1.1 잉크 얼룩

2009 년 여름, 휴대 전화 르완다에서 모든 울리는했다. 가족, 친구, 동료 사이의 호출의 수백만뿐만 아니라, 약 1,000 르완다 여호수아 Blumenstock와 그의 동료로부터 전화를 받았다. 연구진은 무작위로 르완다 최대의 휴대 전화 업체에서 150 만 고객의 데이터베이스에서 샘플링했다 사람의 설문 조사를 실시하여 부와 빈곤을 공부했다. Blumenstock와 동료들은, 설문 조사에 참여하고 싶어 그들에게 연구의 성격을 설명하면 참가자를 요청하고 자신의, 인구 통계 학적, 사회적, 경제적 특성에 대한 일련의 질문을 물었다.

모든 것은 내가 지금 전통적인 사회 과학 조사와 같은이 소리가 때까지 말했다. 그러나, 무엇을 다음 온다 적어도 아직 전통적인되지 않습니다. 그들은 그들의 통화 데이터에서 다른 사람의 재산을 예측하는 기계 학습 모델을 학습하기 위해 설문 조사 데이터를 사용하고 그들은 모두 150 만 고객의 재산을 추정하기 위해이 모델을 사용했다. 다음에, 그들은 호출 로그에 포함 된 지리 정보를 이용하여, 모두 150 만 고객의 거주지를 추정 하였다. 이 두 가지 추정 함께-추정 부와의 추정 장소 퍼팅 거주-Blumenstock와 동료들은 르완다에서 재산의 지리적 분포의 고해상도 추정치를 생성 할 수 있었다. 특히, 나라에서, 르완다 2148 셀마다 최소 관리 단위를 추정 부를 생산할 수있다.

아무도 르완다와 같은 작은 지역에 대한 추정치를 생성되지 않았기 때문에 이러한 추정의 유효성을 검사하는 것은 불가능했다. Blumenstock와 동료 르완다의 30 지구에 자신의 추정치를 집계 때, 그들은 그들의 예상은 인구 통계 학적 및 건강 조사, 개발 도상국의 설문 조사의 황금 표준에서 예상과 유사한 것으로 나타났다. 이 두 가지 방법이 경우에 유사한 추정치를 생산하지만, Blumenstock와 동료의 접근 방식은 약 10 배 빠르고 기존의 인구 통계 학적 및 건강 설문 조사보다 50 배 저렴했다. 이 극적으로 신속하고 저렴한 비용 추정 연구, 정부에 대한 새로운 가능성을 만들고, 회사 (Blumenstock, Cadamuro, and On 2015) .

새로운 방법론을 개발하는 것 외에도,이 연구는 종류의 심리 잉크 블랏 테스트 같다; 어떤 사람들이 볼 수 그들의 배경에 따라 달라집니다. 많은 사회 과학자들은 경제 발전에 대한 이론을 테스트하는 데 사용할 수있는 새로운 측정 도구를 참조하십시오. 많은 데이터 과학자들은 새로운 멋진 기계 학습 문제를 참조하십시오. 많은 기업들이 이미 수집 한 디지털 추적 데이터 값을 잠금 해제를위한 강력한 방법을 참조하십시오. 많은 개인 정보 보호 옹호자들은 우리가 대량 감시의 시대에 살고 무서운 알림을 참조하십시오. 많은 정책 입안자는 새로운 기술이 더 나은 세상을 만들 수 있습니다 방법을 참조하십시오. 사실,이 연구는 그 모든 것들이며, 사회 연구의 미래에 윈도우가 그 이유이다.