. To je v souladu s další prací, která naznačuje, že ekonomický blahobyt koreluje s rozmanitostí mezi sociálními kontakty.
Celkově vzato, říká, že jeho algoritmus strojového učení dokáže rozpoznat negramotné jedince s překvapivou přesností. Odvozením ekonomických, sociálních a mobilních funkcí pro každého mobilního uživatele předpovídáme stav individuální negramotnosti se 70procentní přesností, říká a poukazuje na to, že to umožňuje mapovat oblasti s nízkou mírou gramotnosti.
To by mohl být užitečný trik pro humanitární agentury, které chtějí přidělovat zdroje oblastem s nízkou mírou gramotnosti. Budou však chtít lepší důkazy, že to funguje na jiných souborech dat a na jiných místech.
Pokud ano, potenciál ke zlepšení života je obrovský. Nízká úroveň gramotnosti vede k začarovanému kruhu chudoby. Lidé, kteří jsou funkčně negramotní, nejsou schopni vyplnit žádosti o zaměstnání, číst štítky na lécích, vypisovat šeky nebo vyrovnávat účty.
To zvyšuje pravděpodobnost, že budou nezaměstnaní, budou mít špatné zdraví a budou závislí na sociálním zabezpečení nebo charitě. Ani oni nejsou schopni pomoci svým dětem naučit se číst a psát.
Ukončení tohoto cyklu je důležitým cílem.
To vše je součástí většího trendu používání záznamů mobilních telefonů ke studiu populací. Techniku využili například demografové mapa rozložení bohatství v Pobřeží slonoviny na západním pobřeží Afriky a říkají, že metoda by jednoho dne mohla nahradit sčítání lidu.
Pokud se podaří tyto druhy studií správně zkalibrovat, stanou se doplňkem zbrojnice demografů. Obraz socioekonomického stavu regionu v reálném čase jim umožní alokovat zdroje podle potřeby, když se objeví problémy. To by byl mocný nástroj.
Ref: arxiv.org/abs/1607.01337 : Může používání mobilních zařízení předvídat negramotnost v rozvojové zemi?