1.1 ເປັນ blot ຫມຶກ

ໃນຊ່ວງລຶະເບິ່ງຮ້ອນຂອງປີ 2009, ໂທລະສັບມືຖືໄດ້ເອີ້ນທຸກໆ Rwanda. ນອກເຫນືອຈາກການໂທຈາກຄອບຄົວ, ເພື່ອນມິດແລະນັກທຸລະກິດນັບລ້ານໆຄົນ, ປະມານ 1,000 Rwandans ໄດ້ຮັບສາຍຈາກ Joshua Blumenstock ແລະເພື່ອນຮ່ວມງານຂອງລາວ. ນັກຄົ້ນຄວ້າເຫຼົ່ານີ້ໄດ້ສຶກສາຄວາມຮັ່ງມີແລະຄວາມທຸກຍາກໂດຍການດໍາເນີນການສໍາຫຼວດຕົວຢ່າງແບບສຸ່ມຂອງປະຊາຊົນຈາກຖານຂໍ້ມູນຂອງ 1.5 ລ້ານລູກຄ້າຂອງຜູ້ໃຫ້ບໍລິການໂທລະສັບມືຖືທີ່ໃຫຍ່ທີ່ສຸດຂອງຣັດວາວາ. Blumenstock ແລະເພື່ອນຮ່ວມງານໄດ້ຮ້ອງຂໍໃຫ້ປະຊາຊົນຄັດເລືອກແບບສຸ່ມຖ້າພວກເຂົາຕ້ອງການເຂົ້າຮ່ວມການສໍາຫຼວດ, ອະທິບາຍລັກສະນະຂອງການຄົ້ນຄວ້າເພື່ອໃຫ້ເຂົາເຈົ້າ, ແລະຫຼັງຈາກນັ້ນໄດ້ຖາມຄໍາຖາມກ່ຽວກັບລັກສະນະປະຊາກອນ, ສັງຄົມແລະເສດຖະກິດຂອງເຂົາເຈົ້າ.

ທຸກສິ່ງທຸກຢ່າງທີ່ຂ້າພະເຈົ້າໄດ້ກ່າວມາເຖິງຕອນນັ້ນເຮັດໃຫ້ສຽງນີ້ຄືການສໍາຫຼວດວິທະຍາສາດສັງຄົມແບບດັ້ງເດີມ. ແຕ່ສິ່ງທີ່ມາຕໍ່ໄປບໍ່ແມ່ນແບບດັ້ງເດີມ - ຢ່າງຫນ້ອຍບໍ່ແມ່ນເທື່ອ. ນອກເຫນືອຈາກຂໍ້ມູນການສໍາຫຼວດ, Blumenstock ແລະເພື່ອນຮ່ວມງານຍັງມີບັນທຶກການໂທທັງຫມົດສໍາລັບທຸກໆ 1,5 ລ້ານຄົນ. ລວມທັງສອງແຫຼ່ງຂໍ້ມູນເຫຼົ່ານີ້, ພວກເຂົາເຈົ້າໄດ້ນໍາໃຊ້ຂໍ້ມູນການສໍາຫຼວດເພື່ອຝຶກອົບຮົມຮູບແບບການຮຽນຮູ້ເຄື່ອງເພື່ອຄາດຄະເນຄວາມຮັ່ງມີຂອງຄົນໂດຍອີງໃສ່ບັນທຶກການໂທຂອງເຂົາເຈົ້າ. ຕໍ່ໄປ, ພວກເຂົາເຈົ້າໄດ້ນໍາໃຊ້ຮູບແບບນີ້ເພື່ອປະເມີນຄວາມຮັ່ງມີຂອງລູກຄ້າທັງຫມົດ 1.5 ລ້ານຄົນໃນຖານຂໍ້ມູນ. ພວກເຂົາຍັງຄາດຄະເນທີ່ຢູ່ອາໃສຂອງລູກຄ້າທັງຫມົດ 1.5 ລ້ານຄົນໂດຍນໍາໃຊ້ຂໍ້ມູນພູມສັນຖານທີ່ຝັງຢູ່ໃນບັນທຶກການໂທ. ການວາງທັງຫມົດນີ້ຮ່ວມກັນ - ຄວາມຮັ່ງມີທີ່ຄາດຄະເນແລະສະຖານທີ່ທີ່ມີປະມານການ - ພວກເຂົາສາມາດຜະລິດແຜນທີ່ມີຄວາມລະອຽດສູງຂອງການແຈກຢາຍດ້ານພູມສາດຂອງຄວາມຮັ່ງມີໃນ Rwanda. ໂດຍສະເພາະ, ພວກເຂົາສາມາດຜະລິດຄວາມຮັ່ງມີຂອງແຕ່ລະກຸ່ມຂອງ 2,148 Rwanda, ຫນ່ວຍບໍລິຫານຂະຫນາດນ້ອຍທີ່ສຸດໃນປະເທດ.

ແຕ່ຫນ້າເສຍດາຍ, ມັນບໍ່ເປັນໄປໄດ້ທີ່ຈະກວດສອບຄວາມຖືກຕ້ອງຂອງການຄາດຄະເນເຫຼົ່ານີ້ເພາະວ່າບໍ່ມີໃຜເຄີຍໄດ້ຜະລິດການຄາດຄະເນສໍາລັບພື້ນທີ່ຂະຫນາດນ້ອຍດັ່ງກ່າວໃນ Rwanda. ແຕ່ໃນເວລາທີ່ Blumenstock ແລະເພື່ອນຮ່ວມງານລວມການຄາດຄະເນຂອງພວກເຂົາໃນ 30 ເມືອງຂອງ Rwanda, ພວກເຂົາພົບວ່າການຄາດຄະເນຂອງພວກເຂົາແມ່ນຄ້າຍຄືກັນກັບການຄາດຄະເນຈາກການສໍາຫຼວດພົນລະເມືອງແລະສຸຂະພາບທີ່ຖືກພິຈາລະນາຢ່າງກວ້າງຂວາງເປັນມາດຕະຖານຄໍາຂອງການສໍາຫຼວດໃນປະເທດກໍາລັງພັດທະນາ. ເຖິງແມ່ນວ່າວິທີການເຫຼົ່ານີ້ທັງສອງຜະລິດການຄາດຄະເນທີ່ຄ້າຍຄືກັນໃນກໍລະນີນີ້, ວິທີການຂອງ Blumenstock ແລະເພື່ອນຮ່ວມງານແມ່ນປະມານ 10 ຄັ້ງໄວກວ່າແລະ 50 ເທື່ອລາຄາຖືກກວ່າການສໍາຫຼວດປະຊາກອນແລະສຸຂະພາບແບບດັ້ງເດີມ. ການປະເມີນຄ່າໃຊ້ຈ່າຍເຫຼົ່ານີ້ຢ່າງລວດໄວແລະນ້ອຍລົງສ້າງຄວາມເປັນໄປໄດ້ໃຫມ່ສໍາລັບນັກຄົ້ນຄວ້າ, ລັດຖະບານແລະບໍລິສັດ (Blumenstock, Cadamuro, and On 2015) .

ການສຶກສານີ້ແມ່ນຄ້າຍຄືກັບການທົດສອບ Rosschach inkblot: ສິ່ງທີ່ປະຊາຊົນເຫັນແມ່ນຂຶ້ນກັບພື້ນຖານຂອງພວກເຂົາ. ນັກວິທະຍາສາດສັງຄົມ ຫຼາຍຄົນໄດ້ເຫັນເຄື່ອງມືວັດໃຫມ່ທີ່ສາມາດນໍາໃຊ້ເພື່ອທົດລອງທິດສະດີກ່ຽວກັບການພັດທະນາເສດຖະກິດ. ນັກວິທະຍາສາດຂໍ້ມູນ ຈໍານວນຫຼາຍໄດ້ເຫັນບັນຫາການຮຽນຮູ້ເຄື່ອງໃຫມ່ໃຫມ່. ປະຊາຊົນທຸລະກິດ ຫຼາຍ ຄົນ ເຫັນວິທີການທີ່ມີປະສິດທິຜົນສໍາລັບການ unlocking ມູນຄ່າໃນຂໍ້ມູນໃຫຍ່ທີ່ພວກເຂົາໄດ້ເກັບກໍາແລ້ວ. ຜູ້ ສະຫນັບສະຫນູນດ້ານຄວາມເປັນສ່ວນຕົວ ຫຼາຍຄົນໄດ້ເຫັນການເຕືອນໄພຢ້ານວ່າພວກເຮົາອາໄສຢູ່ໃນເວລາທີ່ມີການເຝົ້າລະວັງຂອງມະຫາຊົນ. ແລະສຸດທ້າຍ, ຜູ້ອອກແບບນະໂຍບາຍ ຫຼາຍຄົນເຫັນວິທີການເຕັກໂນໂລຢີໃຫມ່ສາມາດຊ່ວຍສ້າງໂລກທີ່ດີຂຶ້ນ. ໃນຄວາມເປັນຈິງ, ການສຶກສານີ້ແມ່ນສິ່ງທັງຫມົດເຫຼົ່ານີ້, ແລະເນື່ອງຈາກວ່າມັນມີລັກສະນະປະສົມປະສານນີ້, ຂ້າພະເຈົ້າເຫັນມັນເປັນປ່ອງຢ້ຽມສູ່ອະນາຄົດຂອງການຄົ້ນຄວ້າທາງສັງຄົມ.