Durante años, los formuladores de políticas se han basado en encuestas y datos censales para rastrear y responder a la pobreza extrema.
Si bien es eficaz, reunir esta información es costoso y requiere mucho tiempo, y a menudo carece de detalles que las organizaciones de ayuda y los gobiernos necesitan para desplegar mejor sus recursos.
Eso podría cambiar pronto
Una nueva técnica de mapeo, descrita en la edición del 14 de noviembre de las Actas de las Academias Nacionales de Ciencias, muestra cómo los investigadores están desarrollando herramientas computacionales que combinan registros de teléfonos celulares con datos de satélites y sistemas de información geográfica para crear pobreza oportuna e increíblemente detalladamapas.
"A pesar de mucho progreso en las últimas décadas, todavía hay más de mil millones de personas en todo el mundo que carecen de alimentos, refugio y otras necesidades humanas básicas", dice Neeti Pokhriyal, uno de los coautores del estudio y candidato a doctorado en el Departamentode Ciencias de la Computación e Ingeniería en la Universidad de Buffalo.
El estudio se titula "Combinación de fuentes de datos dispares para mejorar la predicción y el mapeo de la pobreza".
Algunas organizaciones definen la pobreza extrema como una grave falta de alimentos, atención médica, educación y otras necesidades básicas. Otras lo relacionan con los ingresos; por ejemplo, el Banco Mundial dice que las personas que viven con menos de $ 1.25 por día precios de 2005 son extremadamenteempobrecido.
Aunque está disminuyendo en la mayoría de las áreas del mundo, aproximadamente 1.200 millones de personas aún viven en la pobreza extrema. La mayoría se encuentra en Asia, África subsahariana y el Caribe. Las organizaciones de ayuda y las agencias gubernamentales dicen que los datos oportunos y precisos son vitales para terminar con la pobreza extremapobreza.
El estudio se centra en Senegal, un país subsahariano con una alta tasa de pobreza.
El primer conjunto de datos son 11 mil millones de llamadas y mensajes de texto de más de 9 millones de usuarios de teléfonos móviles senegaleses. Toda la información es anónima y captura cómo, cuándo, dónde y con quién se comunican las personas.
El segundo conjunto de datos proviene de imágenes satelitales, sistemas de información geográfica y estaciones meteorológicas. Ofrece información sobre la seguridad alimentaria, la actividad económica y la accesibilidad a los servicios y otros indicadores de pobreza. Esto se puede deducir de la presencia de electricidad, carreteras pavimentadas,agricultura y otros signos de desarrollo.
Los dos conjuntos de datos se combinan utilizando un marco basado en aprendizaje automático.
Utilizando el marco, los investigadores crearon mapas que detallan los niveles de pobreza de 552 comunidades en Senegal. Los mapas de pobreza actuales dividen a la nación en cuatro regiones. El marco también puede ayudar a predecir ciertas dimensiones de la pobreza, como las privaciones en la educación, el nivel de vida ysalud.
A diferencia de las encuestas o censos, que pueden llevar años y costar millones de dólares, estos mapas se pueden generar de forma rápida y rentable. Y se pueden actualizar con la frecuencia que se actualizan las fuentes de datos. Además, su naturaleza de diagnóstico puede ayudar a ayudardiseñadores de políticas en el diseño de mejores intervenciones para combatir la pobreza.
Pokhriyal, quien comenzó a trabajar en el proyecto en 2015 y ha viajado a Senegal, dice que el objetivo no es reemplazar el censo y las encuestas, sino complementar estas fuentes de información entre ciclos. El enfoque también podría ser útil en áreas de guerra yconflicto, así como regiones remotas.
Fuente de la historia :
Materiales proporcionado por Universidad de Buffalo . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :