El aprendizaje automático y los datos telefónicos pueden mejorar la orientación de la ayuda humanitaria

Área de la Ciencia:

• Ciencia de los datos
• Economía del desarrollo
• Logística humanitaria

Sus antecedentes:

• La pandemia de COVID-19 exacerbó la inseguridad alimentaria y la pobreza en las naciones de bajos y medianos ingresos.
• Los programas de asistencia social han alcanzado a más de 1.500 millones de personas en todo el mundo.
• La orientación efectiva de la ayuda a los más necesitados es un reto persistente.

Objetivo del estudio:

• Investigar la eficacia de los datos de la red de telefonía móvil para mejorar la orientación de la ayuda humanitaria.
• Desarrollar y evaluar algoritmos de aprendizaje automático para la identificación de la pobreza utilizando datos móviles.

Principales métodos:

• Utilizó datos de encuestas tradicionales para entrenar algoritmos de aprendizaje automático.
• Aplicó algoritmos entrenados a los datos de teléfonos móviles para identificar patrones de pobreza.
• Evaluó el enfoque utilizando un programa de transferencia de efectivo de emergencia COVID-19 en Togo.

Principales resultados:

• El enfoque de aprendizaje automático redujo los errores de exclusión en un 4-21% en comparación con la orientación geográfica.
• En comparación con un hipotético registro social completo, los errores de exclusión aumentaron en un 9-35%.

Conclusiones:

• Los datos de teléfonos móviles ofrecen un valioso complemento a los métodos tradicionales para la orientación de la ayuda humanitaria.
• Este enfoque es particularmente relevante en situaciones de crisis con datos incompletos o desactualizados.