日前 ，团结国天下粮食妄想署发出忠言 ，人类或将面临“二战后最大的粮食�；� 。而在此前 ，团结国粮农组织宣布的最新报告显示 ，2021年 ，53个贫困国家和地区的约1.93亿人履历了�；侗鸹蚋现氐牧甘巢磺寰沧刺� ，与2020年创纪录的人数相比 ，又增添了近4000万人 。
民以食为天 ，怎样化解国际社会目今面临的粮食�；� ，成为全球瞩目的议题 。美国哈佛商学院教授肖恩·科尔（Shawn Cole）在伟易博举行的伟易博头脑力夏日论坛主题演讲环节中 ，分享了已往七年时间自己与相助者在农业科技领域的研究效果 。在主题演讲竣事后 ，科尔教授还与论坛主持人举行了精彩的对话 。
01手机为低本钱助推农业增产提供可能
小农户占天下贫困生齿的70%左右 ，他们中的许多人生涯难题、收入微薄、可接触到的医疗卫生资源也十分有限 。随着全球粮食需求与日俱增 ，以及天气转变、土地�；退试次；友现� ，这些小农户的生涯愈发艰难 。
“所幸的是 ，现在农民有望使用信息手艺改善农业决议 ，提高农业收获 。”科尔教授以为 。他的判断基于以下理由：现在 ，在亚非拉许多国家手机普及率已经凌驾50% ，纵然在最贫穷的国家手机也在快速普及 。手机在科技职员与农民之间架起了相同的桥梁 ，使得他们能够以多种相同方法与农民睁开交流 。
在短信以及语音效劳的资助下 ，农民能够按期吸收到作物耕作日历；在IVR（互动式语音应答）效劳资助下 ，农民能够通过自助菜单顺遂获取所需的信息；在问答热线的资助下 ，农民能够在提出问题后获得农业专家的专业回覆 。特殊是 ，现在在智能手机的资助下农民的选择更为多样 。他们不但可以通过智能手机APP吸收更为富厚的内容（图片、视频等） ，还可以加入在线农业知识学习平台 ，在那里自学或者向他人讨教 。
在多年实践中 ，科尔教授的团队因地制宜地接纳差别的手机相同方法来助推农业生长 。在非洲 ，他们接纳的是廉价的短信相同方法 ，使用文字信息或者机械人助手 ，给农民提供特定的农业信息 。在南亚 ，由于外地识字率低 ，他们接纳的是语音相同的方法 ，为用户提供问答热线等 ，以便捷地为农民解答农业生产相关的问题 。现在 ，他们正实验开发APP来更好地资助农民 。
使用信息手艺改善农民的农业决议 ，这种干预手段的效果似乎显而易见 。但事实果真云云吗？“即便看似显而易见的干预手段也未必有用 。已往十多年 ，经济学界的信度革命批注 ，无论在何种情形下 ，都需要很是缜密的研究来判断某个干预步伐是否有用 。”科尔教授严谨地说 。
为此 ，科尔教授评估了一项名为Ama Krushi的手机农业咨询效劳的效果 。所谓Ama Krushi农业资讯效劳主要包括：每周提供时长3-5分钟呼叫效劳；农民可录下他们的问题 ，并在24小时内获得回复；最要害的是以上效劳内容完全免费向农民开放 。
这是项听起来很简朴的干预步伐 ，并且实验起来本钱也相对较低 。“但思量到全天下有着数亿农民 ，寻找到一种低本钱的、可适用于全体的解决步伐/计划 ，而不是提供重大的、腾贵的农业效劳——适用于小规模的农业效劳或许只能笼罩数万规模的人群 ，就显自得义更为重大了 。”科尔教授体现 。
为了探讨上述效劳是否真的有用 ，科尔教授及其团队接纳了随机控制实验的要领举行探讨 。他们在印度古吉拉特邦找到了1200名农民 ，随机地把其中800名农民分派到了实验组 ，向其推送农业信息；另外400名分派到了比照组 ，不向其推送农业信息 。然后 ，研究团队视察了两年内农民农业行为和土地产量的改变 。
实验效果批注 ，两年时代 ，实验组的农民听取了约莫50%的推送内容 ，并且逐渐将手机视为主要的信息源 ，他们的农业产量相较于此前也有了提高 。
虽然 ，科尔教授的研究效果证实了向农民提供农业信息有助于生产 。可是 ，他的同事Kremer及其相助者在非洲所做的一项研究却发明了一些相互矛盾的效果 。他们主要探讨提供短信咨询效劳是否可以提高甘蔗地的收获 。但该研究在两次实验中却得出了纷歧致的结论 ，在第一次实验中 ，他们发明提供短信咨询效劳为甘蔗地带来了11.5%的增产；但在第二次实验中 ，他们却发明提供短信咨询并不可带来甘蔗地增产 。
面临前后纷歧的研究效果 ，科尔教授诠释说：“单次实验可能泛起统计意义上的‘噪音’ ，尤其是在丈量产量这个受到多因素影响的因变量时 。解决这种问题的要领之一是举行元研究剖析 ，即举行一系列的研究 ，再对其效果举行统计剖析 。”最终 ，Kremer教授通过元剖析要领证实 ，手机干预会带来平均约4%的增产 。“虽然4%的产量增添听起来不是很高 ，但思量到这些干预手段的本钱云云之低 ，这些研究的远景照旧值得展望的 。”科尔教授评价说 。
02助推印度农民增产的有益探索
从全天下看 ，各国政府都在追求农业的增产增收 ，其中一个主要起劲偏向就是刷新农民的施肥行为——既用对肥料又适时适量施肥 。例如 ，印度政府就大面积地向农民发放土壤康健卡 ，卡中的一项主要内容就是指导农民科学施肥 。
但对宽大印度农民来说 ，想要读懂政府所发放的“土壤康健卡”并禁止易 �？ㄆ系淖趾藕苄� ，虽用英文和外地语言配合誊写 ，并注明晰土壤所需每种肥料的类型 ，但总体来说 ，明确门槛很高 。农民难以凭证其指导生产 。事实上 ，有研究也批注 ，这些土壤康健卡并没有起到多着述用 。因此 ，科尔教授以为重新设计这些卡片势在必行 。
*刷新后的土壤康健卡
在科尔教授看来 ，首先 ，需要让它变得简朴直观（见上图） ，好比用物品图片取代文字形貌 ，划分作物生长阶段并明确标识每阶段所需要使用的化肥量 。其次 ，需要让它变得越发贴近现实 ，可将卡片中的国际单位换算外地农民熟悉的Bigha（一种常见于印度北部的面积计量单位） ，这对外地农民来说更便于盘算；别的 ，在疫苗接种宣传册的启发下 ，科尔教授还设计了一个小册子 ，先容肥料对植物生长的作用 。
在新卡片设计完毕以后 ，科尔教授及其团队举行了一项行为助推的实验 。研究团队在印度古吉拉特邦寻找到了约莫1600名已经正在接受Avaaj Otalo（简称AO）效劳的农民 。所谓AO效劳是一种基于手机的手艺 ，农民可以拨打热线 ，提出问题 ，并收到农业科学家和外地推广职员的回复 。来电者还可以听取由其他农民所提出的问题的回复 。
在他们的实验中 ，比照组接受的是通例效劳 ，实验组则会在通例效劳的基础上收到定制化的施肥建议（以卡片和电话的方法提供） �？贫淌诰倮担骸罢庑┬畔⒑苁怯刑氐� ，会以吸收者的名字来称呼他们 。例如 ，‘亲爱的Narendra ，一个月内您需要购置肥料……’ ，又或者是‘亲爱的Narendra ，请于接下来一周购置肥料 ，基于对你的土地检测 ，我们建议你接纳以下步伐……’”
效果显示 ，若是同时给农民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 。虽然这对其他效劳具有挤出效应 ，但实验组获取的内容总量大致与控制组相同 。更主要的是该实验发明 ，干预手段确实使得农民的施肥行为爆发了改变 。
科尔教授以为 ，这一研究效果要想获得一连乐成 ，需要一连地迭代 。正如在互联网领域中可以看到的一样 ，抖音、谷歌等产品之以是能变得越来越好 ，就是由于它们处在一连迭代的历程中 ，并经常能合理评估某次迭代步伐的效果以便后期刷新 。
在当今的生长经济学研究中要做到一连刷新殊为不易 。正如科尔教授所做的上述研究 ，依赖于农民自己报告的行为或产量数据 ，别的缺少其他信息泉源 。因此 ，这种方法得来的数据往往充满着“噪音” 。例如 ，农民可能过失地报告自己土地面积又或者算错农作物的总产量 。为此 ，科尔教授先容了一种新的丈量方法——卫星丈量 。“相较于古板的丈量方法 ，我们可以通过卫星来丈量粮食产量 ，而这可以使我们迫近以一连迭代的方法 ，去实验对农业增产增收接纳一些助推步伐 ，并通过卫星丈量手段评估这些助推步伐的效果 。”科尔教授体现 。
科尔教授详细先容了卫星丈量的其它优势 。详细来说 ，卫星丈量可将研究所需的样本量缩减60%-80% ，且可以消除人际摩擦 。例如 ，我们不需要去问农民“我们能去您的农地丈量作物产量吗？”或“请告诉我 ，土地的产量是几多？” ，只需要用卫星丈量就可以 ，这样实验数据的“噪音”也镌汰了 。同时 ，还可以获取更多早期数据 ，从而使得预估更准确 。加之 ，这些数据是免费的 ，处置惩罚本钱也很低 。
在科尔教授看来 ，现在真正的挑战是怎样获得农地的GPS坐标 �？贫淌诜窒砹艘患颐拦┮凳忠沾匆倒镜奶剿� 。他们使用装置在农民拖沓机上的传感器 ，来网络农民种子选择、耕作频率以及土地产量的信息 ，并且将其与卫星数据及其他泉源的数据团结起来 ，从而使用大数据的手段 ，为农民提供所需信息及耕作建议 �？贫淌谝晕� ，这或是生长中国家可选择的农业咨询效劳偏向 。
科尔教授同时体现 ，由于受到种种局限 ，对某些生长中国家而言通过语音或短信为更多农民提供更便捷的信息效劳 ，或许要比通过花哨的应用程序效果更好、本钱更低 。
最后 ，科尔教授向政策制订者提出了一些建议 。第一 ，通过数字的方法交付信息效劳是可行的 ，哪怕是对最穷以及受教育水平最低的人群来说也是云云；第二 ，并不是所有看似显而易见的干预手段都有作用 ，需要对其举行严谨地评估；第三 ，在农业效劳开发领域 ，注重施展非营利组织的要害作用 。
03对话：这场实验与中国的关联
问：关于手机信息在农业行为助推方面的研究与中国的现真相形有何种意义上的关联？
答：虽然有很大的关系 ，由于无论是其研究内容照旧研究要领都可以运用在中国 。若是中国现在还没有一些效劳于宽大农民的高科技农业咨询效劳的话 ，我会十分惊讶 。
但我以为 ，首先 ，影响评估以及行为经济学 ，是在中国情形下两个很是主要的研究领域 。以影响评估来说 ，若是能够获得关于农民收入的高质量数据 ，我们就可以权衡诸如农作物选择对生产率、农业危害以及土地产量的影响 ，从而为农民提供更好的信息效劳 。这一点可能在中国会很是有用 。据我所知 ，已经有许多中国企业、甚至中国政府正在和研究者举行相助 ，严谨地评估干预手段的效果 。
其次 ，关于中国尚有全天下来说 ，都很是有价值的是伟易博研究中所体现的行为经济学因素 ，也就是前面所提到的助推作用 。天下是很是重大的 ，农民在做出最佳决议时也面临着许多的挑战 ，他们信托自己过往的乐成履历 ，由于他们靠今生涯 ，他们看到过效果 ，他们知道某个特定的种子去年带来了好或欠好的收获 。可是 ，个体效果往往保存大宗的“噪音” 。我们可以基于成千上万土地相关数据的统计剖析效果给出让农民受益的建议 。
这类效劳面临的挑战就是要建设可信度 ，从而让这些农民信托你所提供的信息并愿意接纳行动 。但我们一次次地看到 ，建设信托着实并禁止易 。现实上 ，在许多生长中国家 ，即即是政府提供的手艺性建议 ，农户的信托度也并不高 。在印度 ，或许只有7%的农民见到过农业方面的政府事情职员 ，93%的农民只能靠自己去探索应该做什么 。以是 ，我以为若是中国想推广农业咨询效劳 ，甚至任何方面的咨询效劳 ，例如康健咨询效劳 ，建设信托感和可信度都很是主要 。为此 ，可以学习那些很是乐成的中国科技企业 ，去靠近客户、明确他们的偏好并使产品易用 。
别的 ，中国具有十分令人羡慕的条件 。中国有重大的生齿规模 ，从而使得A/B测试、统计学剖析很是容易举行 。好比 ，你有一个新品种的种子 ，你并不确定这个种子是否比之前的更好 ，你可以将其推荐给5万名随机挑选的农民 。也许只有10%的农民听取了你的建议 ，可是通过全心设计的研究 ，你可以将这5000名接受推荐种子的农民 ，与没有接受推荐种子的相同数目农民（控制组）相匹配 ，通过比照产量的效果来证实 ，这是否是一个更好的种子 �；蛘� ，你也可能发明 ，虽然在大学的试验田里这个种子体现得不错 ，但由于农民并不知道它的最好莳植要领 ，或者说农民自己的莳植履历缺乏 ，最后的产量可能比设想中要差 。因此 ，通过回首研究设计 ，你可以探讨在分发种子的同时怎样给予优异的莳植建议 。
这些履历虽然不完全针对中国 ，但也与中国相关 。我以为中国在具有很强的手艺能力以及重大生齿的优越条件下 ，应该实验去接纳、推行、测试、评估行为助推步伐以及其他信息干预手段的效果 ，从而提升农业或其他社会领域的绩效 。
