这研究简介简要介绍有趣的学术工作。
大想法
政府和人道主义组可以使用机器学习算法和手机数据对那些需要它的人获得援助在人道主义危机期间，我们在新研究中发现。
作为2020年初的Covid-19大流行，我们的研究团队帮助了多哥数字经济部和givedirectly是一个向生活在贫困中的人发送现金的非营利组织，将这种洞察力转化为新型援助计划。简单的想法在这种方法背后，我们在期刊中解释了自然2022年3月16日，富裕人士用不同的人使用穷人的手机。他们的电话和短信遵循不同的模式，并且例如使用不同的数据计划。机器学习算法 - 这是用于模式识别的花哨的工具 - 可以接受培训，以识别这些差异，并推断给定的移动用户是否富有或贫穷。
首先，我们收集了最近，可靠和代表性的数据。在与多哥的合作伙伴的地面上工作，我们进行了15,000个电话调查，以收集每个家庭的生活条件的信息。在将调查响应与移动电话公司中的数据匹配后，我们培训了机器学习算法，以识别人们的特征，以达到每天不到1.25美元的人的特征。
下一个挑战是弄清楚是否弄清了基于机器学习和电话数据的系统将有效地将钱存入该国最贫穷的人。我们的评价表明，这种新方法比其他选项的政府正在考虑更好。
例如，完全关注最贫困的州 - 这与美国县类似 - 将为每天少于1.25美元的人数而言，只有33％的人提供福利。相比之下，机器学习方法有47％的人口。
然后，我们与多哥的政府，Giveridently和社区领导人合作，以基于这项技术设计和试用现金转移计划。2020年11月，第一个受益者是注册和支付。迄今为止，该计划提供了近1000万美元至大约137,000个国家最贫穷的公民。
为什么重要
我们的工作表明，移动电话公司收集的数据 - 用机器学习技术分析 - 可以帮助直接救援对于最需要的人。
甚至在大流行面前，超过一半西非国家的860万人住在国际贫困线以下。由于Covid-19进一步减缓了经济活动，我们的调查表明，54％的所有特点每周都被迫错过膳食。
多哥的情况并非独特。由Covid-19大流行产生的经济衰退将数百万人推入极端贫困。作为回应，政府和慈善机构推出了数千项新援助计划，为此提供了福利超过15亿人和家庭世界各地。
但在人道主义危机的中间，政府努力努力努力努力帮助。在理想情况下，这些决定将基于综合家庭调查。但是没有办法在大流行中间收集这些信息。
我们的工作有助于展示从卫星和手机网络收集的信息的新来源 - 可以使其在危机条件下，可以在更传统的数据源不可用时瞄准援助。
下一步是什么
我们正在进行后续研究，以评估现金转让如何受影响的收件人。以前的发现表明现金转移可以帮助增加粮食安全，并在正常时期改善心理福祉。我们正在评估危机期间援助是否具有相似的结果。
对于没有手机的人来说，找到注册和支付人的方法也是至关重要的。在多哥，大约85％的家庭至少有一部电话，而且电话经常共享在家庭和社区内。但是，目前尚不清楚有多少人在多哥中需要人道主义援助的人没有得到它，因为他们缺乏对移动设备的访问权限。
在未来，将新方法结合使用利用基于调查的传统方法利用机器学习和大数据，以改善人道主义援助的目标。
艾米莉艾肯，信息博士生，加利福尼亚大学，伯克利和Joshua Blumenstock.，信息副教授;有效全球行动中心的联合主任，加利福尼亚大学，伯克利
