Hulporganisaties kunnen efficiënter hulp verlenen aan degenen die het het hardst nodig hebben door gebruik te maken van mobieletelefoongegevens. Deze techniek is in Togo gebruikt om covid-19-noodhulp te verdelen.
Door de covidpandemie zijn naar schatting meer dan 100 miljoen mensen in extreme armoede terechtgekomen, met name in lagelonenlanden. In reactie hierop hebben overheden en hulporganisaties sinds begin 2020 wereldwijd financiële hulp versterkt aan 1,5 miljard mensen. Maar het bepalen wie die hulp het het hardst nodig heeft, is lastig, met name in landen die het inkomen van huishoudens niet centraal bijhouden.
Mobiele telefoongegevens
Om dit probleem aan te pakken heeft een Amerikaanse onderzoeksgroep een techniek ontwikkeld waarbij een kunstmatig intelligent computersysteem (AI) de armoede in een klein gebied, en zelfs van individuen, kan inschatten op basis van mobieletelefoongegevens. De onderzoekers hebben deze techniek in 2020 getest in Togo, kort nadat de pandemie dit land bereikte. Ze werken samen met Togo’s Ministerie van Digitale Economie en GiveDirectly, een non-profitorganisatie die geld stuurt naar mensen die in armoede leven.
Mondscan kan tongkankerpatiënten met een spraakstoornis helpen
Met een volgsysteem van tong, lippen en kaak, legt taalwetenschapper Thomas Tienkamp de basis om mensen met spraakstoornissen beter te laten spreken.
‘Het idee achter onze aanpak is dat rijke mensen telefoons anders gebruiken dan arme mensen’, schrijven twee van de onderzoekers in een korte analyse van hun onderzoek. Zo hebben rijke mensen de neiging om vaker internationaal te bellen. Ook bellen zij vaker zelf, in plaats van telefoontjes te ontvangen. En ze kopen grotere databundels in een keer. Armere mensen voeren vooral kortere, en meer lokale gesprekken.
De telefoontjes en sms-berichten van de armste mensen volgen dus andere patronen. AI-algoritmen kunnen leren om die verschillen te herkennen. Zo kunnen ze inschatten of een bepaalde mobiele abonnee rijk of arm is.
Om hun AI-systemen te trainen, verzamelden de onderzoekers eerst informatie over de leefomstandigheden van enkele duizenden huishoudens. Dit deden ze via telefonische enquêtes. Die informatie vergeleken ze met gegevens over het telefoongebruik die ze kregen van telefoonbedrijven. De AI leerde zo om gebruikerspatronen te herkennen van mensen die van minder dan $1,25 (€1,13) per dag moeten leven.
Testen in Togo
De volgende stap was om te kijken of met deze techniek financiële hulp geboden kon worden aan de armste mensen. Hiervoor voerden de onderzoekers een test uit waarbij de AI telefoongegevens van de twee belangrijkste mobiele netwerken in Togo analyseerde. In november 2020 keerden de overheid en GiveDirectly de eerste bedragen uit op basis van de inschattingen van de AI.
De techniek bleek succesvol. Het zorgt dat er meer geld bij de armsten terechtkomt. In de analyse schrijven de onderzoekers: ‘Tot op heden heeft het programma bijna tien miljoen dollar opgeleverd aan ongeveer 137.000 van de armste burgers in het land.’
Het systeem werkt bovendien beter dan andere methodes, zoals alleen financiële hulp verlenen aan de armste provincies. Met die methode profiteert slechts 33 procent van de mensen die van minder dan $1,25 per dag moeten leven, berekenden de onderzoekers. De AI-aanpak zorgde ervoor dat 47 procent van die groep profiteerde.
Inmiddels zijn de onderzoekers bezig met vervolgonderzoek om te beoordelen welke invloed het geld had op de ontvangers. Verder benadrukken ze dat het belangrijk is om manieren te vinden om mensen zonder telefoon deel te laten nemen. In Togo heeft ongeveer 85 procent van de huishoudens ten minste één telefoon. Hoeveel mensen hulp misliepen omdat ze geen gsm hebben, is onduidelijk.
