Op verzoek van de Wereldbank sloot Centerdata zich in 2019 aan bij een ambitieus onderzoek in Malawi. Met de deelname van zo’n 400 respondenten uit agrarische gemeenschappen werden er met vragenlijsten en beweegmeters gegevens verzameld over de dagelijkse activiteiten van de deelnemers, zoals op het land werken, koken, water halen of sociale activiteiten. Hoewel de gegevens van de beweegmeters niet direct leesbaar waren, konden de onderzoekers op basis van deze data met de ontwikkeling van een machine learning model al betrouwbare voorspellingen doen over welke activiteit(en) iemand uitvoerde. De resultaten lieten duidelijke verschillen zien in tijdsbesteding tussen mannen en vrouwen. Maar wat dit onderzoek vooral liet zien is dat het gebruik van beweegmeters een betrouwbaar en goedkoper alternatief kan zijn voor de doorgaans kostbare face-to-face onderzoeken naar tijdsbesteding en genderongelijkheid in ontwikkelingslanden.

Het vervolg: een experimenteel onderzoek

In het vervolgproject, waarvoor het veldwerk tussen juli 2022 en maart 2023 plaatsvond, werd opnieuw data verzameld in Malawi. Dit keer waren ongeveer 720 huishoudens en 1.440 respondenten betrokken van niet alleen agrarische, maar nu ook stedelijke gemeenschappen. Het onderzoek richtte zich specifiek op het vergelijken van de rapportage van tijdsbesteding tussen mannen en vrouwen, waarbij twee verschillende methoden experimenteel werden toegepast. Eén groep gebruikte 11 dagen een Android smartphone met de TimeTracker-app om hun tijdsbesteding continu en in real-time zelf te rapporteren, terwijl van de tweede groep de tijdsbesteding werd verzameld over de afgelopen 24 uur via een face-to-face interview (recall), dat gedurende het onderzoek drie keer werd afgenomen op verschillende dagen. De 1.440 respondenten werden vooraf op basis van willekeur aan één van de twee groepen toegewezen. Naast het verzamelen van gegevens over tijdsbesteding droegen alle respondenten uit beide groepen een beweegmeter, die bewegingen met 60 metingen per seconde (60Hz) hoogfrequent registreerde.

Bevindingen

De bevindingen van het onderzoek zijn fascinerend, zo is onder andere geconstateerd dat:

  • In de smartphonegroep meer activiteiten in verschillende categorieën van werkgelegenheid en onbetaald werk werden gerapporteerd, terwijl de duur die gerapporteerd werd per activiteit hoger was in de 24-uurs recall interviewgroep dan in de smartphonegroep.
  • Genderverschillen in onbetaald werk groot bleven in de smartphonegroep, maar enigszins kleiner waren voor activiteiten zoals huishoudelijke taken, verzamelen van hulpbronnen en zorgen voor kinderen.
  • De smartphonegroep meer activiteiten rapporteerde in de avonduren en bij multitasking, dit kwam vooral voor bij vrouwen.
  • Machine learning modellen laten zien dat beide bronnen (de smartphone-app of het 24 uurs recall interview), gecombineerd met de hoogfrequente gegevens van de beweegmeters, met een hoge betrouwbaarheid tijdsbesteding kunnen voorspellen.
  • De groep die gegevens rapporteerde met de smartphone-app veel meer data opleverde, waardoor het machine learning model voor deze groep ook op meer data kon worden getraind. Dit model is daardoor waarschijnlijk robuuster in het voorspellen van tijdsbesteding en de resultaten meer generaliseerbaar naar de populatie van, in dit onderzoek, Malawi.

Deze waardevolle bevindingen dienen nieuw ontwikkelingsbeleid op het vlak van gendergelijkheid in Malawi. Onze collega Joris Mulder vertelde er alles over tijdens het MASS-CIPHER congres 2024 in Washington D.C.

MASS & CIPHER

Dit jaar werden de twee evenementen (MASS en CIPHER) voor het eerst aan elkaar gekoppeld, wat unieke kansen bood om het bereik van beide te verbreden. De organisatie van de workshop Mobile Apps and Sensors in Surveys (MASS) organiseert jaarlijks een workshop gericht op dataverzameling met apps en sensoren, terwijl de Current Innovations in Probability-based Household Internet Panel Research (CIPHER) een jaarlijkse conferentie organiseert die zich richt op voortdurend leren en het bevorderen van contacten binnen de wereldwijde onderzoeksgemeenschap. Zoals gebruikelijk richtte de conferentie zich ook dit jaar weer op de innovaties, uitdagingen en kansen van population-representative probability-based online panels.

LISS panel

Tijdens de MASS-CIPHER workshop werd ook het LISS panel belicht door Vera Toepoel, hoofd afdeling methodologie bij het CBS in Heerlen. Zij gaf een presentatie over een onderzoek naar het dragen van professionele accelerometers door mensen die ook een eigen beweegmeter hebben (Apple of Samsung watch, Garmin of Fitbit) en in hoeverre zij bereid zijn om de meetgegevens van hun eigen meter te exporteren en aan het LISS panel te doneren. Bella Struminskaya, associate professor aan de Universiteit Utrecht, presenteerde een soortgelijke studie die is afgenomen in het LISS panel, waarbij respondenten van 50 jaar en ouder die gebruik maken van Apple, Samsung of Google Health werden gevraagd om hun gegevens op te vragen bij de genoemde bedrijven. Het DataDownloadPakket (DDP) kon vervolgens op een privacy-vriendelijke manier worden gedoneerd, waarbij alleen de gegevens uit de DDPs worden gehaald die van belang zijn voor het onderzoek.

Het LISS panel en Centerdata waren, samen met De Wereldbank en het CBS, goed vertegenwoordigd tijdens het congres.

Meer informatie