如果我们的目标不仅是缓解贫困,而是彻底消除贫困,就需要理解其成因。但我们也需要了解非贫困的状态是什么样的。
直到最近,这一点都并不容易。如今,技术创新正帮助我们实现曾经不可能的事情,其影响十分深远。
在巴拉圭基金会(Fundación Paraguaya),我们开发了一种名为“贫困红绿灯”(Poverty Stoplight)的方法。为评估贫困程度,我们会向人们展示一组三张照片,并请他们选择最能描述其状况的一张。我们针对50项“关键指标”逐一进行这一评估,例如获得饮用水的机会、营养水平、牙齿护理等。这些图片采用颜色编码以代表贫困程度:红色表示极度贫困,黄色表示贫困,绿色表示非贫困。
这一方法基于安娜·卡列尼娜原则:“幸福的家庭都相似;不幸的家庭各有各的不幸。”贫困问题同样如此。
此前,我们使用传统的纸笔收集这些数据,对一户家庭进行评估可能要耗费整个下午。后来,我们与惠普(Hewlett Packard)合作,将这一流程转化为在平板电脑上运行的应用程序,如今人们只需轻点相应的照片即可。
但这里发生的变化比这更为微妙。个性化策略能够揭示每个家庭特有贫困状况的关键数据。更重要的是,家庭能够自我诊断其贫困程度,并通过看到其他照片,设想可能的解决方案。
这种方法使我们能够提出一些不寻常的问题。例如:您是否觉得自己有能力规划未来?一位农村地区的文盲妇女可能从未思考过这样的问题。她可能会点选红色或黄色的图片,但在看到绿色图片时,她便看到了非贫困的状态是什么样的。结果是,她很可能会说:“我能做到。”而她能否做到的证明,往往就在她的村庄里——已经有人在这样做了。
世界上每个贫民窟的每一项贫困指标都存在差异:有一个家庭,按其收入而言本应无力为所有子女接种疫苗,但他们却做到了。也有一个家庭有足够的钱修建厕所,但他们并未购买。因此,贫困的解决之道往往源于内部。
数据收集方式的这一转变正在影响公共政策。各国政府对“贫困红绿灯”感兴趣,因为它能从需求方而非官员的角度,告诉政府谁需要什么。
我们还看到另一项转变:我们正从衡量产出转向评估成果。这是一个非常重要的区别。如今,我们能够绘制政府支出的具体成效,仅衡量预算支出已变得多余。
政府可能报告称已实现93%的健康诊所覆盖率,但如果参与率只有53%,那么93%的数字便毫无意义;这其中存在根本性问题。某培训中心可能夸耀其已开展180小时的培训,但这并非关键——关键在于人们是否具备相应技能。
由于我们能够绘制地域可视化图,这使我们在巴拉圭得以与大约30个不同机构和15个非政府组织合作,进入一个拥有2,000户家庭的村庄。每个机构都能专注于自身的专长领域:它们知道谁需要疫苗,哪些住户尚未接通安全饮用水,等等。
以社区和家庭为单位审视贫困,意味着数据不再仅面向政策制定者,用于汇总指数;这些数据还可以通过参与式流程与贫困人口共享,从而赋能于他们,并让他们——往往是第一次——得以窥见非贫困的状态是什么样的。
作者:Martin Burt 是非政府组织巴拉圭基金会(Fundación Paraguaya)的创始人兼首席执行官。
图片:2014年4月2日,一名方济各会修女在亚松森附近的拉姆巴雷市与儿童玩耍。路透社/Jorge Adorno




