1.1 တစ်ဦးမှင် blot
2009 နွေရာသီမှာတော့မိုဘိုင်းဖုန်းများအားလုံးရဝမ်ဒါကိုဖြတ်ပြီးအူခဲ့ကြသည်။ မိသားစု, သူငယ်ချင်းနှင့်စီးပွားရေးအပေါငျးအသငျးမြားထံမှဖုန်းခေါ်ဆိုမှုများသန်းပေါင်းများစွာအပြင်, အကြောင်းကို 1000 ရီဝမ်ဒါနိုင်ငံယောရှုသည် Blumenstock နှင့်သူ၏လုပ်ဖော်ကိုင်ဘက်များကနေဖုန်းခေါ်လက်ခံရရှိခဲ့သည်။ ဤရွေ့ကားသုတေသီများရဝမ်ဒါနိုင်ငံ၏အကြီးဆုံးမိုဘိုင်းဖုန်း provider က 1.5 သန်းဖောက်သည်တစ်ဦးဒေတာဘေ့စမှလူတစ်ဦးကိုကျပန်းနမူနာ၏စစ်တမ်းတစ်ခုပို့ချခြင်းဖြင့်ဥစ္စာဓနနှင့်ဆင်းရဲနွမ်းပါးမှုလေ့လာနေခဲ့ကြသည်။ Blumenstock နှင့်လုပ်ဖော်ကိုင်ဖက်များကသူတို့စစ်တမ်းတစ်ခုတွင်ပါဝင်ဆောင်ရွက်ချင်တယ်ဆိုရင်သူတို့ကိုသုတေသန၏သဘောသဘာဝကရှင်းပြသည်သည့်ကျပန်းရွေးချယ်ထားသည့်လူဦးဟုမေး, ပြီးတော့သူတို့ရဲ့, လူဦးရေဆိုင်ရာလူမှုရေး, စီးပွားရေးဝိသေသလက္ခဏာများနှင့်ပတ်သက်ပြီးမေးခွန်းတွေဆက်တိုက်မေး၏။
ငါအခုထိပြောဆိုကြပြီအရာအားလုံးကိုတစ်ဦးရိုးရာလူမှုရေးသိပ္ပံစစ်တမ်းများကဲ့သို့ဤသူသည်အသံစေသည်။ သို့သော်လည်းအဘယ်သို့လာမယ့်လာရိုးရာ-ကအနည်းဆုံးမဟုတ်သေးဘူး။ စစ်တမ်းဒေတာအပြင်, Blumenstock နှင့်လုပ်ဖော်ကိုင်ဘက်လည်းအားလုံး 1.5 သန်းကလူများအတွက်ပြည့်စုံဖုန်းခေါ်ဆိုမှုမှတ်တမ်းများရှိခဲ့သည်။ အချက်အလက်များ၏နှစ်ခုသတင်းရင်းမြစ်ကိုပေါင်းစပ်ပြီးသူတို့ဖုန်းခေါ်ဆိုမှုမှတ်တမ်းများအပေါ်အခြေခံပြီးလူတစ်ဦး၏ဥစ္စာဓနကြိုတင်ခန့်မှန်းဖို့စက်သင်ယူမှုပုံစံကိုလေ့ကျင့်ရန်စစ်တမ်းဒေတာကိုအသုံးပြုခဲ့သည်။ ထို့နောက်သူတို့ကဒေတာဘေ့စအားလုံးကို 1.5 သန်းဖောက်သည်၏စည်းစိမ်ကိုခန့်မှန်းရန်ဒီမော်ဒယ်ကိုအသုံးပြုခဲ့သည်။ သူတို့ကအစခေါ်ဆိုမှုမှတ်တမ်းများအတွက် embedded ယင်းပထဝီသတင်းအချက်အလက်ကို အသုံးပြု. အားလုံး 1.5 သန်းဖောက်သည်များ၏နေထိုင်ရာအရပ်ခန့်မှန်းပါတယ်။ အတူတူ-ဤသူအပေါင်းတို့ချပြီးခန့်မှန်းချမ်းသာကြွယ်ဝမှုနှင့်နေထိုင်ရာ-သူတို့၏ခန့်မှန်းခြေအရပျကိုရဝမ်ဒါအတွက်စည်းစိမ်ဥစ္စာ၏ပထဝီဖြန့်ဖြူး high-resolution ကိုမြေပုံများအားထုတ်လုပ်နိုင်ခဲ့ကြသည်။ အထူးသဖြင့်, သူတို့က, ရဝမ်ဒါရဲ့ထားသော 2,148 ဆဲလ်တစ်ခုချင်းစီအတွက်တိုင်းပြည်အတွက်အသေးငယ်ဆုံးစီမံခန့်ခွဲရေးယူနစ်ခန့်မှန်းခြေစည်းစိမ်ကိုထုတ်လုပ်နိုင်ပါတယ်။
ဘယ်သူမှအစဉ်အဆက်ရဝမ်ဒါထိုသို့သောသေးငယ်တဲ့ပထဝီဒေသများအဘို့ခန့်မှန်းချက်ကိုထုတ်လုပ်ခဲ့သောကွောငျ့ကံမကောင်းစွာကတိကျမှန်ကန်မှု, ဤခန့်မှန်းချက်မှန်ကန်ကြောင်းသက်သေပြဖို့မဖြစ်နိုင်ခဲ့သညျ။ Blumenstock နှင့်လုပ်ဖော်ကိုင်ဖက်များကရဝမ်ဒါရဲ့ 30 ရက်ခရိုင်သူတို့ရဲ့ခန့်မှန်းချက်စုစည်းသောအခါ, သူတို့ခန့်မှန်းချက်ကျယ်ပြန့်ဖွံ့ဖြိုးဆဲနိုင်ငံများအတွက်စစ်တမ်းများမှဖြစ်သောရွှေစံဖြစ်စဉ်းစားသောလူဦးရေအချိုးအစားနှင့်ကျန်းမာရေးစစ်တမ်းမှခန့်မှန်းရန်အလွန်ဆင်တူကြောင်းတွေ့ရှိခဲ့ရသည်။ အဲဒီနှစျခုချဉ်းကပ်မှုကဤအမှု၌အလားတူခန့်မှန်းထုတ်လုပ်သော်လည်း, Blumenstock နှင့်လုပ်ဖော်ကိုင်ဖက်များ၏ချဉ်းကပ်မှုအကြောင်းကို 10 ဆပိုမြန်နှင့်ရိုးရာလူဦးရေအချိုးအစားနှင့်ကျန်းမာရေးစစ်တမ်းများထက်အဆ 50 စျေးနှုန်းချိုသာဖြစ်ခဲ့သည်။ ဤရွေ့ကားသိသိသာသာပိုမြန်ခြင်းနှင့်နိမ့်ကုန်ကျစရိတ်ခန့်မှန်းခြေသုတေသီများ, အစိုးရအဖွဲ့များနှင့်ကုမ္ပဏီများအတွက်အသစ်ကဖြစ်နိုင်ခြေဖန်တီး (Blumenstock, Cadamuro, and On 2015) ။
ဒီလေ့လာမှုကကြင်နာတဲ့ Rorschach inkblot စမ်းသပ်မှုများကဲ့သို့ဖြစ်ပါသည်: အဘယျသို့ကလူကိုမြင်ရသူတို့၏နောက်ခံပေါ်တွင်မူတည်ပါသည်။ အတော်များများကလူမှုရေးသိပ္ပံပညာရှင်တွေဟာစီးပွားရေးဖွံ့ဖြိုးတိုးတက်မှုနဲ့ပတ်သက်တဲ့သီအိုရီကိုစမ်းသပ်ဖို့အသုံးပြုနိုင်အသစ်တစ်ခုကိုတိုင်းတာခြင်း tool ကိုကြည့်ပါ။ အတော်များများက data တွေကိုသိပ္ပံပညာရှင်တွေတစ်ဦးအေးမြအသစ်အစက်သင်ယူမှုပြဿနာကိုကြည့်ပါ။ အတော်များများကစီးပွားရေးလုပ်ငန်းလူတွေကသူတို့ပြီးသားကောက်ယူသောကြီးတွေဒေတာအတွက်တန်ဖိုးအားသော့ဖွင့်ဘို့တစ်အစွမ်းထက်ချဉ်းကပ်ကြည့်ရှုပါ။ အတော်များများက privacy ကိုထောက်ခံသူတွေကိုကျွန်တော်အစုလိုက်အပြုံလိုက်စောင့်ကြည့်နေတဲ့အချိန်မှာနေထိုင်တဲ့ကြောက်စရာသတိပေးချက်ကြည့်ပါ။ နောက်ဆုံးများစွာသောမူဝါဒချမှတ်သူများနည်းပညာအသစ်ပိုကောင်းတဲ့ကမ္ဘာကြီးကိုဖန်တီးနိုင်မယ့်လမ်းကိုကြည့်ပါ။ တကယ်တော့ဒီလေ့လာမှုသူတွေကိုအမှုအရာရှိသမျှတို့ကိုဖြစ်တယ်, ဒါကြောင့်ဝိသေသလက္ခဏာများ၏ဤရောနှောရှိပါတယ်အကြောင်းမူကား, ငါလူမှုရေးသုတေသနများ၏အနာဂတ်သို့ပြတင်းပေါက်အဖြစ်ရှုမြင်ကြပါတယ်။
