Foresight, aprendizaje automático para predecir los movimientos de los refugiados

El modelo predictivo Foresight está diseñado para proporcionar previsiones estratégicas de desplazamientos. También se incorpora el análisis de los posibles escenarios para proporcionar previsiones precisas, del número total de desplazamientos forzados de un país determinado de 1 a 3 años en el futuro.

Foresight fue creado por el Consejo Danés para los Refugiados (CDR) e IBM con el objetivo de aumentar significativamente las capacidades de análisis predictivo en el sector humanitario. La finalidad es mejorar la precisión de la creación de escenarios y el análisis prospectivo para garantizar una mejor planificación estratégica en el sector humanitario y por tanto, obtener mejores resultados para las poblaciones vulnerables.

 

El modelo se basa en un marco teórico centrado en las causas fundamentales o factores que predisponen al desplazamiento. Las diferentes dimensiones y los indicadores asociados se han agrupado en 5 categorías: 

• 1.- Economía (por ejemplo, desempleo, PIB, pobreza)
• 2.- Violencia (por ejemplo, víctimas civiles, número de conflictos, etc.)
• 3.- Gobernanza (por ejemplo, corrupción, acceso a los servicios públicos, democracia, etc.)
• 4.- Medio ambiente (por ejemplo, seguridad alimentaria, riesgos naturales, etc.)
• 5.- Social/población (por ejemplo, presencia de grupos vulnerables, urbanización, tamaño de la población)

Las categorías se identificaron basándose en la experiencia de la CDR sobre el terreno, así como adoptando las agrupaciones estándar utilizadas para describir la fragilidad, por ejemplo, por la Organización para la Cooperación y el Desarrollo Económicos (OCDE), el Índice de Fragilidad del Estado, etc.

Todos los datos proceden de fuentes abiertas y del programa de seguimiento de más de 25 años que lleva a cabo el Consejo Danés para los Refugiados, a través del cual se entrevista a miles de migrantes en movimiento. Las principales fuentes de datos son los indicadores de desarrollo del Banco Mundial, ACLED, UCDP, EMDAT, agencias de la ONU (ACNUR, PMA, FAO), IDMC, etc. En total, el sistema agrega datos de 18 fuentes y contiene 148 indicadores. El modelo de aprendizaje automático empleado es un Ensemble. Un modelo Ensemble funciona aprovechando varios modelos constitutivos para generar previsiones independientes que luego se agregan. En este caso se emplean dos árboles de gradiente reforzado para generar las previsiones puntuales. Los hiperparámetros del modelo se determinaron mediante una búsqueda en cuadrículas. Cada previsión a un año vista tiene un modelo independiente. En otras palabras, entrenamos un conjunto de modelos Ensemble para y(t + h) = f(x(t)), donde h = 0, 1, 2, 3. Los intervalos de confianza se generaron mediante el método empírico Bootstrap, en el que las distribuciones de errores de origen se generaron en un análisis retrospectivo. Los datos de entrenamiento del modelo se limitaron a los datos desde 1995 y en base a este entrenamiento de los datos el modelo es capaz de aprender y entender cómo los diferentes indicadores se relacionan con el desplazamiento y utilizar esto en la previsión de cómo evolucionará en el futuro.

 

El modelo cubre ahora 26 países diferentes donde se dan lugar desplazamientos. El modelo puede predecir los movimientos del próximo año con un margen de error medio de hasta el 6% en el país en el que mejor funciona por término medio (Referencia Guatemala). De las más de 150 previsiones realizadas hasta ahora en los 26 países, aproximadamente el 50% tienen un margen de error del 10% o inferior y 2/3 tienen un 15% o menos. En general, el modelo supera la precisión de las cifras de planificación que se utilizan en los planes de respuesta humanitaria.

El modelo se ha utilizado hasta ahora en el ciclo de planificación estratégica anual del Consejo Danés para los Refugiados. Esto incluye proporcionar a las oficinas de los países previsiones de desplazamiento para informar el análisis contextual, así como previsiones basadas en escenarios de cómo puede desarrollarse el desplazamiento potencialmente. Esto ayuda al Consejo Danés de Refugiados a estar mejor preparado para la evolución del contexto y a participar en los esfuerzos de mitigación. El consejo de refugiados sigue explorando el potencial de vincular la previsión con un mecanismo de financiación anticipada.  

También ha sido utilizado por socios externos para informar sobre la planificación estratégica. Por ejemplo, el modelo se ha utilizado en el proceso de HNO para América Central, así como por el CERF de la OCHA en la toma de decisiones de asignación de fondos. 

El modelo está alojado en una plataforma online, donde es posible acceder a los datos subyacentes, ver las previsiones para los diferentes países y desarrollar previsiones de desplazamiento basadas en escenarios.