Analyzing the Mobile “Digital Divide”: Changing Determinants of Household Phone Ownership Over Time in Rural Bangladesh
Notice bibliographique
Résumé
BACKGROUND: We had a unique opportunity to examine demographic determinants of household mobile phone ownership in rural Bangladesh using socioeconomic data collected as part of a multiyear longitudinal cohort study of married women of reproductive age. OBJECTIVES: This paper explores how the demographics of household mobile phone owners have changed over time in a representative population of rural Bangladesh. METHODS: We present data collected between 2008 and 2011 on household mobile phone ownership and related characteristics including age, literacy, education, employment, electricity access, and household wealth among 35,306 individuals. Respondents were enrolled when found to be newly pregnant and contributed socioeconomic information once over the course of the time period serving as a "sample" of families within the population at that time. Univariate and multiple logistic regressions analyses were performed to identify the socioeconomic determinants of household phone ownership. RESULTS: Across 3 fiscal years, we found that reported household ownership of at least 1 working mobile phone grew from 29.85% in the first fiscal year to 56.07% in the third fiscal year. Illiteracy, unavailability of electricity, and low quartiles of wealth were identified as overall demographic constraints to mobile phone ownership. However, over time, these barriers became less evident and equity gaps among demographic status began to dissipate as access to mobile technology became more democratized. We saw a high growth rate in ownership among households in lower economic standing (illiterate, without electricity, low and lowest wealth index), likely a result of competitive pricing and innovative service packages that improve access to mobile phones as the mobile phone market matures. In contrast, as market saturation is rapidly attained in the most privileged demographics (literate, secondary schooling, electricity, high wealth index), members of the lower wealth quartiles seem to be following suit, with more of an exponential growth. CONCLUSIONS: Upward trends in household mobile phone ownership in vulnerable populations over time underline the potential to leverage this increasingly ubiquitous infrastructure to extend health and finance services across social and economic strata.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».