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
Потепление угрожает продовольственным культурам в низких широтах
Исследование в Nature Food показывает, что повышение температуры уже сокращает площади, пригодные для выращивания 30 культур. Наихудшие последствия ожидают страны низких широт; учёные призывают к адаптации и целевым инвестициям.
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.
