Crowd-Sourced Geographies of Income: Using Google Maps Points of Interest as High-Frequency Proxies for Sub-Municipal Income Estimation in Sao Paulo, Brazil
تُثبت هذه الورقة أن نقاط الاهتمام في خرائط جوجل المستمدة من التعهيد الجماعي يمكن أن تعمل كبديل عالي التردد ومنخفض التكلفة لتقدير دخل الأسر على مستوى ما دون البلدية في ساو باولو، محققةً أداءً تنبؤياً قوياً (معامل تحديد R² يبلغ 0.65) يقدم بديلاً قابلاً للتطبيق لبيانات التعداد السكاني المكلفة وغير المنتظمة للسياسة الاجتماعية في البرازيل.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول رسم خريطة لثروة مدينة ما، لكن الخريطة الوحيدة التي تملكها هي صورة فوتوغرافية التُقطت قبل اثني عشر عاماً. هذا هو الواقع الذي يواجهه العديد من صانعي السياسات في البرازيل ودول أخرى متوسطة الدخل. فهم بحاجة إلى معرفة الأحياء التي تعاني بدقة لإرسال المساعدات، لكن التعداد الحكومي الرسمي — وهو المعيار الذهبي لهذه البيانات — لا يحدث إلا مرة واحدة كل عشر سنوات. في الفجوات الطويلة بين هذه التعدادات، تتغير المدينة: تفتح متاجر جديدة، وتغلق أخرى، وتنتقل العائلات، لكن خريطة الدخل الرسمية تظل مجمدة في الزمن. ولحل هذه المشكلة، يتجه العلماء إلى البيانات "المستمدة من الحشود" (crowd-sourced)، وهي معلومات يجمعها ملايين الأشخاص العاديين باستخدام هواتفهم وتطبيقاتهم. فكر في الأمر كأنه مذكرات ضخمة وحية للمدينة، يكتبها كل من يمشي أو يقود سيارة أو يتسوق هناك. تعيش هذه الورقة البحثية عند تقاطع الجغرافيا والاقتصاد وعلوم الحاسوب، وهي تطرح سؤالاً بسيطاً ولكنه قوي: هل يمكننا تخمين مقدار المال الذي تجنيه منطقة ما بمجرد النظر إلى ما هي الشركات والأماكن المدرجة على خرائط جوجل الآن؟
قرر الباحثون في هذه الدراسة اختبار هذه الفكرة في ساو باولو بالبرازيل، وهي مدينة ضخمة تضم أكثر من 26,000 كتلة حيوية صغيرة للأحياء تسمى "قطاعات التعداد". لقد تعاملوا مع خرائط جوجل كأنها مخزن رقمي ضخم للمدينة. وبدلاً من سؤال الناس عن مقدار ما يكسبونه، سألوا الخريطة: "ماذا يوجد في هذا الحي؟". بحثوا عن أنواع محددة من الأماكن، مثل البنوك، والمدارس، والمستشفيات، والكنائس، والمطاعم. والنظرية هي أن مزيج هذه الأماكن يعمل كبصمة للثروة؛ فالحي المليء بمقاهي القهوة الراقية والعيادات الخاصة من المرجح أن يكون له مستويات دخل مختلفة عن حي تهيمن عليه الأسواق الصغيرة غير الرسمية أو أنواع معينة من المراكز المجتمعية.
بنى الفريق نموذجاً حاسوبياً لتعلم العلاقة بين هذه "نقاط الاهتمام" (POIs) وبيانات الدخل الفعلية من تعداد عام 2022. قاموا بتغذية النموذج بقائمة الأماكن الموجودة في كل حي وعلموه كيفية التنبؤ بالدخل. وللتأكد من أن النموذج يتعلم حقاً وليس مجرد حفظ الإجابات، استخدموا حيلة ذكية: أخفوا أشرطة كاملة من المدينة عن الكمبيوتر أثناء التدريب، ولم يظهروا له الإجابات لتلك الأشرطة المخفية إلا في النهاية. يشبه هذا إعطاء طالب اختباراً تجريبياً يحتوي على معظم الأسئلة، ثم إعطاؤه قسماً جديداً تماماً من الاختبار لم يره من قبل ليروا ما إذا كان يستوعب المادة حقاً.
كانت النتائج واعدة للغاية. فالنموذج الأفضل، الذي استخدم تقنية رياضية محددة لتبسيط البيانات، تمكن من التنبؤ بدخل هذه الأحياء غير المرئية بدقة (R²) بلغت حوالي 0.65. وباللغة البسيطة، يعني هذا أن النموذج استطاع تفسير نحو ثلثي الاختلافات في الدخل بين الأحياء بمجرد النظر إلى قائمة الشركات الموجودة على خرائط جوجل. تشير الدراسة إلى أن هذه الطريقة هي وسيلة سريعة ورخيصة ومحدثة لتجديد خرائط الدخل بين التعدادات الرسمية. ويمكنها مساعدة الحكومات في رصد الأحياء التي تتغير بسرعة أو التي قد يسقط سكانها من حسابات النظام الرسمي.
ومع ذلك، فإن الورقة البحثية حذرة من تسمية هذا حلاً مثالياً. فلم يكن النموذج جيداً في التنبؤ بالمناطق الأكثر ثراءً أو الأكثر فقراً؛ فقد مال إلى التخمين بأن الأغنياء أقل ثراءً قليلاً وأن الفقراء أكثر ثراءً مما هم عليه في الواقع. ويوضح المؤلفون أن هذا يحدث لأن البيانات لها حدود: ففي المناطق الغنية جداً، قد لا تسرد الخريطة كل متجر فاخر، وفي المناطق الفقيرة جداً، قد تكون العديد من الأعمال غير رسمية وغير مدرجة على خرائط جوجل على الإطلاق. علاوة على على ذلك، تجادل الدراسة صراحة ضد فكرة أن هذه البيانات يجب أن تحل محل التعداد الرسمي تماماً. بدلاً من ذلك، يقترحون استخدامها كـ "إشارة حية" لتحديث التقديرات بين المسوحات الرسمية الكبيرة والبطيئة. كما تسلط الدراسة الضوء على أن البيانات منحازة نحو الأعمال الرسمية؛ فإذا كان الحي يعتمد على الباعة المتجولين أو الخدمات غير الرسمية التي لا توجد على خرائط جوجل، فقد يخطئ النموذج في رسم الصورة الاقتصادية الحقيقية.
في نهاية المطاف، تشير هذه الورقة إلى أنه بينما لا يمكننا استبدال التعداد بالكامل عبر بحث في جوجل، يمكننا استخدام البصمة الرقمية للمدينة للحصول على نظرة أكثر حداثة وتكراراً لصحتها الاقتصادية. إنها أداة تحول النشاط اليومي الفوضوي للمدينة — أين يتسوق الناس، ويأكلون، ويعملون — إلى خريطة مقروءة للثروة، مما يوفر وسيلة لمنع السياسات الاجتماعية من أن تصبح قديمة الطراز قبل أن تصل إلى أرض الواقع.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.