Crowd-Sourced Geographies of Income: Using Google Maps Points of Interest as High-Frequency Proxies for Sub-Municipal Income Estimation in Sao Paulo, Brazil
यह शोध पत्र प्रदर्शित करता है कि क्राउड-सोर्स्ड गूगल मैप्स पॉइंट्स ऑफ इंटरेस्ट (POI), साओ पाउलो में उप-नगर पालिका स्तर पर घरेलू आय का अनुमान लगाने के लिए एक उच्च-आवृत्ति, कम लागत वाले प्रॉक्सी के रूप में कार्य कर सकते हैं, जो एक मजबूत भविष्य कहनेवाला प्रदर्शन (0.65 का R²) प्राप्त करता है जो ब्राजील में सामाजिक नीति के लिए महंगे, विरल जनगणना डेटा के एक व्यवहार्य विकल्प के रूप में प्रस्तुत करता है।
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 शहर की संपत्ति का मानचित्र बनाने की कोशिश कर रहे हैं, लेकिन आपके पास एकमात्र मानचित्र एक बारह साल पुरानी तस्वीर है। ब्राजील और अन्य मध्यम-आय वाले देशों के कई नीति निर्माताओं के लिए यही वास्तविकता है। उन्हें ठीक से जानने की आवश्यकता है कि किन मोहल्लों को मदद भेजने के लिए संघर्ष करना पड़ रहा है, लेकिन आधिकारिक सरकारी जनगणना—जो इस डेटा के लिए स्वर्ण मानक है—केवल हर दस साल में एक बार होती है। इन जनगणनाओं के बीच के लंबे अंतराल में, शहर बदल जाता है: नए स्टोर खुलते हैं, पुराने बंद हो जाते हैं, और परिवार स्थानांतरित होते हैं, लेकिन आधिकारिक आय मानचित्र समय में जम जाता है। इसे हल करने के लिए, वैज्ञानिक "क्राउड-सोर्स" डेटा की ओर मुड़ रहे हैं, जो वह जानकारी है जिसे लाखों आम लोगों द्वारा अपने फोन और ऐप्स का उपयोग करके एकत्र किया जाता है। इसे एक शहर की एक विशाल, जीवित डायरी की तरह समझें, जिसे हर उस व्यक्ति द्वारा लिखा गया है जो वहां चलता है, गाड़ी चलाता है या खरीदारी करता है। यह शोध भूगोल, अर्थशास्त्र और कंप्यूटर विज्ञान के मिलन बिंदु पर स्थित है, जो एक सरल लेकिन शक्तिशाली प्रश्न पूछता है: क्या हम केवल यह देखकर अनुमान लगा सकते हैं कि एक मोहल्ला कितना पैसा कमाता है कि अभी गूगल मैप्स पर कौन से व्यवसाय और स्थान सूचीबद्ध हैं?
इस अध्ययन के शोधकर्ताओं ने इस विचार का परीक्षण करने का निर्णय लिया कि वे साओ पाउलो, ब्राजील में, जो 26,000 से अधिक छोटे मोहल्ला ब्लॉकों जिन्हें "जनगणना क्षेत्र" कहा जाता है, एक विशाल शहर है। उन्होंने गूगल मैप्स को शहर के एक विशाल, डिजिटल इन्वेंट्री की तरह माना। लोगों से यह पूछने के बजाय कि वे कितना पैसा कमाते हैं, उन्होंने मानचित्र से पूछा: "इस मोहल्ले में क्या है?" उन्होंने विशिष्ट प्रकार के स्थानों की तलाश की, जैसे बैंक, स्कूल, अस्पताल, चर्च और रेस्तरां। सिद्धांत यह है कि इन स्थानों का मिश्रण धन के लिए एक फिंगरप्रिंट की तरह कार्य करता है। उच्च श्रेणी के कॉफी शॉप और निजी क्लीनिकों से भरा मोहल्ला, उन क्षेत्रों की तुलना में अलग आय स्तर रख सकता है जो छोटे, अनौपचारिक बाजारों या विशिष्ट प्रकार के सामुदायिक केंद्रों के प्रभुत्व में हैं।
टीम ने इन "पॉइंट्स ऑफ इंटरेस्ट" (POIs) और 2022 की जनगणना के वास्तविक आय डेटा के बीच संबंध को सीखने के लिए एक कंप्यूटर मॉडल बनाया। उन्होंने मॉडल को प्रत्येक मोहल्ले में पाए जाने वाले स्थानों की सूची दी और उसे आय की भविष्यवाणी करना सिखाया। यह सुनिश्चित करने के लिए कि मॉडल वास्तव में सीख रहा है न कि केवल उत्तरों को रट रहा है, उन्होंने एक चतुर तकनीक का उपयोग किया: उन्होंने प्रशिक्षण के दौरान शहर के पूरे हिस्सों को कंप्यूटर से छिपा दिया और अंत में केवल उन छिपे हुए हिस्सों के उत्तर ही दिखाए। यह एक छात्र को अभ्यास परीक्षण के अधिकांश प्रश्नों के साथ देने जैसा है, फिर उन्हें एक पूरी तरह से नया खंड देने जैसा है जिसे उन्होंने पहले कभी नहीं देखा है, ताकि यह देखा जा सके कि क्या वे वास्तव में सामग्री को समझते हैं।
परिणाम काफी उत्साहजनक थे। सबसे अच्छा मॉडल, जिसने डेटा को सरल बनाने के लिए एक विशिष्ट गणितीय तकनीक का उपयोग किया था, अनसीन (unseen) मोहल्लों की आय की भविष्यवाणी लगभग 0.65 के सटीकता स्कोर (जिसे R² कहा जाता है) के साथ करने में सक्षम था। सरल भाषा में कहें तो, इसका मतलब है कि मॉडल केवल गूगल मैप्स पर व्यवसायों की सूची को देखकर मोहल्लों के बीच आय के अंतर के लगभग दो-तिहाई हिस्से की व्याख्या कर सकता था। अध्ययन बताता है कि यह तरीका आधिकारिक जनगणनाओं के बीच आय मानचित्रों को ताज़ा करने का एक तेज़, सस्ता और अद्यतित तरीका है। यह सरकारों को उन मोहल्लों की पहचान करने में मदद कर सकता है जो तेज़ी से बदल रहे हैं या जहाँ लोग आधिकारिक प्रणाली से बाहर छूट सकते हैं।
हालाँकि, यह शोध पत्र इस बात पर सावधानी बरतता है कि इसे पूर्ण समाधान न कहा जाए। मॉडल बहुत अमीर या बहुत गरीब क्षेत्रों की भविष्यवाणी करने में बहुत अच्छा नहीं था; यह अक्सर अनुमान लगाता था कि अमीर थोड़े कम अमीर और गरीब थोड़े अधिक समृद्ध थे जितना कि वे वास्तव में थे। लेखक बताते हैं कि ऐसा इसलिए होता है क्योंकि डेटा की सीमाएं हैं: बहुत अमीर क्षेत्रों में, मानचित्र हर एक लग्जरी शॉप को सूचीबद्ध नहीं कर सकता है, और बहुत गरीब क्षेत्रों में, कई व्यवसाय अनौपचारिक हो सकते हैं जो गूगल मैप्स पर सूचीबद्ध नहीं हैं। इसके अलावा, अध्ययन स्पष्ट रूप से इस विचार के विरुद्ध तर्क देता है कि इस डेटा का उपयोग पूरी तरह से आधिकारिक जनगणना के विकल्प के रूप में किया जाना चाहिए। इसके बजाय, वे सुझाव देते हैं कि इसका उपयोग बड़े, धीमे, आधिकारिक सर्वेक्षणों के बीच अनुमानों को अपडेट करने के लिए एक "जीवित संकेत" के रूप में किया जाना चाहिए। अध्ययन यह भी रेखांकित करता है कि डेटा औपचारिक व्यवसायों की ओर झुका हुआ है; यदि कोई मोहल्ला सड़क विक्रेताओं या अनौपचारिक सेवाओं पर निर्भर है जो गूगल मैप्स पर सूचीबद्ध नहीं हैं, तो मॉडल वास्तविक आर्थिक चित्र को मिस कर सकता है।
अंततः, यह शोध पत्र सुझाव देता है कि हालांकि हम जनगणना को गूगल सर्च के साथ पूरी तरह से प्रतिस्थापित नहीं कर सकते, फिर भी हम शहर के डिजिटल पदचिह्न का उपयोग इसकी आर्थिक सेहत का अधिक ताज़ा और बार-बार दिखने वाला दृश्य प्राप्त करने के लिए कर सकते हैं। यह एक ऐसा उपकरण है जो शहर की अराजक, रोजमर्रा की गतिविधि को—जहाँ लोग खरीदारी करते हैं, खाते हैं और काम करते हैं—धन के एक पठनीय मानचित्र में बदल देता है, जिससे सामाजिक नीतियों को ज़मीन पर उतरने से पहले ही पुराना होने से बचाने का एक तरीका मिलता है।
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।