1.1 črnilo madež
Poleti leta 2009 so mobilni telefoni zvonili po vsej Ruandi. Poleg milijonov klicev iz družine, prijateljev in poslovnih sodelavcev je približno 1.000 Rwandanov prejelo klic od Joshua Blumenstocka in njegovih kolegov. Ti raziskovalci so proučevali bogastvo in revščino, tako da so izvedli raziskavo naključnega vzorca ljudi iz podatkovne baze 1,5 milijona strank največjega ponudnika mobilnih telefonov v Ruandi. Blumenstock in sodelavci so vprašali naključno izbrane ljudi, če bi radi sodelovali v raziskavi, pojasnili naravo raziskav zanje in nato postavili vprašanja o njihovih demografskih, socialnih in ekonomskih značilnostih.
Vse, kar sem že povedal, je videti kot tradicionalna raziskava družbene vede. Toda kaj sledi ni tradicionalno - vsaj še ne. Poleg podatkov o raziskavi sta Blumenstock in sodelavci imeli tudi popolno evidenco klicev za 1,5 milijona ljudi. Če združimo ta dva vira podatkov, sta uporabila podatke raziskave, da bi vadili model strojnega učenja, da bi napovedali bogastvo osebe, ki temelji na njihovih zapisih klicev. Nato so ta model uporabili za oceno bogastva vseh 1,5 milijona strank v bazi podatkov. Ocenili so tudi kraje stalnega prebivališča vseh 1,5 milijona strank, ki uporabljajo geografske podatke, vgrajene v evidenco klicev. Vse to skupaj - ocenjeno premoženje in ocenjeno prebivališče - so lahko izdelali zemljevide z visoko ločljivostjo geografske porazdelitve bogastva v Ruandi. Zlasti bi lahko ustvarili ocenjeno premoženje za vsako od rudiških celic v Ruandi 2.148, najmanjšo upravno enoto v državi.
Na žalost ni bilo mogoče ovrednotiti natančnosti teh ocen, ker nihče nikoli ni pripravil ocen za tako majhna geografska območja v Ruandi. Toda, ko sta Blumenstock in sodelavci združili svoje ocene v 30 okrožjih Ruande, so ugotovili, da so bile njihove ocene zelo podobne ocenam Demografske in zdravstvene ankete, ki se šteje za zlato merilo raziskav v državah v razvoju. Čeprav sta ti dve pristopi v tem primeru ustvarili podobne ocene, je bil pristop Blumenstock in kolegov približno desetkrat hitrejši in 50-krat cenejši od tradicionalnih Demografskih in zdravstvenih raziskav. Te drastično hitrejše in nižje ocene stroškov ustvarjajo nove možnosti za raziskovalce, vlade in podjetja (Blumenstock, Cadamuro, and On 2015) .
Ta študija je nekako podobna testu Rorschach inkblot: tisto, kar ljudje vidijo, je odvisno od njihovega ozadja. Številni socialni znanstveniki vidijo novo merilno orodje, ki se lahko uporablja za preizkušanje teorij o gospodarskem razvoju. Mnogi znanstveniki, ki se ukvarjajo s podatki, vidijo kul nov problem strojnega učenja. Veliko poslovnih ljudi vidi močan pristop za odklepanje vrednosti v velikih podatkih, ki so jih že zbirali. Veliko zagovornikov zasebnosti vidi zastrašujoče opomnike, da živimo v času množičnega nadzora. In končno, mnogi oblikovalci politik vidijo, kako lahko nova tehnologija pomaga ustvariti boljši svet. Dejansko je ta študija vse te stvari in ker ima to kombinacijo značilnosti, jo vidim kot okno v prihodnost družbenih raziskav.
