La crisis mundial de refugiados ha encendido el debate en casi todos los países que han visto una afluencia de refugiados y solicitantes de asilo. En la mayoría de los países, la conversación en torno a los refugiados ha tendido a centrarse en si se les debe permitir entrar o no. Mientras los legisladores y la prensa discuten sobre cuotas y preocupaciones de seguridad, han considerado con menos frecuencia lo que les sucede a los refugiados después de su llegada.

Para muchos refugiados, el camino hacia la integración es accidentado. La capacidad de un refugiado para aclimatarse o lograr el éxito económico no es parte de los criterios de selección para la admisión; los pocos que el ACNUR selecciona para el reasentamiento de los campos de refugiados son aquellos que pueden proporcionar evidencia de persecución y sufrimiento severos. Después de experimentar los traumas de la guerra y la expulsión, Los refugiados pueden encontrar que los desafíos de adquirir un nuevo idioma y encontrar un empleo básico son insuperables. Con demasiada frecuencia, estas desventajas mantienen a los refugiados al margen de las economías y sociedades de los países de acogida.

Según una nueva investigación del Laboratorio de Políticas de Inmigración (IPL) de la Universidad de Stanford y ETH Zurich, en conjunto con Dartmouth College, Si los refugiados aterrizan o no de pie puede depender de un factor crítico que se ha estado ocultando a plena vista:dónde son reasentados dentro del país de acogida. Su nueva ciudad o pueblo puede actuar como un obstáculo o una vía de acceso para una integración exitosa, dependiendo del perfil del refugiado. Una buena pareja puede marcar una gran diferencia a la hora de ayudar a los refugiados a encontrar trabajo y echar raíces. Con la ayuda de un algoritmo diseñado por IPL, Los gobiernos y las agencias de reasentamiento ahora pueden hacer los mejores emparejamientos posibles, no solo para unos pocos afortunados sino para todos los refugiados reasentados.

El poder del lugar

¿Por qué importa el destino? Después de todo, algunos refugiados tienen el trabajo y las habilidades lingüísticas para desempeñarse bien en cualquier lugar, y algunos lugares cuentan con mercados laborales sólidos y organizaciones comunitarias que beneficiarían a cualquier refugiado. Sin embargo, los datos revelan claras sinergias entre las características de las personas y las condiciones locales:las fortalezas de algunos refugiados serán recompensadas más en ciertos lugares que en otros, mientras que los rasgos que podrían ser pasivos en algunos lugares se vuelven menos perjudiciales en otros.

En la actualidad, estas sinergias no se tienen en cuenta de forma sistemática. En los Estados Unidos, Las llegadas de refugiados tienden a ser enviadas al lugar que tiene espacio para recibirlas en ese momento. En otros países, como Suiza, Los solicitantes de asilo se asignan de forma aleatoria y proporcional entre las regiones. Ambos países tienen datos sobre cómo les ha ido económicamente a los refugiados en el pasado, pero hasta ahora No se ha comprendido el poder de esta información para mejorar los resultados de las futuras llegadas de refugiados.

IPL ha desarrollado un algoritmo basado en datos para optimizar el proceso mediante el cual los refugiados son asignados a ubicaciones dentro de un país de reasentamiento. Para imaginar el algoritmo en acción, imagina dos refugiados, ambos del mismo país, de edad similar, origen étnico, y niveles de habilidad. Cuando se reasenta en diferentes lugares, uno prospera encontrando trabajo mientras que el otro lucha. Las razones por las que sus caminos divergen son complejas, pero con un algoritmo que extrae decenas de miles de casos históricos, no necesitamos entenderlos completamente para aprender de ellos. El algoritmo puede detectar patrones sistemáticos, por lo que la próxima vez que reciba a un refugiado que se parezca mucho a estos dos, lo enviará al lugar donde prosperó el refugiado anterior.

Tome esa idea básica y multiplíquela por una docena de características individuales y cientos de posibles lugares de reasentamiento, y tiene una idea de lo que puede hacer el algoritmo si se pone al servicio de los miles de refugiados que un país podría recibir en un año determinado. Según Jeremy Ferwerda, afiliado de IPL, profesor asistente de gobierno en Dartmouth College, "La asignación algorítmica tiene el potencial de mejorar simultáneamente los resultados para los refugiados y las comunidades en las que son reasentados".

Para construir el algoritmo, Los investigadores de IPL comenzaron con una etapa de modelado, utilizar el aprendizaje automático en datos históricos para calcular la probabilidad de que un refugiado individual encuentre empleo en cada posible lugar de reasentamiento dentro del país de acogida, en función de su perfil demográfico. Próximo, el equipo calculó la probabilidad de que al menos un miembro de un caso o familia de refugiados encontrara un trabajo en cada lugar. Desde allí, Emparejaron cada caso de refugiados entrante con el lugar que ofrecía la mayor probabilidad de empleo, teniendo en cuenta las limitaciones del mundo real, como el número fijo de plazas disponibles en cada oficina de reasentamiento.

Para entrenar el algoritmo para su uso en los Estados Unidos, los investigadores utilizaron datos de más de 30, 000 refugiados, de 18 a 64 años, colocado por una importante agencia de reasentamiento de 2011 a 2016. Luego le pidieron al algoritmo que asignara ubicaciones óptimas para los refugiados que llegaron a fines de 2016. Los beneficios fueron sorprendentes:en comparación con los resultados históricos reales, el refugiado medio tenía más del doble de probabilidades de encontrar un trabajo si lo colocaba el algoritmo. Eso es un aumento en la probabilidad de empleo de alrededor del 25 al 50 por ciento. Las tasas de empleo previstas de los refugiados aumentaron en todos los ámbitos, incluso para aquellos que tenían más y menos probabilidades de encontrar trabajo. And nearly every resettlement location was better off:average employment rates at the vast majority of resettlement locations rose. Tests also found that, had the algorithm been used, the average employment rate across all locations would have been 41 percent higher, rising from 34 to 48 percent.

When the tests were repeated in the context of Switzerland, the gains were even greater. With data from the Swiss State Secretariat for Migration, the researchers looked at asylum seekers who had been resettled across 26 regions between 1999 and 2013, and who had received subsidiary protection. After training the algorithm on the earlier data, the team tested it on asylum seekers who arrived in 2013. Their employment rate was 15 percent in actuality, but it would have been 26 percent had they been assigned to the algorithm-identified, optimal location—a 73 percent increase.

From Theory to Practice

The algorithm's potential is all the more remarkable when compared with other possible interventions—like language instruction and job training—that, while essential, can be costly, logistically challenging, and difficult to scale. Algorithmic assignment is a rare policy reform that could deliver dramatic improvements at almost no cost. Notablemente, it would require little change to current bureaucratic procedures, says IPL data scientist Kirk Bansak:"Our goal was to develop a tool that not only worked well but was also practical from a real-world implementation standpoint. By improving an existing process using existing data, our algorithm avoids the financial and administrative hurdles that can often impede other policy innovations."

This approach can also improve over time. The algorithm constantly mines updated data on refugee outcomes, so it will respond to changing conditions at each resettlement location, adjusting its assignments if certain refugees no longer fare well in places that were once their best match, or if better matches emerge. Finalmente, because it would propose top matches while offering the possibility of human override, the algorithm would complement, not replace, the expertise of government officials and resettlement officers responsible for delivering integration services.

Given the magnitude of the global refugee crisis, refugee-receiving countries need policy innovation if they are to continue to rise to the challenge. IPL's data-driven approach to refugee resettlement presents a creative solution that can be implemented in any country that resettles refugees across domestic locations, offering a way to improve outcomes not only for refugees but also for the communities in which they live.