論文の概要: Predicting Well-Being with Mobile Phone Data: Evidence from Four Countries

• arxiv url: http://arxiv.org/abs/2602.02805v1
• Date: Mon, 02 Feb 2026 21:03:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:15.088721
• Title: Predicting Well-Being with Mobile Phone Data: Evidence from Four Countries
• Title（参考訳）: 携帯電話データによる幸福感の予測:4カ国の証拠
• Authors: M. Merritt Smith, Emily Aiken, Joshua E. Blumenstock, Sveta Milusheva,
• Abstract要約: 4カ国のデータを用いて、福祉の指標を最も正確に予測できるかを評価する機械学習実験を行った。 長期的な貧困対策は、消費よりも正確に予測できる。 全国的に代表されるサンプルは、都市のみまたは農村のみのサンプルよりも20～70%精度が高い。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We provide systematic evidence on the potential for estimating household well-being from mobile phone data. Using data from four countries - Afghanistan, Cote d'Ivoire, Malawi, and Togo - we conduct parallel, standardized machine learning experiments to assess which measures of welfare can be most accurately predicted, which types of phone data are most useful, and how much training data is required. We find that long-term poverty measures such as wealth indices (Pearson's rho = 0.20-0.59) and multidimensional poverty (rho = 0.29-0.57) can be predicted more accurately than consumption (rho = 0.04 - 0.54); transient vulnerability measures like food security and mental health are very difficult to predict. Models using calls and text message behavior are more predictive than those using metadata on mobile internet usage, mobile money transactions, and airtime top-ups. Predictive accuracy improves rapidly through the first 1,000-2,000 training observations, with continued gains beyond 4,500 observations. Model performance depends strongly on sample heterogeneity: nationally-representative samples yield 20-70 percent higher accuracy than urban-only or rural-only samples.
• Abstract（参考訳）: 携帯電話データから世帯の幸福度を推定する可能性についての体系的な証拠を提供する。 アフガニスタン、Cote d'Ivoire、マラウイ、東郷の4カ国のデータを用いて、並列で標準化された機械学習実験を行い、どの福祉の指標を最も正確に予測できるか、どの種類の電話データが最も有用か、どのくらいのトレーニングデータが必要かを評価する。 富の指標(ピアソンのrho = 0.20-0.59)や多次元の貧困(rho = 0.29-0.57)といった長期的な貧困対策は、消費よりも正確に予測できる(rho = 0.04 - 0.54)。 通話とテキストメッセージの振る舞いを使用するモデルは、モバイルインターネットの利用、モバイルマネートランザクション、および航空時のトップアップでメタデータを使用するモデルよりも予測力が高い。 予測精度は、最初の1,000-2000のトレーニング観測によって急速に改善され、4,500以上の観測が継続される。 モデルの性能はサンプルの不均一性に強く依存しており、全国的に代表されるサンプルは、都市のみのサンプルや農村のみのサンプルよりも20～70%高い精度が得られる。

関連論文リスト

• DataDecide: How to Predict Best Pretraining Data with Small Experiments [67.95896457895404]
  私たちはDataDecideのモデル、データ、評価を公開しています。 最大100Bトークン,最大1Bパラメータのモデルサイズ,および3つのランダムシードを用いて,25コーパスにわたる事前学習実験を行った。
  論文  参考訳（メタデータ） (2025-04-15T17:02:15Z)
• Mobile Internet Quality Estimation using Self-Tuning Kernel Regression [7.6449549886709764]
  合衆国の州の規模でモバイル(携帯電話)のインターネット品質を推定することを検討する。 ほとんどのサンプルは限られた領域に集中しているが、残りはごくわずかである。 本稿では,データ不均衡の悪影響を軽減するために自己調整型カーネルを用いた適応型カーネル回帰手法を提案する。
  論文  参考訳（メタデータ） (2023-11-04T21:09:46Z)
• Predicting Socio-Economic Well-being Using Mobile Apps Data: A Case Study of France [5.254432021398321]
  本研究では,モバイルアプリデータを用いて社会経済的特徴の予測を行う。 本研究では,数千のモバイルアプリケーションのトラフィックを約3000万のユーザでキャプチャするデータを用いた大規模調査を行う。 アプリの利用パターンを用いて、私たちの最良のモデルは社会経済指標を推定できる。
  論文  参考訳（メタデータ） (2023-01-15T18:12:16Z)
• A fairness assessment of mobility-based COVID-19 case prediction models [0.0]
  予測モデルのトレーニングに使用されるモビリティデータのバイアスが、特定の人口集団に対して不当に精度の低い予測に繋がる可能性があるという仮説を検証した。 特に、モデルは大きく、高度に教育され、富裕な若者、都市、非黒人が支配する郡を好む傾向にある。
  論文  参考訳（メタデータ） (2022-10-08T03:43:51Z)
• Strict baselines for Covid-19 forecasting and ML perspective for USA and Russia [105.54048699217668]
  Covid-19は、2年間にわたって蓄積されたデータセットを収集し、予測分析に使用できるようにする。 本研究は、米国とロシアの2カ国の地域データに基づいて、Covid-19の拡散のダイナミクスを予測するための様々な種類の方法に関する一貫した研究結果である。
  論文  参考訳（メタデータ） (2022-07-15T18:21:36Z)
• Forecasting Future World Events with Neural Networks [68.43460909545063]
  Autocastは数千の予測質問と付随するニュースコーパスを含むデータセットである。 ニュースコーパスは日付によって整理され、人間が過去の予測を行った条件を正確にシミュレートすることができる。 予測タスクで言語モデルをテストし、パフォーマンスが人間専門家のベースラインよりはるかに低いことを確認します。
  論文  参考訳（メタデータ） (2022-06-30T17:59:14Z)
• On the limits of algorithmic prediction across the globe [4.392517231156947]
  米国のデータに基づいてトレーニングされた最先端の機械学習モデルは、高い精度で達成を予測でき、同等の精度で他の先進国に一般化できる。 同じモデルを全国データでトレーニングすると、各国で高い精度が得られ、ローカルデータ収集の価値が強調される。
  論文  参考訳（メタデータ） (2021-03-28T19:53:18Z)
• 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)
• 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。