O Sistema Integrado de Classificação de Fase de Segurança Alimentar (IPC) das Nações Unidas foi criado em 2004 como consórcio de organizações para medir insegurança alimentar e orientar a ajuda humanitária. Agências usam as análises do IPC, que cobrem cerca de 30 countries, para alocar mais de $6 billion em ajuda por ano. Um estudo publicado na Nature Food avaliou se as classificações refletem a realidade.
A equipa liderada por Hope Michelson e Erin Lentz foi abordada pelo IPC em 2021 para conduzir a avaliação. Os autores fizeram quase 20 entrevistas com agências e depois analisaram quase 10,000 avaliações, cobrindo 917 million de indivíduos em 33 countries entre 2017 e 2023, o que resultou em 2.8 billion person observations.
A análise mostra evidência clara de aglomeração logo abaixo do limiar de 20% para a fase 3. A equipe estimou 293.1 million de pessoas em fase 3 ou superior, enquanto as avaliações do IPC relataram 226.9 million. A diferença — 66.2 million people, ou one in five — indica que muitas pessoas em necessidade urgente podem não ser contadas.
Os autores explicam que a discrepância decorre em parte de como os grupos de trabalho tratam indicadores conflitantes: em caso de dados ruidosos, tendem a assumir postura conservadora por receio de acusações de exagero. O estudo recomenda melhorar a recolha de dados e a tomada de decisão; afirma que a aprendizagem automática pode aprimorar dados e modelagem, mas não deve substituir a avaliação de especialistas. Os pesquisadores trabalham para entender como diferentes indicadores predizem desnutrição e como as avaliações se relacionam com respostas reais de ajuda.
Palavras difíceis
- consórcio — grupo de organizações que trabalham em conjunto
- insegurança alimentar — falta regular de comida suficiente e nutritiva
- avaliação — processo de análise para decidir gravidade ou necessidadeavaliações
- aglomeração — concentração anormal de casos perto de um limiar
- limiar — valor ou ponto usado como referência
- conservador — tendente a subestimar problemas por precauçãoconservadora
- aprendizagem automática — técnicas de computador para encontrar padrões em dados
- desnutrição — condição de má nutrição por falta de alimentos adequados
Dica: passe o mouse, foque ou toque nas palavras destacadas no artigo para ver definições rápidas enquanto lê ou ouve.
Perguntas para discussão
- Que benefícios e riscos vê na utilização de aprendizagem automática para avaliar insegurança alimentar? Dê exemplos.
- Como a postura conservadora dos grupos de trabalho pode afetar a alocação de ajuda humanitária?
- Que melhorias na recolha de dados seriam mais úteis para reduzir discrepâncias nas avaliações?
Artigos relacionados
Perdas de colheitas na África aumentam insegurança alimentar
Pesquisadores do GBCL dizem que perdas de colheitas na África, causadas por choques climáticos, pragas e doenças, têm piorado a insegurança alimentar. Casos no Quênia e na Nigéria mostram impactos nos rendimentos e nas rendas dos agricultores.
Sudão recorre à inteligência artificial para ajudar a saúde em guerra
O sistema de saúde do Sudão está sob forte pressão após quase dois anos de guerra. Autoridades dizem que a inteligência artificial pode ajudar onde faltam médicos e suprimentos, mas pedem mais apoio e profissionais.
Projeto na Namíbia ensina agricultores a usar biofertilizantes
Na Namíbia, um projeto forma pequenos agricultores em Mayana para produzir biofertilizantes locais e cultivar leguminosas ricas em proteína. A iniciativa pretende melhorar colheitas, reduzir desnutrição e apoiar meios de subsistência.
