日前 ，结合国世界粮食打算署发出忠告 ，人类或将面对“二战后最大的粮食 ； 。而在此前 ，结合国粮农组织颁布的最新汇报显示 ，2021年 ，53个穷困国度和地域的约1.93亿人经历了 ；侗鸹蚋铣恋牧甘巢话踩榭 ，与2020年创纪录的人数相比 ，又增长了近4000万人 。
民以食为天 ，若何化解国际社会当前面对的粮食 ； ，成为全球瞩主张议题 。美国哈佛商学院教授肖恩·科尔（Shawn Cole）在J9集团国际进行的J9集团国际思想力夏季论坛主题演讲环节中 ，分享了从前七年功夫自己与合作者在农业科技领域的钻研成就 。在主题演讲实现后 ，科尔教授还与论坛主持人进行了杰出的对话 。
01手机为低成本助推农业增产提供可能
幼田舍占世界穷困人丁的70%左右 ，他们中的好多人生涯难题、收入微薄、可接触到的医疗卫生资源也极度有限 。随着全球粮食需要与日俱增 ，以及气象变动、地皮 ；退试次 ；友铣 ，这些幼田舍的生涯愈发艰巨 。
“所幸的是 ，此刻农夫有望利用信息技术改善农业决策 ，提高农业收成 。”科尔教授以为 。他的判断基于以下理由：目前 ，在亚非拉很多国度手机遍及率已经超过50% ，即便在最贫困的国度手机也在急剧遍及 。手机在科技人员与农夫之间架起了沟通的桥梁 ，使得他们可能以多种沟通方式与农夫发展互换 。
在短信以及语音服务的援手下 ，农夫可能定期接管到作物耕种日历 ；在IVR（互动式语音应答）服务援手下 ，农夫可能通过自主菜单顺利获取所需的信息 ；在问答热线的援手下 ，农夫可能在提出问题后得到农业专家的专业回覆 。出格是 ，如今在智能手机的援手下农夫的选择更为多样 。他们不仅能够通过智能手机APP接管更为丰硕的内容（图片、视频等） ，还能够参与在线农业知识进建平台 ，在那里自学或者向他人叨教 。
在多年实际中 ，科尔教授的团队因地造宜地选取分歧的手机沟通方式来助推农业发展 。在非洲 ，他们选取的是廉价的短信沟通方式 ，利用文字信息或者机械人副手 ，给农夫提供特定的农业信息 。在南亚 ，由于本地识字率低 ，他们选取的是语音沟通的方式 ，为用户提供问答热线等 ，以便捷地为农夫解答农业出产有关的问题 。目前 ，他们正尝试开发APP来更好地援手农夫 。
利用信息技术改善农夫的农业决策 ，这种过问伎俩的成效似乎不言而喻 。但事实果然如此吗？“即便看似不言而喻的过问伎俩也不定有效 。从前十多年 ，经济学界的信度革命批注 ，无论在何种情况下 ，都必要极度周密的钻研来判定某个过问措施是否有效 。”科尔教授严谨地说 。
为此 ，科尔教授评估了一项名为Ama Krushi的手机农业征询服务的成效 。所谓Ama Krushi农业资讯服务重要蕴含：每周提供时长3-5分钟呼叫服务 ；农夫可录下他们的问题 ，并在24幼时内获得回复 ；最关键的是以上服务内容齐全免费向农夫盛开 。
这是项听起来很单一的过问措施 ，并且执行起来成本也相对较低 。“但思考到全世界有着数亿农夫 ，寻找到一种低成本的、可合用于整个的解决措施/规划 ，而不是提供复杂的、昂贵的农业服务——合用于幼领域的农业服务或许只能覆盖数万规模的人群 ，就显自得义更为沉大了 。”科尔教授暗示 。
为了探索上述服务是否真的有效 ，科尔教授及其团队采取了随机节造尝试的步骤进行探索 。他们在印度古吉拉特国找到了1200名农夫 ，随机地把其中800名农夫分配到了尝试组 ，向其推送农业信息 ；另表400名分配到了对照组 ，不向其推送农业信息 。而后 ，钻研团队观察了两年内农夫农业行为和地皮产量的扭转 。
尝试了局批注 ，两年期间 ，尝试组的农夫听取了约莫50%的推送内容 ，并且逐步将手机视为沉要的信息源 ，他们的农业产量相较于此前也有了提高 。
固然 ，科尔教授的钻研了局证实了向农夫提供农业信息有助于出产 。但是 ，他的同事Kremer及其合作者在非洲所做的一项钻研却发现了一些相互矛盾的了局 。他们重要探索提供短信征询服务是否能够提高甘蔗地的收成 。但该钻研在两次尝试中却得出了不一致的结论 ，在第一次尝试中 ，他们发现提供短信征询服务为甘蔗地带来了11.5%的增产 ；但在第二次尝试中 ，他们却发现提供短信征询并不能带来甘蔗地增产 。
面对前后不一的钻研了局 ，科尔教授诠释说：“单次尝试可能出现统计意思上的‘噪音’ ，尤其是在丈量产量这个受到多成分影响的因变量时 。解决这种问题的步骤之一是进行元钻研分析 ，即进行一系列的钻研 ，再对其了局进行统计分析 。”最终 ，Kremer教授通过元分析步骤证实 ，手机过问会带来均匀约4%的增产 。“固然4%的产量增长听起来不是很高 ，但思考到这些过问伎俩的成本如此之低 ，这些钻研的远景还是值得瞻望的 。”科尔教授评价说 。
02助推印度农夫增产的有益索求
从全世界看 ，列国当局都在钻营农业的增产增收 ，其中一个沉要致力方向就是改进农夫的施肥行为——寂酌对肥料又当令适量施肥 。例如 ，印度当局就大面积地向农夫发放泥土健全卡 ，卡中的一项沉要内容就是领导农夫科学施肥 。
但对宽大印度农夫来说 ，想要读懂当局所发放的“泥土健全卡”并不容易 ？ㄆ系淖趾藕苡 ，虽用英文和本地说话共同书写 ，并注了然泥土所需每种肥料的类型 ，但总体来说 ，理解门槛很高 。农夫难以凭据其领导出产 。事实上 ，有钻研也批注 ，这些泥土健全卡并没有起到多大作用 。因而 ，科尔教授以为沉新设计这些卡片势在必行 。
*改进后的泥土健全卡
在科尔教授看来 ，首先 ，必要让它变得单一向观（见上图） ，好比用物品图片包办文字描述 ，划分作物成长阶段并明确标始阶段所必要使用的化肥量 。其次 ，必要让它变得越发切近现实 ，可将卡片中的国际单元换算本地农夫熟悉的Bigha（一种常见于印度北部的面积计量单元） ，这对本地农夫来说更便于推算 ；此表 ，在疫苗接种宣传册的启发下 ，科尔教授还设计了一个幼册子 ，介绍肥料对植物成长的作用 。
在新卡片设计结束以来 ，科尔教授及其团队进行了一项行为助推的尝试 。钻研团队在印度古吉拉特国寻找到了约莫1600名已经在接受Avaaj Otalo（简称AO）服务的农夫 。所谓AO服务是一种基于手机的技术 ，农夫能够拨打热线 ，提出问题 ，并收到农业科学家和本地推广人员的回复 。来电者还能够听取由其他农夫所提出的问题的回答 。
在他们的尝试中 ，对照组接受的是通例服务 ，尝试组则会在通例服务的基础上收到定造化的施肥建议（以卡片和电话的方式提供） ？贫淌诰倮担骸罢庑┬畔⒓扔刑氐 ，会以接管者的名字来称号他们 。例如 ，‘心爱的Narendra ，一个月内您必要采办肥料……’ ，又或者是‘心爱的Narendra ，请于接下来一周采办肥料 ，基于对你的地皮检测 ，我们建议你采取以下措施……’”
了局显示 ，若是同时给农夫提供新卡片和语音信息 ，他们将获取更多内容 。他们会听取或许42分钟的关于施肥的建议 。固然这对其他服务拥有挤出效应 ，但尝试组获取的内容总量大体与节造组一样 。更沉要的是该尝试发现 ，过问伎俩的确使得农夫的施肥行为产生了扭转 。
科尔教授以为 ，这一钻研成就要想获得持续成功 ，必要持续地迭代 。正如在互联网领域中能够看到的一样 ，抖音、谷歌等产品之所以能变得越来越好 ，就是由于它们处在持续迭代的过程中 ，并时时能合理评估某次迭代措施的成效以便后期改进 。
在当今的发展经济学钻研中要做到持续改进殊为不易 。正如科尔教授所做的上述钻研 ，依赖于农夫自己汇报的行为或产量数据 ，此表短缺其他信息起源 。因而 ，这种方式得来的数据往往充溢着“噪音” 。例如 ，农夫可能谬误地汇报自己地皮面积又或者算错农作物的总产量 。为此 ，科尔教授介绍了一种新的丈量方式——卫星丈量 。“相较于传统的丈量方式 ，我们能够通过卫星来丈量粮食产量 ，而这能够使我们逼近以持续迭代的方式 ，去尝试对农业增产增收采取一些助推措施 ，并通过卫星丈量伎俩评估这些助推措施的成效 。”科尔教授暗示 。
科尔教授具体介绍了卫星丈量的其它优势 。具体来说 ，卫星丈量可将钻研所需的样本量缩减60%-80% ，且能够解除人际摩擦 。例如 ，我们不必要去问农夫“我们能去您的农地丈量作物产量吗？”或“请通知我 ，地皮的产量是几多？” ，只必要用卫星丈量就能够 ，这样尝试数据的“噪音”也削减了 。同时 ，还能够获取更多早期数据 ，从而使得预估更正确 。加之 ，这些数据是免费的 ，处置成本也很低 。
在科尔教授看来 ，目前真正的挑战是若何获得农地的GPS坐标 ？贫淌诜窒砹艘患颐拦┮导际醮匆倒镜乃髑 。他们利用装置在农夫拖沓机上的传感器 ，来网络农夫种子选择、耕衷斓率以及地皮产量的信息 ，并且将其与卫星数据及其他起源的数据结合起来 ，从而利用大数据的伎俩 ，为农夫提供所需信息及耕种建议 ？贫淌谝晕 ，这或是发展中国度可选择的农业征询服务方向 。
科尔教授同时暗示 ，由于受到各种局限 ，对某些发展中国度而言通过语音或短信为更多农夫提供更便捷的信息服务 ，或许要比通过花哨的利用法式成效更好、成本更低 。
最后 ，科尔教授向政策造订者提出了一些建议 。第一 ，通过数字的方式交付信息服务是可行的 ，哪怕是对最穷以及受教育水平最低的人群来说也是如此 ；第二 ，并不是所有看似不言而喻的过问伎俩都有作用 ，必要对其进行严谨地评估 ；第三 ，在农业服务开发领域 ，把稳阐扬非投机组织的关键作用 。
03对话：这场尝试与中国的关联
问：关于手机信息在农业行为助推方面的钻研与中国的现实情况有何种意思上的关联？
答：当然有很大的关系 ，由于无论是其钻研内容还是钻研步骤都能够使用在中国 。若是中国此刻还没有一些服务于宽大农夫的高科技农业征询服务的话 ，我会极度惊讶 。
但我以为 ，首先 ，影响评估以及行为经济学 ，是在中国环境下两个极度沉要的钻研领域 。以影响评估来说 ，若是可能获得关于农夫收入的高质量数据 ，我们就能够衡量诸如农作物选择对出产率、农业风险以及地皮产量的影响 ，从而为农夫提供更好的信息服务 。这一点可能在中国会极度有效 。据我所知 ，已经有好多中国企业、甚至中国当局在和钻研者进行合作 ，严谨地评估过问伎俩的成效 。
其次 ，对于中国还有全世界来说 ，都极度有价值的是J9集团国际钻研中所体现的行为经济学成分 ，也就是前面所提到的助推作用 。世界是极度复杂的 ，农夫在做出最佳决策时也面对着好多的挑战 ，他们相信自己过往的成功经验 ，由于他们靠今生涯 ，他们看到过成就 ，他们知路某个特定的种子去年带来了好或不好的收成 。但是 ，个别了局往往存在大量的“噪音” 。我们能够基于成千上万地皮有关数据的统计分析了局给出让农夫受益的建议 。
这类服务面对的挑战就是要成立可信度 ，从而让这些农夫相信你所提供的信息并愿意采取行动 。但我们一次次地看到 ，成立信赖其实并不容易 。现实上 ，在好多发展中国度 ，即就是当局提供的技术性建议 ，田舍的信赖度也并不高 。在印度 ，或许只有7%的农夫见到过农业方面确当局工作人员 ，93%的农夫只能靠自己去摸索应该做什么 。所以 ，我感触若是中国想推广农业征询服务 ，甚至任何方面的征询服务 ，例如健全征询服务 ，成立信赖感和可信度都极度沉要 。为此 ，能够进建那些极度成功的中国科技企业 ，去靠近客户、理解他们的偏好并使产品易用 。
此表 ，中国拥有极度令人羡慕的前提 。中国有重大的人丁规模 ，从而使得A/B测试、统计学分析极度容易进行 。好比 ，你有一个新种类的种子 ，你并不确定这个种子是否比之前的更好 ，你能够将其推荐给5万名随机遴选的农夫 。也许只有10%的农夫听取了你的建议 ，但是通过精心设计的钻研 ，你能够将这5000名接受推荐种子的农夫 ，与没有接受推荐种子的一样数量农夫（节造组）相匹配 ，通过对比产量的了局来证实 ，这是否是一个更好的种子 ；蛘 ，你也可能发现 ，固然在大学的试验田里这个种子阐发得不错 ，但由于农夫并不知路它的最好种植步骤 ，或者说农夫自身的种植经验不及 ，最后的产量可能比设想中要差 。因而 ，通过回首钻研设计 ，你能够探索在分发种子的同时若何赐与优良的种植建议 。
这些经验固然不齐全针对中国 ，但也与中国有关 。我以为中国在拥有很强的技术能力以及重大人丁的优厚前提下 ，应该尝试去采取、奉杏注测试、评估行为助推措施以及其他信息过问伎俩的成效 ，从而提升农业或其他社会领域的绩效 。
