Aswesuma — le score algorithmique de ciblage social du Sri Lanka et son problème d'exclusion
Sri Lanka
Le programme Aswesuma du Sri Lanka utilise un score de privation multidimensionnelle à 22 indicateurs, calculé par le Département du …
Colombie · Bogotá · Voir le profil de Colombie · Voir le profil de Bogotá
Preuves: Observationnel / avant-après Top 74% 47/100 · Demandez à Evidence Copilot à propos de cette pratique
L'algorithme colombien Sisbén IV note les ménages sur le logement, la santé, l'éducation et le marché du travail pour décider de l'éligibilité aux programmes sociaux dans tout le pays. Une étude de 2024 n'a trouvé qu'un faible accord avec l'indice officiel de pauvreté : 37,69 % des ménages non pauvres classés à tort comme pauvres.
Le Sisbén est l'instrument national de ciblage de la Colombie, géré par le Departamento Nacional de Planeación, utilisé pour déterminer l'éligibilité à des dizaines de programmes sociaux, notamment les subventions de santé, la pension Colombia Mayor, les aides au logement et les bourses d'éducation.
Depuis 2020, la Metodología IV combine des variables de logement, de santé, d'éducation et de marché du travail en un score par ménage, remplaçant l'ancien indicateur de revenu par habitant, et classant les ménages en groupes A-D que chaque programme utilise pour fixer ses propres seuils d'éligibilité.
Une étude évaluée par des pairs, publiée en 2024 dans Desarrollo y Sociedad (Universidad de los Andes), a comparé directement les classifications des ménages du Sisbén IV à l'Indice de pauvreté multidimensionnelle officiel de la Colombie.
L'étude n'a trouvé qu'un accord statistique faible (kappa de Cohen inférieur à 0,36) : 37,69% des ménages que l'indice officiel ne considère pas comme pauvres ont néanmoins été classés comme pauvres par le Sisbén, tandis que 4,89% des ménages officiellement pauvres n'ont pas du tout été détectés.
Une analyse indépendante replace ces résultats par rapport aux erreurs d'inclusion encore plus importantes de l'ancienne méthodologie Sisbén III (49,9% pour la pauvreté monétaire, 64,8% pour la pauvreté multidimensionnelle), et des défenseurs des droits des citoyens s'inquiètent de l'opacité du score pour les personnes qu'il classe.
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.
D'où proviennent les informations de cette pratique, et quand.
Sri Lanka
Le programme Aswesuma du Sri Lanka utilise un score de privation multidimensionnelle à 22 indicateurs, calculé par le Département du …
Azerbaïdjan
Le Fonds public de protection sociale d'Azerbaïdjan utilise l'IA pour identifier et inscrire proactivement les citoyens éligibles à des prestations. …
Kazakhstan
Scoring prédictif (100+ indicateurs, 20+ agences) identifie les familles vulnérables au Kazakhstan et déclenche des services automatiquement. Depuis jan. 2023 …
Chili
L'algorithme RSH classe 8,99 millions de ménages chiliens (85,6 % de la population) dans des tranches socio-économiques qui conditionnent l'accès …
Ouvrir le copilote complet Fondé sur des pratiques citées — vérifiez toujours les sources.