Tendencias Científicas
David Lazer, profesor de la Universidad del Noreste. Imagen: Brooks Canaday. Fuente: Universidad del Noreste.
El científico computaciono-social David Lazer y su equipo de investigación interdisciplinar de la Universidad del Noreste (Boston, EE.UU.) han demostrado que los datos de los teléfonos móviles pueden ser utilizados para detectar, rastrear y predecir de forma rápida y precisa los cambios en la economía en múltiples niveles.
Los resultados, publicados el miércoles pasado en el Journal of the Royal Society Interface, ponen de relieve el potencial de los datos de teléfonos móviles para mejorar los pronósticos de indicadores de información económica cruciales, algo que es extremadamente valioso para los responsables de los sectores público y privado.
En particular, el equipo encontró que los registros detallados de llamadas se pueden utilizar para predecir las tasas de desempleo hasta cuatro meses antes de la publicación de informes oficiales y con más precisión que usando sólo datos históricos.
En el artículo, Lazer, el doctorando Jameson Toole, y sus colaboradores, un cuarteto de expertos en economía, ingeniería, políticas públicas y ciencias de la información del MIT, la Universidad de Harvard, la Universidad de Pittsburgh, y la Universidad de California en Davis, aprovecharon el poder de algoritmos para analizar los datos de registro de llamadas de dos países europeos no revelados.
Su primer estudio se centró en el estudio del comportamiento de la gente durante un despido masivo en una fábrica de componentes de automóvil en 2006.
Utilizando datos del registro de llamadas que abarcan un período de 15 meses entre 2006 y 2007, se diseñó un modelo llamado de ruptura estructural, para identificar a los usuarios de teléfonos que habían sido despedidos. Luego rastrearon la movilidad y las interacciones sociales de los trabajadores afectados, mirando varias cantidades relacionadas con su comportamiento social, incluidas las llamadas totales, el número de llamadas entrantes, el número de llamadas salientes y las llamadas realizadas a individuos ubicados físicamente en la planta.
Los resultados revelaron que la pérdida del empleo tuvo un "efecto amortiguador sistemático" en su movilidad y el comportamiento social. Por ejemplo, el número total de llamadas realizadas por individuos despedidos cayó un 51 por ciento después de su despido, en comparación con los no despedidos, mientras que el número de llamadas salientes se redujo un 54 por ciento.
Además, la fracción de los contactos llamados en el mes anterior que no eran llamados en el mes siguiente aumentaba aproximadamente un 3,6% en relación con los grupos de control. En términos de movilidad, encontraron que el número de torres de telefonía móvil utilizadas por las personas que habían perdido sus puestos de trabajo se redujo un 17 por ciento con relación a una muestra aleatoria.
Los resultados, publicados el miércoles pasado en el Journal of the Royal Society Interface, ponen de relieve el potencial de los datos de teléfonos móviles para mejorar los pronósticos de indicadores de información económica cruciales, algo que es extremadamente valioso para los responsables de los sectores público y privado.
En particular, el equipo encontró que los registros detallados de llamadas se pueden utilizar para predecir las tasas de desempleo hasta cuatro meses antes de la publicación de informes oficiales y con más precisión que usando sólo datos históricos.
En el artículo, Lazer, el doctorando Jameson Toole, y sus colaboradores, un cuarteto de expertos en economía, ingeniería, políticas públicas y ciencias de la información del MIT, la Universidad de Harvard, la Universidad de Pittsburgh, y la Universidad de California en Davis, aprovecharon el poder de algoritmos para analizar los datos de registro de llamadas de dos países europeos no revelados.
Su primer estudio se centró en el estudio del comportamiento de la gente durante un despido masivo en una fábrica de componentes de automóvil en 2006.
Utilizando datos del registro de llamadas que abarcan un período de 15 meses entre 2006 y 2007, se diseñó un modelo llamado de ruptura estructural, para identificar a los usuarios de teléfonos que habían sido despedidos. Luego rastrearon la movilidad y las interacciones sociales de los trabajadores afectados, mirando varias cantidades relacionadas con su comportamiento social, incluidas las llamadas totales, el número de llamadas entrantes, el número de llamadas salientes y las llamadas realizadas a individuos ubicados físicamente en la planta.
Los resultados revelaron que la pérdida del empleo tuvo un "efecto amortiguador sistemático" en su movilidad y el comportamiento social. Por ejemplo, el número total de llamadas realizadas por individuos despedidos cayó un 51 por ciento después de su despido, en comparación con los no despedidos, mientras que el número de llamadas salientes se redujo un 54 por ciento.
Además, la fracción de los contactos llamados en el mes anterior que no eran llamados en el mes siguiente aumentaba aproximadamente un 3,6% en relación con los grupos de control. En términos de movilidad, encontraron que el número de torres de telefonía móvil utilizadas por las personas que habían perdido sus puestos de trabajo se redujo un 17 por ciento con relación a una muestra aleatoria.
Conclusiones
"Estos resultados sugieren que las interacciones sociales de un usuario caen significativamente y que sus redes se vuelven menos estables después de la pérdida de empleo", escriben los autores. "Esta pérdida de conexiones sociales puede amplificar la consecuencia negativa asociada a la pérdida del empleo observada en otros estudios."
El segundo estudio del artículo analizó los registros detallados de llamadas de miles de suscriptores de un país europeo diferente, que había experimentado graves problemas macroeconómicos durante el período para el que estaban disponibles los datos.
Esta vez, los investigadores buscaron cambios de comportamiento que pudieran haber sido causados por los despidos: menos llamadas salientes, por ejemplo, o un aumento en la rotación de contactos, para determinar si esos cambios podrían predecir las estadísticas de desempleo general.
De hecho, se encontraron con que los cambios en la movilidad y el comportamiento social predijeron tasas de desempleo antes de la publicación de los informes oficiales y con más precisión que los pronósticos tradicionales. En concreto, los investigadores señalaron que sus nuevos métodos les permitieron predecir las tasas de desempleo actuales entre dos y ocho semanas antes de la publicación de las estimaciones tradicionales y las previsiones futuras de las tasas de empleo hasta cuatro meses antes de los informes oficiales.
Aunque Lazer elogia la rapidez, precisión y relación efectividad-coste de la recogida y posterior análisis de datos generados de forma pasiva a partir de dispositivos digitales, advirtió en contra de ver los métodos de su grupo como un sustituto de los enfoques basados en encuestas para detectar y predecir las tasas de desempleo.
"Consideramos que los datos de telefonía móvil son una herramienta potente y complementaria", explica. "Los enfoques big data son rápidos y de bajo coste, pero las normas que rigen el uso del teléfono están en constante cambio, lo que nos obliga a calibrar constantemente cómo los utilizamos en relación con otras metodologías."
Sociedad
El uso de datos de telefonía móvil para analizar fenómenos sociales está cada vez más extendido. Científicos de EE.UU., Reino Unido y Senegal los han utilizado recientemente para evaluar las distintas opciones de electrificación de las comunidades rurales de Senegal.
Realizar un censo es costoso y complejo, mientras que los datos de telefonía aportan información instantánea sobre los grupos de población y su consumo de energía.
Otro proyecto, en el que participa la Universidad Politécnica de Madrid, pretende usar esos mismos datos para diseñar con eficacia los programas contra el hambre.
"Estos resultados sugieren que las interacciones sociales de un usuario caen significativamente y que sus redes se vuelven menos estables después de la pérdida de empleo", escriben los autores. "Esta pérdida de conexiones sociales puede amplificar la consecuencia negativa asociada a la pérdida del empleo observada en otros estudios."
El segundo estudio del artículo analizó los registros detallados de llamadas de miles de suscriptores de un país europeo diferente, que había experimentado graves problemas macroeconómicos durante el período para el que estaban disponibles los datos.
Esta vez, los investigadores buscaron cambios de comportamiento que pudieran haber sido causados por los despidos: menos llamadas salientes, por ejemplo, o un aumento en la rotación de contactos, para determinar si esos cambios podrían predecir las estadísticas de desempleo general.
De hecho, se encontraron con que los cambios en la movilidad y el comportamiento social predijeron tasas de desempleo antes de la publicación de los informes oficiales y con más precisión que los pronósticos tradicionales. En concreto, los investigadores señalaron que sus nuevos métodos les permitieron predecir las tasas de desempleo actuales entre dos y ocho semanas antes de la publicación de las estimaciones tradicionales y las previsiones futuras de las tasas de empleo hasta cuatro meses antes de los informes oficiales.
Aunque Lazer elogia la rapidez, precisión y relación efectividad-coste de la recogida y posterior análisis de datos generados de forma pasiva a partir de dispositivos digitales, advirtió en contra de ver los métodos de su grupo como un sustituto de los enfoques basados en encuestas para detectar y predecir las tasas de desempleo.
"Consideramos que los datos de telefonía móvil son una herramienta potente y complementaria", explica. "Los enfoques big data son rápidos y de bajo coste, pero las normas que rigen el uso del teléfono están en constante cambio, lo que nos obliga a calibrar constantemente cómo los utilizamos en relación con otras metodologías."
Sociedad
El uso de datos de telefonía móvil para analizar fenómenos sociales está cada vez más extendido. Científicos de EE.UU., Reino Unido y Senegal los han utilizado recientemente para evaluar las distintas opciones de electrificación de las comunidades rurales de Senegal.
Realizar un censo es costoso y complejo, mientras que los datos de telefonía aportan información instantánea sobre los grupos de población y su consumo de energía.
Otro proyecto, en el que participa la Universidad Politécnica de Madrid, pretende usar esos mismos datos para diseñar con eficacia los programas contra el hambre.
Referencia bibliográfica:
J. L. Toole, Y.-R. Lin, E. Muehlegger, D. Shoag, M. C. Gonzalez, D. Lazer: Tracking employment shocks using mobile phone data. Journal of The Royal Society Interface (2015). DOI: 10.1098/rsif.2015.0185
J. L. Toole, Y.-R. Lin, E. Muehlegger, D. Shoag, M. C. Gonzalez, D. Lazer: Tracking employment shocks using mobile phone data. Journal of The Royal Society Interface (2015). DOI: 10.1098/rsif.2015.0185
Inicio
Enviar a un amigo
Versión para imprimir
Compartir
El Internet de las Cosas se propaga rápidamente 
CIENCIA ON LINE