Концепция «черты бедности» опровергнута новой моделью машинного обучения
Новости 18 декабря 2020

Концепция «черты бедности» опровергнута новой моделью машинного обучения

Далее

Математики использовали машинное обучение для разработки новой модели измерения бедности в разных странах, которая опровергает старые понятия фиксированной «черты бедности». О результатах работы сообщает журнал Nature Communications.

Исследование ученых из Астонского университета предполагает, что общепринятые взгляды на бедность устарели. Дело в том, что в них слишком много внимания уделяется субъективным представлениям об основных потребностях  человека. Экспертам не удается охватить всю сложность того, как люди используют свои доходы.

В своем новом исследовании ученые уверяют, что их новая модель, в которой используются компьютерные алгоритмы для синтеза огромных объемов расходов и экономических данных, может помочь властям во всем мире предсказать будущие уровни бедности и спланировать меры по смягчению проблемы.

«Никто никогда раньше не использовал машинное обучение для декодирования многомерной бедности — заявил ведущий исследователь доктор Амит Чаттопадхьяй из Колледжа инженерных и физических наук Астонского университета. — Это полностью меняет то, как люди должны смотреть на бедность».

Установленные меры бедности направлены на определение порогового денежного уровня, ниже которого лицо или домохозяйство определяется как «бедный». Истоки этих определений — в XIX и начале XX века.

В настоящее время Всемирный банк устанавливает международную черту бедности на уровне $1,90 в день, при этом около 10% населения мира — около 700 млн человек — живут на меньшую сумму. 

В новом исследовании исследователи проанализировали данные из Индии за 30 лет, разделив расходы на три широкие категории: «основные продукты питания», такие как крупы, «прочие продукты питания», включая мясо, и «непродовольственные товары», покрывающие другие расходы, такие как жилье, и транспортные расходы. Модель применима к любой стране.

Признавая взаимозависимость между тремя категориями — увеличение расходов в одной области обычно означает сокращение расходов в другой — это позволяет использовать более целостный показатель бедности, который может адаптироваться к обстоятельствам отдельных стран. Исследователи объединили наборы данных по доходам, активам и товарным рынкам из Всемирного банка и других источников для создания математической модели, которая смогла не только точно предсказать прошлые уровни бедности как в Индии, так и в Соединенных Штатах, но и предсказать будущие уровни на основе определенные экономические предположения.

Принимая во внимание эластичность спроса и предложения на рынке, модель пересматривает количество людей, традиционно считающихся «бедными», в более практичный «средний класс». Его можно масштабировать для отражения условий в субрегионах страны или даже уменьшать до одного города или района в зависимости от доступных данных.

«Текущее представление о бедности очень субъективно, потому что „бедность“ будет означать разные вещи в разных странах и регионах», — добавил доктор Чаттопадхьяй. — Благодаря этой модели у нас наконец-то есть многомерный индекс бедности, который отражает реальный опыт людей, где бы они ни жили, и в значительной степени не зависит от социального класса, к которому они, как считается, принадлежат».

Читать также

Посмотрите на самые красивые снимки «Хаббла». Что увидел телескоп за 30 лет?

В России создали прочный материал из мусора для покрытия дорог

В метеоритах находят внеземную жизнь. Что о ней известно и откуда она?