使用移动应用数据预测社会经济福祉：法国案例研究
Predicting Socio-Economic Well-being Using Mobile Apps Data: A Case Study of France
摘要：
社会经济指标为评估一个国家的总体状况提供了背景。这些指标包含有关教育、性别、贫困、就业和其他因素的信息。因此，可靠和准确的信息对社会研究和政府警务至关重要。目前可用的大多数数据来源，如人口普查，覆盖的人口很少，或更新不频繁。尽管如此，替代数据源，如呼叫数据记录（CDR）和移动应用程序使用情况，可以作为确定社会经济指标的成本效益和最新来源。这项工作调查了移动应用程序数据，以预测社会经济特征。我们提出了一项大规模的研究，使用的数据捕获了分布在550，000平方公里的大约3000万用户的数千个移动应用程序的流量，并由超过25，000个基站提供服务。该数据集涵盖整个法国领土，从2019年3月16日到2019年6月6日，跨度超过2.5个月。使用应用程序使用模式，我们的最佳模型可以估计社会经济指标（达到R平方分数高达0.66）。此外，使用模型的可解释性，我们发现，移动应用程序的使用模式有可能揭示社会经济差异的IRIS。这项研究的见解为未来的干预提供了几种途径，包括用户时间网络分析，以了解不断变化的网络模式和探索替代数据源。
英文摘要：
Socio-economic indicators provide context for assessing a country's overall condition. These indicators contain information about education, gender, poverty, employment, and other factors. Therefore, reliable and accurate information is critical for social research and government policing. Most data sources available today, such as censuses, have sparse population coverage or are updated infrequently. Nonetheless, alternative data sources, such as call data records (CDR) and mobile app usage, can serve as cost-effective and up-to-date sources for identifying socio-economic indicators. This work investigates mobile app data to predict socio-economic features. We present a large-scale study using data that captures the traffic of thousands of mobile applications by approximately 30 million users distributed over 550,000 km square and served by over 25,000 base stations. The dataset covers the whole France territory and spans more than 2.5 months, starting from 16th March 2019 to 6th June 2019. Using the app usage patterns, our best model can estimate socio-economic indicators (attaining an R-squared score upto 0.66). Furthermore, using models' explainability, we discover that mobile app usage patterns have the potential to reveal socio-economic disparities in IRIS. Insights of this study provide several avenues for future interventions, including user temporal network analysis to understand evolving network patterns and exploration of alternative data sources.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
