Social science: Mobile phone data may improve targeting of humanitarian aid

 
휴대 전화 데이터로 훈련 된 기계 학습 알고리즘은 빈곤의 패턴을 인식하고 가장 가난한 사람들에게 원조의 우선 순위를 부여하는 데 도움이 될 수 있습니다.이를 밝힌 논문이 Nature에 게재된다.아프리카 토고에서는 이 방법을 사용하여 가장 지원이 필요한 것으로 보이는 사람들에게 수백만 달러의 신형 코로나 바이러스 감염증(COVID-19) 지원금을 기존의 배포 방법보다 높은 효율로 배포할 수 있었다.

COVID-19 위기를 받고 세계 각국의 정부와 인도주의 조직이 15억 명 이상에 대해 사회 지원을 하고 있다.그러나 가장 도움이 필요한 사람들을 신속하게 식별하고 대상자를 좁히는 과제는 해결되지 않았다.이번 Joshua Blumenstock은 빈곤을 측정할 수 있는 기계 학습 알고리즘을 사용하여 이 과제를 해결하는 방법을 개발, 구현, 검증했다.토고의 가장 중요한 긴급 사회 지원 프로그램은 최초의 COVID-19 환자가 발견된 직후인 2020년 4월에 시행되었고, 이러한 기계 학습 알고리즘을 사용하여 지원금을 배포했다.

Blumenstock의 인공지능을 이용한 방법은 토고 정부가 검토한 다른 지리적 대상자 좁히는 방법과 비교하여 잘못 제외되는 대상자(지원이 필요하지만 정부의 기존 지원 금배포 프로그램에서 제외된 사람이 차지하는 비율)이 4~21% 감소했다.이에 대해 토고에 사회등록부가 있다고 가정하고(실제로는 토고에 사회등기부는 없다), 그것을 사용하는 다른 방법과 비교했을 경우에는 실수로 제외되는 대상자 9~35% 늘었다.

Blumenstock은 이번 결과는 이러한 방법을 현실 세계의 위기 시나리오에서 규모로 구현할 때 발휘되는 능력을 입증하고 있다고 말했다.

 
※이 기사는 「Nature Japan 주목의 하이라이트」에서 전재하고 있습니다.
원본 텍스트: "사회학 : 휴대 전화 데이터를 이용하여 인도 지원의 대상자 좁히기의 정확성을 높입니다."