1.1 တစ်ဦးမှင် blot

2009 ခုနှစ်နွေကာလ၌, မိုဘိုင်းဖုန်းများအားလုံးရဝမ်ဒါကိုဖြတ်ပြီးအူခဲ့ကြသည်။ မိသားစု, သူငယ်ချင်းနှင့်စီးပွားရေးအပေါငျးအသငျးမြားအကြားဖုန်းခေါ်ဆိုမှု၏သန်းပေါင်းများစွာအပြင်, ပတ်သက်. 1000 ရီဝမ်ဒါနိုင်ငံယောရှုသည် Blumenstock နှင့်သူ၏လုပ်ဖော်ကိုင်ဘက်ကနေဖုန်းခေါ်လက်ခံရရှိခဲ့သည်။ အဆိုပါသုတေသီများကျပန်းရဝမ်ဒါ၏အကြီးဆုံးမိုဘိုင်းဖုန်းပံ့ပိုးပေးသူမှ 1.5 သန်းဖောက်သည်တစ်ဦးဒေတာဘေ့စကနေနမူနာခဲ့သူတွေကို၏စစ်တမ်းတစ်ခုပို့ချခြင်းဖြင့်ဥစ္စာဓနနှင့်ဆင်းရဲနွမ်းပါးမှုလေ့လာနေခဲ့ကြသည်။ Blumenstock နှင့်လုပ်ဖော်ကိုင်ဖက်များသူတို့စစ်တမ်းတစ်ခုတွင်ပါဝင်ချင်တယ်ဆိုရင်, သူတို့ကိုမှသုတေသန၏သဘောသဘာဝရှင်းပြခဲ့သည်သင်တန်းသားများကိုမေးခဲ့တယ်, ပြီးတော့သူတို့ရဲ့, လူဦးရေဆိုင်ရာလူမှုရေး, စီးပွားရေးဝိသေသလက္ခဏာများနှင့် ပတ်သက်. မေးခွန်းများကိုတစ်ဦးစီးရီးဟုမေး၏။

ယခုတွင်ငါသည်အထိပြောဆိုကြပြီအရာတွေအားလုံးကတစ်ဦးရိုးရာလူမှုရေးသိပ္ပံပညာစစ်တမ်းတူဒီသံကိုမှန်ကန်စေသည်။ သို့သော်အဘယ်လာမည့်ကြွလာမှာအနည်းဆုံးမသေး, အစဉ်အလာမဟုတ်။ သူတို့ကသူတို့ရဲ့ခေါ်သံဒေတာမှတစ်စုံတစ်ဦးရဲ့စည်းစိမ်ကိုကြိုတင်ခန့်မှန်းဖို့စက်သင်ယူမှုပုံစံလေ့ကျင့်ရန်စစ်တမ်းအချက်အလက်များကိုအသုံးပြုပါ, အဲဒီနောက်ထိုအပင်အပေါင်းတို့ 1.5 သန်းဖောက်သည်၏စည်းစိမ်ကိုခန့်မှန်းရန်ဒီမော်ဒယ်ကိုအသုံးပြုခဲ့သည်။ ထို့နောက်သူတို့ခေါ်ဆိုမှုမှတ်တမ်းများအတွက် embedded အပထဝီသတင်းအချက်အလက်ကိုအသုံးပြုခြင်းအားဖြင့်အားလုံး 1.5 သန်းဖောက်သည်များ၏နေအိမ်သို့ရာအရပ်ခန့်မှန်းပါတယ်။ အတူတူ-The နှစ်ခုခန့်မှန်းချက်ချပြီးခန့်မှန်းခြေကြွယ်ဝမှုနှင့်နေအိမ်သို့-Blumenstock နှင့်လုပ်ဖော်ကိုင်ဘက်များ၏ခန့်မှန်းခြေအရပျကိုရဝမ်ဒါဖြတ်ပြီးဥစ္စာဓန၏ပထဝီဖြန့်ဖြူး high-resolution ကိုခန့်မှန်းထုတ်လုပ်နိုင်ခဲ့ကြသည်။ အထူးသဖြင့်သူတို့က, ရဝမ်ဒါရဲ့ထားသော 2,148 ဆဲလ်၏အသီးအသီးအဘို့တိုင်းပြည်အတွက်အသေးငယ်ဆုံးစီမံခန့်ခွဲရေးယူနစ်ခန့်မှန်းခြေစည်းစိမ်ကိုထုတ်လုပ်နိုင်။

အဘယ်သူမျှမအစဉ်အဆက်ရဝမ်ဒါအတွက်ထိုကဲ့သို့သောသေးငယ်တဲ့ပထဝီဆိုင်ရာဒေသများအဘို့ခန့်မှန်းချက်ကိုထုတ်လုပ်ခဲ့သောကွောငျ့ဤခန့်မှန်းချက်မှန်ကန်ကြောင်းသက်သေပြဖို့မဖြစ်နိုင်ခဲ့။ Blumenstock နှင့်လုပ်ဖော်ကိုင်ဖက်များကရဝမ်ဒါရဲ့ 30 ရက်ခရိုင်သူတို့ရဲ့ခန့်မှန်းချက်စုစည်းသောအခါ, သူတို့ခန့်မှန်းလူဦးရေဆိုငျရာနှင့်ကျန်းမာရေးစစ်တမ်း, ဖွံ့ဖြိုးဆဲနိုင်ငံများအတွက်စစ်တမ်းများ၏ရွှေစံမှခန့်မှန်းတွက်ချက်မှုဆင်တူကြောင်းတွေ့ရှိခဲ့ရသည်။ အဲဒီနှစျခုချဉ်းကပ်မှုကဤအမှု၌အလားတူခန့်မှန်းထုတ်လုပ်ပေမယ့်, Blumenstock နှင့်လုပ်ဖော်ကိုင်ဖက်များ၏ချဉ်းကပ်မှုအကြောင်းကို 10 ဆပိုမြန်ခြင်းနှင့်အစဉ်အလာလူဦးရေအချိုးအစားနှင့်ကျန်းမာရေးစစ်တမ်းများထက်အဆ 50 စျေးနှုန်းချိုသာဖြစ်ခဲ့သည်။ ဤရွေ့ကားသိသိသာသာပိုမြန်ခြင်းနှင့်နိမ့်ကုန်ကျစရိတ်ခန့်မှန်းသုတေသီများ, အစိုးရအဖွဲ့များနှင့်ကုမ္ပဏီများအတွက်အသစ်ကဖြစ်နိုင်ခြေဖန်တီး (Blumenstock, Cadamuro, and On 2015) ။

အသစ်တစ်ခုကိုနည်းစနစ်ဖွံ့ဖြိုးဆဲများအပြင်, ဒီလေ့လာမှုမျိုးကိုတစ် Rorschach inkblot စမ်းသပ်မှုကဲ့သို့ဖြစ်၏ အဘယျသို့ကလူမြင်သူတို့ရဲ့နောက်ခံပေါ်တွင်မူတည်ပါသည်။ အများစုကလူမှုရေးသိပ္ပံပညာရှင်တွေဟာစီးပွားရေးဖွံ့ဖြိုးတိုးတက်မှုနဲ့ပတ်သက်တဲ့သီအိုရီကိုစမ်းသပ်ဖို့အသုံးပြုနိုင်အသစ်တစ်ခုကိုတိုင်းတာခြင်းကိရိယာတခုကိုကြည့်ပါ။ အများစုကဒေတာသိပ္ပံပညာရှင်များတစ်ဦးအေးမြအသစ်စက်သင်ယူမှုပြဿနာကိုကြည့်ပါ။ အများစုကစီးပွားရေးလုပ်ငန်းကလူသူတို့ပြီးသားကောက်ယူသောဒစ်ဂျစ်တယ်သဲလွန်စဒေတာအတွက် value ကိုဖော်ထုတ်ပေးတယ်ဆိုတာဟာများအတွက်အစွမ်းထက်ချဉ်းကပ်ကြည့်ရှုပါ။ အများစုက privacy ကိုထောက်ခံသူများကျွန်တော်တို့အစုလိုက်အပြုံလိုက်စောင့်ကြည့်နေတဲ့အချိန်မှာနေထိုင်တဲ့ကြောက်စရာသတိပေးကြည့်ရှုပါ။ အများစုကမူဝါဒချမှတ်သူများနည်းပညာသစ်ပိုကောင်းတဲ့ကမ္ဘာကဖန်တီးကူညီနိုငျတဲ့နညျးလမျးကိုကြည့်ပါ။ တကယ်တော့ဒီလေ့လာမှုသူတို့အားအမှုအရာရှိသမျှတို့ကိုဖြစ်တယ်, ဒါကြောင့်လူမှုရေးသုတေသန၏အနာဂတ်အတွက်သို့ပြတင်းပေါက်သည်အဘယ်ကြောင့်ဖြစ်ပါသည်။