Os matemáticos têm usado o aprendizado de máquina para desenvolver um novo modelo para medir a pobreza em diferentes países, que elimina as velhas noções de uma 'linha de pobreza' fixa.

O estudo de acadêmicos da Aston University, publicado no jornal Nature Communications , sugere que o pensamento dominante sobre a pobreza está desatualizado porque dá muita ênfase às noções subjetivas de necessidades básicas e não consegue captar toda a complexidade de como as pessoas usam sua renda.

Eles dizem que seu novo modelo - que usa algoritmos de computador para sintetizar grandes quantidades de gastos e dados econômicos - poderia ajudar os legisladores em todo o mundo a prever os níveis de pobreza futuros e planejar intervenções para aliviar o problema.

"Ninguém nunca usou o aprendizado de máquina para decodificar a pobreza multidimensional antes, "disse o pesquisador principal, Dr. Amit Chattopadhyay, da Faculdade de Engenharia e Ciências Físicas da Aston University." Isso muda completamente a maneira como as pessoas deveriam encarar a pobreza. "

As medidas estabelecidas de pobreza tentam identificar um nível monetário limite abaixo do qual uma pessoa ou família é definida como 'pobre'. Essas definições têm suas origens nos métodos desenvolvidos no século 19 e no início do século 20 por reformadores como Ernst Engel e Seebohm Rowntree.

Atualmente, o Banco Mundial define a Linha Internacional de Pobreza em US $ 1,90 por dia, com cerca de 10% da população mundial - cerca de 700 milhões de pessoas - vivendo com menos do que isso. Isso se baseia em uma avaliação subjetiva da renda necessária para cobrir as necessidades básicas nos países mais pobres, ajustado pela paridade do poder de compra (PPP).

No novo estudo, os pesquisadores analisaram 30 anos de dados da Índia, dividindo as despesas em três grandes categorias de 'alimentos básicos', como cereais, “outros alimentos”, incluindo carne e “não alimentares”, cobrindo outras despesas, como despesas de alojamento e transporte. O modelo pode ser aplicado a qualquer país.

Ao reconhecer a interação 'empurra e puxa' entre as três categorias - mais gastos em uma área geralmente significa uma redução nos gastos em outra - permite uma medida de pobreza mais holística que pode se ajustar às circunstâncias de cada país. Os pesquisadores combinaram conjuntos de dados sobre receitas, mercados de bens e commodities do Banco Mundial e outras fontes para produzir um modelo matemático que foi capaz não apenas de prever com precisão os níveis de pobreza anteriores na Índia e nos Estados Unidos, mas também para prever níveis futuros com base em certas suposições econômicas.

Ao levar em consideração a elasticidade da oferta e da demanda no mercado, o modelo revisa o número de pessoas tradicionalmente consideradas 'pobres' em uma 'classe média' mais prática. Ele pode ser dimensionado para refletir as condições nas sub-regiões de um país, ou mesmo reduzido a uma única cidade ou bairro, dependendo dos dados disponíveis.

"O pensamento atual sobre a pobreza é altamente subjetivo, porque 'pobreza' significará coisas diferentes em diferentes países e regiões, "acrescentou o Dr. Chattopadhyay." Com este modelo, finalmente, temos um índice de pobreza multidimensional que reflete a experiência do mundo real das pessoas, onde quer que vivam e em grande parte independente da classe social a que são consideradas pertencentes.

"Importante, é um modelo que leva em consideração as circunstâncias econômicas em que as pessoas se encontram - e os fatores que podem fazer a maior diferença para seu bem-estar material. Como tal, pode ser uma ferramenta importante para governos e formuladores de políticas em todo o mundo na identificação da pobreza e na implementação de intervenções que realmente a combatam. "