[論文レビュー] Can mobile usage predict illiteracy in a developing country?

Pål Sundsøy|arXiv (Cornell University)|Jul 5, 2016

Human Mobility and Location-Based Analysis参考文献 10被引用数 10

ひとこと要約

本研究では、発展途上アジア諸国において、通話記録データ（CDR）から得られるモバイル端末の使用パターンを用いて、個人の文盲度を70%の正確さで予測できることを示している。このモデルは、ランダムな推測を10倍上回る性能を発揮し、基地局レベルの空間分解能で文盲度の地図作成を可能にし、従来のアンケート調査に代わるスケーラブルでアンケート不要の教育介入のターゲティング手法を提供する。

ABSTRACT

The present study provides the first evidence that illiteracy can be reliably predicted from standard mobile phone logs. By deriving a broad set of mobile phone indicators reflecting users financial, social and mobility patterns we show how supervised machine learning can be used to predict individual illiteracy in an Asian developing country, externally validated against a large-scale survey. On average the model performs 10 times better than random guessing with a 70% accuracy. Further we show how individual illiteracy can be aggregated and mapped geographically at cell tower resolution. Geographical mapping of illiteracy is crucial to know where the illiterate people are, and where to put in resources. In underdeveloped countries such mappings are often based on out-dated household surveys with low spatial and temporal resolution. One in five people worldwide struggle with illiteracy, and it is estimated that illiteracy costs the global economy more than 1 trillion dollars each year. These results potentially enable costeffective, questionnaire-free investigation of illiteracy-related questions on an unprecedented scale

研究の動機と目的

• 発展途上国におけるモバイル端末使用データが、個人の文盲度を予測できるかどうかを調査すること。
• 大規模なモバイル通話ログを用いて、文盲度レベルを推定するための機械学習モデルを開発すること。
• 基地局レベルのデータを用いて、文盲度の高分解能地図作成を可能にすること。
• 直接的なアンケート調査を不要とする、コスト効率の高い代替手法を提供し、文盲者層の特定を可能とすること。
• 文盲データが古くなっているか、入手困難な未発達地域における、的確なリソース配分を支援すること。

提案手法

• 本研究では、匿名化されたモバイル通話記録（CDR）を用いて、金融的・社会的・移動行動に関する行動指標を抽出する。
• 通話頻度、通話時間、連絡先数、空間的移動パターンなど、合計105の特徴量をCDRから抽出する。
• 大規模なアンケート調査で得られた文盲状態の真値を用いて、教師あり機械学習モデル（例：ランダムフォレスト、勾配ブースティング）を学習させる。
• 一般化性を確認するため、独立したアンケートデータセットを用いた外部妥当性評価を実施する。
• 文盲度の予測結果を基地局レベルに集計し、文盲度の顕在度のヒートマップを生成する。
• モデルの性能は、正答率、適合率、再現率、受検者受容特性曲線下積分（AUC）を用いて評価する。

実験結果

リサーチクエスチョン

• RQ1 発展途上国において、モバイル端末使用パターンは、個人の文盲度を信頼性を持って予測できるか？
• RQ2 モバイル端末データを用いた機械学習モデルは、文盲度予測において、ランダムな推測をどの程度上回るか？
• RQ3 集計されたモバイル端末データを用いて、基地局レベルで高分解能の文盲度地図を作成できるか？
• RQ4 空間的・時間的分解能という観点から、モバイルデータの予測性能は、従来のアンケートベース手法と比べてどうか？
• RQ5 モバイル端末データの利用が、教育格差の広範かつ低コストなモニタリングに与える意味は何か？

主な発見

• 機械学習モデルは70%の予測正確度を達成し、ランダムな推測を10倍上回る性能を示した。
• モデルは強く一般化能力を示し、外部での妥当性評価により、独立したアンケートデータでも一貫した性能を確認した。
• 基地局レベルでの文盲度の地理的マッピングにより、地域ごとの文盲度の明確なパターンが明らかとなり、政策立案のための的確なターゲティングが可能になった。
• 通話頻度、連絡先の多様性、移動範囲といった、文盲状態と強く相関するモバイル利用指標が同定された。
• 直接的なアンケート調査を不要とすることで、大規模かつリアルタイムでの文盲度モニタリングが可能となり、コストと運用上の障壁が低減された。
• 結果から、伝統的なデータ収集が困難または古くなっている地域において、モバイル端末データが文盲状態の代理指標として機能しうることが示唆された。