Poverty Mapping: Data, Models and Applications
यह समीक्षा पत्र इस बात का परीक्षण करता है कि कैसे उभरती हुई गणनात्मक विधियाँ और गैर-पारंपरिक डेटा स्रोत, जैसे कि उपग्रह चित्र और मोबाइल फोन डेटा, सतत विकास लक्ष्य 1 को पूरा करने के लिए गरीबी मानचित्रण को उन्नत कर रहे हैं, साथ ही प्रतिनिधित्व, हस्तांतरणीयता और अनिश्चितता की निरंतर चुनौतियों को भी संबोधित कर रहे हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप किसी देश में गरीबी की छिपी हुई जेबों को खोजने की कोशिश कर रहे हैं, जैसे कि आप एक विशाल, अव्यवस्थित शहर में सुराग ढूंढने वाले एक जासूस हों। आमतौर पर, जासूसों को लोगों के पैसे, उनके भोजन और उनके स्वास्थ्य के बारे में पूछने के लिए हर एक दरवाजे पर दस्तक देनी पड़ती है। यह एक पारंपरिक जनगणना या घरेलू सर्वेक्षण की तरह है। यह सटीक तो है, लेकिन यह धीमा, महंगा है और अक्सर रिपोर्ट पूरी होने तक पुराना हो जाता है। विज्ञान की दुनिया में, यह "गरीबी" को मापने का पुराना तरीका है—एक ऐसी स्थिति जहाँ लोगों के पास जीने के लिए बुनियादी चीजों, जैसे भोजन, आश्रय और दवा की कमी होती है। लेकिन क्या होगा अगर आपको हर दरवाजे पर दस्तक न देनी पड़े? क्या होगा अगर आप केवल रात में शहर की रोशनी, लोगों के फोन चलाने के तरीके, या सोशल मीडिया पर उनके पोस्ट को देखकर यह पता लगा सकें कि कौन संघर्ष कर रहा है? यहीं पर एक नए प्रकार की जासूसी काम आती है, जो "गैर-पारंपरिक डेटा" और कंप्यूटर मॉडल का उपयोग करके वास्तविक समय (real-time) में गरीबी का मानचित्रण करती है। यह कमरे के तापमान का अनुमान लगाने जैसा है, न कि हर कोने में थर्मामीटर रखने से, बल्कि कमरे के अंदर के लोगों के बात करने, हिलने-डुलने और दूर से उनके कपड़ों को देखने से।
यह शोध पत्र, जिसका शीर्षक "पॉवर्टी मैपिंग: डेटा, मॉडल्स एंड एप्लिकेशन्स" है, इस बात की एक व्यापक समीक्षा है कि कैसे वैज्ञानिक इन डिजिटल पदचिह्नों का उपयोग गरीबों को खोजने के लिए कर रहे हैं। लेखक, जो चीन, जर्मनी और स्विट्जरलैंड के विश्वविद्यालयों के शोधकर्ताओं की एक टीम है, नई तकनीक के परिदृश्य में मार्गदर्शक के रूप में कार्य करते हैं। वे समझाते हैं कि हालांकि हम उपग्रह या फोन कॉल के माध्यम से गरीबी को सीधे नहीं माप सकते, लेकिन हम गरीबी द्वारा छोड़े गए "निशानों" को देख सकते हैं। वे बताते हैं कि हम अंतरिक्ष से पृथ्वी की छवियों, मोबाइल फोन कॉल के रिकॉर्ड और सोशल मीडिया पोस्ट का उपयोग करके यह चित्र कैसे बना सकते हैं कि कौन संघर्ष कर रहा है और कहाँ। यह पत्र केवल यह नहीं कहता कि "यह काम करता है"; यह सावधानीपूर्वक मानचित्रों की जांच करता है, उन जगहों की ओर इशारा करता है जहाँ अभी भी धुंध गहरी है, और हमें चेतावनी देता है कि इन नए मानचित्रों पर केवल इसलिए अंधा विश्वास न करें क्योंकि वे दिखने में बहुत शानदार हैं। यह सुझाव देता है कि ये नए उपकरण शक्तिशाली सहायक हैं, लेकिन वे जादू की छड़ी नहीं हैं जो पुराने, धीमे, दरवाजा-खटखटाने वाले सर्वेक्षणों को पूरी तरह से प्रतिस्थापित कर सकें।
पुराना तरीका बनाम नया तरीका
लंबे समय तक, यह जानने का एकमात्र तरीका कि कितने लोग गरीब थे, टीमों को उन्हें पूछने के लिए भेजना था। यह एक झील में हर मछली को एक-एक करके पकड़कर गिनने की कोशिश करने जैसा है। यह काम करता है, लेकिन इसमें बहुत समय लगता है, भारी लागत आती है, और जब तक आप समाप्त करते हैं, मछलियाँ जा चुकी होती हैं। पत्र नोट करता है कि कई स्थानों पर, विशेष रूप से गरीब देशों में, ये सर्वेक्षण इतने कम होते हैं कि डेटा अक्सर वर्षों पुराना होता है। यदि कोई आपदा आती है या अर्थव्यवस्था गिर जाती है, तो पुराने मानचित्र बेकार हो जाते हैं।
नया दृष्टिकोण हेलीकॉप्टर से झील को देखने जैसा है। आप हर एक मछली को नहीं देख सकते, लेकिन आप देख सकते हैं कि पानी कहाँ उथल-पुथल भरा है, पक्षी कहाँ गोता लगा रहे हैं, और प्रकाश कहाँ अलग तरह से परावर्तित हो रहा है। पत्र तीन मुख्य "हेलीकॉप्टर दृश्यों" की समीक्षा करता है जिनका वैज्ञानिक उपयोग कर रहे हैं:
1. रात की रोशनी और दिन की तस्वीरें (सैटेलाइट इमेजरी)
एक शहर की कल्पना करें जो रात में चमक रहा हो। चमकीले, चमकते क्षेत्र आमतौर पर समृद्ध होते हैं, जहाँ बहुत अधिक बिजली और व्यस्त सड़कें होती हैं। अंधेरे, मंद क्षेत्र अक्सर गरीब होते हैं। वैज्ञानिक दशकों से यह अनुमान लगाने के लिए "रात की रोशनी" की छवियों का उपयोग कर रहे हैं कि कोई जगह कितनी समृद्ध है। यह किसी पार्टी का आकलन इस आधार पर करने जैसा है कि बाहर कितनी लाइटें जल रही हैं। लेकिन पत्र एक समस्या की ओर इशारा करता है: सबसे गरीब क्षेत्र अक्सर इतने अंधेरे होते हैं कि रोशनी बिल्कुल दिखाई नहीं देती, जिससे "बहुत गरीब" और "अत्यधिक गरीब" के बीच अंतर करना कठिन हो जाता है।
इसे ठीक करने के लिए, शोधकर्ताओं ने दिन की तस्वीरों को देखना शुरू किया। वे घरों की छतों, कच्ची सड़कों और खेतों में फसलों के प्रकार को देखने के लिए कंप्यूटर का उपयोग करते हैं। यह घर के अंदर का परिवार कितनी अच्छी तरह रहता है, इसका अनुमान लगाने के लिए घर को बाहर से देखने जैसा है। यदि छत मिट्टी की बनी है और दीवारें टूटी हुई हैं, तो कंप्यूटर अनुमान लगा सकता है कि परिवार गरीब है। पत्र बताता है कि "ट्रांसफर लर्निंग" का उपयोग करके—जो कि एक फैंसी तरीका है यह कहने का कि "कंप्यूटर को उन पैटर्न को पहचानना सिखाना जिन्हें वह पहले से जानता है"—वैज्ञानिक एक देश में प्रशिक्षित मॉडल को दूसरे देश के गाँवों की संपत्ति का अनुमान लगाने के लिए उपयोग कर सकते हैं, भले ही वहां कोई सर्वेक्षण न हो।
2. डिजिटल पदचिह्न (मोबाइल फोन डेटा)
आजकल लगभग हर किसी के पास फोन है, यहाँ तक कि बहुत गरीब स्थानों में भी। जब भी आप कॉल करते हैं, संदेश भेजते हैं, या एक स्थान से दूसरे स्थान पर जाते हैं, आपका फोन एक डिजिटल निशान छोड़ देता है। पत्र समझाता है कि ये निशान एक व्यक्ति के जीवन की डायरी की तरह हैं। यदि कोई अपने दोस्तों को बार-बार कॉल करता है, कई अलग-अलग जगहों की यात्रा करता है, और बहुत सारा एयरटाइम खरीदता है, तो वह समृद्ध हो सकता है। यदि उनका फोन शांत है, वे एक छोटे से घेरे में ही घूमते हैं, और वे शायद ही कभी क्रेडिट खरीदते हैं, तो वे संघर्ष कर रहे हो सकते हैं।
लेखक बताते हैं कि वैज्ञानिक इन कॉल्स से "नेटवर्क" कैसे बनाते हैं। एक वेब की कल्पना करें जहाँ हर व्यक्ति एक बिंदु है और हर कॉल उन्हें जोड़ने वाली एक डोरी है। समृद्ध क्षेत्रों में, वेब आमतौर पर बड़ा और उलझा हुआ होता है, जहाँ लोग कई अलग-अलग समूहों से बात करते हैं। गरीब क्षेत्रों में, वेब छोटा और तंग हो सकता है, जहाँ लोग केवल अपने निकटतम पड़ोसियों से बात करते हैं। पत्र सुझाव देता है कि इन पैटर्न को देखकर, हम बिना किसी से पूछे पूरे मोहल्ले की संपत्ति का अनुमान लगा सकते हैं। हालाँकि, यह चेतावनी भी देता है कि यह तभी काम करता है जब फोन नेटवर्क में मौजूद लोग सभी का एक निष्पक्ष नमूना हों। यदि सबसे गरीब लोगों के पास फोन नहीं है, तो मानचित्र उन्हें छोड़ देगा।
3. चर्चा (सोशल मीडिया डेटा)
सोशल मीडिया एक विशाल सार्वजनिक चौक की तरह है जहाँ लोग अपने विचार चिल्लाकर व्यक्त करते हैं। पत्र देखता है कि वैज्ञानिक लोगों की भावनाओं और उनकी आय का अनुमान लगाने के लिए इन आवाजों को कैसे पढ़ सकते हैं। यदि किसी मोहल्ले के लोग ज्यादातर महंगी छुट्टियों, शानदार कारों या खुशी के आयोजनों के बारे में पोस्ट करते हैं, तो वह क्षेत्र समृद्ध हो सकता है। यदि पोस्ट भूख, उदासी या नौकरियों की कमी की शिकायतों से भरे हैं, तो वह क्षेत्र गरीब हो सकता है।
वैज्ञानिक शब्दों को पढ़ने (टेक्स्ट माइनिंग) और कौन किसे फॉलो करता है (नेटवर्क विश्लेषण) के लिए कंप्यूटर का उपयोग करते हैं। उन्होंने पाया कि लोग जिस भाषा का उपयोग करते हैं, जिस डिवाइस का उपयोग करते हैं (जैसे आईफोन बनाम पुराना एंड्रॉइड), और यहाँ तक कि वे किस समय पोस्ट करते हैं, उससे उनकी आय के बारे में सुराग मिल सकते हैं। लेकिन फिर से, पत्र आगाह करता है कि हर कोई सोशल मीडिया पर नहीं है। जो लोग ऑफलाइन हैं, वे अक्सर वही होते हैं जिन्हें मदद की सबसे अधिक आवश्यकता होती है, इसलिए केवल सोशल मीडिया पर निर्भर रहना एक पक्षपाती तस्वीर बना सकता है।
सबको एक साथ लाना: सुपर-मैप
इस पत्र का सबसे रोमांचक हिस्सा वह है जब लेखक "मल्टीसोर्स डेटा फ्यूजन" के बारे में बात करते हैं। यह रात की रोशनी, फोन के निशानों और सोशल मीडिया की चर्चाओं को एक विशाल, सुपर-विस्तृत मानचित्र में मिलाने जैसा है। पत्र सुझाव देता है कि जब आप इन विभिन्न सुरागों को मिलाते हैं, तो तस्वीर बहुत स्पष्ट हो जाती है। उदाहरण के लिए, बांग्लादेश के एक अध्ययन में, मोबाइल फोन डेटा के साथ सैटेलाइट छवियों को मिलाने से अकेले किसी एक के उपयोग की तुलना में गरीबी का बहुत बेहतर अनुमान मिला। यह एक रहस्य को सुलझाने जैसा है जिसमें फिंगरप्रिंट, गवाह का बयान और सुरक्षा कैमरे के वीडियो का एक साथ उपयोग किया गया हो।
लेखक दिखाते हैं कि ये संयुक्त मानचित्र आश्चर्यजनक सटीकता के साथ धन की भविष्यवाणी कर सकते हैं, कभी-कभी विभिन्न क्षेत्रों के बीच धन के अंतर को 70% या उससे अधिक स्पष्ट कर सकते हैं। वे यह भी दिखाते हैं कि इन मानचित्रों का उपयोग संकट के दौरान, जैसे कि कोविड-19 महामारी के दौरान, सबसे कमजोर लोगों को तेजी से खोजने के लिए कैसे किया जा सकता है।
कमी: यह पूर्ण नहीं है
इतने उत्साह के बावजूद, पत्र बहुत सावधान है कि यह इसे एक पूर्ण समाधान नहीं कहता। लेखक कई बड़ी समस्याओं की ओर इशारा करते हैं:
- "लापता लोग" की समस्या: यदि किसी व्यक्ति के पास फोन नहीं है, वह सोशल मीडिया का उपयोग नहीं करता है, या वह ऐसी जगह रहता है जहाँ उपग्रह स्पष्ट रूप से नहीं देख सकता, तो वह मानचित्र पर दिखाई नहीं देगा। पत्र चेतावनी देता है कि ये विधियाँ अनजाने में सबसे गरीब लोगों, बुजुर्गों या संघर्ष क्षेत्रों में रहने वालों को छोड़ सकती हैं।
- "एक आकार सबके लिए नहीं" की समस्या: एक मॉडल जो एक देश में बहुत अच्छा काम करता है, वह दूसरे देश में विफल हो सकता है। लोग फोन का उपयोग कैसे करते हैं या उनके घरों का स्वरूप कैसा है, यह स्थान के आधार पर बहुत भिन्न हो सकता है। पत्र सुझाव देता है कि हम यह जांचे बिना कि क्या यह अभी भी काम करता है, एक मॉडल को एक जगह से दूसरी जगह बस कॉपी-पेस्ट नहीं कर सकते।
- "ब्लैक बॉक्स" की समस्या: कुछ कंप्यूटर मॉडल इतने जटिल हैं कि वैज्ञानिक भी पूरी तरह से नहीं समझते कि उन्होंने एक निश्चित अनुमान क्यों लगाया। यदि कंप्यूटर कहता है कि एक मोहल्ला गरीब है, लेकिन हमें यह नहीं पता कि क्यों, तो यह कठिन है कि राजनेता इस पर भरोसा करें और निर्णय लेने के लिए इसका उपयोग करें।
निष्कर्ष
पत्र निष्कर्ष निकालता है कि ये नए उपकरण अद्भुत सहायक हैं, लेकिन वे पुराने तरीकों के विकल्प नहीं हैं। वे एक उच्च-तकनीकी टेलीस्कोप की तरह हैं जो हमें चीजें देखने में मदद करते हैं जिन्हें हम पहले नहीं देख सकते थे, लेकिन हमें यह सुनिश्चित करने के लिए अभी भी लोगों से जाकर बात करने की आवश्यकता है कि हम कुछ महत्वपूर्ण तो नहीं चूक रहे हैं। लेखक सुझाव देते हैं कि गरीबी से लड़ने का भविष्य इन नए, तेज़, डिजिटल मानचित्रों को पुराने, धीमे लेकिन विश्वसनीय सर्वेक्षणों के साथ मिलाने में निहित है। ऐसा करके, हम एक ऐसी तस्वीर प्राप्त कर सकते हैं जो विस्तृत और सटीक दोनों हो, जिससे हम उन लोगों को खोजने में मदद मिल सके जिन्हें मदद की सबसे अधिक आवश्यकता है, पहले से कहीं अधिक तेज़ी से। यह पत्र यह दावा नहीं करता कि इसने गरीबी को हल कर दिया है, बल्कि यह सुझाव देता है कि हमारे पास आखिरकार एक बेहतर टॉर्च है जिससे हम उन लोगों को ढूंढ सकते हैं जो अभी भी अंधेरे में हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।