Luzes, satélites e big data: novas armas para medir pobreza

São Paulo - Não é possível resolver um problema sem bons dados na mão, e esse tem sido um obstáculo importante na luta contra a pobreza .

Os países em desenvolvimento muitas vezes não têm recursos, know-how e tradição de medir informações básicas sobre economia e qualidade de vida.

Um pequeno exemplo: em 2015, 65% dos dados das Metas do Milênio para os países da África Central eram estimativas, vinham de modelos estatísticos ou tinham sido coletados antes de 2010.

Novas tecnologias podem ajudar a resolver esse problema. Há cerca de dois anos, um trabalho do Federal Reserve Bank de Nova York destacou a possibilidade de usar imagens noturnas de satélites para medir pobreza e riqueza.

"É intuitivo que as luzes noturnas devem refletir a atividade econômica em algum grau, já que a luz é um insumo crítico em vários processos de produção e consumo", dizem os autores Maxim Pinkovskiy e Xavier Sala-i-Martin.

Agora, foi a vez de seis pesquisadores de Universidade de Stanford , nos Estados Unidos, publicarem um estudo na Science Mag com um método ainda mais elaborado.

O que eles fizeram foi colocar no computador três tipos de dados: a luminosidade noturna, imagens diurnas em alta resolução e dados de pesquisas de campo sobre duas variáveis econômicas.

Uma deles foi o nível de consumo e a outra foi riqueza em ativos como carros, televisões e outros bens.

5 países foram escolhidos por terem esse tipo de dado atualizado e de boa qualidade: Nigéria , Tanzânia, Uganda, Malauí e Ruanda.

A partir disso, o computador começa a cruzar as informações e entende, por exemplo, que a imagem diurna de uma rodovia combina com um trilho de luz - ou que áreas com mais carros e casas são mais iluminadas do que áreas vazias.

E junto com os dados das pesquisas de campo, ele começa a ver outras relações não tão óbvias - que lugares onde há carros também são lugares onde o consumo é maior, por exemplo, e dessa forma ele vai preenchendo os dados que estão faltando.

Segundo os pesquisadores, os resultados são extremamente precisos, e o método ainda tem outra grande vantagem: é barato, já que as imagens utilizadas são gratuitas, do Google Maps, é o código é open source, livre para qualquer um baixar e modificar.

Veja no vídeo (em inglês):

São Paulo - Não é possível resolver um problema sem bons dados na mão, e esse tem sido um obstáculo importante na luta contra a pobreza .

Os países em desenvolvimento muitas vezes não têm recursos, know-how e tradição de medir informações básicas sobre economia e qualidade de vida.

Um pequeno exemplo: em 2015, 65% dos dados das Metas do Milênio para os países da África Central eram estimativas, vinham de modelos estatísticos ou tinham sido coletados antes de 2010.

Novas tecnologias podem ajudar a resolver esse problema. Há cerca de dois anos, um trabalho do Federal Reserve Bank de Nova York destacou a possibilidade de usar imagens noturnas de satélites para medir pobreza e riqueza.

"É intuitivo que as luzes noturnas devem refletir a atividade econômica em algum grau, já que a luz é um insumo crítico em vários processos de produção e consumo", dizem os autores Maxim Pinkovskiy e Xavier Sala-i-Martin.

Agora, foi a vez de seis pesquisadores de Universidade de Stanford , nos Estados Unidos, publicarem um estudo na Science Mag com um método ainda mais elaborado.

O que eles fizeram foi colocar no computador três tipos de dados: a luminosidade noturna, imagens diurnas em alta resolução e dados de pesquisas de campo sobre duas variáveis econômicas.

Uma deles foi o nível de consumo e a outra foi riqueza em ativos como carros, televisões e outros bens.

5 países foram escolhidos por terem esse tipo de dado atualizado e de boa qualidade: Nigéria , Tanzânia, Uganda, Malauí e Ruanda.

A partir disso, o computador começa a cruzar as informações e entende, por exemplo, que a imagem diurna de uma rodovia combina com um trilho de luz - ou que áreas com mais carros e casas são mais iluminadas do que áreas vazias.

E junto com os dados das pesquisas de campo, ele começa a ver outras relações não tão óbvias - que lugares onde há carros também são lugares onde o consumo é maior, por exemplo, e dessa forma ele vai preenchendo os dados que estão faltando.

Segundo os pesquisadores, os resultados são extremamente precisos, e o método ainda tem outra grande vantagem: é barato, já que as imagens utilizadas são gratuitas, do Google Maps, é o código é open source, livre para qualquer um baixar e modificar.

Veja no vídeo (em inglês):