在阿富汗撤离后的景象, 发展部门需要有见地的本地化数据. Fraym率先使用地理空间技术,在不确定性中提供细致入微的理解,并帮助决策者规划出一条信息灵通的前进道路,以支持阿富汗社区. Fraym的社区层面数据可以增强发展执行者的能力,确保他们在阿富汗的努力具有高度针对性和有效性.  

Fraym的机器学习(ML)技术将带有地理标记的家庭调查数据与卫星图像结合在一起,创建1公里范围内的局部人口信息2 决议. 具体地说, Fraym的自动ML流程使用协调的调查数据来“训练”一系列模型,这些模型使用来自各种数据源的100多个输入来计算人口特征. 这种方法使Fraym能够对整个国家的人口特征进行本地化研究,并对世界上其他地区的人口特征进行比较. Fraym独特的基于位置的数据为目标高危地区提供了必要的信息, 解决的弱点, 并说明在超本地级别上发展挑战的根本驱动因素.  

在过去的几个月里, 以应对阿富汗局势的演变, Fraym一直在提供高分辨率数据,用于该国疏散后的景观. Fraym汇编了18新利网官网态度和认知的关键数据集, 媒体消费, 食品安全, 除其他关键指标外, 并将这些数据集提供给利益相关者,希望能帮助他们更好地应对实地的挑战.   

说明其数据集的效用, Fraym绘制了阿富汗社区层面的关键情绪指标,并及时分析了问题, 包括: 

  1. 当地对妇女权利的态度如何?
  2. 当地人对外援的态度如何?
  3. 哪些社区面临最严重的粮食不安全?

数据揭示了与人道主义和发展挑战高度相关的关键情绪指标在地方上的细微差别, 例如支持女孩的教育, 支持外国援助存在, 和食品安全. 例如, 弗莱姆发现,尽管全国各地都强烈支持女孩接受教育——全国平均有86%的成年人多少支持或强烈支持女孩接受教育——但在巴格达各省(72%), 查布尔(73%), 坎大哈(73%)的支持率低于全国平均水平. 尽管大多数阿富汗人(66%)也支持外国援助, 这一比例因社区而异. 在喀布尔, 87%的人支持外国援助, 而是在西边的法拉, 只有49%的人持同样的态度. 另外, Fraym绘制了全国社区层面的粮食安全地图,并重点标出了塔哈尔和扎兰吉, 哪里只有34%和39%的人口, 分别, 表示有能力支付食物. 这两个社区面临的粮食安全挑战比国家层面的分析所显示的更严峻, 考虑到全国的平均反应是51%.  

这张地图显示了阿富汗各地对女孩教育的支持.
这张地图显示了阿富汗各地对女孩教育的支持.

Fraym还分析了阿富汗人民对塔利班的态度,这为塔利班的实施者提供了重要的情境意识. 在国家层面上, 弗雷姆发现,塔利班的支持率很低, 只有12%的成年人更喜欢塔利班统治而不是阿富汗的民主政府. 然而, Fraym的数据对这一趋势中的地方差异提供了一个关键的观察:一些中南部地区的支持水平在50%左右, 包括Andar, 夏朗, 和马塔汗.  

最后, Fraym为阿富汗人提供了一个关键的情绪指标,这些人认为现在的塔利班比1996-2001年统治阿富汗时更加温和. 尽管全国平均水平是43%, 关键的差异出现在该国西南部的城市:扎兰吉, 这个比例是22%, 而在拉什卡尔加和坎大哈, 这个比例超过了50%. 

Fraym对阿富汗多个关键情绪指标的分析强调了超本地数据在应对复杂挑战时的重要性. 该公司的社区级数据可以帮助执行者了解阿富汗社区的态度和观念,使他们能够制定有针对性的数据驱动的规划, 尽管情况越来越不明朗.