Durante años, los formuladores de políticas se han basado en encuestas y datos de censos para rastrear y responder a la pobreza extrema.

Si bien es efectivo, recopilar esta información es costoso y requiere mucho tiempo, ya menudo carece de los detalles que las organizaciones de ayuda y los gobiernos necesitan para desplegar mejor sus recursos.

Eso podría cambiar pronto.

Una nueva técnica de mapeo, descrito en la edición del 14 de noviembre de la Actas de las Academias Nacionales de Ciencias , muestra cómo los investigadores están desarrollando herramientas computacionales que combinan registros de teléfonos celulares con datos de satélites y sistemas de información geográfica para crear mapas de pobreza a tiempo e increíblemente detallados.

"A pesar de los grandes avances de las últimas décadas, todavía hay más de mil millones de personas en todo el mundo que carecen de alimentos, refugio y otras necesidades humanas básicas, "dice Neeti Pokhriyal, uno de los coautores principales del estudio, y candidato a doctorado en el Departamento de Ingeniería y Ciencias de la Computación de la Universidad de Buffalo.

El estudio se titula "Combinación de fuentes de datos dispares para mejorar la predicción y el mapeo de la pobreza".

Algunas organizaciones definen la pobreza extrema como una grave falta de alimentos, cuidado de la salud, educación y otras necesidades básicas. Otros lo relacionan con los ingresos; por ejemplo, el Banco Mundial dice que las personas que viven con menos de 1,25 dólares al día (precios de 2005) están extremadamente empobrecidas.

Si bien está disminuyendo en la mayoría de las áreas del mundo, Aproximadamente 1.200 millones de personas todavía viven en la pobreza extrema. La mayoría están en Asia, África subsahariana y el Caribe. Las organizaciones de ayuda y las agencias gubernamentales dicen que los datos oportunos y precisos son vitales para poner fin a la pobreza extrema.

El estudio se centra en Senegal, un país subsahariano con una alta tasa de pobreza.

El primer conjunto de datos son 11 mil millones de llamadas y mensajes de texto de más de 9 millones de usuarios de teléfonos móviles senegaleses. Toda la información es anónima y captura cómo, cuando, dónde y con quién se comunica la gente.

El segundo conjunto de datos proviene de imágenes de satélite, sistemas de información geográfica y estaciones meteorológicas. Ofrece información sobre la seguridad alimentaria, actividad económica y accesibilidad a servicios y otros indicadores de pobreza. Esto se puede deducir de la presencia de electricidad, caminos pavimentados, agricultura y otros signos de desarrollo.

Los dos conjuntos de datos se combinan mediante un marco basado en el aprendizaje automático.

Usando el marco, los investigadores crearon mapas que detallan los niveles de pobreza de 552 comunidades en Senegal. Los mapas de pobreza actuales dividen a la nación en cuatro regiones. El marco también puede ayudar a predecir ciertas dimensiones de la pobreza, como las privaciones en la educación, nivel de vida y salud.

A diferencia de las encuestas o censos, que puede llevar años y costar millones de dólares, estos mapas se pueden generar de forma rápida y rentable. Y pueden actualizarse con la frecuencia con la que se actualizan las fuentes de datos. Más, su naturaleza de diagnóstico puede ayudar a los responsables de la formulación de políticas a diseñar mejores intervenciones para combatir la pobreza.

Pokhriyal, que comenzó a trabajar en el proyecto en 2015 y ha viajado a Senegal, dice que el objetivo no es reemplazar los censos y las encuestas, sino complementar estas fuentes de información entre ciclos. El enfoque también podría resultar útil en áreas de guerra y conflicto, así como regiones remotas.