Группа, возглавляемая Immigration Policy Lab Стэнфорда (https://www.immigrationlab.org/), использовала алгоритм машинного обучения, чтобы проанализировать исторические данные по переселению беженца в Соединенных Штатах и Швейцарии. Они нашли, что возможная экономическая самостоятельность беженцев зависела от комбинации их отдельных особенностей, таких как образовательный уровень и знание английского языка, и где они переселялись в стране.
Оказалось, что беженцы с конкретными фонами или навыками достигли лучших результатов в некоторых местоположениях, чем другие.Алгоритм назначил размещения для беженцев, которых они проектируют, увеличил бы их возможности нахождения работы примерно на 40 – 70 процентов по сравнению с тем, как беженцы на самом деле жили, согласно новому исследованию, опубликованному 18 января в Науке.«Поскольку каждый смотрит на кризис беженцев глобально, ясно, что это не уходит в ближайшее время и что нам нужна основанная на исследовании политика провести через него», сказал Джереми Вайнштейн, преподаватель политологии в Стэнфорде и соавтора исследования. «Наша надежда состоит в том, чтобы произвести стратегический разговор о процессах, управляющих переселением беженцев, не только на национальном уровне в Соединенных Штатах, но и на международном уровне также».Группа заявила алгоритм, который не мог быть осуществлен по фактически никакой стоимости, мог помочь ограниченным ресурсом правительствам, и агентства по переселению находят, что лучшие места для беженцев перемещают, сказали исследователи.
Текущие подходы переселенияВ последние годы, рекордное число людей были перемещены в результате войны, преследования и других нарушений прав человека, превзойдя числа, за которыми присматривают Вторая мировая война. В 2016 один, приблизительно 65,6 миллионов человек были вынуждены сбежать из своих домов, по данным комитета по делам беженцев Организации Объединенных Наций.
Часто, страны, которые переселяют беженцев в их сообщества, делают так или несколько беспорядочно или согласно местному потенциалу оказания гостеприимства сообществ во время прибытия беженцев. В Соединенных Штатах беженцы, у которых есть члены семьи в конкретном местоположении, предписаны присоединиться к ним там. Но беженцы без существующих ранее связей свободны быть посланными в различные местоположения, и текущие подходы не соответствуют им к местоположениям, где данные свидетельствуют, что для них было бы самым легким объединяться.
«Наша мотивация должна была принести лучшую из ультрасовременной социологии в область высокого стратегического приоритета, которому нужны инновации, но, из-за ограниченных ресурсов и проблем навигации больших количеств, не был в состоянии ввести новшества из», сказал Вайнштейн.Группа разработала их алгоритм на основе социально-экономических данных больше чем от 30 000 беженцев, 18 – 64 года, помещенный крупнейшим агентством по переселению с 2011 до 2016 в Соединенных Штатах.
Данные также включали, где те беженцы переселялись, и их возможный статус занятости.На основе этих данных у команды был алгоритм, предсказывают вероятность занятости и оптимальные местоположения для группы беженцев, которые прибыли к концу 2016 и сравнили те предсказания с тем, как эти беженцы на самом деле жили в их новых домах.
Группа нашла, что, если бы алгоритм выбрал местоположения для переселения беженцев, средний уровень занятости среди тех беженцев был бы примерно на 41 процент выше.Команда прошла тот же самый процесс с данными от просителей убежища, которые были переселены в Швейцарию между 1999 и 2013.
Они предсказали, что уровень занятости будет на 73 процента выше среди просителей убежища, которые прибыли в 2013, если они были назначены на места алгоритм, идентифицированный как оптимальные.«Прибыль занятости, которую мы планируем, довольно существенная, и это прибыль, которая не могла быть достигнута с почти никакой дополнительной стоимостью для правительств или агентств по переселению», сказал Кирк Бэнсэк, ведущий автор исследования и доктор философии политологии студент. «Улучшая существующий процесс, используя существующие данные, наш алгоритм избегает многих финансовых и административных препятствий, которые могут часто препятствовать другим стратегическим инновациям».Обещая результаты, больше исследования необходимо
Исследователи не защищают для алгоритма, чтобы заменить принятие решений чиновников переселения.«Наш подход сохраняет способность влиятельных политиков установить их собственные параметры и приоритеты», написали исследователи. «Например, в машинном процессе назначения, алгоритм мог бы предоставить несколько рекомендаций, и чиновники размещения могли использовать свое собственное усмотрение, чтобы определить заключительное назначение или отвергнуть любые предложения».Все же в отличие от более дорогих стратегических вмешательств, таких как работа или обучение языкам для беженцев, результаты алгоритма, кодекс которого доступен бесплатно любой организации или правительству, обещают, сказали исследователи.«То, что мы в состоянии произвести такую значительную прибыль из-за простого изменения процесса переселения, является демонстрацией, как важный это должно принести управляемое данными понимание к процессам определения политики», сказал Вайнштейн.
Группа заявила, что они все еще должны подтвердить предсказания алгоритма посредством предполагаемых тестов, которые осуществляют этот подход в режиме реального времени. Исследовательская группа теперь разрабатывает много пилотных программ в сотрудничестве с правительствами и агентствами по переселению, чтобы проверить власть алгоритма.