1.1 Ang isang tinta blot

Sa tag-araw ng 2009, mobile phone ay tugtog sa lahat sa buong Rwanda. Bilang karagdagan sa mga milyon-milyong mga tawag sa pagitan ng pamilya, mga kaibigan, at mga kasosyo sa negosyo, mga 1,000 Rwandans nakatanggap ng isang tawag mula sa Joshua Blumenstock at ang kanyang mga kasamahan. Ang mga mananaliksik ay pag-aaral kayamanan at kahirapan sa pamamagitan ng pagsasagawa ng isang survey ng mga tao na ay random sample mula sa isang database ng 1.5 milyong mga customer mula sa Rwanda pinakamalaking mobile phone provider. Blumenstock at kasamahan tinatanong ang mga kalahok kung sila pinaghahanap upang lumahok sa isang survey, ipinaliwanag ang likas na katangian ng pananaliksik sa kanila, at pagkatapos ay tinanong ng isang serye ng mga katanungan tungkol sa kanilang mga demographic, panlipunan, at pang-ekonomiyang katangian.

Everything aking sinabi hanggang ngayon gumagawa ang tunog tulad ng isang tradisyunal survey social science. Ngunit, kung ano ang susunod na dumating ay hindi tradisyonal na, hindi bababa sa hindi pa. Ginamit nila ang data ng survey upang sanayin ang isang machine learning modelo upang mahulaan kayamanan ng isang tao mula sa kanilang mga data call, at pagkatapos ay ginamit nila ang mga modelong ito upang matantya ang kayamanan ng lahat ng 1.5 milyong mga customer. Susunod, sila tinatayang ang lugar ng tirahan ng lahat ng 1.5 million customer sa pamamagitan ng gamit ang geographic na impormasyon na naka-embed sa mga tala ng tawag. Paglalagay ng mga dalawang mga pagtatantya magkasama-the tinatayang kayamanan at ang tinatayang lugar ng paninirahan-Blumenstock at kasamahan ay able sa gumawa ng mataas na-resolution ng mga pagtatantya ng pang-heograpiyang pamamahagi ng kayamanan sa kabuuan Rwanda. Sa partikular, sila ay maaaring makabuo ng isang tinatayang kayamanan para sa bawat isa sa Rwanda 2,148 cells, na ang pinakamaliit na yunit administratibo sa bansa.

Ito ay imposible upang patunayan ang mga estima dahil walang sinuman ay kailanman ginawa pagtatantya para sa mga maliliit na geographic na lugar sa Rwanda. Subalit, kapag Blumenstock at kasamahan pinagsama-sama ang kanilang mga pagtatantya sa Rwanda 30 distrito, sila natagpuan na ang kanilang mga pagtatantya ay katulad sa mga pagtatantya mula sa Demographic and Health Survey, ang gintong standard ng mga survey sa pagbuo ng bansa. Kahit na ang mga dalawang pamamaraang ginawa katulad na mga pagtatantya sa kasong ito, ang diskarte ng Blumenstock at kasamahan ay tungkol sa 10 beses na mas mabilis at 50 beses na mas mura kaysa sa tradisyonal na Demographic and Health Survey. Ang mga kapansin-pansing mas mabilis at mas mababang gastos pagtatantya lumikha ng mga bagong posibilidad para sa mga mananaliksik, mga pamahalaan, at mga kumpanya (Blumenstock, Cadamuro, and On 2015) .

Bilang karagdagan sa pagbuo ng isang bagong pamamaraan, pag-aaral na ito ay uri ng tulad ng isang Rorschach inkblot test; ano ang mga tao makita ang ay depende sa kanilang background. Maraming mga panlipunang siyentipiko makita ang isang bagong tool sa pagsukat na maaaring magamit upang subukan ang mga theories tungkol sa pagpapaunlad ng ekonomiya. Maraming mga siyentipiko data makita ang isang cool na bagong problema machine learning. Maraming mga negosyo ang mga tao makita ang isang malakas na diskarte para sa pag-unlock sa halaga sa digital trace data na mayroon sila ay nakolekta. Maraming tagapagtaguyod privacy makita ang isang nakakatakot paalala na nakatira kami sa isang oras ng mass surveillance. Maraming mga gumagawa ng patakaran makita ang isang paraan na ang mga bagong teknolohiya ay maaaring makatulong sa lumikha ng isang mas mahusay na mundo. Sa katunayan, pag-aaral na ito ay ang lahat ng mga bagay na iyon, at iyon ay kung bakit ito ay isang window sa hinaharap ng panlipunang pananaliksik.