I governi e i gruppi umanitari possono utilizzare algoritmi di apprendimento automatico e dati dei telefoni cellulari per fornire aiuti a coloro che ne hanno più bisogno durante una crisi umanitaria, come abbiamo scoperto in una nuova ricerca.

La semplice idea alla base di questo approccio, come abbiamo spiegato nella rivista Nature il 16 marzo 2022, è che i ricchi usano i telefoni in modo diverso dai poveri. Le loro telefonate e messaggi di testo seguono schemi diversi e utilizzano piani dati diversi, ad esempio. Gli algoritmi di apprendimento automatico, che sono strumenti fantasiosi per il riconoscimento dei modelli, possono essere addestrati per riconoscere queste differenze e dedurre se un determinato abbonato mobile è ricco o povero.

Con la diffusione della pandemia di COVID-19 all'inizio del 2020, il nostro team di ricerca ha aiutato il Ministero dell'economia digitale del Togo e GiveDirectly, un'organizzazione no profit che invia denaro alle persone che vivono in condizioni di povertà, a trasformare questa intuizione in un nuovo tipo di programma di aiuti.

In primo luogo, abbiamo raccolto dati recenti, affidabili e rappresentativi. Lavorando sul campo con i partner in Togo, abbiamo condotto 15.000 sondaggi telefonici per raccogliere informazioni sulle condizioni di vita di ogni famiglia. Dopo aver confrontato le risposte al sondaggio con i dati delle società di telefonia mobile, abbiamo addestrato gli algoritmi di apprendimento automatico a riconoscere i modelli di utilizzo del telefono caratteristici delle persone che vivono con meno di $ 1,25 al giorno.

La sfida successiva è stata capire se un sistema basato sull'apprendimento automatico e sui dati telefonici sarebbe stato efficace nel portare denaro alle persone più povere del paese. La nostra valutazione ha indicato che questo nuovo approccio ha funzionato meglio di altre opzioni che il governo del Togo stava prendendo in considerazione.

Ad esempio, concentrarsi interamente sui cantoni più poveri, che sono analoghi alle contee degli Stati Uniti, avrebbe portato benefici solo al 33% delle persone che vivono con meno di 1,25 dollari USA al giorno. Al contrario, l'approccio di apprendimento automatico ha preso di mira il 47% di quella popolazione.

Abbiamo quindi collaborato con il governo del Togo, GiveDirectly e i leader della comunità per progettare e pilotare un programma di trasferimento di denaro basato su questa tecnologia. A novembre 2020 sono stati iscritti e pagati i primi beneficiari. Ad oggi, il programma ha fornito quasi 10 milioni di dollari a circa 137.000 dei cittadini più poveri del paese.

Il nostro lavoro mostra che i dati raccolti dalle società di telefonia mobile, se analizzati con la tecnologia di apprendimento automatico, possono aiutare a indirizzare gli aiuti alle persone più bisognose.

Anche prima della pandemia, oltre la metà degli 8,6 milioni di persone della nazione dell'Africa occidentale viveva al di sotto della soglia di povertà internazionale. Poiché il COVID-19 ha ulteriormente rallentato l'attività economica, i nostri sondaggi hanno indicato che il 54% di tutti i togolesi era costretto a saltare i pasti ogni settimana.

La situazione in Togo non era unica. La crisi causata dalla pandemia di COVID-19 ha spinto milioni di persone in condizioni di estrema povertà. In risposta, i governi e gli enti di beneficenza hanno lanciato diverse migliaia di nuovi programmi di aiuto, fornendo benefici a oltre 1,5 miliardi di persone e famiglie in tutto il mondo.

Ma nel mezzo di una crisi umanitaria, i governi lottano per capire chi ha bisogno di aiuto con maggiore urgenza. In circostanze ideali, tali decisioni sarebbero basate su indagini complete sulle famiglie. Ma non c'era modo di raccogliere queste informazioni nel mezzo di una pandemia.

Il nostro lavoro aiuta a dimostrare come le nuove fonti di big data, come le informazioni raccolte dai satelliti e dalle reti di telefonia mobile, possono consentire di indirizzare gli aiuti in condizioni di crisi quando le fonti di dati più tradizionali non sono disponibili.

Stiamo conducendo una ricerca di follow-up per valutare in che modo i trasferimenti di denaro hanno influenzato i destinatari. I risultati precedenti indicano che i trasferimenti di denaro possono aiutare ad aumentare la sicurezza alimentare e migliorare il benessere psicologico in tempi normali. Stiamo valutando se tale aiuto abbia risultati simili durante una crisi.

È anche essenziale trovare il modo di iscrivere e pagare le persone senza telefono. In Togo, circa l'85% delle famiglie aveva almeno un telefono e spesso i telefoni sono condivisi all'interno di famiglie e comunità. Tuttavia, non è chiaro quante persone che avevano bisogno di assistenza umanitaria in Togo non l'abbiano ricevuta a causa della mancanza di accesso a un dispositivo mobile.

In futuro, i sistemi che combinano nuovi metodi che sfruttano l'apprendimento automatico e i big data con approcci tradizionali basati su sondaggi sono destinati a migliorare il targeting degli aiuti umanitari.