Telecommunications networks and public health responses during the COVID-19 pandemic: Evidence from a large national network operator in Canada
Notice bibliographique
Résumé
The COVID-19 pandemic has demonstrated the fundamental importance of telecommunications networks. This paper utilizes data from a large North American network operator to examine the role of telecom networks in enabling public health and economic responses to the pandemic. During the pandemic, data usage grew significantly, with growth in wireline data use outstripping growth in wireless data use, 53% to 27%, between March and December 2020. Yet, even at pre-pandemic levels, data use is growing exponentially, doubling every 1.3 years between 2017 and 2020. This paper also considers three examples of public health and economic responses enabled by telecom networks: staying at home, adopting telemedicine, and teleworking. First, based on de-identified data on customer movement and location, this paper estimates that compliance with stay-at-home orders was about 20% lower in the 2nd wave than during the 1st wave, despite much cases counts, suggesting that Canadians suffered from isolation fatigue. Across Canada's six largest cities, controlling for population and GDP per capita, a 1% decrease in compliance is associated with an additional 700 COVID-19 infections. Second, based on data on two telemedicine apps, this paper highlights the potential for the rapid adoption of telemedicine. At the start of the pandemic, adoption of these apps doubled and then was sustained throughout 2020, with usage patterns reflecting digital divides in age and gender. Third, Canada's teleworking rate changed in lockstep with COVID-19 cases, even while the unemployment rate remained constant, suggesting that employers are adopting teleworking as a flexible way to adapt to evolving public health conditions and restrictions without resorting to layoffs. When viewed against this backdrop, telecommunication policy can support public health and social outcomes, in addition to economic outcomes.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».