MétaCan
Menu
Retour à la cohorte
Enregistrement W2027182005 · doi:10.4236/ti.2013.44030

Mobile Number Portability: A Case Study of Kenya

2013· article· en· W2027182005 sur OpenAlexvenueno aff
Metto S. Kimutai, Kimeli V. Kimutai, Awuor F. Mzee

Notice bibliographique

RevueTechnology and Investment · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueICT Impact and Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésService providerBusinessCommissionNewspaperMarketingTelecommunicationsService (business)Software portabilityAsset (computer security)Mobile serviceAdvertisingComputer scienceComputer securityFinance

Résumé

récupéré en direct d'OpenAlex

In the telecommunications industry, mobile numbers are increasingly being seen as an asset of the regulator. The freedom of the customer using it is left to him/her to decide which service provider to use while retaining the same number. Mobile number portability (MNP) has been introduced to provide a platform for this freedom to the customer. The Telecommunications market Regulator in Kenya, the Communication Commission of Kenya (CCK), began the course of mobile number portability in 2010 through newspaper advertisement. The regulator had an aim that in the end, the right customer experience will be provided by the service providers, and help service providers to build profitable and lasting relationships between the service providers and their customer, and to differentiate themselves in the market. In this paper, we seek to evaluate the performance of MNP in Kenya since its launch. This paper seeks to find out how the service has performed after the first three months of operation. We survey and analyze MNP framework in Kenya and compare that to MNP in Japan, Finland, Sweden and Hong Kong to establish the future of MNP in Kenya. It first looks at the MNP framework as used in Kenya and the procedure for reversal in case the customer is dissatisfied with a service provider who moves to and makes a reference to how the service has performed in other markets such as Finland, Sweden, and Hong Kong in order to enable comparative observations. Since there has been very little literature published for countries in Africa, it will only make comments on countries like Egypt, South Africa and Nigeria. Further, it gives recommendations to the participating parties.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,691
Score d'incertitude au seuil0,272

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,242
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTechnology and InvestmentMême sujetICT Impact and PoliciesTravaux en français237 207