evidoria

← Retour à la liste

Bonne pratique Importée

Cartes de pauvreté HRSI — Ciblage par satellite et apprentissage automatique pour le filet de sécurité sociale de São Tomé-et-Príncipe

Sao Tomé-et-Principe · São Tomé · Voir le profil de Sao Tomé-et-Principe · Voir le profil de São Tomé

Preuves: Descriptif / auto-déclaré Top 25% 73/100 · Demandez à Evidence Copilot à propos de cette pratique

Une équipe de la Banque mondiale a construit des cartes de pauvreté à 110x110 mètres pour São Tomé-et-Príncipe en combinant satellite et apprentissage automatique, un outil peu coûteux et actualisable pour cibler la protection sociale là où les données manquent.

110m x 110m
Résolution de la carte
Cartes de pauvreté HRSI — Ciblage par satellite et apprentissage automatique pour le filet de sécurité sociale de São Tomé-et-Príncipe

Détails

Promoteur
World Bank Poverty and Equity Global Practice, in support of São Tomé and Príncipe's social protection programme
Période
2022–
Mots-clés
poverty mapping, machine learning, satellite imagery, social protection targeting

Contexte

Les programmes de protection sociale doivent décider où concentrer des ressources limitées, mais des données de pauvreté détaillées et à jour, à fine résolution géographique, sont coûteuses à collecter par enquêtes ménages et se périment rapidement entre les recensements, une contrainte particulière pour une petite nation insulaire à capacité statistique limitée.

Activités

Des chercheurs de la Banque mondiale ont construit des cartes de pauvreté par imagerie satellite haute résolution à une résolution de 110m x 110m, combinant un modèle d'apprentissage automatique d'incidence de la pauvreté avec des données de densité de population, pour classer les cellules géographiques par pauvreté estimée.

Résultats

La méthodologie a depuis été citée comme étude de cas dans le guide de la Banque asiatique de développement sur la cartographie de la pauvreté par intégration de données et intelligence artificielle, reflétant un programme de recherche plus large de la Banque mondiale appliquant des méthodes comparables dans d'autres pays à faibles données d'enquête.

Conclusions

La documentation publique couvre la méthodologie, la résolution et l'intention de conception, mais il n'existe aucune évaluation publiée de l'amélioration de la précision du ciblage une fois les cartes utilisées opérationnellement, ni de chiffres d'adoption confirmés par l'administration du filet de sécurité sociale de São Tomé-et-Principe.

Mise en œuvre
Coût indicatif
Faible (< 50 k€)
Délai jusqu’aux résultats
Court (< 1 an)
Personnel et compétences
World Bank Poverty and Equity Global Practice

Conditions de réussite

  • available satellite imagery and population-density data
  • machine-learning poverty-incidence model

Modes d’échec courants

  • no published evaluation of operational targeting-accuracy improvement
  • no confirmed in-country institutional adoption

Habituellement financé par

National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles