Визначення неграмотності може бути такий же простий, як відстеження текстів та записів викликів - Мобільний - 2019

Anonim

Освіта вже давно була похвалена як наша найпотужніша зброя у війні з бідністю, а грамотність, мабуть, є ключовим моментом освіти. Але в усьому світі існує близько 750 мільйонів людей, які не вміють читати і писати, а дві третини цієї демографічної групи - це жінки.

Визначення того, хто і де ці особи є, - це постійний виклик, який традиційно стосувався обстежень домогосподарств, але цей метод не є ні ефективним, ні економічним, і організації шукають альтернативи. І тепер це може бути рішення - записи мобільних телефонних дзвінків.

Пал Сандсой в дослідженні Telenor Group у Форнебу, Норвегія, вважає, що він знайшов спосіб визначити рівень грамотності, використовуючи трохи більше ніж легко доступну інформацію від компанії мобільного зв'язку. Як повідомляється в огляді технологій MIT, Sundsøy розпочав свої дослідження "стандартним опитуванням домашніх господарств 76 000 користувачів мобільних телефонів, які проживають в невідомій країні, що розвивається в Азії", який був проведений від імені оператора мобільного зв'язку професійним агентством.

У опитуванні зареєстровано номери мобільних телефонів учасників і вони могли читати чи ні. Сундсйо потім підключив цю інформацію до записів записів викликів з компанії мобільного телефону, що дозволило йому побачити "номери, які кожна людина називає або текстує, тривалість цих викликів, покупки в режимі реального часу, місцезнаходження стільникових веж тощо".

Це, за його словами, дозволило йому визначити, де кожен з користувачів телефонів, коли вони користувалися своїми телефонами, а також допоміг йому з'ясувати, хто телефонує, телефонує або надсилає текстові повідомлення, кількість отриманих текстів, в який час і так далі. Використовуючи цю скарбницю інформації, дослідник може побудувати тип соціальної мережі для користувачів.

Як останній крок, звіти MIT, Sundsøy "використовували 75 відсотків даних для пошуку моделей, пов'язаних із неписьменними користувачами, використовуючи різноманітні технології для стиснення номерів та машинного навчання. Він використовував залишкові 25 відсотків, щоб перевірити, чи можна використовувати ці схеми для виявлення неписьменних людей та районів, де більша частка неписьменних людей ".

Висновки, зроблені Сундсйоєм, показали, що ряд факторів, схоже, передбачав неписьменність, найпоширенішою з яких було місце. "Одним із пояснень може бути те, що модель ловить регіони з низьким рівнем економічного розвитку, наприклад, райони нетрів, де неграмотність висока", - сказав Сундсйо. Частка вхідних до вихідних текстів також є показником, оскільки "неграмотні, як правило, концентрують своє спілкування на кількох людей", - зазначив Сундсйо.

Але найбільш вражаюче алгоритм навчання в машині вченого зумів точно визначити, хто серед населення був справді неграмотним. "Отримавши економічні, соціальні та мобільності для кожного мобільного користувача, ми прогнозуємо індивідуальний статус неграмотності з точністю до 70%", - зазначив він.

Проте дослідження Sundsøy було зосереджено в рамках єдиного набору даних в одному місці, і, можливо, потребує подальшого та більш надійного тестування, перш ніж широко впроваджуватиметься різними агентствами допомоги. Все ж таки цікавий погляд на те, як телефонні записи можуть розкривати більше про населення, ніж вважалося раніше.