Интегрированная классификация фаз продовольственной безопасности (IPC) была создана в 2004 году как консорциум из 21 партнёрской организации. Анализы IPC используются агентствами помощи и охватывают около 30 стран; на их основе ежегодно распределяют более $6 млрд гуманитарной помощи.
Новое исследование, опубликованное в Nature Food и выполненное под руководством Hope Michelson и Erin Lentz при участии Kathy Baylis и Chungmann Kim, показывает, что оценки IPC систематически недооценивают голод. Команда была приглашена IPC в 2021 году провести эту оценку. Исследователи провели около 20 интервью с гуманитарными агентствами, а затем проанализировали почти 10 000 оценок продовольственной безопасности, охватывающих 917 million человек в 33 странах в 2017–2023 годах. Многие люди входили в несколько оценок, что дало в сумме 2.8 миллиардов наблюдений.
Анализ выявил явные признаки «скопления» результатов прямо ниже порога 20% для фазы 3. По оценке команды, 293.1 million человек находятся в фазе 3 или выше, тогда как оценки IPC указали 226.9 million. Разница в 66.2 million человек, или один из пяти, означает, что значительное число людей в срочной нужде может не учитываться. Авторы объясняют расхождение частично тем, что рабочие группы при противоречивых или «шумных» данных выбирают более консервативный подход и занижают оценки, возможно из‑за опасения обвинений в преувеличении.
Исследование подчёркивает ценность процесса IPC, но даёт рекомендации по улучшению сбора данных и принятия решений. Авторы предлагают усилить данные и моделирование с помощью машинного обучения, но не заменять экспертную оценку. Они продолжают работу над тем, как разные индикаторы предсказывают недоедание и как оценки соотносятся с фактической реакцией в виде помощи.
Сложные слова
- недооценивать — оценивать ситуацию или риск меньше, чем на самом деленедооценивают
- скопление — плотное собрание или сгруппированность данных рядомскопления
- порог — граница, определяющая переход между состояниямипорога
- консервативный — предпочитающий более осторожный, менее рискованный подход
- шумный — о данных: содержащий много ошибок или неопределённостишумных
- моделирование — создание моделей для анализа или предсказания явлений
- машинное обучение — методы, которые учат модели по данныммашинного обучения
- недоедание — негативное состояние из‑за недостатка пищи или питательных веществ
- гуманитарная помощь — помощь людям в кризисе для сохранения жизнигуманитарной помощи
Подсказка: наведите, сфокусируйтесь или нажмите на выделенные слова, чтобы увидеть краткие определения прямо во время чтения или прослушивания.
Вопросы для обсуждения
- Какие последствия для распределения помощи может иметь занижение оценок числа нуждающихся?
- Как можно сочетать машинное обучение и экспертную оценку при улучшении систем ранней оценки?
- Какие методы вы бы предложили для уменьшения влияния «шумных» данных на решения рабочих групп?
Похожие статьи
Четыре года после Саммита ООН по продовольственным системам
Два эксперта говорят, что после Саммита 2021 года нужно больше решительных действий для искоренения голода и трансформации продовольственных систем. Отмечаются национальные планы, но прогресс замедлили конфликты, климат и финансовые ограничения.