fbpx
คนจนอยู่ไหน? ส่องดาต้าใหม่ๆ ในการตามหาคนจนยามวิกฤต

คนจนอยู่ไหน? ส่องดาต้าใหม่ๆ ในการตามหาคนจนยามวิกฤต

ความท้าทายหนึ่งของการต่อสู้กับปัญหาความยากจนคือ ‘การมีข้อมูลที่เพียงพอ’ เพื่อวัดความยากจน และการตามหาว่าใครคือ ‘คนจน’ ที่ต้องเข้าไปช่วยเหลือ 

ข้อมูลความยากจนของประชากรในประเทศคือข้อมูลจำเป็นที่รัฐต้องมีไว้ในมือ เพื่อใช้ประเมินสถานการณ์ด้านเศรษฐกิจและสังคม และกำหนดนโยบายในการแก้ปัญหา โดยเฉพาะในภาวะวิกฤต อย่างการระบาดของโควิด-19  ‘คนจน’ คือกลุ่มเปราะบางที่ได้รับผลกระทบจากวิกฤตมากกว่ากลุ่มอื่นๆ รัฐต้องหาพวกเขาให้เจอและยื่นมือเข้าไปช่วยเหลืออย่างเร่งด่วน

สำหรับประเทศไทย เราได้รู้สถานการณ์ภาพรวมความยากจนของประเทศกันแค่ปีละครั้งจาก ‘รายงานวิเคราะห์สถานการณ์ความยากจนและเหลื่อมล้ำของประเทศไทย’ โดยสภาพัฒนาการเศรษฐกิจและสังคมแห่งชาติ (สภาพัฒน์) และข้อมูลจากการลงทะเบียนบัตรสวัสดิการแห่งรัฐ (ดู TPMAP) ซึ่งปัจจุบันมีผู้ถือบัตรดังกล่าวกว่า 14 ล้านคน 

อย่างไรก็ตาม ปัญหา ‘คลาสสิก’ ของการจัดทำข้อมูลความยากจนก็คือ การมี ‘คนตกหล่น’ ไปจากระบบ (exclusion error) เพราะทันทีที่กำหนดกฎเกณฑ์เพื่อระบุว่า ใครกันแน่คือคนจน ย่อมมีคนตกหล่น เช่น ในกรณีของสภาพัฒน์ ที่ใช้เส้นความยากจนเป็นเกณฑ์ ก็มีโอกาสที่ ‘คนเกือบจน’ ซึ่งแม้จะไม่ถูกจัดว่าจน แต่เมื่อเจอวิกฤตแล้วกลับมาจน ไม่ได้รับการช่วยเหลือ ทั้งที่ประสบความยากลำบากไม่ต่างจากกลุ่มที่อยู่ใต้เส้นความยากจนอยู่แล้ว หรือในกรณีของบัตรสวัสดิการแห่งรัฐ กระทรวงการคลังเองก็ออกมายอมรับว่า ยังมีคนจนตกหล่นไปจากระบบเป็นจำนวนมาก เพราะการเข้าไม่ถึงการลงทะเบียนและกฎเกณฑ์เงื่อนไขต่างๆ

ในยามวิกฤตเช่นนี้ รัฐบาลทั่วโลกต่างต้องเผชิญความท้าทายในการเก็บข้อมูลคนจนมากขึ้น ทั้งจากความเร่งด่วนในการต้องมีข้อมูลที่เพียงพอ อัพเดท และเชื่อถือได้ เพื่อตัดสินใจเชิงนโยบาย ซึ่งจำเป็นต้องรวดเร็วตามปัญหาความเดือดร้อนที่ไปก่อนไม่รอแล้ว และจากข้อจำกัดในการเก็บข้อมูลที่ทำได้ยากด้วยสถานการณ์การระบาด

เมื่อโควิด-19 เร่งให้การเก็บข้อมูลต้องเปลี่ยน

ข้อมูลความยากจนจากการสำรวจสำมะโนประชากร (census) คือข้อมูลชุดใหญ่และสำคัญที่สุดชุดหนึ่งที่รัฐบาลทั่วโลกใช้ในการประเมินสถานการณ์โครงสร้างประชากรและสังคมของประเทศ ซึ่งโดยปกติจะจัดเก็บข้อมูลกันทุกๆ 10 ปี 

ในช่วง 2 ปีท่ามกลางวิกฤตโควิด-19 นี้ มีประเทศยักษ์ใหญ่ที่เวียนบรรจบครบรอบการทำสำมะโนประชากรถึง 3 ประเทศด้วยกันคือ สหรัฐอเมริกา (2020) จีน (2020) และสหราชอาณาจักร (2021)

การเปลี่ยนแปลงครั้งใหญ่ของการสำรวจสำมะโนประชากรในรอบนี้ของทั้ง 3 ประเทศที่ต่างไปจากเดิม คือการทิ้ง ‘กระดาษ’ และหันมาใช้ระบบ ‘ออนไลน์’ เป็นหลักในการเก็บข้อมูล เพื่อความรวดเร็ว ลดความเสี่ยง และเพิ่มความแม่นยำ

ในสหรัฐฯ นับได้ว่าเป็นครั้งแรกในประวัติศาสตร์ ที่ใช้วิธีการเก็บข้อมูลสำมะโนประชากรทางออนไลน์เป็นหลัก (primarily online census) โดยให้ประชาชนให้ข้อมูลผ่านทางเว็บไซต์ my2020census.gov ประกอบกับการเก็บข้อมูลผ่านโทรศัพท์และทางจดหมาย และระงับการเก็บข้อมูลแบบต้องเจอตัวบุคคล เช่น การสัมภาษณ์ตามบ้าน 

ในขณะที่จีน ให้ประชาชนให้ข้อมูลด้วยตนเองผ่านแอปพลิเคชัน WeChat บนโทรศัพท์มือถือ แทนการพึ่งเจ้าหน้าที่เก็บข้อมูลที่ลงไปเคาะประตูบ้านอย่างในอดีต

ล่าสุด สหราชอาณาจักรเริ่มเก็บข้อมูลสำมะโนประชากรประจำปี 2021 เมื่อเดือนมีนาคมที่ผ่านมา โดยใช้วิธีการเก็บข้อมูลทางออนไลน์เป็นหลักเป็นครั้งแรกเช่นกัน สำนักงานสถิติแห่งชาติของสหราชอาณาจักรตั้งเป้าหมายเก็บข้อมูลออนไลน์สูงถึง 75% จากการเก็บข้อมูลทั้งหมด 

แล้วในประเทศยากจน ที่การเก็บข้อมูลแทบจะเป็นไปไม่ได้ จะทำอย่างไร? 

อันที่จริง การเก็บข้อมูลประชากรในประเทศยากจนเป็นเรื่องที่ทำได้ยากมากอยู่แล้ว ไม่ว่าจะในยามวิกฤติหรือยามปกติก็ตาม โดยเฉพาะอย่างยิ่งในทวีปแอฟริกา ข้อมูลจากรายงาน ‘Data for Better Lives’ – World Development Report 2021 ชี้ให้เห็นว่า ประชาชนในประเทศยากจนและพัฒนาน้อยคือ ‘ผู้ไร้ตัวตน’ ในระบบข้อมูลรัฐอย่างไม่สมัครใจ เพราะรัฐไม่สามารถจัดเก็บข้อมูลได้

รายงานฉบับนี้เผยข้อมูลที่น่าตกใจ เช่น ประชากรกว่า 1 พันล้านคนทั่วโลกไม่มีเอกสารระบุตัวตนทางการ เด็กอายุต่ำกว่า 5 ปีมากกว่า 1 ใน 4 ของโลก ไม่ได้จดทะเบียนแจ้งเกิด และครึ่งหนึ่งของประเทศยากจนที่สุด 29 ประเทศไม่ได้ทำสำรวจสำมะโนประชากรเลยในช่วง 10 ปีที่ผ่านมา เช่น ประเทศคองโก ที่สำรวจสำมะโนประชากรครั้งสุดท้ายย้อนไปถึงปี 1984 กันเลยทีเดียว

ในขณะที่โลกมีเทคโนโลยีด้านข้อมูลใหม่ๆ มากมาย จนทำให้เกิดข้อมูลท่วมท้นมหาศาล ปัญหานี้ควรต้องมีทางออก ในโลกวิชาการจึงมีพัฒนาวิธีการเก็บข้อมูลและวัดดัชนีประเมินตัวชี้วัดทางเศรษฐกิจและสังคมโดยเฉพาะอย่างยิ่ง ‘ความยากจน’ โดยอาศัยเทคโนโลยีการเก็บข้อมูลที่ก้าวออกไปจากกรอบเดิมๆ ทำให้มีทางเลือกในการติดตามสถานการณ์ความยากจนและชี้เป้ากลุ่มเป้าหมายที่ต้องการความช่วยเหลือได้ง่ายและรวดเร็วขึ้น  

และนี่คือตัวอย่างที่น่าสนใจของความพยายามในการพัฒนาวิธีการวัดความยากจนด้วยวิธีการใหม่ๆ เพื่อตอบโจทย์ข้อจำกัดโดยเฉพาะในยามวิกฤต

วัดความยากจนด้วยข้อมูลมือถือ

ข้อมูลการใช้โทรศัพท์มือถือ โดยเฉพาะโลเคชั่น มีประโยชน์อย่างมากในการติดตามรูปแบบพฤติกรรมของประชาชน ซึ่งสามารถนำมาวิเคราะห์ความยากจนได้ 

ในช่วงเริ่มต้นของการระบาด เมืองต่างๆ เช่น จาการ์ตา ใช้ข้อมูลการใช้มือถือวัดผลกระทบของมาตรการล็อกดาวน์ โดยการติดตามว่ามีประชาชนที่สามารถอยู่บ้านได้จริงๆ มากน้อยแค่ไหน และพวกเขาอยู่ในพื้นที่ไหน จากข้อมูลจะเห็นว่า คนจนอาจไม่สามารถอยู่บ้านได้จริงๆ เพราะต้องออกไปทำมาหากิน ข้อมูลนี้จึงช่วยสะท้อนความจำเป็นทางเศรษฐกิจและชี้เป้ากลุ่มเปราะบางในแต่ละพื้นที่ได้ ทำให้รัฐบาลท้องถิ่นกำหนดพื้นที่ในการช่วยเหลือได้ดีขึ้น 

ในช่วงการระบาดนี้เอง มีการพัฒนาการวัดความยากจนด้วยข้อมูลมือถืออย่างเป็นเรื่องเป็นราวในอัฟกานิสถาน โดยทีมวิจัยนำโดย Emily Aiken แห่ง University of California, Berkeley และคณะ (2020) งานชิ้นนี้ทดลองใช้ machine learning algorithm วิเคราะห์ข้อมูลการใช้มือถือในมิติต่างๆ เช่น ระยะเวลาในการโทร เน็ตเวิร์กที่ติดต่อ และความถี่ในการจ่ายค่าโทรเกินหนึ่งนาที ในการระบุหาครัวเรือนที่ยากจนที่สุดของหมู่บ้านในพื้นที่ศึกษา ผลปรากฎว่าข้อมูลความยากจนที่วิเคราะห์ได้จาก 80% ของครัวเรือนที่มีมือถือ ใกล้เคียงกับข้อมูลความยากจนที่เก็บด้วยวิธีสำรวจปกติ เช่น การนับจำนวนเครื่องใช้ไฟฟ้า และทรัพย์สินในครัวเรือน

ในปีเดียวกันนี้ ทีมวิจัยของ Aiken ยังพัฒนาโปรเจกต์ลักษณะเดียวกันในประเทศโตโก ภูมิภาคแอฟริกา เพื่อช่วยให้รัฐบาลโตโกส่งเงินช่วยเหลือไปยังกลุ่มคนที่ยากจนที่สุดในประเทศได้ตรงเป้าที่สุดในช่วงโควิดระบาด เพื่อแก้ปัญหาข้อจำกัดจากข้อมูลสำมะโนประชากรที่อัปเดตล่าสุดในปี 2011 ทีมวิจัยผสมผสานการใช้ข้อมูลมือถือ ภาพถ่ายดาวเทียม และ machine learning algorithm เข้าด้วยกัน เพื่อค้นหากลุ่มเป้าหมายและส่งข้อมูลต่อไปยังรัฐบาลเพื่อดำเนินการช่วยเหลือ

โปรเจกต์นี้ทำให้รัฐบาลโตโกสามารถให้เงินช่วยเหลือไปยังกลุ่มคนยากจนเป้าหมายได้เพิ่มขึ้น 57,000 คน อย่างรวดเร็ว ตามกรอบงบประมาณที่มี และพบว่าการค้นหากลุ่มเป้าหมายด้วยวิธีการนี้ช่วยลดปัญหาการตกหล่นของกลุ่มที่ต้องได้รับการช่วยเหลือหรือ exlcusion error ได้ถึง 4-21% ซึ่งช่วยเพิ่มประสิทธิภาพของโครงการช่วยเหลือได้ดี

วัดความยากจนด้วยภาพถ่ายดาวเทียม

การใช้ภาพถ่ายดาวเทียมในการเก็บข้อมูลเพื่อสะท้อนตัวชี้วัดทางเศรษฐกิจและสังคมมีมานานแล้ว ในปี 2001 มีการศึกษาการใช้ภาพถ่ายดาวเทียมแสงไฟในเวลากลางคืน เพื่อประเมินจำนวนประชากรในระดับจังหวัดและระดับประเทศในประเทศจีน ซึ่งจะเห็นได้ว่าพื้นที่ประชากรเบาบางจะมีแสงไฟในเวลากลางคืนน้อยกว่าพื้นที่ที่มีประชากรหนาแน่น ข้อมูลนี้ทำให้สามารถแยกแยะความเป็นเมืองและชนบทออกจากได้ในระดับหนึ่ง หลังจากนั้นก็มีการศึกษาอื่นๆ ตามมามากมายที่ใช้วิธีการคล้ายคลึงกัน และเพิ่มเติมการวิเคราะห์องค์ประกอบอื่นๆ จากภาพถ่ายดาวเทียมควบคู่ไปด้วย เช่น การกระจายตัวของถนน หรือ แหล่งน้ำ เป็นต้น

ในปี 2016 มีการใช้ภาพถ่ายดาวเทียมวัดความยากจนอย่างเป็นเรื่องเป็นราว โดยทีมวิจัยของคณะ Earth System Science แห่งมหาวิทยาลัย Stanford University รวบรวมภาพถ่ายดาวเทียมทั้งกลางวันและกลางคืนทำ ‘แผนที่ความยากจนโลก’ โดยใช้ machine learning algorithm คาดการณ์ระดับความยากจนในพื้นที่ การศึกษาชิ้นนี้นับเป็นจุดเริ่มต้นสำคัญในการวัดความยากจนด้วยดาวเทียม

วิธีการลักษณะนี้มีประโยชน์อย่างยิ่งในภาวะการระบาดของโควิด-19 ธนาคารโลกได้ยกตัวอย่างล่าสุดในประเทศไนจีเรีย เมื่อต้นปี 2021 ซึ่งใช้ข้อมูลจากภาพถ่ายดาวเทียมและข้อมูลบิ๊กดาต้า (big data) ทางภูมิศาสตร์ทำ ‘แผนที่ความยากจน’ โดยใช้ machine learning algorithm เรียนรู้ข้อมูลที่รวบรวมมาได้ เช่น วิเคราะห์คุณภาพถนน ความหนาแน่นของสิ่งปลูกสร้าง หรือโครงข่ายของที่ดิน เปรียบเทียบกับข้อมูลจากการสำรวจครัวเรือนด้วยวิธีการปกติ เพื่อคาดการณ์พื้นที่ยากจน 

ภาพด้านขวาแสดงค่าดัชนีความมั่งคั่งโดยประมาณจากการใช้ machine learning algorithm 
ที่มา: https://blogs.worldbank.org/opendata/using-big-data-and-machine-learning-locate-poor-nigeria

ผลจากการศึกษาพบว่าข้อมูลที่ได้จากการใช้ machine learning algorithm มีความสัมพันธ์อย่างมีนัยสำคัญกับข้อมูลที่ได้จากการทำสำรวจโดยปกติ แม้อาจจะไม่สามารถแทนที่ข้อมูลจากการสำรวจได้ 100% ก็ตาม แต่แผนที่ความยากจนนี้เป็นประโยชน์อย่างยิ่งในการพัฒนามาตรการช่วยเหลือทางสังคมให้มุ่งตรงไปยังกลุ่มเป้าหมายได้ดีขึ้น 

อนาคตของการเก็บข้อมูลและวัดความยากจน?

อย่างไรก็ตาม การวัดความยากจนด้วยเทคโนโลยีและวิธีการใหม่ๆ เหล่านี้ล้วนมีข้อจำกัดและมีโจทย์ที่ต้องพัฒนาต่อไป เช่น ความเป็นส่วนตัวและความปลอดภัยของข้อมูล ความพร้อมของโครงสร้างพื้นฐานข้อมูลในแต่ละประเทศ หรือความเหลื่อมล้ำของข้อมูลจากการที่ประชาชนบางกลุ่มไม่มีโทรศัพท์มือถือ 

นักวิจัยจำนวนหนึ่งให้ความเห็นว่าวิธีการเหล่านี้อาจจะยังไม่สามารถแทนที่การสำรวจด้วยระเบียบวิธีการแบบเดิม เช่น การทำสำมะโนประชากรได้ แต่ก็มีประโยชน์ในการช่วยให้รัฐให้เห็นภาพปัญหาได้อย่างรวดเร็วในภาวะจำเป็น เพื่อเร่งช่วยเหลือคนยากจน

สำหรับประเทศไทย แม้เราจะยังไม่เห็นการนำเทคโนโลยีใหม่ๆ มาใช้ในวัดความยากจนอย่างเป็นรูปธรรม แต่ก็มีความพยายามในการศึกษาเรื่องนี้อยู่เช่นกัน ล่าสุด ธนาคารเพื่อการพัฒนาแห่งเอเชีย (Asian Development Bank – ADB) ออกรายงาน ‘Mapping the Spatial Distribution of Poverty Using Satellite Imagery in Thailand’ เมื่อเดือนเมษายน 2021 โดยเน้นไปที่การศึกษาความเป็นไปได้เชิงเทคนิคในการใช้ภาพถ่ายดาวเทียมวัดความยากจนในไทย โดยได้ร่วมมือกับสำนักงานสถิติแห่งชาติ แม้จะยังไม่มีการนำข้อมูลมาสรุปสถานการณ์ความยากจนให้เราได้เห็นจริง แต่ก็หวังว่าการเปิดรับวิธีการใหม่ๆ เช่นนี้ จะช่วยให้เรามีข้อมูลที่เพียงพอ น่าเชื่อถือ และนำมาใช้ประโยชน์ได้ดีขึ้น 

เทคโนโลยี ความรู้ และเครื่องมือใหม่ๆ เหล่านี้ทำให้เราเห็นว่า หากรัฐปรับตัวให้ไว หันมาร่วมมือกับภาคส่วนต่างๆ เพื่อใช้เทคโนโลยีและข้อมูลให้เกิดประโยชน์ ปัญหาหลายอย่างอาจถูกแก้ไขได้เร็วขึ้น ลดความสูญเสีย และบรรเทาความเดือดร้อนของกลุ่มคนที่เปราะบางที่สุดได้ ดังตัวอย่างในประเทศโตโก 

เหนือสิ่งอื่นใด รัฐต้องปรับวิธีคิดพื้นฐานด้านข้อมูลใหม่ทั้งหมด เพราะต่อให้มีเทคโนโลยีและข้อมูลดีแค่ไหน แต่ตราบที่รัฐยังมุ่งปกปิด ห้ามพูด หรือห้ามวิจารณ์ถึงปัญหา ก็ยากที่รัฐจะแก้ปัญหาได้อย่างมีประสิทธิภาพและโปร่งใส

เพราะ ‘ความจริง’ เป็นจำนวนมากในสังคมไทย ไม่ต้องใช้ดาวเทียมส่องดู ก็รู้ว่าแย่แค่ไหน


อ้างอิง

MOST READ

Social Issues

27 Aug 2018

เส้นทางที่เลือกไม่ได้ ของ ‘ผู้ชายขายตัว’

วรุตม์ พงศ์พิพัฒน์ พาไปสำรวจโลกของ ‘ผู้ชายขายบริการ’ ในย่านสีลมและพื้นที่ใกล้เคียง เปิดปูมหลังชีวิตของพนักงานบริการในร้านนวด ร้านคาราโอเกะ ไปจนถึงบาร์อะโกโก้ พร้อมตีแผ่แง่มุมลับๆ ที่ยากจะเข้าถึง

กองบรรณาธิการ

27 Aug 2018

Social Issues

21 Nov 2018

เมื่อโรคซึมเศร้าทำให้อยากจากไป

เรื่องราวการรับมือกับความคิด ‘อยากตาย’ ผ่านประสบการณ์ของผู้ป่วยโรคซึมเศร้า คนเคียงข้าง และบทความจากจิตแพทย์

ศุภาวรรณ คงสุวรรณ์

21 Nov 2018

Social Issues

22 Oct 2018

มิตรภาพยืนยาว แค้นคิดสั้น

จากชาวแก๊งค์สู่คู่อาฆาต ก่อนความแค้นมลายหายกลายเป็นมิตรภาพ คนหนุ่มเลือดร้อนผ่านอดีตระทมมาแบบไหน ‘บ้านกาญจนาฯ’ เปลี่ยนประตูที่เข้าใกล้ความตายให้เป็นประตูสู่ชีวิตที่ดีกว่าได้อย่างไร

ธิติ มีแต้ม

22 Oct 2018

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว และสามารถจัดการความเป็นส่วนตัวเองได้ของคุณได้เองโดยคลิกที่ ตั้งค่า

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

Allow All
Manage Consent Preferences
  • Always Active

Save