Partager cet article

Comment on peut estimer l’évolution du chômage grâce aux données des téléphones mobiles

Antena de transmisión | Ministerio TIC Colombia via Flickr CC License By

Antena de transmisión | Ministerio TIC Colombia via Flickr CC License By

Qui dit licenciement dit notamment nette baisse du volume d’appels passés.

Une étude parue dans le numéro de juin 2015 du Journal of the Royal Society Interface révèle la richesse des observations et prédictions économiques issues d'une observation des comportements des usagers de téléphone mobile. L'étude réinvente la manière dont les impacts sociaux du chômage et des licenciements massifs peuvent être identifiés, suivis et même anticipés grâce à ces données.

Leur terrain d’étude est une usine de pièces automobiles dans un pays d’Europe non révélé, qui a licencié 1.100 salariés dans une ville qui ne compte que 15.000 habitants. Sur quinze mois, les chercheurs ont analysé les données d’appel et leur localisation auprès de 2.000 habitants du coin, en choisissant un opérateur téléphonique qui concentre 15% de parts de marché dans le pays. Les mêmes données ont été récupérées auprès d’un panel d’habitants du pays qui a servi de groupe de contrôle.

Ils ont observé par ce biais «des changements significatifs dans le comportement des gens qui avaient été licenciés», développe la MIT Technology Review. Les chercheurs ont identifié une nette baisse du volume d’appels passés dans la ville à partir du moment précis de la fermeture de l’usine. Ils ont aussi remarqué que les abonnés licenciés téléphonaient à un nombre réduit de leur réseau de contacts et voyageaient sur de plus courtes distances.

Déclin des interactions sociales

«Ces résultats suggèrent que les interactions sociales des utilisateurs connaissent un déclin significatif et que leurs réseaux deviennent moins stables après une perte d’emploi», et que «cette perte de connexions sociales peut amplifier les conséquences négatives associées à la perte d’emploi».

Plus impressionnant, les chercheurs présentent dans leur article comment ils ont réussi à estimer correctement le taux de chômage régional d’un autre pays européen des mois avant la publication des chiffres officiels. Pour cela, ils ont utilisé les mêmes données d’activité sur les téléphones mobiles (nombre et durée des appels, géolocalisation des usagers, etc.), démontrant que la collecte passive de données de téléphonie permettait de disposer de tendances macroéconomiques.

Source: Tracking employment shocks using mobile phone data, Jameson L. Toole, Yu-Ru Lin, Erich Muehlegger, Daniel Shoag, Marta C. González, David Lazer. Journal of the Royal Society Interface

En poursuivant votre navigation sur ce site, vous acceptez l’utilisation de cookies pour réaliser des statistiques de visites, vous proposer des publicités adaptées à vos centres d’intérêt et nous suivre sur les réseaux sociaux. > Paramétrer > J'accepte