Identifikation af analfabetisme kan være lige så nemt som sporing af tekster og opkaldsrekord - Mobil - 2019

Anonim

Uddannelse er længe blevet hæmmet som vores mest magtfulde våben i krigen mod fattigdom, og læsefærdighed er måske uddannelseens hovedsten. Men rundt om i verden er der omkring 750 millioner individer, der ikke kan læse og skrive, og to tredjedele af demografiske er kvinder.

At identificere hvem og hvor disse personer er, er en løbende udfordring, som traditionelt er blevet behandlet af husholdningsundersøgelser, men denne metode er hverken effektiv eller økonomisk, og organisationer har været på udkig efter et alternativ. Og nu kan det bare være en løsning - mobilopkaldsposter.

Pål Sundsøy på Telenor Group Research i Fornebu, Norge, mener, at han har fundet vej til at bestemme literacy rates ved at bruge lidt mere end let tilgængelig information fra et mobiltelefonfirma. Som MIT Technology Review rapporterede, startede Sundsøy sin forskning med en "standard husstandsundersøgelse af 76.000 mobiltelefonbrugere, der bor i et uidentificeret udviklingsland i Asien", som blev udført på vegne af en mobiloperatør af et professionelt bureau.

Undersøgelsen registrerede deltagernes mobilnumre og om de kunne læse eller ej. Sundsøy matchede derefter disse oplysninger med opkaldsdataoptegnelser fra mobiltelefonfirmaet, hvilket tillod ham at se "de numre, hver person har ringet til eller smset, længden af ​​disse opkald, køb af lufttid, celle tårn steder osv."

Dette, Sundsøy sagde, fik ham til at bestemme, hvor hver af telefonbrugerne var, da de brugte deres telefoner og også hjalp ham med at opdage, hvem telefonbrugerne ringede eller smsede, antallet af modtagne tekster, på hvilket tidspunkt og så videre. Ved hjælp af denne skattekiste af information kunne forskeren opbygge en slags socialt netværk for brugerne.

Som et sidste skridt rapporterede MIT, Sundsøy "75 procent af dataene for at søge efter mønstre i forbindelse med analfabeter, der bruger en række teknikker til numerisk crunching og maskinindlæring. Han brugte de resterende 25 procent til at teste om det er muligt at bruge disse mønstre til at identificere analfabeter og områder, hvor der er en højere andel analfabeter. "

Konklusionerne Sundsøy foreslog, at en række faktorer syntes at foregribe analfabetisme, hvoraf de mest almindelige var placering. "En forklaring kan være, at modellen fanger regioner med lav økonomisk udviklingsstatus, f.eks. Slumområder, hvor analfabetisme er høj, " siger Sundsøy. Andelen af ​​indgående til udgående tekster var også en indikator, da "analfabeter har en tendens til at koncentrere deres kommunikation om få mennesker", bemærkede Sundsøy.

Men mest imponerende var videnskabsmandens maskinindlæringsalgoritme i stand til præcist at bestemme, hvem blandt en befolkning faktisk var analfabeter. "Ved at udlede økonomiske, sociale og mobilitetsfunktioner for hver mobilbruger forudsiger vi individuel analfabetisme med 70 procent nøjagtighed, " bemærkede han.

Sundsøys undersøgelse er således koncentreret inden for et enkelt datasæt på et enkelt sted, og det kan være nødvendigt at gennemføre yderligere og mere robust test, før den bliver gennemført bredt af forskellige hjælpeagenturer. Det er også et interessant indblik i, hvordan telefonoptegnelser kan afsløre mere om en befolkning end tidligere antaget.