論文の概要: Learning to Call: A Field Trial of a Collaborative Bandit Algorithm for Improved Message Delivery in Mobile Maternal Health

• arxiv url: http://arxiv.org/abs/2507.16356v1
• Date: Tue, 22 Jul 2025 08:42:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-23 21:34:14.033665
• Title: Learning to Call: A Field Trial of a Collaborative Bandit Algorithm for Improved Message Delivery in Mobile Maternal Health
• Title（参考訳）: モバイル母体保健におけるメッセージ配信改善のための協調的帯域幅アルゴリズムのフィールドトライアル
• Authors: Arpan Dasgupta, Mizhaan Maniyar, Awadhesh Srivastava, Sanat Kumar, Amrita Mahale, Aparna Hedge, Arun Suggala, Karthikeyan Shanmugam, Aparna Taneja, Milind Tambe,
• Abstract要約: インドのキルカリ・プログラムは、何百万人もの母親に毎週の音声通話を通じて重要な母体健康情報を提供している。 現在のランダムな呼び出しスケジューリングは、しばしばミスコールとメッセージ配信の削減をもたらす。 本研究では,母親の好みの通話時間を学習することで,通話タイミングの最適化を目的とした協調的帯域幅アルゴリズムのフィールドトライアルを提案する。
• 参考スコア（独自算出の注目度）: 30.739508842975862
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mobile health (mHealth) programs utilize automated voice messages to deliver health information, particularly targeting underserved communities, demonstrating the effectiveness of using mobile technology to disseminate crucial health information to these populations, improving health outcomes through increased awareness and behavioral change. India's Kilkari program delivers vital maternal health information via weekly voice calls to millions of mothers. However, the current random call scheduling often results in missed calls and reduced message delivery. This study presents a field trial of a collaborative bandit algorithm designed to optimize call timing by learning individual mothers' preferred call times. We deployed the algorithm with around $6500$ Kilkari participants as a pilot study, comparing its performance to the baseline random calling approach. Our results demonstrate a statistically significant improvement in call pick-up rates with the bandit algorithm, indicating its potential to enhance message delivery and impact millions of mothers across India. This research highlights the efficacy of personalized scheduling in mobile health interventions and underscores the potential of machine learning to improve maternal health outreach at scale.
• Abstract（参考訳）: モバイルヘルス(mHealth)プログラムは、自動化された音声メッセージを利用して、特に未保存地域をターゲットとした健康情報を提供し、これらの人口に重要な健康情報を広めるためにモバイル技術を使用することの有効性を示し、認識と行動の変化を増大させることで健康結果を改善する。 インドのキルカリ・プログラムは、何百万人もの母親に毎週の音声通話を通じて重要な母体健康情報を提供している。 しかし、現在のランダムな呼び出しスケジューリングは、しばしばミスコールとメッセージ配信の削減をもたらす。 本研究では, 母親の好みの通話時刻を学習することで, 通話タイミングを最適化するために, 協調的帯域幅アルゴリズムのフィールドトライアルを行う。 パイロットスタディとして約6500ドルのKilkari参加者でアルゴリズムをデプロイし、その性能をベースラインのランダム呼び出し手法と比較した。 その結果,バンディットアルゴリズムによる着信率の統計的に有意な改善が示され,メッセージ配信が促進され,インド全土の何百万人もの母親に影響を及ぼす可能性が示唆された。 本研究は、モバイルヘルス介入におけるパーソナライズされたスケジューリングの有効性を強調し、大規模に母体健康状態を改善するための機械学習の可能性を強調した。

関連論文リスト

• IRL for Restless Multi-Armed Bandits with Applications in Maternal and Child Health [52.79219652923714]
  本論文は,RMABに対する所望の報酬を学習するために,逆強化学習(IRL)を用いた最初の事例である。 本研究は,母子保健遠隔医療プログラムにおける改善された成果を示すものである。
  論文  参考訳（メタデータ） (2024-12-11T15:28:04Z)
• Preliminary Study of the Impact of AI-Based Interventions on Health and Behavioral Outcomes in Maternal Health Programs [46.220426654734425]
  我々は,AIによる介入による聴取能力の向上が,妊娠や乳児期の重要な健康問題をよりよく理解することにつながる証拠を提示する。 この理解の向上は、母親とその赤ちゃんの健康上の利益をもたらす可能性がある。
  論文  参考訳（メタデータ） (2024-05-23T10:18:20Z)
• Improving Health Information Access in the World's Largest Maternal Mobile Health Program via Bandit Algorithms [24.4450506603579]
  本論文は,母子保健における世界最大級のmHealthプログラムであるKilkariに焦点を当てる。 本稿では,自動ドロップアウトの削減とプログラムへのエンゲージメント向上を目的としたCHAHAKシステムを提案する。
  論文  参考訳（メタデータ） (2024-05-14T07:21:49Z)
• Analyzing and Predicting Low-Listenership Trends in a Large-Scale Mobile Health Program: A Preliminary Investigation [25.831299045335125]
  キルカリは、妊婦や新しい母親に時間に敏感なオーディオメッセージを提供する世界最大のモバイル健康プログラムの1つである。 我々は,mHealthプログラムと受益者の相互作用の軌跡を初期解析する。 プログラムの成功を促進するために、潜在的に拡張可能な要素について検討する。
  論文  参考訳（メタデータ） (2023-11-13T08:11:09Z)
• Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
  精神状態は、先進医療に共通する国でも診断されていない。 人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。 本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
  論文  参考訳（メタデータ） (2021-06-24T17:46:03Z)
• Selective Intervention Planning using RMABs: Increasing Program Engagement to Improve Maternal and Child Health Outcomes [34.38042786168279]
  インドに本拠を置く非営利団体ARMMANと連携し、コールベースの情報プログラムをさらに活用しています。 意識プログラムに登録された30万人以上の女性の匿名化通話記録を分析した。 コールログと受益者の人口統計情報から長期的なエンゲージメントパターンを予測するための機械学習ベースのモデルを構築しました。
  論文  参考訳（メタデータ） (2021-03-07T08:47:24Z)
• MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
  ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。 我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
  論文  参考訳（メタデータ） (2020-11-17T15:18:38Z)
• Missed calls, Automated Calls and Health Support: Using AI to improve maternal health outcomes by increasing program engagement [26.353309432011724]
  インドでは、出産15分ごとに女性が死亡する母親の死亡件数が世界の11%を占めている。 ARMMANによる認知プログラムに登録された30万人以上の女性の匿名通話記録を分析した。 我々は、コールログと受益者の人口統計情報から短期的および長期的ドロップアウトリスクを予測するために、堅牢なディープラーニングベースのモデルを構築した。
  論文  参考訳（メタデータ） (2020-06-13T08:32:41Z)
• Transforming unstructured voice and text data into insight for paramedic emergency service using recurrent and convolutional neural networks [68.8204255655161]
  救急隊員は救急車内で限られた時間内に救命判断をしなければならないことが多い。 本研究の目的は、音声とテキストデータを自動的に融合して、救急隊員に適切な状況認識情報を提供することである。
  論文  参考訳（メタデータ） (2020-05-30T06:47:02Z)

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。