1.1 An inko blot
En la somero de 2009, poŝtelefonoj ruliĝis tra Ruando. Krom la milionoj da alvokoj de familio, amikoj kaj komercaj kunuloj, ĉirkaŭ 1,000 rwandanoj ricevis alvokon de Joshua Blumenstock kaj liaj kolegoj. Ĉi tiuj esploristoj studis riĉecon kaj malriĉecon per enketo de hazarda specimeno de homoj de datumbazo de 1.5 milionoj da klientoj de la plej granda telefonisto de Rwanda. Blumenstock kaj kolegoj petis la hazarde elektitajn homojn, se ili volis partopreni en enketo, klarigis al ili la naturon de la esplorado, kaj tiam demandis serion da demandoj pri iliaj demografiaj, sociaj kaj ekonomiaj trajtoj.
Ĉio, kion mi diris ĝis nun, faras ĉi tiun sonon kiel tradicia socia enketo. Sed kio venas poste ne estas tradicia - almenaŭ ankoraŭ ne. Krom la enketaj datumoj, Blumenstock kaj kolegoj ankaŭ havis la kompletajn reklamajn rekordojn por ĉiuj 1,5 milionoj da homoj. Kombinante ĉi tiujn du fontojn de datumoj, ili uzis la enketajn datumojn por trejni maŝinan modelon por antaŭdiri riĉecon de persono bazita sur iliaj alvokoj. Tuj poste, ili uzis ĉi tiun modelon por taksi la riĉecon de ĉiuj 1.5 milionoj da klientoj en la datumbazo. Ili ankaŭ taksis la restadejojn de ĉiuj 1.5 milionoj da klientoj uzantaj la geografiajn informojn enkorpigitaj en la alvokoj. Kunmetante ĉion ĉi kune - la estimitan riĉecon kaj la estimitan loĝejon - ili povis produkti altajn rezoluciojn de la geografia distribuo de riĉeco en Ruando. En aparta, ili povus produkti estimitan riĉecon por ĉiu el la 2,148 ĉeloj de Ruando, la plej malgranda administra unuo en la lando.
Bedaŭrinde, estis neeble validigi la precizecon ĉi tiujn taksojn ĉar neniu iam ajn produktis taksojn por tiaj malgrandaj geografiaj areoj en Ruando. Sed kiam Blumenstock kaj kolegoj agordis siajn taksojn al la 30 distriktoj de Ruando, ili trovis, ke iliaj taksoj estis tre similaj al taksoj de la Demografia kaj Sana Enketo, kiu estas vaste konsiderita kiel la norma oro de enketoj en evolulandoj. Kvankam ĉi tiuj du aliroj produktis similajn taksojn en ĉi tiu kazo, la alproksimiĝo de Blumenstock kaj kolegoj estis proksimume 10 fojojn pli rapide kaj 50 fojojn pli malmultekostan ol la tradiciaj Demografiaj kaj Sanaj Survejoj. Ĉi tiuj drame pli rapidaj kaj pli malaltaj kostaj taksoj kreas novajn eblojn por esploristoj, registaroj kaj kompanioj (Blumenstock, Cadamuro, and On 2015) .
Ĉi tiu studo estas afabla kiel Rorschach inkblot testo: kion homoj vidas dependas de sia fono. Multaj sociaj scienculoj vidas novan mezuran ilon, kiu povas esti uzata por provi teoriojn pri ekonomia evoluo. Multaj datumaj scienculoj vidas malvarman novan maŝinatan problemon. Multaj komercistoj vidas potencan aliron por malŝlosi valoron en la grandaj datumoj, kiujn ili jam kolektis. Multaj privatecaj defendantoj vidas timigan rememorigon, ke ni vivas en tempo de amasa gvatado. Kaj laste, multaj politikistoj vidas vojon, kiun nova teknologio povas helpi krei pli bonan mondon. Fakte, ĉi tiu studo estas ĉiuj tiuj aferoj, kaj ĉar ĝi havas ĉi tiun miksaĵon de karakterizaĵoj, mi vidas ĝin kiel fenestro en la estontecon de socia esplorado.
