Jaya Gaming

🔥 Selamat datang di Jaya Gaming — Jelajahi tren terbaru tentang nonton-casino-royal!

Tantangan D4D-Senegal adalah tantangan data inovasi terbuka mengenai pola panggilan anonim dari pengguna telepon seluler di Senegal. Tujuannya adalah membantu menjawab pertanyaan pembangunan masyarakat dengan cara baru, berkontribusi pada pembangunan sosial-ekonomi dan kesejahteraan penduduk Senegal. Peserta tantangan diberikan akses ke tiga kumpulan data telepon seluler. Makalah ini menjelaskan ketiga kumpulan data tersebut. Data didasarkan pada Catatan Detail Panggilan (CDR) dari panggilan telepon dan pertukaran teks antara lebih dari 9 juta pelanggan operator di Senegal antara 1 Januari 2013 hingga 31 Desember 2013. Kumpulan data tersebut adalah: (1) lalu lintas antar-antena untuk 1666 antena secara per jam, (2) data mobilitas resolusi halus selama periode 2 minggu bergulir selama setahun dengan indikator perilaku bandicoot tingkat individu untuk sekitar 300.000 pengguna sampel acak, (3) satu tahun data mobilitas resolusi kasar di tingkat arrondissement dengan indikator perilaku bandicoot tingkat individu untuk sekitar 150.000 pengguna sampel acak.

Pendahuluan

Ada harapan besar yang terkait dengan Big Data: telah dijuluki sebagai minyak ekonomi digital, hal besar berikutnya dalam perawatan medis, dan alat vital untuk membangun kota pintar. Dalam sains, ketersediaan kumpulan data perilaku skala besar bahkan telah dibandingkan dengan penemuan mikroskop.

Tidak diragukan lagi bahwa karya mengesankan telah dilakukan oleh komunitas ilmu sosial komputasional dan penelitian telepon seluler. Metadata, misalnya, telah digunakan untuk lebih memahami penyebaran malaria, memantau kemiskinan, menganalisis mobilitas manusia, dan mempelajari struktur komunitas sosial di tingkat nasional. Namun, Big Data harus tersedia lebih luas untuk mewujudkan janjinya. Memahami konteks tetap penting, terutama untuk interpretasi dan solusi yang tepat dari pertanyaan praktis. Ekonom pembangunan, perencana kota, sosiolog, dan LSM perlu menjadi akrab dengan data ini. "Data mati tidak pernah bisa berbicara sendiri, dan kita selalu membawa kerangka konseptual, baik intuitif dan tidak terstruktur, atau terstruktur secara ketat dan formal, ke dalam tugas investigasi, analisis, dan interpretasi."

Oleh karena itu, pada tahun 2012, operator telekomunikasi meluncurkan tantangan Data untuk Pembangunan dalam kemitraan dengan universitas dan institut teknologi. Tantangan D4D-Côte d'Ivoire menyediakan lima bulan metadata telepon seluler. Hasilnya mengesankan: 260 aplikasi dari seluruh dunia diajukan untuk mengakses data, dan setelah tiga bulan, lebih dari 80 makalah penelitian telah diproduksi. Makalah-makalah ini mencakup topik yang beragam seperti mengoptimalkan rute bus, menganalisis divisi sosial, dan mempelajari kebijakan pengendalian penyakit.

Sekarang, dalam kolaborasi dengan operator lokal Senegal, kami meluncurkan tantangan kedua: D4D-Senegal, di mana tim terpilih akan memiliki akses ke satu tahun metadata untuk hingga 300.000 orang di seluruh Senegal. Makalah ini menjelaskan pra-pemrosesan data dan tiga kumpulan data yang akan tersedia, serta serangkaian pertanyaan penelitian yang telah disarankan oleh organisasi mitra lokal.

Prapemrosesan Data

Catatan Detail Panggilan (CDR) telah dikumpulkan selama satu tahun, dari 1 Januari hingga 31 Desember 2013. Pengidentifikasi pelanggan dianonimkan oleh operator sebelum data ditransfer ke laboratorium yang melakukan pra-pemrosesan.

Kumpulan data asli berisi lebih dari 9 juta nomor telepon seluler alias unik. Saat menyiapkan kumpulan data, kami hanya mempertahankan pengguna yang memenuhi kedua kriteria ini:

- Pengguna yang memiliki lebih dari 75% hari dengan interaksi per periode tertentu (dua mingguan untuk kumpulan data kedua, tahunan untuk kumpulan data ketiga)
- Pengguna yang memiliki rata-rata kurang dari 1000 interaksi per minggu. Pengguna dengan lebih dari 1000 interaksi per minggu dianggap sebagai mesin atau telepon bersama.
Untuk alasan komersial dan privasi, kami tidak merilis koordinat geografis sebenarnya dari situs tempat BTS (antena jaringan seluler) berada. Perhatikan bahwa beberapa BTS dapat ditempatkan bersama. Kami menetapkan posisi baru untuk setiap situs secara seragam di sel Voronoi-nya (wilayah yang terdiri dari semua titik yang lebih dekat ke antena itu daripada yang lain) untuk mempersulit identifikasi ulang pengguna. File SITE_ARR_LATLON.csv berisi lintang dan bujur baru yang bising dari situs tersebut.

Contoh:

site_id,arr_id,lon,lat 1,2,-17.5251,14.74683 2,2,-17.5244,14.74743 3,2,-17.5226,14.7452 4,2,-17.5164,14.74673

Kumpulan Data

Kumpulan data telepon seluler yang hanya dianonimkan telah terbukti dapat diidentifikasi ulang. Misalnya, mungkin untuk menemukan pengguna dalam data mobilitas skala besar hanya dengan menggunakan empat titik spatio-temporal dan memperkasar data hanya membuatnya sedikit lebih sulit.

Untuk menyeimbangkan potensi data yang digunakan secara luas dengan risiko identifikasi ulang, kami menyediakan tiga kumpulan data sampel dan agregat untuk tantangan ini:

- Kumpulan Data 1: Satu tahun lalu lintas antar-situs untuk 1666 situs secara per jam,
- Kumpulan Data 2: Data mobilitas resolusi halus (tingkat situs) selama periode 2 minggu bergulir dengan indikator perilaku bandicoot di tingkat individu untuk sekitar 300.000 pengguna sampel acak yang memenuhi dua kriteria yang disebutkan sebelumnya untuk setiap periode 2 minggu,
- Kumpulan Data 3: Satu tahun data mobilitas resolusi kasar (tingkat 123 arrondissement) dengan indikator perilaku bandicoot di tingkat individu untuk sekitar 150.000 pengguna sampel acak yang memenuhi dua kriteria yang disebutkan sebelumnya selama satu tahun,
Setiap kumpulan data dirancang untuk menyeimbangkan kegunaan dengan privasi, di mana kegunaan adalah penelitian yang dapat dilakukan dengan data, sementara privasi adalah potensi risiko identifikasi ulang pengguna. Dengan demikian, kumpulan data bersifat presisi secara spasial dan temporal tetapi terbatas dalam rentang waktu (kumpulan data 2), atau agregat secara geografis (kumpulan data 3) atau di seluruh pengguna (kumpulan data 1) tetapi mencakup periode waktu yang lebih lama. Terakhir, indikator yang telah dihitung sebelumnya disediakan untuk membantu penelitian perilaku. Kolom yang dapat membantu identifikasi ulang telah dianonimkan 3 kali lipat ketika di-bin untuk menghilangkan pencilan.

Perhatikan bahwa kumpulan data keempat dari data sintetis akan tersedia pada bulan September dan akan dijelaskan dalam makalah mendatang.

Indikator Individu

Kumpulan data mobilitas 2 dan 3 dilengkapi dengan indikator perilaku dari yang dihitung dari metadata menggunakan kotak alat bandicoot.

Indikator yang kami sediakan adalah:

- active_days_callandtext_mean
- active_days_callandtext_sem
- duration_of_calls_mean_mean
- duration_of_calls_mean_sem
- entropy_of_contacts_call_mean
- entropy_of_contacts_call_sem
- entropy_of_contacts_text_mean
- entropy_of_contacts_text_sem
- entropy_of_contacts_callandtext_mean
- entropy_of_contacts_callandtext_sem
- entropy_places_callandtext_mean
- entropy_places_callandtext_sem
- interactions_per_contact_callandtext_mean_mean
- interactions_per_contact_callandtext_mean_sem
- interactions_per_contact_call_mean_mean
- interactions_per_contact_call_mean_sem
- interevents_callandtext_mean_mean
- interevents_callandtext_mean_sem
- interevents_call_mean_mean
- interevents_call_mean_sem
- interevents_text_mean_mean
- interevents_text_mean_sem
Tempat dalam hal ini adalah situs dan malam didefinisikan sebagai jam 7 malam hingga 7 pagi. Deskripsi lengkap indikator dapat ditemukan di dokumen bandicoot di repositori data dan file indikator telah dianonimkan 3 kali lipat pada data yang di-bin pada kolom tertentu untuk menghilangkan pencilan.

Kumpulan Data 1: Lalu Lintas Antena ke Antena

Kumpulan data ini berisi lalu lintas antara setiap situs selama satu tahun.

File SET1V_M01.csv hingga SET1V_M12.csv berisi lalu lintas suara bulanan antar situs dan terstruktur sebagai berikut:

- timestamp: hari dan jam yang dipertimbangkan dalam format YYYY-MM-DD HH (format 24 jam)
- outgoing_site_id: id situs asal panggilan
- incoming_site_id: id situs penerima panggilan
- number_of_calls: jumlah total panggilan antara dua situs ini selama jam ini
- total_call_duration: total durasi semua panggilan antara dua situs ini selama jam ini
Contoh:

timestamp, outgoing_site_id, incoming_site_id,......number_of_calls, total_call_duration 2013-04-01 00,2,2,7,138 2013-04-01 00,2,3,4,136 2013-04-01 00,2,4,7,121 2013-04-01 00,2,5,13,272 2013-04-30 23,1651,1632,1,3601 2013-04-30 23,1653,575,1,20 2013-04-30 23,1653,1653,2,385 2013-04-30 23,1659,608,1,3601
File SET1S_M01.csv hingga SET1S_M12.csv berisi lalu lintas teks bulanan antar situs dan terstruktur sebagai berikut:

- timestamp: hari dan jam yang dipertimbangkan dalam format YYYY-MM-DD HH (format 24 jam)
- outgoing_site_id: id situs asal teks
- incoming_site_id: id situs penerima teks
- number_of_sms: jumlah total teks antara dua situs ini selama jam ini
Contoh:

timestamp, outgoing_site_id, incoming_site_id, number_of_sms 2013-05-01 00,2,12,6 2013-05-01 00,2,14,1 2013-05-01 00,2,21,1 2013-05-01 00,2,28,9 2013-05-31 23,1653,190,2 2013-05-31 23,1653,314,3 2013-05-31 23,1653,367,8 2013-05-31 23,1653,520,1 2013-05-31 23,1653,558,2
Perhatikan bahwa panggilan yang mencakup beberapa slot waktu dianggap berada di slot waktu saat panggilan dimulai, dan hanya panggilan atau teks antara pelanggan operator yang diperhitungkan.

Lintang dan bujur situs disediakan dalam SITE_ARR_LATLON.csv.

Kumpulan Data 2: Mobilitas Resolusi Halus

Kumpulan data kedua ini berisi lintasan di tingkat situs dari sekitar 300.000 pengguna yang dipilih secara acak yang memenuhi dua kriteria yang disebutkan sebelumnya selama periode dua minggu. Lokasi situs disediakan dalam SITE_ARR_LATLON.csv.

File SET2_P01.csv hingga SET2_P25.csv berisi user_id, timestamp, dan site_id untuk masing-masing 25 periode dua minggu. Digit kedua dari menit dan semua detik dari cap waktu telah diganti dengan nol (format YYYY-MM-DD HH:M0:00). Untuk setiap periode, sampel baru sekitar 300.000 pengguna dipilih dan user_id mereka diacak. Perhatikan bahwa ini berarti bahkan jika seorang pengguna muncul di dua periode, ia akan memiliki id yang berbeda, dan sebaliknya, id yang sama di dua periode tidak berarti bahwa itu adalah orang yang sama.

Contoh:

user_id,timestamp,site_id 1,2013-03-18 21:30:00,716 1,2013-03-18 21:40:00,718 1,2013-03-19 20:40:00,716 1,2013-03-19 20:40:00,716 1,2013-03-19 20:40:00,716 1,2013-03-19 20:40:00,716 1,2013-03-19 21:00:00,716 1,2013-03-19 21:30:00,718 1,2013-03-20 09:10:00,705 1,2013-03-21 13:00:00,705
Indikator dihitung, untuk setiap pengguna, selama dua minggu, dan tersedia dalam file INDICATORS_SET2_P01.csv hingga INDICATORS_SET2_P25.csv.

Kumpulan Data 3: Mobilitas Resolusi Kasar

Kumpulan data ketiga ini berisi lintasan di tingkat arrondissement dari 146.352 pengguna yang dipilih secara acak yang memenuhi dua kriteria yang disebutkan sebelumnya secara tahunan.

user_id,timestamp,arrondissement_id 37509,2013-01-29 15:00:00,3 84009,2013-01-14 07:00:00,3 84009,2013-01-14 07:00:00,3 84009,2013-01-14 07:00:00,3 80150,2013-01-27 16:50:00,3 52339,2013-01-09 19:50:00,48 52339,2013-01-06 17:50:00,48 52339,2013-01-13 15:40:00,48 52339,2013-01-03 19:00:00,48 52339,2013-01-07 01:30:00,48
File SET3_M01.csv hingga SET3_M12.csv berisi user_id, timestamp, dan arrondissement_id setiap bulan. Digit kedua dari menit dan semua detik dari cap waktu telah diganti dengan nol (format YYYY-MM-DD HH:M0:00). Indikator dihitung, untuk setiap pengguna, secara bulanan. Mereka tersedia dalam file INDICATORS_SET3_M01.csv hingga INDICATORS_SET3_M12.csv.

File bentuk arrondissement disediakan ( SHAPEFILE_SENEGAL.zip ) serta tabel ringkasan ( SENEGAL_ARR.csv ). Tabel ringkasan berisi:

- ARR_ID: id arrondissement
- REG: nama region
- DEPT: nama departemen
- ARR: nama arrondissement
Contoh:

ARR_ID,REG,DEPT,ARR 1,DAKAR,DAKAR,PARCELLES ASSAINIES 2,DAKAR,DAKAR,ALMADIES 3,DAKAR,DAKAR,GRAND DAKAR 4,DAKAR,DAKAR,DAKAR PLATEAU 5,DAKAR,GUEDIAWAYE,GUEDIAWAYE 6,DAKAR,PIKINE,PIKINE DAGOUDANE

Data Kontekstual

- File bentuk GIS untuk Senegal: divisi administratif Senegal disertakan dalam paket data SHAPEFILE_SENEGAL.zip
- Data cuaca
- Data demografis dan sosial-ekonomi
- Data impor/ekspor
- Referensi lebih lanjut

Kolaborasi Penelitian

Kami sangat mendorong pengembangan kolaborasi ilmiah antara peserta tantangan dan tim lokal. Dalam produksi dan interpretasinya, data selalu merupakan hasil dari praktik sosial yang kontingen dan diperebutkan; pengetahuan tentang konteks politik, budaya, dan sosial-ekonomi nasional sangat penting untuk mengajukan pertanyaan penelitian yang baik dan mengembangkan interpretasi hasil yang valid. Untuk memfasilitasi kolaborasi ini, tim D4D menyediakan ruang kolaboratif pada platform Sparkboard. Silakan umumkan proyek Anda dan tentukan jenis kompetensi dan kolaborasi yang Anda minati.

Keamanan dimulai dengan memahami cara developer mengumpulkan dan membagikan data Anda. Praktik privasi dan keamanan data dapat bervariasi berdasarkan penggunaan, wilayah, dan usia Anda.

T: Bagaimana cara mengunduh Jaya Gaming?
J: Cukup klik tombol instal berwarna hijau di bagian atas dan ikuti instruksi amannya.

T: Bagaimana cara memastikan Jaya Gaming asli?
J: Unduh Jaya Gaming hanya dari sumber resmi, dan Anda akan mendapatkan versi 100% asli dan terverifikasi.