[论文解读] The Internet as Quantitative Social Science Platform: Insights from a Trillion Observations

Klaus Ackermann, Simon D. Angus+1 more|arXiv (Cornell University)|Jan 19, 2017

Human Mobility and Location-Based Analysis参考文献 28被引用 3

一句话总结

本文利用涵盖1,647个全球城市（2006–2012年）的万亿规模、15分钟分辨率的互联网活动数据集，证明了互联网作为定量社会科学平台的变革性作用。通过分析IP连接模式，研究发现人均互联网普及率在约16.1年后趋于饱和，每三人约有1个IP，其速度超过以往通用技术；估算出全球睡眠时长并揭示昼夜活动模式；并发现互联网普及对不同经济部门产生异质性生产率影响。

ABSTRACT

With the large-scale penetration of the internet, for the first time, humanity has become linked by a single, open, communications platform. Harnessing this fact, we report insights arising from a unified internet activity and location dataset of an unparalleled scope and accuracy drawn from over a trillion (1.5$ imes 10^{12}$) observations of end-user internet connections, with temporal resolution of just 15min over 2006-2012. We first apply this dataset to the expansion of the internet itself over 1,647 urban agglomerations globally. We find that unique IP per capita counts reach saturation at approximately one IP per three people, and take, on average, 16.1 years to achieve; eclipsing the estimated 100- and 60- year saturation times for steam-power and electrification respectively. Next, we use intra-diurnal internet activity features to up-scale traditional over-night sleep observations, producing the first global estimate of over-night sleep duration in 645 cities over 7 years. We find statistically significant variation between continental, national and regional sleep durations including some evidence of global sleep duration convergence. Finally, we estimate the relationship between internet concentration and economic outcomes in 411 OECD regions and find that the internet's expansion is associated with negative or positive productivity gains, depending strongly on sectoral considerations. To our knowledge, our study is the first of its kind to use online/offline activity of the entire internet to infer social science insights, demonstrating the unparalleled potential of the internet as a social data-science platform.

研究动机与目标

• 确立互联网作为大规模、被动且高分辨率的定量社会科学数据平台。
• 通过使用具备精确地理定位的实际终端用户IP连接记录，克服基于代理的互联网普及率数据的局限性。
• 以前所未有的时间与空间粒度，分析全球互联网普及的扩散动态。
• 利用昼夜互联网活动作为人类睡眠行为的代理指标，估算645座城市的夜间睡眠时长。
• 考察经合组织区域内互联网普及率与区域生产率之间的异质性关系，按经济部门分层分析。

提出的方法

• 在2006年至2012年间，对1,647个人口聚集区的每15分钟间隔进行超过1.5万亿次IP级在线/离线观测的聚合。
• 整合高精度商业IP地理定位数据库，为每次连接事件分配时间和空间坐标。
• 采用逻辑（S形）增长函数建模互联网扩散：$IPc_t = K / (1 + e^{-\alpha(t - \beta)})$，估计饱和值（$K$）、增长率（$\alpha$）和拐点（$\beta$）。
• 利用昼夜互联网活动模式推断夜间睡眠时长，将离线活动高峰视为睡眠开始的代理指标。
• 应用区域计量经济模型，评估按经济部门分层的互联网集中度与区域生产率之间的关系。
• 通过历史IP/地理定位扫描验证地理定位准确性，并与已知城市边界及国家数据集交叉比对。

实验结果

研究问题

• RQ1 人均互联网普及率达到饱和的速度在全球范围内有多快？与以往通用技术相比如何？
• RQ2 是否可利用昼夜互联网活动模式在大规模范围内估算多样化城市人口的夜间睡眠时长？
• RQ3 是否存在全球范围内睡眠时长趋同的证据？区域与大陆间存在何种差异？
• RQ4 次国家级互联网普及率与区域经济生产率之间存在何种关系？该关系在不同部门间如何变化？
• RQ5 被动互联网活动数据在多大程度上可作为人类行为与社会经济现象的可靠代理？

主要发现

• 人均互联网普及率在约每三人一个IP时趋于饱和，中位饱和时间为16.1年，显著快于电力与蒸汽动力技术的60–100年估计值。
• 本研究首次基于2006至2012年数据，对全球645座城市的夜间睡眠时长提供了城市级估算，揭示了各大洲与区域间存在统计显著差异。
• 存在全球睡眠时长趋同的证据，区域差异随时间缩小，尤其在经合组织国家中更为明显。
• 互联网普及与服务业及知识密集型产业的生产率正向增长相关，而制造业与农业则呈现负向或中性影响。
• 互联网扩散的逻辑模型在各城市中拟合良好，证实了与以往技术扩散研究一致的S形增长模式。
• 利用互联网活动作为人类行为（如睡眠）代理的方法具有稳健性和可扩展性，可在无需直接调查的情况下实现实时、大规模的行为推断。