1.1 لکه جوهر

در تابستان سال 2009، تلفن همراه زنگ شد در سراسر رواندا. علاوه بر این به میلیون ها تماس های بین خانواده، دوستان، و همکاران کسب و کار، در مورد 1000 رواندا یک تماس از جاشوا Blumenstock و همکاران خود را دریافت کرد. محققان تحصیل می کردند ثروت و فقر با انجام یک نظرسنجی از مردم که بهطور تصادفی از یک پایگاه داده از 1.5 میلیون مشتریان از بزرگترین ارائه دهنده تلفن همراه رواندا نمونه بود. Blumenstock و همکارانش از شرکت کنندگان خواسته اگر آنها می خواستند برای شرکت در یک نظرسنجی، ماهیت تحقیق به آنها توضیح داد، و پس از آن یک سری سوالات در مورد ویژگی های جمعیتی، اجتماعی و اقتصادی خود را پرسید.

همه چیز من گفت تا به حال باعث می شود این صدا مانند یک بررسی علوم اجتماعی سنتی است. اما، چه می آید بعد سنتی نیست، حداقل هنوز رتبهدهی نشده. آنها داده های نظر سنجی مورد استفاده برای آموزش یک مدل یادگیری ماشین برای پیش بینی ثروت کسی از داده های تماس خود را، و سپس آنها این مدل برای تخمین ثروت از تمام 1.5 میلیون مشتریان. بعد، آنها محل اقامت از همه 1.5 میلیون مشتریان با استفاده از اطلاعات جغرافیایی جاسازی شده در سیاهههای مربوط به تماس برآورد شده است. قرار دادن این دو برآورد با هم ثروت برآورد و محل اقامت برآورد-Blumenstock و همکارانش قادر به تولید برآورد با وضوح بالا از توزیع جغرافیایی ثروت در سراسر رواندا بود. به طور خاص، آنها می تواند ثروت برآورد شده برای هر یک از سلول 2148 رواندا در کشور تولید، کوچکترین واحد اداری.

غیر ممکن بود به اعتبار این تخمین ها چرا که هیچ کس تخمین می زند برای این مناطق جغرافیایی کوچک در رواندا تولید کرده است. اما، هنگامی که Blumenstock و همکارانش تخمین خود را به 30 منطقه رواندا جمع، آنها دریافتند که برآوردهای خود را شبیه به تخمین از جمعیت و بهداشت بررسی، استاندارد طلا را از نظرسنجی ها در کشورهای در حال توسعه بود. اگر چه این دو روش برآورد مشابه در این مورد تولید، رویکرد Blumenstock و همکارانش در حدود 10 بار سریع تر و 50 برابر ارزان تر از نظرسنجی سنتی جمعیت و بهداشت بود. این تخمین ها به طور چشمگیری سریعتر و پایین آوردن هزینه ایجاد امکانات جدید برای محققان، دولت ها و شرکت (Blumenstock, Cadamuro, and On 2015) .

علاوه بر توسعه یک روش جدید، این مطالعه به نوعی مانند یک آزمون لکهی جوهر رورشاخ. آنچه مردم را ببینید بستگی دارد در پس زمینه خود. بسیاری از دانشمندان علوم اجتماعی یک ابزار اندازه گیری جدید است که می تواند مورد استفاده برای تست تئوری های توسعه اقتصادی را ببینید. بسیاری از دانشمندان داده یک مشکل یادگیری ماشین سرد جدید را مشاهده کنید. بسیاری از مردم کسب و کار یک روش قدرتمند برای باز کردن قفل ارزش در اطلاعات ردیابی دیجیتال است که آنها در حال حاضر جمع آوری ببینید. بسیاری از طرفداران حفظ حریم خصوصی یک یادآوری ترسناک است که ما در یک زمان نظارت توده زنده را ببینید. بسیاری از سیاست گذاران راه است که فن آوری های جدید می تواند کمک به ایجاد یک جهان بهتر را ببینید. در واقع، این مطالعه همه آن چیزهایی است، و به همین دلیل آن یک پنجره را به آینده تحقیقات اجتماعی است.