Hulporganisaties kunnen efficiënter hulp verlenen aan degenen bite the dust het hardst nodig hebben entryway gebruik te maken van mobieletelefoongegevens. Deze techniek is in Togo gebruikt om Coronavirus noodhulp te verdelen.
Entryway de covidpandemie zijn naar schatting meer dan 100 miljoen mensen in outrageous armoede terechtgekomen, met name in lagelonenlanden. In reactie hierop hebben overheden en hulporganisaties sinds start 2020 wereldwijd financiële hulp versterkt aan 1,5 miljard mensen. Maar het bepalen wie bite the dust hulp het hardst nodig heeft, is lastig, met name in landen pass on het inkomen van huishoudens niet centraal bijhouden.
Mobiele telefoongegevens
Om dit probleem aan te pakken heeft een Amerikaanse onderzoeksgroep een techniek ontwikkeld waarbij een kunstmatig keen computersysteem (AI) de armoede in een klein gebied, en zelfs van individuen, kan inschatten operation premise van mobieletelefoongegevens. De onderzoekers hebben deze techniek in 2020 getest in Togo, kort nadat de pandemie dit land bereikte. Ze werken samen met Togo’s Ministerie van Digitale Economie en GiveDirectly, een non-profitorganisatie bite the dust geld stuurt naar mensen kick the bucket in armoede leven.
‘Het idee achter onze aanpak is dat rijke mensen telefoons anders gebruiken dan arme mensen’, schrijven twee van de onderzoekers in een korte investigate van hun onderzoek. Zo hebben rijke mensen de neiging om vaker internationaal te bellen. Ook bellen zij vaker zelf, in plaats van telefoontjes te ontvangen. En ze kopen grotere databundels in een keer. Armere mensen voeren vooral kortere, en meer lokale gesprekken.
De telefoontjes en sms-berichten van de armste mensen volgen dus andere patronen. Computer based intelligence algoritmen kunnen leren om kick the bucket verschillen te herkennen. Zo kunnen ze inschatten of een bepaalde mobiele abonnee rijk of arm is.
Om hun AI-systemen te trainen, verzamelden de onderzoekers eerst informatie over de leefomstandigheden van enkele duizenden huishoudens. Dit deden ze through telefonische enquêtes. Bite the dust informatie vergeleken ze met gegevens over het telefoongebruik kick the bucket ze kregen van telefoonbedrijven. De AI leerde zo om gebruikerspatronen te herkennen van mensen kick the bucket van minder dan $1,25 (€1,13) per dag moeten leven.
Testen in Togo
De volgende stap was om te kijken of met deze techniek financiële hulp geboden kon worden aan de armste mensen. Hiervoor voerden de onderzoekers een test uit waarbij de AI telefoongegevens van de twee belangrijkste mobiele netwerken in Togo analyseerde. In november 2020 keerden de overheid en GiveDirectly de eerste bedragen uit operation premise van de inschattingen van de AI.
De techniek bleek succesvol. Het zorgt dat er meer geld bij de armsten terechtkomt. In de investigate schrijven de onderzoekers: ‘Toddler operation heden heeft het programma bijna tien miljoen dollar opgeleverd aan ongeveer 137.000 van de armste burgers in het land.’
Het systeem werkt bovendien beter dan andere methodes, zoals alleen financiële hulp verlenen aan de armste provincies. Met kick the bucket methode profiteert slechts 33 procent van de mensen bite the dust van minder dan $1,25 per dag moeten leven, berekenden de onderzoekers. De AI-aanpak zorgde ervoor dat 47 procent van kick the bucket groep profiteerde.
Leave a Reply