Registro Social de Hogares — El sistema algorítmico de focalización de beneficios sociales de Chile
Chile
El RSH clasifica 8,99 millones de hogares (85,6 % de la población) en tramos socioeconómicos que condicionan todos los beneficios …
Sri Lanka · Colombo · Ver el perfil de Sri Lanka · Ver el perfil de Colombo
Top 83% 40/100 · Pregunte a Evidence Copilot sobre esta práctica
El programa Aswesuma de Sri Lanka utiliza una Puntuación de Privación Multidimensional de 22 indicadores, calculada por el Departamento de Censo y Estadística, para clasificar a los solicitantes de asistencia social en niveles de beneficios; análisis independientes documentan una alta exclusión de hogares elegibles y baja transparencia sobre cómo se calcula la puntuación.
Aswesuma se lanzó en 2023 como sucesor, vinculado al FMI, del antiguo programa Samurdhi, sustituyendo la focalización social manual y políticamente discrecional por una puntuación basada en una fórmula.
El Departamento de Censo y Estadística de Sri Lanka calcula una Puntuación de Privación Multidimensional a partir de 22 indicadores que abarcan educación, salud, vivienda, bienes, demografía y situación económica, recopilados mediante una encuesta de hogares que utiliza la metodología de Prueba de Medios Indirecta (Proxy Means Test), y clasifica a los hogares en uno de cuatro niveles de beneficios.
La cobertura aumentó del 18,8% de la población bajo Samurdhi en 2016 al 29,1% bajo Aswesuma, según la encuesta BRIGHT 2024-25, todavía por debajo del objetivo gubernamental del 35%. El análisis de Groundviews sobre los datos de puntuación encontró que 12,34 millones de personas —el 55,7% de la población— fueron evaluadas como multidimensionalmente vulnerables, pero solo alrededor de 2 millones de hogares fueron efectivamente seleccionados como beneficiarios.
Human Rights Watch documentó lo que denominó resultados 'caóticos' de la reforma, con cortes arbitrarios y una alta exclusión de hogares elegibles; Groundviews tituló su investigación 'Aswesuma: ¿Alta exclusión, baja transparencia?'; y el instituto de políticas LIRNEasia ha pedido una explicación pública más clara sobre el funcionamiento del algoritmo. Según la prensa, la culpa pública por los errores de selección a menudo se ha atribuido al 'software informático' en lugar de al diseño de la política.
Los detalles de implementación (coste, plazo, personal, condiciones para el éxito) aún no están disponibles para esta práctica.
¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.
De dónde se obtuvo la información de esta práctica, y cuándo.
Chile
El RSH clasifica 8,99 millones de hogares (85,6 % de la población) en tramos socioeconómicos que condicionan todos los beneficios …
Colombia
El algoritmo Sisbén IV de Colombia puntúa a los hogares en vivienda, salud, educación y mercado laboral para decidir la …
Sierra Leona
La NMSA de Sierra Leona y la Universidad de Pensilvania crearon una herramienta de IA que aumentó el consumo de …
Togo
Para acelerar la ayuda COVID a los más pobres, Togo utilizó aprendizaje automático en imágenes satelitales y datos de telefonía …
Abrir el copiloto completo Basado en prácticas citadas: comprueba siempre las fuentes.