MétaCan
Menu
Retour à la cohorte
Enregistrement W3028733537 · doi:10.1073/pnas.1909326117

Leveraging mobile phones to attain sustainable development

2020· article· en· W3028733537 sur OpenAlexaff
Valentina Rotondi, Ridhi Kashyap, Luca Maria Pesando, Simone Spinelli, Francesco C. Billari

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueICT Impact and Policies
Établissements canadiensMcGill University
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human Development
Mots-clésMobile phoneDisadvantagedEmpowermentGeospatial analysisBusinessReproductive healthPovertyInternet privacyPopulationEconomic growthComputer scienceEnvironmental healthGeographyTelecommunicationsEconomicsMedicine

Résumé

récupéré en direct d'OpenAlex

For billions of people across the globe, mobile phones enable relatively cheap and effective communication, as well as access to information and vital services on health, education, society, and the economy. Drawing on context-specific evidence on the effects of the digital revolution, this study provides empirical support for the idea that mobile phones are a vehicle for sustainable development at the global scale. It does so by assembling a wealth of publicly available macro- and individual-level data, exploring a wide range of demographic and social development outcomes, and leveraging a combination of methodological approaches. Macro-level analyses covering 200+ countries reveal that mobile-phone access is associated with lower gender inequality, higher contraceptive uptake, and lower maternal and child mortality. Individual-level analyses of survey data from sub-Saharan Africa, linked with detailed geospatial information, further show that women who own a mobile phone are better informed about sexual and reproductive health services and empowered to make independent decisions. Payoffs are larger among the least-developed countries and among the most disadvantaged micro-level clusters. Overall, our findings suggest that boosting mobile-phone access and coverage and closing digital divides, particularly among women, can be powerful tools to attain empowerment-related sustainable development goals, in an ultimate effort to enhance population health and well-being and reduce poverty.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0050,005
Science ouverte0,0010,008
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,036
Tête enseignante GPT0,281
Écart entre enseignants0,245 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations138
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetICT Impact and PoliciesTravaux en français237 207