A insegurança alimentar em países de baixa renda está aumentando à medida que a variação climática e os choques econômicos, incluindo a pandemia de COVID-19, cobram seu preço. Prever com precisão quando e onde ocorrem as crises de fome é fundamental para uma resposta eficaz à ajuda humanitária. Um novo estudo da Universidade de Illinois explora como o aprendizado de máquina pode ajudar a melhorar a previsão quando usado adequadamente.
As previsões atuais de insegurança alimentar dependem principalmente de um sistema no qual grupos de especialistas se reúnem e avaliam a insegurança alimentar dentro dos países. Embora o processo inclua alguns dados para orientar a avaliação, continua sendo principalmente uma avaliação qualitativa baseada no conhecimento local.

"Nosso objetivo não é reformar esse sistema existente, que fez contribuições incríveis em todos os países, gerando previsões sobre crises alimentares em locais onde há muito poucos dados e muita complexidade política", diz Hope Michelson, professora associada do Departamento de Agricultura e Economia do Consumidor na U of I e coautora do estudo.

O estudo afirma que os modelos de aprendizado de máquina podem ajudar a fornecer informações críticas para auxiliar o processo de previsão, tornando-o mais objetivo, focado e transparente. Mas os autores enfatizam que os dados devem ser usados ​​de maneira ponderada e interpretados corretamente em conjunto com os formuladores de políticas desde o início.

“É realmente importante trabalhar ativamente para melhorar a forma como prevemos a insegurança alimentar”, afirma Michelson. "E isso requer pesquisadores envolvendo formuladores de políticas e prioridades políticas. Vemos a necessidade de alguma harmonização e princípios orientadores para tornar esses esforços de pesquisa eficazes e implementáveis".

Os pesquisadores avaliam três modelos diferentes de aprendizado de máquina que prevêem a insegurança alimentar nos países da África Subsaariana de Malawi, Tanzânia e Uganda. Eles usam dois anos de dados para prever os resultados da insegurança alimentar da aldeia em um terceiro ano e, em seguida, comparam os resultados do modelo com o resultado real. A modelagem incorpora dados publicamente disponíveis sobre clima, geografia e preços de alimentos.

O estudo também identifica uma série de diretrizes que são importantes para pesquisadores e formuladores de políticas.

"Primeiro, queremos ter um modelo que capture uma ampla variedade de fatores que podem influenciar a insegurança alimentar. Não são apenas choques na produção de alimentos, mas também choques que afetam a renda das pessoas. Mesmo se você tiver produção de alimentos, ainda terá fome se as pessoas não posso comprá-lo", diz Kathy Baylis, do Departamento de Geografia da Universidade da Califórnia, em Santa Bárbara. Baylis é o autor correspondente do estudo.

“Um segundo princípio é que esses modelos devem ser interpretáveis ​​e transparentes. fazer análise de erros para entender onde o modelo falha se não funcionar tão bem", observa Baylis.

Os pesquisadores também descrevem três critérios para decidir quais dados incluir e como usar o modelo:qual resultado prever, como lidar com eventos raros e como avaliar a eficácia. Tais decisões devem ser tomadas em consulta com os formuladores de políticas, afirmam.

"Analisamos onde o modelo estava funcionando bem e onde não estava. Em particular, podemos nos preocupar mais em não perder famílias com insegurança alimentar do que em identificar erroneamente uma família como tendo insegurança alimentar. Pode ser menos preocupante se algumas pessoas recebem ajuda alimentar que não precisam, em comparação com garantir que pelo menos 90% das pessoas que estão realmente com fome recebam algum tipo de apoio", diz Baylis.

"Isso realmente depende do que os formuladores de políticas querem fazer com esses dados; por exemplo, se eles querem acionar a ajuda alimentar ou usá-la mais como um sistema de alerta antecipado."

Os modelos do estudo são bastante simples de implementar, portanto, são acessíveis para governos e organizações de ajuda. No entanto, os pesquisadores enfatizam que os dados devem ser aplicados e interpretados em cooperação entre pesquisadores e formuladores de políticas. Seu estudo visa estabelecer as bases para essas colaborações.

A pesquisa foi publicada em Perspectivas Econômicas Aplicadas e Políticas .