Reply To: Global Gridded Population Datasets Systematically Underrepresent Rural Population by Josias Láng-Ritter et al
ينتقد المؤلفون دراسة لانج-ريتر وآخرون، بحجة أن نقص التمثيل المذكور للسكان الريفيين يرجع على الأرجح إلى خيارات منهجية وأخطاء تقدير تاريخية بدلاً من كونه نقصاً فعلياً في العد.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
جدلية "المليارات المفقودة": شرح مبسط
تخيل أنك تحاول إحصاء جميع الأشخاص الذين يعيشون في غابة شاسعة وممتدة. ليس لديك شخص يقف بجانب كل شجرة، لذا تستخدم بدلاً من ذلك طائرة بدون طيار (درون) عالية التقنية لالتقاط صور من الأعلى. ترى تجمعات من الأسطح والممرات، وتستخدم برنامج كمبيوتر لتخمين ما يلي: "حسنًا، إذا كان هناك ثلاثة منازل هنا، فمن المحتمل أن يعيش هناك 15 شخصًا".
نظرت ورقة بحثية علمية حديثة (أعدها يوزياس لانغ-ريتر وآخرون) إلى هذه "خرائط الدرون" (المعروفة باسم مجموعات بيانات السكان الشبكية) وأطلقت ادعاءً مدويًا: "خرائطنا تفتقد نصف الناس في المناطق الريفية! قد يكون هناك مليارات البشر أكثر على الأرض مما نعتقد!"
يبدو هذا اكتشافًا هائلًا، أليس كذلك؟ حسنًا، قامت مجموعة من العلماء الآخرين بكتابة "رد تفنيدي" — وهو وسيلة مهذبة ولكن حازمة لقول: "تمهل قليلًا. أنت تقفز إلى استنتاجات متسرعة".
إليك كيف شرحوا لماذا قد يكون ادعاء "المليارات المفقودة" مجرد وهم رياضي.
1. مشكلة "يوم الانتقال" (عدم التوافق الزمني)
تخيل أنك تحاول إحصاء عدد الأشخاص الذين يعيشون في حي ما من خلال النظر إلى قائمة بالأشخاص الذين انتقلوا من السكن العام الماضي. إذا نظرت إلى القائمة بعد انتقالهم بالفعل إلى منازلهم الجديدة، فقد تعتقد: "واو، هذا الحي فارغ! لا بد أن التعداد السكاني خاطئ!"
بحثت الدراسة الأصلية في مشاريع السدود. وقارنوا بين خرائط السكان القديمة وقوائم الأشخاص الذين تمت إعادة توطينهم. لكن الناس غالبًا ما ينتقلون من منطقة السد قبل سنوات من اكتمال بناء السد فعليًا. كانت الدراسة في الأساس تعد الأشخاص الذين حزموا حقائبهم وغادروا بالفعل، مما جعل الأمر يبدو وكأن الخرائط "تفتقدهم"، بينما في الواقع لم يعودوا موجودين هناك.
2. فخ "الأرقام الصغيرة" (حساسية النسب المئوية)
تخيل أنك معلم. في فصل دراسي يضم 1000 طالب، إذا أخطأت في عد 5 أطفال، فالأمر ليس مشكلة كبيرة. ولكن إذا كنت تنظر إلى مجموعة صغيرة تضم 10 أطفال فقط وأخطأت في عد 5 منهم، فقد تصرخ: "لقد فاتني 50% من الطلاب!"
استخدمت الدراسة الأصلية بعض المناطق الصغيرة جدًا (مثل سد صغير في ألمانيا حيث يعيش 13 شخصًا فقط). عندما تستخدم النسب المئوية لوصف مجموعات صغيرة جدًا، تبدو الأخطاء ضخمة. يقول النقاد: "لا يمكنك أخذ خطأ حدث في قرية صغيرة واستخدامه للادعاء بأن الكوكب بأكمله يتم إحصاؤه بشكل خاطئ".
3. خطأ "شريط القياس" (المدى المكاني)
إذا حاولت قياس حجم سجادة، ولكن شريط القياس الخاص بك أقصر قليلاً، فستنتهي بتخمين كم هي أكبر في الواقع. أشار النقاد إلى أن الباحثين الأصليين لاحظوا أن "حدود خرائطهم" كانت صغيرة جدًا، لذا قاموا ببساطة بضرب كل شيء في 1.23 لـ "إصلاح" الأمر. في العلم، "تخمين عامل تصحيح" يشبه محاولة إصلاح ميزان مكسور عبر إضافة حفنة من الملح إلى الوزن — فهذا يجعل البيانات أقل موثوقية.
4. تأثير "الرؤية الضبابية" (نقص الخرائط التفصيلية)
قبل عام 2010، لم تكن "عيوننا" عبر الأقمار الصناعية حادة كما هي اليوم. إذا نظرت إلى صورة ضبابية لغابة، فقد تفوتك كوخ صغير مختبئ تحت شجرة. نسبت الدراسة الأصلية الخطأ إلى "التعداد السكاني" (الإحصاء الرسمي) لكونه خاطئًا، لكن النقاد يقولون إن المشكلة تكمن في الواقع في خرائط الأقمار الصناعية. لم تكن الأقمار الصناعية ترى المنازل الصغيرة والنائية، لذا افترضت برامج الكمبيوتر أنه لا أحد يعيش هناك. المشكلة ليست في وجود الناس، بل في أن "الكاميرا" لم تستطع رؤيتهم.
5. مشكلة "ليست كل الغابات متساوية" (العينات غير الممثلة)
تخيل أنك تريد معرفة متوسط ما يأكله الناس في العالم، لذا تجري مقابلات فقط مع الأشخاص الذين يعيشون بجوار مطاعم البوفيه الضخمة. ستكون نتائجك منحازة!
ركزت الدراسة الأصلية بشكل كبير على الأشخاص الذين يعيشون بالقرب من السدود. الناس الذين يعيشون بالقرب من السدود لديهم حيوات محددة للغاية — فهم يعيشون بالقرب من الماء، وفي أنواع معينة من التضاريس، وفي مناخات محددة. يقول النقاد: "لا يمكنك استخدام الأشخاص الذين يعيشون بالقرب من السدود لتمثيل كل مزارع، أو ساكن جبل، أو رحال في الصحراء على وجه الأرض".
الخلاصة
النقاد لا يقولون إن الباحثين الأصليين مخطئون في اهتمامهم بالسكان الريفيين — بل يقولون إن الباحثين كانوا صاخبين وجريئين للغاية في ادعاءاتهم.
من خلال الصراخ: "المليارات مفقودة!"، فإنهم يخاطرون بإثارة ذعر غير ضروري، أو تأجيج الجدالات السياسية، أو جعل الناس يتوقفون عن الثقة في العلم تمامًا. يدعو النقاد إلى الدقة والواقعية: بدلًا من قول "العالم مليء بمليارات الأشباح"، يجب أن نقول "خرائطنا عبر الأقمار الصناعية تحتاج إلى أن تصبح أفضل في رؤية المنازل الصغيرة في الغابات".
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.