La pandemia de COVID-19 ha devastado muchos países con ingresos bajos y medios, provocando alteraciones alimentarias generalizada y un fuerte descenso del nivel de vida.

En respuesta a esta crisis, los gobiernos y las organizaciones humanitarias de todo el mundo han distribuido asistencia social a más de 1.500 millones de personas. La selección de los beneficiarios es un reto fundamental en la administración de estos programas y la identificación de los más necesitados sigue siendo una tarea difícil con los datos disponibles.

Este artículo muestra que los datos procedentes de las redes de telefonía móvil pueden mejorar la orientación de la ayuda humanitaria. Este enfoque utiliza los datos de las encuestas tradicionales para entrenar algoritmos de aprendizaje automático que reconozcan patrones de pobreza en los datos de los teléfonos móviles; los algoritmos entrenados pueden entonces priorizar la ayuda a los abonados móviles más pobres.

Los autores destacan el potencial de las nuevas fuentes de datos para complementar los métodos tradicionales a la hora de otorgar de la ayuda humanitaria, especialmente en situaciones de crisis en las que los datos tradicionales faltan o están desfasados.

Vea el articulo completo en: https://www.nature.com/articles/s41586-022-04484-9