در کلمبیا، مانند بسیاری از کشورهای دیگر، تاثیرات تغییر آب و هوا کاملا مشهود است. یکی از بخش­‌هایی که به شدت تحت تاثیر این تغییر آب و هوا قرار گرفته، بخش کشاورزی است. در این بخش، تغییرات پیش‌بینی نشده آب و هوا و دوره‌­های خشکسالی گسترده، چالش‌های جدی برای مزارع کشور ایجاد کرده است، مخصوصا مزارعی که کوچک هستند و مالک مستقل دارند. پروژه Aclimate Colombia یک مشارکت بین بخشی است که توسط مرکز بین‌­المللی کشاورزی گرمسیری (CIAT) هدایت شده و یک سازمان جامعه مدنی با گروه‌­های صنعتی بخش خصوصی و بازیگران دولتی است.

نوع محتوا تجارب داخلی و بین‌المللی
موضوع داده باز
بخش منابع طبیعی
جغرافیا کلمبیا
منتشر کننده شفافیت برای ایران

این پلتفرم (در aclimatecolombia.org موجود است) از انواع منابع داده استفاده می­‌کند که شامل بسیاری از مجموعه­‌های داده حاکمیتی باز هستند و به کشاورزان کمک می­‌کند تا به راحتی بتوانند تغییر الگوهای آب و هوا را درک کنند. اگرچه پروژه Aclimate Colombia نسبتا جدید است اما تاثیر محسوسی داشته و به صورت گسترده‌ای شناخته شده است. این مثالی قوی است که نشان می‌­دهد اشتراک‌­گذاری در بین بخش‌­های مختلف و با استفاده از واسطه­‌های مرتبط با هر بخش می‌­تواند دیدگاه­‌های علمی داده سطح بالا را در نظر بگیرد و آن‌ها را به اطلاعات عینی و قابل اجرا تبدیل کند تا به کشاورزان کمک کند معیشت خود را بهبود بخشند.

پیشینه

تمرکز مساله/محیط کشور

کشاورزی بخش بسیار مهمی در کلمبیا و مناطق گرمسیری است. همانطور که روبن جی. اچوریا، مدکل مرکز بین‌­المللی کشاورزی گرمسیری (CIAT) می‌گوید: «بخش‌هایی از مناطق گرمسیری مرطوب، قابلیت تبدیل شدن به سبد نان آینده جهان را دارند. این مناطق، همان مکان­‌هایی هستند که در حال حاضر 70 درصد مردم فقیر جهان در آن‌ها زندگی می­‌کنند و بیشترین تنوع زیستی جهان را دارند».3 کلمبیا امکانات بیشماری به عنوان فراهم‌کننده محصولاتی مثل قهوه، موز و برنج دارد.

اما، برای اینکه کشورهایی مانند کلمبیا به قابلیت خود برسند، باید بتوانند با تاثیرات تغییر آب و هوا سازگار شوند. چون فرایندهای سنتی کاشت در نتیجه الگوهای آب و هوایی جدید دچار تحول شده­‌اند، گرم­ شدن جهان چالش‌های زیادی برای قابلیت کاشت مواد غذایی در کلمبیا به وجود آورده است. گرم شدن آب و هوا چالشی جدی برای کشاورزان کوچکی به وجود می‌­آورد که بخش مهمی از تولیدکنندگان محصول در کشور را تشکیل می‌­دهند. همانطور که اچوریا می‌­گوید: «تغییر آب و هوا تهدیدی جدی برای این کشاورزان کوچک به وجود می‌­آورد که قبلا با چالش‌های جدی ناشی از ضعیف بودن خاک­‌ها، الگوهای متغیر بارش، فقدان دانش درباره بهترین روش‌های کاشت و عدم سرمایه‌گذاری روی فناوری­‌های جدید که به آن‌ها کمک می­‌کنند، مواجه بودند».4

مثال برنج نشان­‌دهنده این چالش‌ها است. برنج اهمیت خاصی برای بخش کشاورزی کلمبیا دارد و منبع اصلی درآمد مزارع کوچک و غذای اصلی بیشتر جمعیت را شکل می‌­دهد، مخصوصا جوامعی که درآمد کمی دارند.5 بخش کشاورزی کشور حدود 1.7 میلیون تن برنج شالیکاری را در سال 2014 تولید کرد که حدود 65 درصد آن، برنج آبی کشت شده در زمین­‌های پست و 34 درصد هم برنج دیم بود.6 اما سال‌های اخیر، سال‌های سختی برای بخش برنج کشور بوده است. یک دهه افزایش محصول برنج آبی بین سال‌های 2007 و 2012 از بین رفت، چون میزان تولید محصول از 6 تن در هکتار به 5 تن کاهش یافت.7 اگرچه توضیحات با هم فرق می­‌کنند، اما به نظر می­‌رسد تغییر آب و هوا دلیل این کاهش باشد. همانطور که بخش مشارکت تحقیقات جهانی و گروه مشاوره بین‌­المللی تحقیقات کشاورزی (CGIAR) بیان می­‌کند «تغیرات جزئی در بارش و شرایط آب و هوایی نامناسب، کشاورزان برنج را وادار می‌کند تا فرضیات قدیمی درباره زمان، مکان و نحوه کاشت را کنار بگذارند».8

داده‌­باز در کلمبیا

به طریقی می­‌توان گفت وضعیت داده‌­باز در کلمبیا نسبتا دلگرم­‌کننده است. مثلا، در شاخص داده‌­باز 2015، ارزیابی در دسترس بودن داده در بخش‌­های مختلف که توسط سازمان بین‌­المللی دانش باز انجام شده است، این کشور را در رتبه 4 قرار داده که از رتبه 12 در سال 2014 به این رتبه رسیده است. این رتبه‌­بندی احتمالا بازتاب باز بودن کلی داده مربوط به آمار ملی، مناقصه­‌های خرید، مجموعه داده مکان و نتایج انتخابات است. اما علی‌رغم عملکرد خوب کشور در این اندازه­‌گیری­‌ها، تحقیقات و مصاحبه­‌های ما با بازیگران کلیدی چندین کمبود و مشکل را نشان می‌­دهند. اگرچه این کمبودها در بسیاری از کشورهای دیگر که تجربه داده‌­باز دارند نیز روی داده‌اند، اما اهمیت زیادی برای درک و ارزیابی اکوسیستم کلی داده‌­باز دارند.

یکی از مشکلات مهم ناشی از این حقیقت است که تامین داده باز کلمبیا دچار مشکل است و وضوح کمی درباره مکان و نحوه دسترسی به مجموعه داده مفید وجود دارد. در آگوست 2016، درگاه داده‌­باز رسمی دولت به نام datos.gov.co) Datos Abiertos Colombia) بیش از 2460 مجموعه داده و 70 مجموعه تصویری داشت. درگاه داده ciudatos.com) Cisdatos)  توسط بنیاد  کورونا در سال 2015 با مشارکت دیگر بازیگران جامعه مدنی و تامین‌کنندگان مالی در منطقه تاسیس شد. این درگاه حاوی مجموعه داده عمومی متمرکز بر شهر و داده به دست آمده از مجموعه نظرسنجی‌­های انجام شده توسط Red Colombiana de Ciudades Como Vamos است که شامل مجموعه شبکه‌های سطح شهر در کلمبیا است و به بهبود زندگی شهری پرداخته است.9

اگرچه وجود این دو درگاه نشانه‌ای از حرکت قوی داده‌­باز است، اما منجر به تقسیم‌­بندی خاصی می‌شود. مثلا، کاربران مطمئن نیستند که در کجا به دنبال داده بگردند و ممکن است مشکلاتی در ترکیب اطلاعات ذخیره شده در دو محل در زمان تحلیل بیشتر داشته باشند. مساله‌ای که این امور را بیشتر پیچیده می­‌کند، پورتال دانش تغییر آب و هوای بانک جهانی است که میزبان مجموعه‌­های داده‌­باز کلمبیا در مورد آب و هوا و باران است.10

کلمبیا اولین بار علاقه خود به پیوستن به مشارکت حاکمیتی باز (OGP) را در سال 2011 اعلام کرد.11 بسیاری از تعهدات مشارکت حاکمیت باز، و در نتیجه، بیشتر نوآوری دولت و کار روی داده، بر مبارزه با فساد متمرکز شده‌اند. این مساله به یک نقطه ضعف دیگر در فضای داده‌­باز اشاره می­‌کند، چون با وجود در دسترس بودن داده، این داده تاثیر نسبتا اندکی بر مسائلی مانند توسعه اقتصادی یا سرعت بخشیدن به کارآفرینی و کسب و کار دارد.12 در کل، فقدان مشوق برای کاربران در جامعه تجاری جهت دسترسی به داده و استفاده از آن باعث حداقل تقاضا برای داده‌­باز می‌شود.13

بازیگران اصلی

فراهم‌­کنندگان اصلی داده

دولت کلمبیا

بازیگر دولتی اصلی که برنامه Aclimate Colombai را به پیش می­‌راند، وزارت کشاورزی و توسعه روستایی (MARD) است. ماموریت وزارت کشاورزی و توسعه روستایی، «تدوین، هماهنگی و ارزیابی سیاست­‌هایی است که توسعه رقابتی، برابر و پایدار جنگل‌داری، شیلات و فرایندهای کشاورزی، ضوابط تمرکززدایی، مشاوره و مشارکت را برای کمک به بهبود سطح و کیفیت زندگی مردم کلمبیا ترویج می‌دهند.»14

پروژه CIAT باعث شد دانیل جیمنز به این مساله اشاره کند که دولت کلمبیا و مخصوصا وزارت کشاورزی و توسعه روستایی، تامین‌کنندگان مالی اصلی این پروژه هستند و به تسهیل ارتباطات بین CIAT و بازیگران مهم در بخش کشاورزی کمک کردند و CIAT را قادر ساختند تا به مجموعه داده‌­ای که در اختیار ذینفعان دیگر بخش‌ها بود، دسترسی داشته باشد و آن­‌ها را تحلیل کند.15

در حالی که وزارت کشاورزی و توسعه روستایی مهمترین همکار دولت در این پروژه است، فراهم‌کننده اصلی داده دولت، انستیتو ملی مطالعات آب‌شناسی، هواشناسی و زیست محیطی (IDEAM) است که بر اساس قوانین جدید،16 داده مربوط به آب و هوای کشور را جمع‌آوری و باز می­‌کند.17

کاربران اصلی داده و واسطه­‌ها

CIAT

بازیگر اصلی در توسعه Aclimate Colombia، مرکز بین‌­المللی کشاورزی گرمسیری (CIAT) است که «یک موسسه غیرانتفاعی تحقیقات کشاورزی است و تمرکز آن بر ایجاد راه‌­حل‌های علمی برای مبارزه با گرسنگی در مناطق گرمسیری است». این موسسه که در اصل در سال 1970 در نتیجه بخشی از گروه مشورتی تحقیقات بین‌­المللی کشاورزی (CGIAR) تشکیل شد، نقش مهمی در مدیریت پروژه و علوم داده در ابتکاراتی دارد که بخشی از برنامه تحقیق در مورد تغییر آب و هوا، کشاورزی و امنیت غذایی (CCAFS) را تشکیل می‌دهند. CCAFS به دنبال «بررسی چالش افزایش گرم ­شدن جهان و کاهش امنیت غذایی، اقدامات کشاورزی، سیاست­‌ها و تدابیر مختلف است.»18

CIAT نه تنها قابلیت­‌های تحلیل داده که پروژه را توانمند و مفهوم‌سازی کرده و توسعه داده، بلکه از نزدیک با انجمن­‌های کشاورزان و دیگر ذینفعان کار کرده تا به مجموعه داده تاریخی مربوطه دست پیدا کند و آن را تحلیل نماید.19

Fedearroaz و انجمن‌­های پرورش دهندگان محصول

با نشان دادن قابلیت مشارکت بین بخشی در پروژه‌­های داده‌­باز، بخش مهم دیگر معمای Aclimate Colombia، روابط ثابت با انجمن­‌های پرورش‌­دهندگان محصول در کشور است. این انجمن‌­ها که نماینده کشاورزان هستند و از آن‌ها طرفداری می­‌کنند، در بخش‌­های خصوصی و نیمه‌دولتی وجود دارند. انجمن‌­های پرورش‌­دهندگان محصول به روش‌­های مختلف مانند واسطه عمل می­‌کنند و دیدگاه­‌ها و ابزارهای فراهم شده توسط CIAT را به کشاورزانی که نماینده آن‌ها هستند، منتقل می‌­نمایند. CIAT این انجمن‌­ها را به دانش فنی مجهز کرده تا «اطلاعات را با ابزارهای کلان داده تحلیل نمایند و محدودکننده‌­ترین عامل برای تولید محصولات در مناطق خاص را تعیین نمایند.»20

با توجه به تمرکز بر تشویق رشد در بخش برنج، Fedearroz (یعنی انجمن پرورش‌دهندگان برنج)، همکار اصلی CIAT بود. طبق گفته میریام پاتریشیا گازمان گارسیا، معاون Fedearroz، این سازمان سه ماموریت اصلی دارد. اول، نماینده کشاورزان برنج‌کار در سطح وزارتخانه است تا تضمین کند تصمیم­‌گیرندگان دولتی با منافع آن‌ها آشنا هستند. دوم، Fedearroz برای انتقال قابلیت‌­های فناوری کار می­‌کند تا توانایی «بهتر کردن بهره‌­وری و اثربخشی هزینه» کشاورزی در کلمبیا را به وجود آورد. در نهایت، این انجمن به دنبال فراهم­‌کردن خدماتی است که کشاورزان به آن نیاز دارند - از شناسایی فروشندگان منابع مورد نیاز تا ایجاد مشارکت با بازیگران صنعتی مربوطه برای پیدا کردن (یا فراهم کردن) جریان­‌های مالی جدید.21

همان­طور که گازمان گارسیا می‌گوید، Fedearroz مشتاق بود تا با این پروژه همکاری کند، مخصوصا «تحقیقاتی که معمولا در مراکز تحقیق روی می‌­دهند و تا پایین­‌ترین سطح لازم: یعنی کشاورزان، می‌­روند.»22 این امر شامل فراهم کردن دسترسی به داده مربوطه و دیدگاه­‌هایی در مورد پرورش‌­دهندگان برنج کشور برای CIAT و انتقال نتایج نهایی و ابزارهای فراهم شده توسط Aclimate Colombia به کسانی است که می­‌توانند از آن استفاده کنند.

ذینفعان اصلی

کشاورزان مرتبط در کلمبیا

اگرچه افزایش محصول و پایداری در بخش کشاورزی، مزایای عمومی قابل توجهی دارد اما مستقیم­‌ترین ذینفعان برنامه Aclimate Colombia، کشاورزانی هستند که ارتباط نزدیکی با انجمن‌­های کشاورزی در این کشور دارند. این پروژه به دنبال فراهم کردن قابلیت تصمیم­گیری برای کشاورزان است تا تصمیم درست را در مورد کاشت بگیرند و واکنش بهتری به تاثیرات تغییر آب و هوا نشان دهند. همانطور که با جزئیات بیشتر در بخش چالش‌ها نشان می‌­دهیم، کشاورزانی که با انجمن ارتباط ندارند، اگرچه به صورت نظری ذینفع این اقدامات هستند، اما از تکرار وضعیت فعلی آن دور مانده‌­اند.

شرح پروژه

شروع فعالیت داده‌­باز

تابستان 2013 یک فصل بسیار خشک در کلمبیا بود. خشکسالی گسترده در بسیاری از مناطق این کشور تاثیر عمده‌ای بر کشاورزی و محصولات داشت. مثلا در بخش شمال غربی لا گوجیرا، خشکسالی باعث کمبود غذا و آب و مرگ 20000 رأس دام شد.23 کشاورزان در بخش جنوبی کاسانار هم با دمای بالا، از بین رفتن گیاهان و تمام شدن منابع آب روبرو شدند.24 در واکنش به این مشکلات، دولت کلمبیا شروع به بررسی گزینه‌­هایی برای تقویت انجمن‌های کشاورزان کرد. وزیر کشاورزی با در نظر داشتن این هدف، موافقتنامه‌ای با CIAT امضاء کرد که هدف آن «تقویت قابلیت بخش کشاورزی برای سازگاری با آسیب­‌پذیری در برابر هوا» است. این موافقتنامه شامل ارزیابی پیش‌بینی­‌های فصلی و فراهم کردن توصیه­‌های تخصصی برای افزایش بهره‌­وری است.25 نتیجه این توصیه‌ها به روش‌های مختلف در وب سایت Aclimate Colombia دیده می‌شود، مثلا خبرنامه‌­های منظم و هدفمند، ابزارهای تحلیل اطلاعات خاص محیط، گزارشات راهبرد کشاورزی داده‌­محور و درگاه داده قابل جستجو.

CIAT به عنوان گام اول، روشی برای استفاده از داده ارائه کرد که توصیه‌­های افزایش‌دهنده  بهره‌­وری را برای کشاورزان فراهم می‌کرد (یعنی با توجه به منطقه، کدام محصولات را در چه زمانی بکارند). در این تلاش، CIAT از پروژه‌­های کشاورزی داده‌­محور قبلی الهام گرفته بود که توسط سازمان­‌های غیر دولتی در سراسر جهان انجام شده بودند؛ این تلاش شامل «استفاده نظارت ­شده و نظارت­ نشده از شبکه­‌های عصبی مصنوعی برای مدل‌سازی تولید محصول شاتوت (Rubus glaucus) و استفاده از مدل­‌های ترکیبی برای تعیین شرایط رشد مطلوب (Lulo Solanum quitonse) در منطقه آند بود.»26 سپس نمایندگان Fedearroz با ایده استفاده از داده انجمن و مجموعه داده‌­باز دولتی به انجمن تولیدکنندگان برنج نزدیک شدند تا قابلیت‌های تصمیم‌گیری کشاورزان را بهبود بخشند.

Fedearroz  بلافاصله موافقت کرد تا داده جمع‌آوری شده طی دوره بیست و پنج ساله را به اشتراک بگذارد که شامل تحقیقات مربوط به کاشت سالانه برنج، سوابق نظارت بر برداشت و نتایج آزمایشات کشاورزی بود.27 همانطور که گازمان گارسیا بیان کرده است، «ما تصمیم گرفتیم بخشی از این پروژه باشیم تا به تحلیل بهتر تمام اطلاعاتی که داریم، کمک کنیم و اقدامات و توصیه‌های موجود برای کشاورزان را بهبود بخشیم تا ریسک‌هایی که با آن‌ها مواجه می‌شوند را کاهش دهیم.»28 Fedearroz مشتاق بود تا در این پروژه همکاری کند و به اطمینان از این مساله کمک کند که طبق گفته گازمان گارسیا «تحقیقاتی که به صورت طبیعی در مراکز تحقیق روی می‌­دهند، تا سطح لازم پایین بروند: یعنی تا کشاورزان.»29 این امر شامل فراهم کردن دسترسی به داده مرتبط و دیدگاه­‌های تولیدکنندگان برنج در کشور برای CIAT و انتقال نتایج نهایی و ابزارهای فراهم شده توسط Aclimate Colombia به کسانی بود که در عمل از آن استفاده می‌­کردند: کشاورزان کوچکی که فاقد قابلیت تحقیق و توسعه‌­ای بودند که شرکت‌های بزرگ کشاورزی از آن برخوردار هستند. در سطح بنیادی، این برنامه از منابع مختلف داده‌باز استفاده می‌کند تا «پرمحصول­‌ترین انواع برنج و زمان مناسب کاشت برای مناطق خاص را شناسایی کند و پیش­‌بینی فصلی را انجام دهد.»30

تلاش CIAT فقط یک نمونه از افزایش تلاش‌های جهانی برای استفاده از داده‌­باز در بخش کشاورزی است. شبکه داده‌­باز جهانی برای کشاورزی و تغذیه (GODAN)، تقریبا 500 نهاد بین بخشی را با این مفهوم گرد هم می‌­آورد و ما پلتفرم کشاورزی Esoko در غنا را در مطالعه موردی دیگری از این مجموعه بررسی می‌­کنیم.31

تامین مالی

همچنان که آمریکای لاتین به عنوان سرچشمه فعالیت داده‌­باز و آزمایشات رشد می­‌کند، منابع مالی بین‌المللی هم افزایش می‌­یابند. کسانی که در این حوزه فعالیت می­‌کنند، معتقدند که کلمبیا مقادیر قابل توجهی منابع مالی بین‌­المللی برای پروژه‌های داده‌­محور خود، به همراه مکزیک و آرژانتین دریافت می­‌کند.32 اما علیرغم در دسترس بودن کمک­‌های مالی سازمان­‌های بین‌­المللی مانند بانک توسعه داخل آمریکا و دیگر سازمان­‌ها، منبع مالی اصلی Aclimate Colombia، دولت کلمبیا است. این منابع مالی در اصل برای پشتیبانی از تداوم توسعه فنی ابزارها و ارتباطات و تلاش‌های آموزشی برای افزایش دیدگاه‌های داده‌­محور به کار می‌روند. با ادامه رشد و تکامل این پروژه، این احتمال هست که گزینه­‌های مالی متنوعی فراهم شوند.

عرضه و تقاضای انواع داده و منابع

در اصل، سه نوع داده در پلتفرم Aclimate Colombia وجود دارد. نوع اول، داده محصولات تجاری است که توسط Fedearroz جمع­‌آوری می­‌شود، مثلا تحقیقات قبلی در مورد میزان تولید سالیانه برنج و سوابق نظارت بر برداشت. قبلا بیشتر این داده به صورت ناشناس قابل دسترسی بود، اما باید متمرکز و دیجیتال می‌شد تا Aclimate Colombia بتواند از آن استفاده کند.33 همانطور که گازمان گارسیا می‌­گوید: قبلا این داده «در سطح کلی برای هر مزرعه موجود داشت، بدون اینکه نامی از صاحب مزرعه برده شود، یعنی هیچگونه اطلاعات قابل شناسایی شخصی وجود نداشت.»34

دوم، این پلتفرم شامل داده آب و هوای روزانه در سطح ایستگاه است که از موسسه ملی مطالعات آب­شناسی، هواشناسی و زیست محیطی (IDEAM) و شبکه کشاورزی - هواشناسی هدایت شده توسط Fedearroz به دست آمده است. این داده به فراهم شدن دیدگاه درباره پنج متغیر آب و هوایی مهم کمک می­‌کند که CIAT آن‌ها را تعیین­‌کننده رشد برنج می‌­داند: حداقل دما، حداکثر دما، بارش، رطوبت نسبی و تابش خورشید.35

در نهایت، شاید مهمترین مجموعه داده در این پلتفرم، حاوی ترکیبی از داده و مخصوصا سابقه محصول برای مزارع خاص و ثبت «رویدادهای کاشت محصول» باشد، یعنی هر چیزی که اساسا برای کاشت محصول بین زمان کاشت و برداشت روی داده است. اجزای مهمی که وارد رویدادهای کاشت محصول می‌­شوند شامل شرایط خاص و «اقدامات مدیریتی اجرا شده توسط کشاورزان» هستند.36

کاربران می­‌توانند تمام این داده را به شکل خاص از این پلتفرم دانلود کنند. به علاوه، خود این پلتفرم هم داده را در معرض روش‌های تحلیلی قرار می‌دهد که دیدگاه‌های خاص منطق و محصول را برای کاربران فراهم می‌کنند. این پلتفرم، داده را در معرض تحلیل­‌های پیچیده‌­تر و مبتنی بر یادگیری ماشینی قرار می‌دهد تا طبق گفته دانیل جیمنز، «روابط عملیاتی غیر خطی بین عوامل مختلف از جمله دما، تابش، بارش و بهره‌وری را بررسی کند» و به پنهان کردن عواملی که بیشترین تاثیر مستقیم بر راهبرد کشاورزی را دارند، پایان دهد.37 الگوریتم­‌های یادگیری ماشینی که توسط CIAT به کار می‌­روند، تحت­ تاثیر تلاش‌های مشابه در زمینه زیست‌شناسی، رباتیک و علوم اعصاب قرار گرفته‌­اند.38

استفاده از داده‌­باز

داده‌­باز وارد تمام تحلیل­‌هایی می­‌شود که به عنوان بخشی از مجموعه ابزارهای Aclimate Colombia انجام شده­‌اند. اگرچه داده باز همراه با داده‌ی صنعتی و داده‌ی تولید شده توسط سازمان‌های غیر دولتی به عنوان بخشی از پازل موجود برای این اقدام که در بالا توصیف شد می‌باشد؛ تمایز بین استفاده از داده باز برای این اقدام و باقی فعالیت‌های آن غیرممکن است. به بیان ساده، acclimate Colombai بدون دسترسی به داده‌­باز وجود نخواهد داشت.

Aclimate Colombia از انواع مجموعه­ داده استفاده می­‌کند تا ابزارها و محصولات اطلاعاتی از جمله خبرنامه­‌های مربوط به کشاورزی را ایجاد کند (شکل 1) که هم آگاهی‌­دهنده هستند و هم به راحتی درک می­‌شوند (شکل 2). این سایت، موضوعات تحقیق، مدل‌سازی و اطلاعات مربوط به موافقتنامه کنوانسیون را فراهم می­‌کند که باعث شروع به کار این سایت شده‌اند. امید است این سایت یک درگاه داده قابل ­جستجو (شکل 3) فراهم کند و بازدیدکنندگان را به سمت منابع داده‌­محور و مجموعه داده‌­ها هدایت نماید. نتیجه نهایی این است که این پروژه می‌­تواند روش‌ها، تحقیقات و یافته­‌های خود را به روش واضح و قابل دستیابی به کسانی ارائه کند که به دنبال آن هستند و تاثیر مثبتی داشته باشد.

شکل 1: ورود به خبرنامه Aclimate Colombia

شکل 2: خبرنامه Aclimate Colombia

تاثیر

تاثیر را اغلب به سختی می‌توان اندازه گرفت، مخصوصا چون بیشتر پروژه‌­ها در این مجموعه از مطالعات موردی به تازگی شروع شده­‌اند. سال‌ها طول می‌کشد تا تاثیر بیشتر و سیستماتیک داده‌­باز آشکار شود و در بیشتر کشورها، داده‌­باز در حال پیشرفت است. با این وجود، چندین شکل اولیه تاثیر برنامه Aclimate Colombia را می­‌توان شناسایی کرد.

یکی از نمونه­‌هایی که نشان می‌دهد Aclimate Colombia چطور کار می‌کند، حدود یک سال قبل روی داد. بعد از اینکه قسمت تحلیل سایت پیش­‌بینی کرد که دوره خشکی عمده‌­ای در فصل رشد روی خواهد داد و نیاز به تاخیر در کاشت وجود دارد، Fedearroz «یک پیام ساده و مخصوص سایت» ارسال کرد و اطلاعات مفصلی برای 170 کشاورز در کوردوبا درباره «پنجره زمانی ایده‌آل برای کاشت یا بهترین گونه‌ها برای کاشت»39 فراهم نمود. ترکیب اطلاعات بسیار تخصصی و قابل­ اجرا که توسط یک منبع مطمئن و معتبر ارائه شده بود (یعنی انجمن کشاورزان)، به این معنا بود که این توصیه­‌ها به دقت در نظر گرفته می‌­شوند. بسیاری از کشاورزان از تصمیم زودهنگام برای کاشت امتناع کردند و از زیان قابل­ توجه جلوگیری کردند. سایر نشانگرهای اولیه این تاثیر عبارت بودند از:

دانش جدید و دیدگاه­‌ها

یکی از تاثیرگذارترین ابعاد Aclimate Colombai این بود که با چه سرعت بالایی انتقال دانش و یافته­‌های تحقیق از آزمایشگاه به مزرعه را ممکن ساخت. همانطور که نمایندگان CIAT در مقاله‌­ای درباره پروژه خود در یک مجله گفتند: «در حالی که مطالعات قاره‌­ای و جهانی قبلی با موفقیت، تاثیر تغییر آب و هوا بر محصولات را مشخص کردند اما فاقد ارتباط مستقیم با تصمیمات سطح مزرعه بودند.»40ماهیت بسیار ویژه و محلی این پروژه و استفاده از واسطه­‌ها - یعنی انجمن‌های کشاورزان - و ابزارهای کاربرپسند به Aclimate Colombai کمک کردند تا این روند را قطع کند و اقدامات کشاورزی جدید با تاثیر واقعی ایجاد نماید.

شکل 3: درگاه داده Aclimate Colombia

بر اساس مقاله منتشر شده قبلی، روش‌­های خاصی وجود دارند که با استفاده از آن‌ها، شکل­‌های جدید دانش و داده باعث تغییر کشاورزی در کلمبیا شده­‌اند:41

نوع تحلیلی که در این پلتفرم وجود دارد، نشان داد که در منطقه اسپینال، محصول برنج بیشتر تحت تاثیر «میانگین حداقل دما طی مرحله به ثمر رسیدن» قرار می­‌گیرد. کشاورزانی که مجهز به این آگاهی شده­‌اند، می­‌توانند اطمینان بدهند که کاشت محصول به صورت متوالی انجام می­‌شود تا به ثمر رسیدن محصول در زمانی روی دهد که میانگین حداقل دما برای تاثیر مثبت روی محصول، کافی باشد.

تحلیل نشان می‌دهد که مناطق گرم‌تر کشور، محل‌های مناسبی برای کاشت گونه برنج Cimarron Barinas نیستند؛ طبق داده موجود در وب سایت، این گونه محصول مناسب کاشت در مناطقی نیست که دمای آن‌ها معمولا بیشتر از 22 درجه سانتیگراد است.

کشاورزان در منطقه سالدانا هم متوجه شدند (با فهم علت) که سطح انرژی خورشیدی انباشت شده در برنج آبی، بیشترین تاثیر را بر محصول دارد. مخصوصا، تلاش‌های CIAT نشان داد که تاثیر تابش خورشید در مرحله رسیدن محصول، بسیار قابل توجه است. در نتیجه، طی پدیده ال نینو، سالدانا با ریسک قابل توجه فصل خشک مواجه بود. اما همانطور که گازمان گارسیا می‌گوید: «خوشبختانه، این منطقه به ما مجوز داد و ما جیره‌­بندی آب را شروع کردیم که باعث شد محصول کمتری کاشته شود اما تاثیرات منفی نیز در مقایسه با مناطق مجاور که به توصیه ما گوش ندادند و زیان بیشتری داشتند، به حداقل رسید.»42

در ویلاویسنسیو، فراوانی بارش بیشتر از 10 میلی­متر طی مرحله سبز شدن برنج، بیشترین تاثیر را بر محصول داشت. یافته­‌های تیم در این منطقه اهمیت زیادی داشت، چون نشان داد که فراوانی، اهمیت اصلی را برای رشد دارد، نه بارش کل. این دیدگاه «ممکن است باعث افزایش برداشت آب و زیرساخت­‌های آبیاری در این منطقه شود تا با توزیع غیر یکنواخت بارش سازگار شود.»43

یک قسمت دیگر از دیدگاه قابل ­اجرا (که در این مقاله در نظر گرفته نشده است)، توسط گازمان گارسیا نشان داده شد. در مونتریا که منطقه‌­ای با کشت آبی است، Fedearroz و CIAT کشاورزان را تشویق کردند تا از کاشت در طول سال امتناع کنند، اگرچه کشاورزان مایل بودند تا محصول بالقوه را در این زمان که بیشتر پمپ­‌های آبیاری کار نمی­‌کردند، حداکثر کنند. گازمان گارسیا یادآوری می­‌کند که علیرغم تلاش‌های برخی از کشاورزان، «من واقعا فکر می‌­کنم که ما در این کار موفق شدیم و مردم چیزی نکاشتند.»44 ارزیابی­‌های بعدی بررسی کردند که جلوی خسارت 8 میلیارد پزویی یا 300 میلیون یورویی 179 کشاورز گرفته شد.45

وقتی این پروژه به صورت گسترده‌­تر در نظر گرفته شد، به نقاط قوت پروژه‌های داده‌­باز اشاره می‌کرد، مخصوصا آن‌هایی که مجموعه داده بین بخش‌­ها را ترکیب می­‌کنند تا دیدگاه­‌های بسیار مشخص را آشکار کنند. جدا از اینکه داده‌­باز ابزاری برای تحلیل روندها و پیش‌بینی­‌های بزرگ مقیاس است، می‌­تواند اطلاعات مختلف و مفیدی برای دو فرد که یک شهر با هم فاصله دارند، فراهم کند.

مزایای موجود برای جامعه تحقیقات کشاورزی

اگرچه دست‌اندرکاران کشاورزی، ذینفعان مستقیم این پروژه هستند اما این پروژه تاثیر قابل توجهی بر جامعه گسترده تحقیقات کشاورزی داشته است. در واقع، این پروژه به تمام افرادی که در کشاورزی دخیل بودند نشان داد که شکل­‌های جدید اطلاعات و دانش به چه صورت می­‌توانند باعث گسترش کار در مزرعه شوند. این امر، دیدگاه نظری بسیار مهمی را نشان می‌­دهد. همانطور که دانشمندان پروژه Aclimate Colombia در مقاله خود گفته‌­اند: «ارزش افزوده این تلاش نشان می‌­دهد که چطور می­‌توان از داده مشاهده به صورت موثر برای ایجاد اطلاعات قابل اجرا و زمینه‌­ای برای تصمیم­‌گیری در مزرعه استفاده کرد.»46

در کل، یکی از اهداف اصلی پروژه، پیشرفت با «شتاب بخشیدن به تحقیقات کشاورزی، از نظر پول و زمان صرف شده» است.47 بنیانگذاران این پروژه امیدوارند که این پروژه مانند کاتالیزوری برای جامعه عمل کند و شکل­‌های جدید دانش را در نظر بگیرد تا با دقت بیشتری درباره ارتباط بین تحقیق و عمل فکر کنند.

تاثیر مالی

مزایای اقتصادی پروژه Aclimate Colombia بسیار واضح­‌تر شده‌اند و موفقیت این پروژه را نشان می‌­دهند. بر اساس مطالعه موسسه داده‌­باز که با مشارکت CIAT انجام شد، در سال بعد از شروع این پروژه، بهبود تصمیم‌­گیری‌های کشاورزان باعث 3.6 میلیون دلار صرفه‌جویی شد.48علاوه بر این صرفه‌جویی گسترده و جمعی، دیدگاه‌های مختلفی که در بالا شرح داده شدند نیز منجر به کارآمدی هزینه محلی در مناطق کشور و برای کشاورزان خاص شده‌اند.

چالش کلان­‌داده سازمان ملل و ارزش مدل

اگرچه این تاثیر مستقیم پروژه Aclimate Colombia نبوده است، اما شایان ذکر است که این پروژه یکی از برندگان جایزه چالش کلان­‌داده سازمان ملل در سال 2014 بوده است.49 این جایزه، تایید اعتبار و به رسمیت شناخته شدن نبوغ و تعهد این پلتفرم را نشان می‌­دهد. به علاوه، پاداش و علنی ­شدن آن باعث گسترش پروژه‌­های مشابه در آمریکای لاتین و فراتر از آن می­‌شود. این الگویی است که ما بارها در مطالعات موردی در این مجموعه شاهد آن بودیم: موفقیت باعث موفقیت‌های بیشتر می­‌شود و یک پروژه موفق، مسیرهایی با پروژه‌­های مشابه بیشتر باز می­‌کند که تاثیر منطقه­‌ای گسترده‌ای دارند.

همانطور که گفته شد، تاثیر را به سختی می­‌توان اندازه گرفت. برخی ارزیابی­‌های تاثیر در سطح منطقه‌­ای انجام گرفته‌اند و برآورد انواع خسارات اقتصادی که در نتیجه اجرای این پروژه از آن‌ها جلوگیری شده، ارائه شده است. در کل، جیمنز معتقد است که «ما در اندازه‌­گیری تاثیر بسیار ناآزموده عمل کرده‌­ایم.»50 درک این تاثیر نه تنها اهمیت زیادی برای تکرار ابزارها و رویکرد به کار رفته دارد، بلکه همانطور که جیمنز اشاره می­‌کند، اهمیت اساسی برای دسترسی به منابع جدید و پایدار مالی دارد. با حرکت رو به جلو، CIAT و Fedearroz به دنبال ایجاد مولفه ارزشیابی تاثیر در این پروژه هستند تا قابلیت دید بهتری نسبت به تعداد کشاورزان در دسترس و تعداد کشاورزانی که بهره‌­وری خود را افزایش داده‌­اند، به دست آورند.51

ریسک‌ها

همان­طور که در مثال Aclimate Colombai و دیگر مطالعات موردی در این مجموعه دیده شد، داده‌­باز قابلیت عظیمی برای تحول مثبت دارد. اما همانطور که در کل این مجموعه دیدیم، داده‌­باز ریسک‌های خاصی هم دارد. مهم است که این ریسک‌ها را درک کنیم تا مطمئن شویم که پروژه­‌های داده‌­باز به روشی اجرا می‌­شوند که بخش‌های مفید را به حداکثر می‌­رسانند و مشکلات را محدود می­‌کنند.

توانمندسازی کشاورزان مرتبط با انجمن‌­های کشاورزی قوی

CIAT در موقعیت خوبی قرار گرفته تا کشاورزانی که ارتباطات نزدیک با انجمن‌­هایی مانند Fedearroz دارند را در این پروژه دخیل کند. اما قابلیت اندکی برای دخیل کردن کشاورزانی دارد که به صورت مشابه سازماندهی نشده‌­اند. همانطور که جیمنز اشاره می­‌کند «این رویکرد تا زمانی امکان‌­پذیر است که کشاورزان به خوبی سازماندهی شده و با هم مرتبط شوند.»52 البته کشاورزانی که ارتباط و پشتیبانی انجمن‌­های کشاورزی را ندارند، با بزرگترین ریسک‌های ناشی از تغییر آب و هوا روبرو می‌­شوند و از دسترسی به ابزارهای جدید برای بهبود تصمیم­‌گیری، سود می‌­برند. حرکت به سمت تلاش‌های فناوری و داده‌­محور باعث می­‌شود بخش کشاورزی ریسک­‌های خود را پشت سر بگذارد و به پشتیبانی لازم برسد.

این ریسک خاص، نماینده تلاش بیشتر در بخش‌های فناوری شهروندی و داده‌­باز کلمبیا، و تعدادی از پروژه­‌های داده‌­باز و داده در سراسر جهان است. اگرچه هدف اغلب این پروژه‌­ها ریشه­‌کنی یا از بین بردن شکاف دیجیتال است، اما پروژه‌­های فنی یا نوآوری حاکمیتی مانند این پروژه، در واقع خود را به تقسیمات موجود وصل می­‌کنند (یا آن را تشدید می‌کنند). همانطور که دانیل اریب از بنیاد کورونا می‌­گوید: «ما دیدیم که شکاف بزرگی در مشارکت شهروندان وجود دارد، و هرم جمعیتی را در نظر گرفتیم که فقرا، بزرگترین گروه جمعیت را در آن تشکیل می‌­دادند اما معتقد بودیم که قابلیت­‌هایی در این جمعیت وجود دارد و دسترسی به پلتفرم­‌های ICT برای ارتقاء و رسیدن به مشارکت شهروندان از طریق فناوری شهروندی در کل جمعیت امکان­‌پذیر است و این شکاف دیجیتال را از بین می­‌برد.»53

اخیرا CIAT در حال بررسی مسیرهایی برای مشارکت این کشاورزان است و همان‌طور که جیمنز اشاره می‌کند، «نوعی ترکیب بین تحقیق و توسعه» برای این مشارکت به کار می‌­رود.54 گسترش راهبردهای عینی و قابل ­اجرا برای این مشارکت، عامل تعیین مهم پایداری طولانی مدت و موفقیت این اقدامات است.

تشویق کشاورزان بدون باقی گذاشتن جایی برای اشتباه برای تغییر بنیادی اقدامات

با توجه بر تمرکز پروژه برای تجهیز کردن مزارع کوچک به توصیه­‌هایی که هدف آن‌ها تغییر روش‌­های کاشت سنتی است، دقت و قابلیت اطمینان این توصیه­‌ها اهمیت زیادی دارد. اگر توصیه­‌ها دقیق نباشد، نه تنها ریسک کاهش محصول وجود دارد بلکه کشاورزانی که قبلا در سطح معاش خود کار می‌­کردند، دستخوش مشکلات اقتصادی زیادی می‌­شوند. سازمان­‌دهندگان از این ریسک مطلع هستند و معتقدند که «کشاورزان نمایه­‌های مختلفی از نظر مدیریت ریسک دارند» و برخی از آن‌ها «می­‌توانند ریسک را بپذیرند و روی آب و هوای خوب و برداشت عالی شرط‌­بندی کنند، در حالی که بقیه باید حداقل سطح بهره‌­وری را داشته باشند تا درآمد کافی برای آن‌ها تضمین شود.»55 نشانه­‌های اولیه به بهبود پیامدهای کشاورزان توسط برنامه Aclimate Colombia اشاره می­‌کنند اما احتیاط اهمیت زیادی در این منطقه دارد.

درس­‌های آموخته شده

چندین درس مهم با قابلیت کاربرد گسترده از این مطالعه موردی خاص می‌­آموزیم. این درس‌ها را می­‌توان با در نظر گرفتن توانمندسازهای اصلی پروژه و مهمترین موانع یا چالش‌های موجود بر سر راه موفقیت آن طبقه­‌بندی کرد.

توانمندسازها

مهمترین درسی که این پروژه برای جیمنز و تیم وی داشته، تحقق این مساله بوده که «اطلاعاتی که به اشتراک گذاشته نمی‌شوند، اصلا اطلاعات نیستند.»56 داده به کار رفته برای ایجاد Aclimate Colombia از سال­‌ها قبل وجود داشته و در پایگاه‌­های داده‌­ای بوده که ذینفعان بخش‌­های مختلف آن‌ها را نگهداری می‌­کرده‌اند. وقتی داده در خدمت یک هدف خاص به کار رفت، دیگر مجموعه‌­ای از ارقام نبود بلکه تبدیل به اطلاعات قابل اجرا شد.

ایجاد اعتبار، نظریه تغییر و اثبات مفهوم

به منظور حرکت به جلو با تحلیل داده و انتشار ابزارها و دیدگاه­‌هایی که Aclimate Colombia را تعریف می‌کنند، CIAT ابتدا باید انجمن‌­های کشاورزان از جمله Fedearroz را دخیل کند تا به داده آن‌ها دسترسی داشته باشد و آن‌ها را توانمند سازد تا مانند واسطه بین CIAT و سایر کشاورزان عمل کنند. جیمنز معتقد است برای تبدیل کردن این مشارکت به واقعیت، «باید به نظریه تغییر فکر کنید.»57 نظریه تغییر این پروژه از ابتدا مشهود بود: اینکه تحلیل داده به کشاورزان کمک می­‌کند تصمیمات بهتری درباره کاشت بگیرند که نتیجه بهبود درک آن‌ها از نحوه واکنش محصول به الگوهای آب و هوایی مختلف در مناطق مختلف است. ارائه و بیان این نظریه تغییر به مشارکت فراهم‌­کنندگان داده و واسطه‌های داده به روش موثر کمک کرد. تلاش برای به دست آوردن دسترسی به داده بدون بیان نحوه استفاده از این داده و محدوده آن، می‌تواند نوعی باخت و زیان باشد.

علاوه بر نظریه واضح تغییر، اثبات این مفهوم به ایجاد اعتماد در فراهم­‌کنندگان داده یا واسطه­‌ها کمک می‌کند. تا جایی که نظریه تغییر می‌­تواند باعث وضوح مفهومی یک پروژه شود، اطمینان و اعتبار درست هم زمانی مطرح می­‌شود که علایم محسوس تاثیر و موفقیت پدیدار می‌­شوند. جیمنز اشاره کرده که در مراحل اولیه، انجمن کشاورزان فقط «بخش کوچکی از پایگاه داده» را به اشتراک می‌­گذاشت و وقتی CIAT از داده موجود برای ارائه دیدگاه‌های معنی‌دار استفاده کرد، اطلاعات بیشتری در دسترس قرار گرفت. وی اضافه می­‌کند، «آن‌ها در ابتدا شک داشتند، ولی وقتی نشان دادید که برای پشتیبانی از تصمیم­‌گیری­‌های آگاهانه چه کار می­‌توانید انجام دهید، شروع به باور کردند.»58

شناخت مخاطب، مشارکت واسطه­‌ها و ایجاد زبان مشترک

همانطور که داستان پیدایش و پیاده‌سازی Aclimate Colombia نشان می‌­دهد، انجمن‌­های کشاورزان نقش مهمی در ایجاد یک اقدام ابتکاری دارند. آن‌ها نقش خود را از طریق فراهم کردن داده و استفاده از آن با عمل به صورت واسطه بین CIAT و مزارع ایفا می­‌کنند. همانطور که جیمنز نقش آن‌ها را توصیف می­‌کند: «ما از طریق این انجمن‌­ها کار می‌­کنیم، آن‌ها را توانمند می‌­کنیم و از طریق آن‌ها، شکاف بین دانشمندان و کشاورزان را از بین می‌­بریم.»59

حتی وقتی از طریق واسطه داده‌­محوری مانند Federarroz کار می‌­کنیم، CIAT به سرعت یاد می­‌گیرد که باید مشارکت و استفاده را در بین مخاطبان هدف تشویق کند (یعنی کشاورزان) و درک بهتری از مخاطب به دست آورد و زبان مشترکی ایجاد کند. به جای برگزاری کارگاه با انجمن‌های کشاورزان و کشاورزان که هدف آن‌ها افزایش سواد داده است و تاثیر نامشخصی دارند، CIAT از متخصصان هر بخش - منطقه از انجمن‌­های کشاورزی در این سازمان استفاده می­‌کند. طی این مشارکت­‌های سه تا چهار ماهه، CIAT توانست «آن‌ها را به درستی توانمند کند» یعنی زمینه‌­ای به آن‌ها ارائه کند که چطور یافته­‌های تحلیل­‌های مختلف منطقه‌­ای را تبدیل به اقدامات کاشت مطلوب کنند و این مفهوم را در بین آن‌ها گسترش دهد که آموزش داده‌­محور و ابزارهای آن، ارزش صرف زمان و منابع را دارند.60 این مشارکت‌ها نه تنها به افزایش مبادلات بین مخاطبان هدف کمک کردند، بلکه مهارت‌های موجود در انجمن‌­های کشاورزان را افزایش داده و بار منابع و زمان CIAT را کاهش دادند و قابلیت پایداری پروژه را بهبود بخشیدند. جیمنز اشاره می‌کند که محرک اصلی موفقیت، شناسایی فرایندهای استفاده از داده و تبدیل آن بود که CIAT «فقط باید بر آن‌ها نظارت کند، چون این انجمن‌ها خودشان کار را انجام می‌دهند.»61

در عین حال، جیمنز متوجه شد که نشان دادن این مساله که سازمان‌­دهندگان Aclimate Colombia برای رسیدن به اهداف مشترک کار می­‌کنند و تمایل به ایجاد زبان مشترک با کاربران دارند (یعنی کشاورزان)، به جذب بیشتر ابزارها و یافته‌های تحقیق کمک کرده است. وی در مصاحبه‌­ای با موسسه توسعه خارجی، اذعان داشته «یک کشاورز به من گفت که آن‌ها بر اساس تحقیق عمل می­‌کنند چون مبتنی بر داده خود آن‌هاست.»62 در این وضعیت، فابرزیو اسکرولینی، رئیس دانشگاه اروگوئه، پروژه Aclimate Colombia را مثال بارزی از "نوآوری جامع" می‌­داند.63

موانع

عدم دسترسی اولیه به مجموعه داده‌­های مهم

بیشتر ارزش و کاربرد Aclimate Colombia ناشی از تجمیع و تحلیل مجموعه داده متنوعی است که از بخش‌­ها و موسسات مختلف گرفته شده است. با توجه به این حقیقت که «دسترسی باز و اشتراک‌­گذاری داده هنوز در بسیاری جاها در مراحل اولیه خود است»، دسترسی یک فرایند نسبتا آرام و دشوار است.64 همانطور که در بالا گفته شد، ایجاد اعتبار، اثبات مفهوم و تمایل به ایجاد زبان مشترک با انجمن‌­های کشاورزان و نمایندگان آن‌ها، به کاهش تدریجی این چالش کمک می‌کند.

اکوسیستم رشد نیافته

پروژه Alimate Colombia با کار مستقیم با انجمن‌­های کشاورزان که مانند فراهم­‌کنندگان داده و واسطه عمل می­‌کنند و ابزارها و دیدگاه‌های خود را به کشاورزان فردی ارائه می‌نماید، توانست از یکی از مهمترین چالش‌های پیش روی تلاش‌های داده در سراسر جهان اجتناب کند: یعنی فقدان فناوری تکامل یافته و اکوسیستم نوآوری.

همان‌طور که اسکار مونتیل از موسسه بین‌­المللی دانش­باز (OKI) می‌گوید، بازیگران در فناوری شهروندی و جوامع منبع‌­باز در کلمبیا «واقعا کوچک و جدا از هم هستند.»65 استبان پالاز گومز از بنیاد کورونا با این مساله موافق و معتقد است اگرچه کسب و کارهای فناوری و نوآوران در کشور وجود دارند اما «آن‌ها بخشی از جامعه‌­ای نیستند که هدف تاثیرگذاری اجتماعی داشته باشند.»66

در حالی که Aclimate Colombia نیازی به بازیگران فناوری شهروندی بخش خصوصی ندارد تا از ابزار خود استفاده کند، اما مونتیل معتقد است که بدون این اکوسیستم، تاثیرات منفی بر انواع داده منتشر شده توسط دولت وجود خواهد داشت. وی معتقد است که تقاضا برای داده‌­باز رشد نیافته و استفاده از اکوسیستم باعث ایجاد مشکلاتی مانند چارچوب­‌های صدور مجوز داده می­‌شود که استفاده مجدد از داده حاکمیتی را مشکل می­‌سازند.67

فقدان مشارکت‌کنندگان جامعه مدنی در اکوسیستم داده‌­باز کلمبیا

مونتیل و مور رابینشتین از موسسه OKI که هر دو برای بخشی از برنامه تلاش شاخص داده‌­باز برای کلمبیا کار کرده‌­اند، معتقدند در مقایسه با دیگر کشورهای منطقه، جامعه شهروندی در کلمبیا نسبتا تکه تکه است و نقش عمده‌­ای در جلو راندن داده‌­باز ندارد. همانطور که رابینشتین می­‌گوید، نقش جامعه مدنی کلمبیا در پیشبرد داده باز در هر صورت «یک علامت سوال بزرگ» است.68 بنابراین، در حالی که استثناهای قابل توجهی مانند CIAT و بنیاد کورونا وجود دارند، مونتیل معتقد است که همکاری گسترده‌ای بین دولت و جامعه مدنی وجود ندارد و در عوض، دولت «همان کاری را انجام می‌­دهد که آن‌ها با داشتن دانش فنی انجام می‌­دادند».69

تکرار

به نظر می‌­رسد تکرار ابزارها و الگوریتم‌­های تحلیلی Aclimate Colombia ابزار نویدبخشی باشد، چون الگوریتم­‌ها و فرایندهایی که باعث آگاهی از ابزارهای پروژه می‌شوند، مخصوص به یک زمینه خاص نیستند و می­‌توان از آن‌ها در هر جایی که داده مرتبط وجود دارد، استفاده کرد.70 در نتیجه، مراحلی طی شده تا پروژه­‌ها در کلمبیا و آرژانتین، نیکاراگوئه، پرو و اروگوئه، با مشارکت صندوق برنج آبی آمریکای لاتین (FLAR) مقیاس‌بندی شوند.71

نگاه به جلو

بهبود ابزارها و گسترش داده مورد استفاده

فراتر از راهبردی کردن روش‌­هایی که برای مشارکت کشاورزان فوق‌الذکر به کار می‌رود، تیم CIAT برای بهبود عملکرد و گسترش استفاده از Aclimate Colombia از طریق یکپارچه‌­سازی مجموعه داده جدید کار می­‌کنند. تحقیقات بیشتر برای پلتفرم باید این مساله را بررسی کنند که چطور می­‌توان از داده مربوط به «خاک‌­ها، آفت­‌ها، بیماری‌­ها، هزینه­‌ها و دیگر عوامل برای افزایش قدرت توضیحی استفاده کرد.»72

این تیم در حال بررسی "حوزه نوظهور حسگری از راه دور و انرژی ماهواره" است که جیمنز احساس می­‌کند «می‌­تواند روش کارآمدی برای جمع‌آوری اطلاعات در میدان باشد.»73

مقیاس‌­بندی با دیگر کشورها در منطقه

همانطور که در بخش فوق گفته شد، CIAT با صندوق برنج آبی آمریکای لاتین همکاری می­‌کند. به علاوه، محققان CIAT قصد دارند تا با صندوق برنج آبی آمریکای لاتین (FLAR) با پشتیبانی CCAFS و بانک جهانی کار کنند تا رویکردهای جدیدی برای انجمن‌­های کشاورزان برنج در دیگر کشورها، مخصوصا نیکاراگوئه، پرو، آرژانتین و اروگوئه معرفی کنند. CIAT با مرکز بین‌­المللی بهبود گندم و ذرت (CGIAR CIMMYT) کار می­‌کند تا دیدگاه داده­‌محور را وارد تولید ذرت در مکزیک کند. این پروژه‌­های جدید در آمریکای لاتین به عنوان مطالعات موردی عمل می­‌کنند، و مبنایی برای تکرار بیشتر و مقیاس‌­بندی به وجود می‌آورند.74

ایجاد اکوسیستم داده باز در کلمبیا

فراتر از Aclimate Colombia، CIAT و دیگر بازیگران داده‌­محور دخیل در این پروژه، موقعیت مناسبی برای کمک به پیش‌راندن اکوسیستم داده‌­باز در کلمبیا دارند. همانطور که فابریزیو اسکرولینی می‌­گوید: «ججایگاه ویژه‌­ای در بازار برای سازمان‌های جدید یا سازمان‌هایی که بخشی سیاسی یا اجتماعی هستند به وجود آمده که می­‌توانند وارد آن شوند. جایگاه ویژه همین­‌جا است.»75 در واقع، اسکرولینی معتقد است اگرچه ارزش کار داده­‌محور در مناطقی که متمرکز بر تولید ثروت هستند، جای پای خود را می‌­یابد اما جذب مشابه در استفاده از داده برای رسیدن به اهداف اجتماعی وجود ندارد. Aclimate Colombia می‌­تواند نمونه­‌ای قوی باشد که نشان می‌­دهد داده‌­باز به چه صورت می‌­تواند تاثیرات مثبتی بر صلاح عمومی و جزوه‌­های آموزشی کسانی داشته باشد که از داده استفاده می­‌کنند (در این مورد، کشاورزان).

همانطور که اسکرولینی می­‌گوید: «حدس می‌­زنم زمان آن است تا این افراد را سازماندهی کنیم و سازمان‌های غیر دولتی سنتی را برای کار استفاده کنیم که رفتار خوبی دارند و دولت و برخی بخش‌­ها را در این کار مشارکت دهیم، طوری که بتوانند همه چیز را تغییر دهند و به ادامه کار تشویق کنند. می‌­دانم افرادی در دولت هستند که می­‌خواهند این چالش را در نظر بگیرند، این مساله شروع کار است.» این چیزی است که داده به صورت موثر در آن مشارکت خواهد کرد.76

نتیجه‌گیری

با توجه به فراهم شدن داده‌­باز، استفاده و تاثیر آن، کلمبیا مطالعه موردی جالبی را در جهان در حال توسعه نشان می‌­دهد. بر اساس ارزشیابی‌های بین‌المللی، این کشور را می­‌توان رهبر کشورهای آمریکای لاتین در حوزه داده‌­باز دانست. برخی پروژه‌­های داده‌­باز هم از قبل وجود داشته باشند یا به‌زودی به وجود می‌­­آیند، اگرچه شایان ذکر است که این پروژه‌­ها که توسط سازمان­‌های بین‌المللی پایه‌گذاری شده­‌اند، با فعالیت نسبتا کم بخش خصوصی کلمبیا و کسب و کارهای نوپا همراه هستند.

در این محیط نوآوری داده‌­باز، پروژه Aclimate Colombai مانند یک عامل استاندارد و کاتالیست عمل می­‌کند. هدف این پلتفرم، بررسی مساله تعریف شده، استفاده از مشارکت در بین بخش‌­ها برای دسترسی به داده و استفاده از آن، و فراهم کردن مزایا برای گروه‌­های مختلف بازیگران بخش خصوصی در بخش کشاورزی، بدون در نظر گرفتن اندازه آن‌هاست. USAID، کلمبیا را به عنوان یکی از سه کشوری انتخاب کرده که در پروژه خدمات آب و هوایی برای توسعه تاب‌آور مشارکت دارند، که تا حدی به خاطر قابلیت نوآوری است که دولت و بازیگران جامعه مدنی این کشور نشان داده‌­اند و Aclimate Colombia را امکان­‌پذیر ساخته‌اند. در حالی که سوالات و موانع بسیاری باقی مانده‌­اند که یکی از آن‌ها چالش مشارکت کشاورزانی است که با واسطه­‌های اصلی همکاری ندارند، اگر Aclimate Colombia به رشد و تکامل خود در این مسیر ادامه دهد، باید راه مشخصی در فضای داده‌­باز نوظهور در کلمبیا و آمریکای لاتین طی کند.

شما می‌توانید از طریق فایل برخط زیر، به متن این نوشته دسترسی داشته باشید:

فایل word برخط

همچنین می‌توانید منبع اصلی این نوشته را از اینجا مطالعه کنید.

منابع

  1. Not found
  2. Not found
  3. CIAT Communicaciones, “A Powerful Voice for Climate-smart Agriculture in the Tropics,” December 6, 2014, CIAT, https://ciat.cgiar.org/news-2-2/a-powerful-voice-for-climate-smart-agriculture-in-the-tropics.
  4. Ibid.
  5. Elizabeth Stuart, Emma Samman, William Avis and Tom Berliner, The Data Revolution: Finding the Missing Millions, Research Report 03, Development Progress, 2015, https://www.odi.org/sites/odi.org.uk/files/odi-assets/publications-opinion-files/9604.pdf
  6. S. Delerce, et al., “Assessing Weather-Yield Relationships in Rice at Local Scale Using Data Mining Approaches,” PLoS ONE, August 25, 2016, http://journals.plos.org/plosone/article?id=10.1371%2Fjournal.pone.0161620.
  7. CTIAR and CCAFS, “Big Data for Climate-smart Agriculture,” Change for the Better: The CCAFS 2015 Annual Report, https://ccafs.cgiar.org/bigdata#.V6jLT5ODGko.
  8. Ibid.
  9. Social Progress Imperative, “Contributing to Novel Open Data Platform in Columbia,” March 27, 2016, http://www.socialprogressimperative.org/contributing-to-novel-open-data-platform-in-colombia/.
  10. The World Bank Group, “Climate Change Knowledge Portal,” 2016, http://sdwebx.worldbank.org/climateportal/index.cfm?page=country_historical_climate&ThisCCode=COL.
  11. Open Government Partnership, “Columbia,” 2015, http://www.opengovpartnership.org/country/colombia.
  12. GovLab interview with Oscar Montiel, Open Knowledge International, September 8, 2016.
  13. GovLab interview with Daniel Uribe, Fundacion Corona, September 13, 2016.
  14. Aclímate Colombia, “Quiénes Somos,” http://www.aclimatecolombia.org/quienes-somos-2/.
  15. GovLab interview with Daniel Jimenez, International Center for Tropical Agriculture (CIAT), August 23, 2016.
  16. “Information Request,” IDEAM, http://www.ideam.gov.co/solicitud-de-informacion.
  17. GovLab interview with Daniel Jimenez, International Center for Tropical Agriculture (CIAT), August 23, 2016.
  18. Aclímate Colombia, “Quiénes Somos,” http://www.aclimatecolombia.org/quienes-somos-2/
  19. GovLab interview with Daniel Jimenez, International Center for Tropical Agriculture (CIAT), August 23, 2016.
  20. Ibid.
  21. GovLab interview with Miryam Patricia Guzmán García, Deputy Director of Technology, Fedearroz, September 5, 2016.
  22. Ibid.
  23. “Colombia: The Effects of Drought in La Guajira,” World Food Programme, August 27, 2014, https://www.wfp.org/stories/colombia-effects-drought-la-guajira.
  24. “Drought threat to Colombia’s southern farming belt,” World Bulletin, April 3, 2014, http://www.worldbulletin.net/news/132752/drought-threat-to-colombias-southern-farming-belt.
  25. GovLab interview with Daniel Jimenez, International Center for Tropical Agriculture (CIAT), August 23, 2016.
  26. .Silvain Delerce, et al., “Assessing Weather-Yield Relationships in Rice at Local Scale Using Data Mining Approaches,” PLOS One, August 25, 2016, http://journals.plos.org/plosone/article?id=10.1371%2Fjournal.pone.0161620.
  27. CTIAR and CCAFS, “Big Data for Climate-smart Agriculture,” Change for the Better: The CCAFS 2015 Annual Report, https://ccafs.cgiar.org/bigdata#.V6jLT5ODGko.
  28. GovLab interview with Miryam Patricia Guzmán García, Deputy Director of Technology, Fedearroz, September 5, 2016.
  29. Ibid.
  30. CTIAR and CCAFS, “Big Data for Climate-smart Agriculture,” Change for the Better: The CCAFS 2015 Annual Report, https://ccafs.cgiar.org/bigdata#.V6jLT5ODGko.
  31. Francois van Schalkwyk, Andrew Young and Stefaan Verhulst, “Esoko – Leveling the Information Playing Field for Smallholder Farmers,” Open Data for Developing Economies Case Studies, DATE TBD, http://odimpact.org/case-ghana-empowering-smallholder-farmers.html.
  32. GovLab interview with Mor Rubinstein, Open Knowledge International, September 8, 2016.
  33. .Silvain Delerce, et al., “Assessing Weather-Yield Relationships in Rice at Local Scale Using Data Mining Approaches,” PLOS One, August 25, 2016, http://journals.plos.org/plosone/article?id=10.1371%2Fjournal.pone.0161620.
  34. GovLab interview with Miryam Patricia Guzmán García, Deputy Director of Technology, Fedearroz, September 5, 2016.
  35. .Silvain Delerce, et al., “Assessing Weather-Yield Relationships in Rice at Local Scale Using Data Mining Approaches,” PLOS One, August 25, 2016, http://journals.plos.org/plosone/article?id=10.1371%2Fjournal.pone.0161620.
  36. Ibid.
  37. Elizabeh Stuart, “The Data Revolution: Finding the Missing Millions,” Development Progress, Research Report 03, 2015, https://www.odi.org/sites/odi.org.uk/files/odi-assets/publications-opinion-files/9604.pdf.
  38. CTIAR and CCAFS, “Big Data for Climate-smart Agriculture,” Change for the Better: The CCAFS 2015 Annual Report, https://ccafs.cgiar.org/bigdata#.V6jLT5ODGko.
  39. Elizabeh Stuart, “The Data Revolution: Finding the Missing Millions,” Development Progress, Research Report 03, 2015, https://www.odi.org/sites/odi.org.uk/files/odi-assets/publications-opinion-files/9604.pdf.
  40. .Silvain Delerce, et al., “Assessing Weather-Yield Relationships in Rice at Local Scale Using Data Mining Approaches,” PLOS One, August 25, 2016, http://journals.plos.org/plosone/article?id=10.1371%2Fjournal.pone.0161620.
  41. Ibid.
  42. GovLab interview with Miryam Patricia Guzmán García, Deputy Director of Technology, Fedearroz, September 5, 2016.
  43. Silvain Delerce, et al., “Assessing Weather-Yield Relationships in Rice at Local Scale Using Data Mining Approaches,” PLOS One, August 25, 2016, http://journals.plos.org/plosone/article?id=10.1371%2Fjournal.pone.0161620.
  44. GovLab interview with Miryam Patricia Guzmán García, Deputy Director of Technology, Fedearroz, September 5, 2016.
  45. Andrés Bermúdez Liévano, “Los arroceros aprenden a vivir en un mundo con menos agua,” La Silla Nacional, January 17, 2016, http://lasillavacia.com/historia/los-arroceros-aprenden-vivir-en-un-mundo-con-menos-agua-52478.
  46. Silvain Delerce, et al., “Assessing Weather-Yield Relationships in Rice at Local Scale Using Data Mining Approaches,” PLOS One, August 25, 2016, http://journals.plos.org/plosone/article?id=10.1371%2Fjournal.pone.0161620.
  47. Oluwabunmi Ajilore “Big Data, Big Prospects: Crunching data for farmers’ climate adaptation,” Change for the Better: The CCAFS 2015 Annual Report, September 12, 2014, https://ccafs.cgiar.org/blog/big-data-big-prospects-crunching-data-farmers-climate-adaptation#.V6jLZpODGkp.
  48. Global Open Data for Agriculture and Nutrition, How Can We Improve Agriculture, Food and Nutrition with Open Data? Open Data Institute, 2015, http://www.godan.info/sites/default/files/old/2015/04/ODI-GODAN-paper-27-05-20152.pdf.
  49. United Nations Global Pulse, “Big Data Climate Challenge,” Press Release, September 2, 2014, https://www3.wider.unu.edu/sites/default/files/News/Documents/Big-Data-Climate-Challenge-press-release-5633.pdf.
  50. GovLab interview with Daniel Jimenez, International Center for Tropical Agriculture (CIAT), August 23, 2016.
  51. Ibid.
  52. Ibid.
  53. GovLab interview with Daniel Uribe, Fundacion Corona, September 13, 2016.
  54. GovLab interview with Daniel Jimenez, International Center for Tropical Agriculture (CIAT), August 23, 2016.
  55. Silvain Delerce, et al., “Assessing Weather-Yield Relationships in Rice at Local Scale Using Data Mining Approaches,” PLOS One, August 25, 2016, http://journals.plos.org/plosone/article?id=10.1371%2Fjournal.pone.0161620.
  56. GovLab interview with Daniel Jimenez, International Center for Tropical Agriculture (CIAT), August 23, 2016.
  57. Ibid.
  58. Ibid.
  59. Ibid.
  60. Ibid.
  61. Ibid.
  62. Elizabeh Stuart, “The Data Revolution: Finding the Missing Millions,” Development Progress, Research Report 03, 2015, https://www.odi.org/sites/odi.org.uk/files/odi-assets/publications-opinion-files/9604.pdf.
  63. GovLab interview with Fabrizio Scrollini, September 13, 2016.
  64. Oluwabunmi Ajilore “Big Data, Big Prospects: Crunching data for farmers’ climate adaptation,” Change for the Better: The CCAFS 2015 Annual Report, September 12, 2014, https://ccafs.cgiar.org/blog/big-data-big-prospects-crunching-data-farmers-climate-adaptation#.V6jLZpODGkp.
  65. GovLab interview with Oscar Montiel, Open Knowledge International, September 8, 2016.
  66. GovLab interview with Esteban Peláez Gómez, Coordinator of Social Projects, Fundación Corona, September 13, 2016.
  67. GovLab interview with Oscar Montiel, Open Knowledge International, September 8, 2016.
  68. GovLab interview with Mor Rubinstein, Open Knowledge International, September 8, 2016.
  69. GovLab interview with Oscar Montiel, Open Knowledge International, September 8, 2016.
  70. Silvain Delerce, et al., “Assessing Weather-Yield Relationships in Rice at Local Scale Using Data Mining Approaches,” PLOS One, August 25, 2016, http://journals.plos.org/plosone/article?id=10.1371%2Fjournal.pone.0161620.
  71. CTIAR and CCAFS, “Big Data for Climate-smart Agriculture,” Change for the Better: The CCAFS 2015 Annual Report, https://ccafs.cgiar.org/bigdata#.V6jLT5ODGko.
  72. Ibid.
  73. GovLab interview with Daniel Jimenez, August 23, 2016.
  74. CTIAR and CCAFS, “Big Data for Climate-smart Agriculture,” Change for the Better: The CCAFS 2015 Annual Report, https://ccafs.cgiar.org/bigdata#.V6jLT5ODGko.
  75. GovLab interview with Fabrizio Scrollini, September 13, 2016.
  76. Ibid.