Agenda ZN 2030: Prelomna študija o tem, kako predvideti prehranske krize

Študija Univerze v New Yorku je pokazala, da je predvidevanje epidemij prehranske krize mogoče in temeljnega pomena za učinkovito dodeljevanje nujne pomoči in zmanjšanje trpljenja ljudi. (slika izdelana z Midjourney)

Za predvidevanje teh kriz lahko uporabite i napovedni modeli vendar temeljijo na ukrepih tveganja, ki so pogosto zamujeni, zastareli ali nepopolni. Študija Univerze v New Yorku je poskušala razumeti, kako optimalno izkoristiti napovedne algoritme.

Študija je pokazala, da z zbiranjem besedila 11,2 milijona člankov o državah s prehransko negotovostjo, objavljenih med letoma 1980 in 2020, in izkoriščanjem nedavnega napredka na področju deep learning: mogoče je doseči ugodne rezultate. Obdelava je omogočila ekstrakcijo visokofrekvenčnih predhodnikov prehranskih kriz, ki jih je mogoče razlagati in potrditi s tradicionalnimi indikatorji tveganja.

Algoritem deep learning je poudaril, da v obdobju od julija 2009 do julija 2020 kazalniki krize znatno izboljšajo napovedi v 21 državah s pomanjkanjem hrane, do 12 mesecev prej kot osnovni modeli, ki ne vključujejo besedilnih informacij.

Študija se osredotoča na napoved negotove preskrbe s hrano po integrirani fazni klasifikaciji (IPC), ki jo je objavil Omrežje sistemov zgodnjega opozarjanja na lakoto (FEWS NET). Ta klasifikacija je na voljo na ravni okrožja v 37 državah v Afriki, Aziji in Latinski Ameriki z negotovo preskrbo s hrano, poročali pa so jo štirikrat na leto med letoma 2009 in 2015 in nato trikrat na leto. 

Negotovost s hrano je razvrščena po ordinalni lestvici, ki jo sestavlja pet stopenj: nizka stopnja, stres, kriza, izredne razmere in lakota. 

BlogInnovazione.it