論文の概要: Program Targeting with Machine Learning and Mobile Phone Data: Evidence from an Anti-Poverty Intervention in Afghanistan

• arxiv url: http://arxiv.org/abs/2206.11400v1
• Date: Wed, 22 Jun 2022 22:03:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-25 01:22:46.152366
• Title: Program Targeting with Machine Learning and Mobile Phone Data: Evidence from an Anti-Poverty Intervention in Afghanistan
• Title（参考訳）: 機械学習と携帯電話データによるプログラムターゲット:アフガニスタンにおける反貧困介入の証拠
• Authors: Emily Aiken, Guadalupe Bedoya, Joshua Blumenstock, Aidan Coville
• Abstract要約: 機械学習は,超低所得世帯を,消費と富のサーベイベースとほぼ同等の精度で識別できることを示す。 調査に基づく尺度と携帯電話データを組み合わせることで、単一のデータソースに基づくものよりも正確な分類が得られることを示す。
• 参考スコア（独自算出の注目度）: 0.6554326244334867
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Can mobile phone data improve program targeting? By combining rich survey data from a "big push" anti-poverty program in Afghanistan with detailed mobile phone logs from program beneficiaries, we study the extent to which machine learning methods can accurately differentiate ultra-poor households eligible for program benefits from ineligible households. We show that machine learning methods leveraging mobile phone data can identify ultra-poor households nearly as accurately as survey-based measures of consumption and wealth; and that combining survey-based measures with mobile phone data produces classifications more accurate than those based on a single data source.
• Abstract（参考訳）: 携帯電話データはプログラムターゲティングを改善することができるか? アフガニスタンの「大きなプッシュ」反貧困プログラムからの豊富な調査データを、プログラム受益者からの詳細な携帯電話ログと組み合わせることで、プログラムの利益に適する超貧しい世帯を、プログラムの利益に適した世帯から正確に区別できる範囲について調査する。 携帯電話データを利用した機械学習手法は、調査に基づく消費と富の尺度とほぼ同じ精度で、調査に基づく測定と携帯電話データを組み合わせることで、単一のデータソースに基づくものよりも正確な分類を実現できることを示す。

関連論文リスト

• Incremental Semi-supervised Federated Learning for Health Inference via Mobile Sensing [5.434366992553875]
  我々は,段階的な半教師付きフェデレート学習アルゴリズムであるFedMobileを提案する。 インフルエンザ様症状認識のための実世界のモバイルセンシングデータセットを用いてFedMobileを評価した。
  論文  参考訳（メタデータ） (2023-12-19T23:39:33Z)
• Viability of Mobile Forms for Population Health Surveys in Low Resource Areas [47.28991543521559]
  人口健康調査は、低資源コミュニティにおいて、限られた資源を効果的に割り当てるための重要なツールである。 このように収集されたデータは、集計と分析が難しい。 フィリピンでは,移動形態がより有効で効率的な調査方法であるかどうかを評価するために,一連のインタビューと実験を行った。
  論文  参考訳（メタデータ） (2023-10-11T20:51:28Z)
• An Ensemble Mobile-Cloud Computing Method for Affordable and Accurate Glucometer Readout [0.0]
  本稿では,アンサンブル学習アルゴリズム,モバイル・クラウド・コンピューティング・サービスアーキテクチャ,高可用性と迅速な応答時間を実現するためのシンプルな圧縮手法を提案する。 提案手法は,2つの異なるデータセットに対して92.1%と97.7%の精度を実現し,従来の手法を40%改善し,(2) 必要な帯域幅を,1%の精度で45倍削減し,(3) モバイル専用,クラウド専用,スプリットコンピューティング,早期終了サービスモデルと比較して,優れた可用性を提供する。
  論文  参考訳（メタデータ） (2023-01-04T18:48:53Z)
• Error-Aware Imitation Learning from Teleoperation Data for Mobile Manipulation [54.31414116478024]
  移動操作(MM)では、ロボットは環境内を移動して操作することができる。 本研究では,MMタスクに対する連続的なビジュオモダポリシの学習に模倣学習(IL)を適用する方法について検討する。
  論文  参考訳（メタデータ） (2021-12-09T23:54:59Z)
• Understanding the World Through Action [91.3755431537592]
  ラベルのないデータを利用するための汎用的で原則的で強力なフレームワークは、強化学習から導き出すことができると私は主張する。 このような手順が、下流の潜在的なタスクとどのように密接に一致しているかについて論じます。
  論文  参考訳（メタデータ） (2021-10-24T22:33:52Z)
• Leveraging Mobile Phone Data for Migration Flows [5.0161988361764775]
  移動フローに関する統計は、しばしば固有の制限に悩まされる国勢調査データから導かれる。 調査やフィールド観測などの代替データソースも、信頼性、コスト、スケール制限に悩まされている。 携帯電話の普及により、移動に関連する最新のデータの正確かつ効率的な収集が可能になる。
  論文  参考訳（メタデータ） (2021-05-31T13:41:47Z)
• Deploying machine learning to assist digital humanitarians: making image annotation in OpenStreetMap more efficient [72.44260113860061]
  本稿では,OpenStreetMapにおけるボランティアの作業を支援し,最適化するためのインタラクティブな手法を提案する。 提案手法は,OSMのボランティアが検証・修正するために必要なデータ量を大幅に削減する。
  論文  参考訳（メタデータ） (2020-09-17T10:05:30Z)
• Urban Sensing based on Mobile Phone Data: Approaches, Applications and Challenges [67.71975391801257]
  モバイルデータ分析における多くの関心は、人間とその行動に関連している。 本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
  論文  参考訳（メタデータ） (2020-08-29T15:14:03Z)
• Predicting cell phone adoption metrics using satellite imagery [1.2691047660244335]
  世界の人口の約半数はインターネットにアクセスできないが、デジタル接続は経済発展の機会に革命をもたらすことによって貧困を減らすことができる。 モバイルネットワーク事業者と政府は、特に需要が不明なグリーンフィールド地域で、インフラ投資が有効かどうかを効果的に判断するのに苦労している。 本稿では,携帯電話の普及やモバイルサービスへの支出など通信需要の指標を予測するために,公開衛星画像を用いた機械学習手法を提案し,その手法をマラウイとエチオピアに適用する。
  論文  参考訳（メタデータ） (2020-06-12T16:47:45Z)
• Generating Interpretable Poverty Maps using Object Detection in Satellite Images [80.35540308137043]
  衛星画像に物体検出装置を適用することにより、局所レベルでの貧困を正確に予測するための解釈可能な計算手法を実証する。 対象物の重み付けを特徴として、ウガンダの村レベルの貧困を予測する0.539 Pearson's r2を達成し、既存の(解釈不可能でない)ベンチマークよりも31%改善した。
  論文  参考訳（メタデータ） (2020-02-05T02:50:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。