نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

4 خرداد 1403 4:32 ق.ظ

تحقیقات “مرز جدیدی” را برای مقابله با فقر جهانی ایجاد می کند

16 نوامبر 2022 – توسط دانشگاه استنفورد

نزدیک به 600 میلیون نفر در جنوب صحرای آفریقا در سال 2018 به برق مبتنی بر شبکه مرکزی دسترسی نداشتند. در این نقشه، کشورها بر اساس تعداد افرادی که به برق دسترسی ندارند رنگ آمیزی شده اند. اوگاندا، با تقریباً 24 میلیون نفر بدون برق شبکه در سال 2018، با یک مرز قرمز برجسته شده است. اعتبار: Ratledge و همکاران، 2022، Nature

با برق رفاه می آید، درست است؟ پاسخ ممکن است واضح به نظر برسد – اینکه برق کلید رشد اقتصادی و سایر مزایای اجتماعی مانند سلامتی بهتر است. اما در فقیرترین مناطق جهان، جایی که منابع برای بهبود معیشت کمیاب است، مشخص نیست که مردم با دسترسی به برق چقدر در وضعیت بهتری قرار دارند.

اما اکنون، یک مطالعه جدید استنفورد که در 16 نوامبر در ژورنال Nature منتشر شده است، برخی از قوی‌ترین و مستقیم‌ترین شواهد را نشان می‌دهد که تا چه اندازه برق‌رسانی به رشد اقتصادی در کشورهای در حال توسعه کمک می‌کند. این تحقیق اولین تحقیقی است که بر تکنیک پیشگامی که اخیراً در استنفورد توسعه یافته است تکیه می‌کند و تصاویر ماهواره‌ای و هوش مصنوعی (AI) را برای اندازه‌گیری و مطالعه فقر به روش‌هایی که قبلاً ممکن نبود، ترکیب می‌کند.

این مطالعه توسط مارشال برک، دانشیار دانشکده پایداری استنفورد دوئر و عضو ارشد موسسه تحقیقات سیاست اقتصادی استنفورد (SIEPR) انجام شده است. ناتان راتلج، دانشجوی دکترا در محیط و منابع در مدرسه Doerr و دیگران – تأثیرات اقتصادی شبکه برق در حال گسترش اوگاندا را بررسی کردند.

محققان دریافتند که جوامعی که به برق دسترسی دارند، بهبودهایی را در معیشت اقتصادی خود تقریباً دو برابر مناطق بدون برق تجربه کردند. آنها تغییرات معیشت را بر اساس افزایش هایی که در ساخت خانه، لوازم خانگی، و سایر دارایی های ملموس حاکی از ثروت اقتصادی شناسایی می کنند، اندازه گیری می کنند.

Ratledge، نویسنده اصلی این مطالعه، گفت: “ما اولین شواهد علّی در نوع خود را ارائه می دهیم که چگونه دسترسی برق بر رفاه اقتصادی در مقیاس کل کشور در آفریقا تأثیر می گذارد.”

این مطالعه در حالی انجام می شود که وضعیت اسفناک جهان در حال توسعه در نشست هفته گذشته سازمان ملل متحد در مورد تغییرات اقلیمی در قاهره در کانون توجه قرار گرفت. راتلج خاطرنشان کرد که حدود 600 میلیون نفر در جنوب صحرای آفریقا هنوز به برق دسترسی ندارند. در اوگاندا، یکی از فقیرترین کشورهای جهان، شبکه برق تا سال 2019، 41 درصد از زمین خود را پوشش می‌داد – در مقایسه با 12 درصد در سال 2010.

باز کردن فرصت های تحقیقاتی برای اطلاع رسانی سیاست

هنگامی که رتلج برای اولین بار پنج سال پیش به مطالعه برق رسانی در آفریقا نگاه کرد، با یک مانع رایج برخورد کرد: او نتوانست نقشه های شبکه الکتریکی را در هیچ کجای قاره بیابد که به او امکان تجزیه و تحلیل پیشرفت در طول زمان را بدهد. او گفت: «در بسیاری از کشورهای کم درآمد دستیابی به داده های قابل اعتماد و به ویژه داده های تکراری در طول زمان دشوار است. “در بسیاری از موارد،  وجود ندارد.”

همانطور که اتفاق می افتد، برک – به همراه دیوید لوبل، همکار ارشد SIEPR و استاد علم سیستم زمین. و استفانو ارمون، دانشیار علوم کامپیوتر، بر روی ابزار جدیدی کار می‌کردند که نوید حل این شکاف داده‌ها و سایر مشکلاتی را که اقتصاددانان توسعه در تلاش برای درک چگونگی تغییر فقر در طول زمان با آن‌ها مواجه می‌شوند، حل می‌کند.

تکنیک آنها حول محور “یادگیری عمیق” است – در این مورد، نوعی از هوش مصنوعی که در آن الگوریتمی برای تشخیص الگوها و استخراج اطلاعات از تصاویر آموزش داده شده است – که محققان سپس آن را برای تصاویر ماهواره‌ای با دسترسی آزاد به گذشته اعمال می‌کنند. محققان این رویکرد را برای مطالعه ثروت دارایی در سطح جامعه در سراسر آفریقا به کار بردند، که روشی رایج برای سنجش رفاه اقتصادی در کشورهای در حال توسعه است. بورک و همکارانش در مقاله ای در سال 2020 در Nature Communications به جزئیات نوآوری خود پرداختند.

مطالعه اوگاندا اولین باری است که از این تکنیک برای ارزیابی تأثیر یک سیاست خاص استفاده می‌شود – قابلیتی که محققان مدت‌ها امیدوار بودند به نتیجه برسد. در این مورد، Ratledge و همکارانش بر گسترش سریع شبکه برق اوگاندا در سال‌های 2011 و 2012 تمرکز می‌کنند. برای مطالعه اثرات آن در طول زمان، آنها نقشه‌های دیجیتالی جدید توسعه‌یافته شبکه برق کشور را از سال 2005 تا 2016 با ماهواره ترکیب کردند. برآوردهای مبتنی بر ثروت از یک مدل «یادگیری عمیق» که بر روی داده‌های حدود 642000 خانوار در 27000 روستا در سراسر جنوب صحرای آفریقا آموزش داده شده است.

محققان دریافتند که جوامعی که به برق دسترسی دارند، ثروت خود را تقریباً دوبرابر نسبت به جوامعی که برق در دسترس نبود، افزایش دادند.

برک گفت: «این بینش فقط چند سال پیش ممکن نبود. “و به این دلیل است که ما اکنون این تکنیک را داریم تا اندازه‌گیری‌های سطح محلی نتایج کلیدی اقتصادی را در مقیاس وسیع، مکانی و در طول زمان ارائه دهیم.”

تکنیک آنها حول محور “یادگیری عمیق” است – در این مورد، نوعی از هوش مصنوعی که در آن الگوریتمی برای تشخیص الگوها و استخراج اطلاعات از تصاویر آموزش داده شده است – که محققان سپس آن را برای تصاویر ماهواره‌ای با دسترسی آزاد به گذشته اعمال می‌کنند. محققان این رویکرد را برای مطالعه ثروت دارایی در سطح جامعه در سراسر آفریقا به کار بردند، که روشی رایج برای سنجش رفاه اقتصادی در کشورهای در حال توسعه است. بورک و همکارانش در مقاله ای در سال 2020 در Nature Communications به جزئیات نوآوری خود پرداختند.

مطالعه اوگاندا اولین باری است که از این تکنیک برای ارزیابی تأثیر یک سیاست خاص استفاده می‌شود – قابلیتی که محققان مدت‌ها امیدوار بودند به نتیجه برسد. در این مورد، Ratledge و همکارانش بر گسترش سریع شبکه برق اوگاندا در سال‌های 2011 و 2012 تمرکز می‌کنند. برای مطالعه اثرات آن در طول زمان، آنها نقشه‌های دیجیتالی جدید توسعه‌یافته شبکه برق کشور را از سال 2005 تا 2016 با ماهواره ترکیب کردند. برآوردهای مبتنی بر ثروت از یک مدل «یادگیری عمیق» که بر روی داده‌های حدود 642000 خانوار در 27000 روستا در سراسر جنوب صحرای آفریقا آموزش داده شده است.

محققان دریافتند که جوامعی که به برق دسترسی دارند، ثروت خود را تقریباً دوبرابر نسبت به جوامعی که برق در دسترس نبود، افزایش دادند.

برک گفت: «این بینش چند سال پیش ممکن نبود. “و به این دلیل است که ما اکنون این تکنیک را داریم تا اندازه‌گیری‌های سطح محلی نتایج کلیدی اقتصادی را در مقیاس وسیع، مکانی و در طول زمان ارائه دهیم.”

در حالی که این تکنیک هنوز تا حدودی جدید است، بورک پیش‌بینی می‌کند که پیشرفت‌های مداوم در محاسبات فوق‌العاده قدرتمند و ارزان به زودی آن را برای محققانی که سیاست‌ها و برنامه‌هایی را در هر کشوری، اعم از غنی یا فقیر، با هدف کاهش فقر مطالعه می‌کنند، به آسانی در دسترس قرار می‌دهد. به عنوان مثال، سیاست‌هایی را در نظر بگیرید که بر کشاورزی، بهداشت و توسعه زیرساخت‌ها تأثیر می‌گذارند.

راتلج موافق است. او گفت: «این تکنیک مرز کاملاً جدید و متفاوتی را برای ارزیابی رشد اقتصادی در میان کشورهای در حال ظهور باز می کند. “در واقع بسیار شگفت انگیز است.”

علاوه بر Ratledge و Burke، نویسندگان مشترک مطالعه اوگاندا گابریل کادامورو، مهندس ارشد یادگیری ماشین در Atlas AI، یک شرکت تجزیه و تحلیل پیش‌بینی‌کننده که توسط Burke، Lobell و Ermon برای حمایت از توسعه جهانی تأسیس شده است، بودند. براندون د لا کوئستا، محقق وابسته در مرکزامپریال توسعه جهانی و عضو فوق دکتری در مرکز دموکراسی، توسعه و حاکمیت قانون استنفورد و در مرکز امنیت غذایی و محیط زیست؛ و ماتیو استیگلر، عضو سابق فوق دکتری استنفورد در مرکز امنیت غذایی و محیط زیست که اکنون یک محقق در ETH زوریخ است.

https://techxplore.com

آیا این نوشته برایتان مفید بود؟

مطالب مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *