Android vs. IOS: a comparative analysis over mobile operator infrastructures based on crowdsourced mobile dataset

Zeydan, Engin

doi:10.1007/s11235-021-00820-y

Cited by 2 publications

(2 citation statements)

References 34 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Additionally, there are challenges with fragmentation in Android, with multiple concurrent OS versions and countless original equipment manufacturer (OEM) hardware modifications. Indeed, many existing crowd-sourced smartphone sensing studies tend to be done on iPhones only, for those very reasons 46 . There is an advantage to that approach, given that we do not have to deal with calibration issues across two platforms running different software.…”

Section: Discussionmentioning

confidence: 99%

Smartphone accelerometer data as a proxy for clinical data in modeling of bipolar disorder symptom trajectory

et al. 2022

View full text Add to dashboard Cite

Being able to track and predict fluctuations in symptoms of mental health disorders such as bipolar disorder outside the clinic walls is critical for expanding access to care for the global population. To that end, we analyze a dataset of 291 individuals from a smartphone app targeted at bipolar disorder, which contains rich details about their smartphone interactions (including typing dynamics and accelerometer motion) collected everyday over several months, along with more traditional clinical features. The aim is to evaluate whether smartphone accelerometer data could serve as a proxy for traditional clinical data, either by itself or in combination with typing dynamics. Results show that accelerometer data improves the predictive performance of machine learning models by nearly 5% over those previously reported in the literature based only on clinical data and typing dynamics. This suggests it is possible to elicit essentially the same “information” about bipolar symptomology using different data sources, in a variety of settings.

show abstract

Section: Discussionmentioning

confidence: 99%

Smartphone accelerometer data as a proxy for clinical data in modeling of bipolar disorder symptom trajectory

et al. 2022

View full text Add to dashboard Cite

show abstract

“…En la presente investigación también se toma en cuenta el uso del espectro y sus características tecnológicas. También, en el trabajo presentado por Zeydan (2021), se utilizan datos colaborativos para comparar el rendimiento de los sistemas operativos móviles en Turquía. Siendo la infraestructura móvil una variable importante al medir el rendimiento de un sistema operativo móvil.…”

Section: Introductionunclassified

Descubriendo la infraestructura de la red móvil en México utilizando datos colaborativos

Potenciano¹,

Ovando²,

Frías

2022

View full text Add to dashboard Cite

Se sabe que el acceso a las telecomunicaciones móviles —y, a través de ellas, al Internet— puede brindar mayor bienestar social. En este sentido, recientemente, dentro del sector de las telecomunicaciones se registró una demanda creciente en el uso y acceso a los servicios. Lo anterior genera la necesidad de que los operadores móviles expandan y aumenten la capacidad de sus redes de telecomunicaciones. Para lograrlo, es importante analizar las estrategias de aumento de capacidad y de cobertura de la infraestructura móvil de los principales operadores móviles. En este estudio, se realizó un análisis longitudinal de la densidad de los nodos por área geográfica a nivel municipal. También se analizaron los cuatro principales operadores móviles con red en México, a partir de datos colaborativos (crowdsourced data). Los datos se filtraron por tecnología LTE y se realizó una correspondencia entre los nodos y las bandas de frecuencia utilizadas por cada operador. Se analizaron las estrategias de aumento de capacidad de la red de los operadores y el porcentaje de uso de las bandas de frecuencia que cada operador tiene asignadas. Como resultado, se obtuvo que los principales operadores móviles con red en México han seguido una estrategia de cobertura similar. En los datos analizados no se encontró una correlación positiva entre la densidad de nodos y las características tecnológicas de las bandas de frecuencia. Se sugiere invertir en infraestructura nueva para el despliegue de nuevas tecnologías, y fomentar la cobertura móvil en zonas rurales. Por último, se recomienda facilitar a los operadores la arrendación de bandas en diversas frecuencias que permitan aprovechar las características tecnológicas de las mismas, mediante costos alineados al mercado internacional.

show abstract

Android vs. IOS: a comparative analysis over mobile operator infrastructures based on crowdsourced mobile dataset

Cited by 2 publications

References 34 publications

Smartphone accelerometer data as a proxy for clinical data in modeling of bipolar disorder symptom trajectory

Smartphone accelerometer data as a proxy for clinical data in modeling of bipolar disorder symptom trajectory

Descubriendo la infraestructura de la red móvil en México utilizando datos colaborativos

Contact Info

Product

Resources

About