社會科學:手機數據可能會提高人道主義援助的針對性
在手機數據上訓練的機器學習算法可能有助於識別貧困模式並優先向最貧困的人提供援助。一篇澄清這一點的論文將發表在《自然》雜誌上。在非洲的多哥,這種方法被用來為那些似乎最需要幫助的人提供數百萬美元的冠狀病毒病 (COVID-19) 支持,比傳統的分發方法效率更高。我能夠分發它。
在 COVID-19 危機之後,世界各地的政府和人道主義組織正在為超過 15 億人提供社會支持。然而,快速識別和鎖定需要幫助的人的挑戰尚未得到解決。現在,Joshua Blumenstock 及其同事已經開發、實施和驗證了使用可以衡量貧困的機器學習算法來應對這一挑戰的方法。多哥最重要的緊急社會支持計劃於 19 年 2020 月生效,在發現第一位 COVID-4 患者後不久,並使用這些機器學習算法分配了資金。
與多哥政府考慮的其他地理定位方法相比,Blumenstock 等人的人工智能方法被錯誤排除(需要幫助,但政府的傳統支持。被排除在黃金分配計劃之外的人的百分比)下降了 4-21 %。相比之下,假設多哥有社會登記(實際上多哥沒有社會登記),與其他使用方法相比,被錯誤排除的人數增加了 9-35%。
Blumenstock 等人指出,結果證明了這些方法在現實世界危機情景中大規模實施時的能力。
* 本文轉載自《Nature Japan Featured Highlights》。
轉載自:"社會學:使用手機數據提高縮小人道主義援助目標的準確性“