Registro Social de Hogares — Sistema Algorítmico de Focalização de Benefícios Sociais do Chile
Chile
O RSH classifica 8,99 milhões de lares chilenos (85,6 % da população) em níveis socioeconómicos que condicionam o acesso a …
Sri Lanka · Colombo · Ver o perfil de Sri Lanka · Ver o perfil de Colombo
Top 83% 40/100 · Pergunte a Evidence Copilot sobre esta prática
O programa Aswesuma do Sri Lanka utiliza uma Pontuação de Privação Multidimensional com 22 indicadores, calculada pelo Departamento de Censo e Estatística, para classificar os candidatos a apoio social em níveis de benefício; análises independentes documentam elevada exclusão de agregados elegíveis e baixa transparência sobre a forma como a pontuação é calculada.
O Aswesuma foi lançado em 2023 como sucessor, ligado ao FMI, do antigo programa Samurdhi, substituindo a seleção manual e politicamente discricionária de beneficiários por uma pontuação baseada numa fórmula.
O Departamento de Censo e Estatística do Sri Lanka calcula uma Pontuação de Privação Multidimensional a partir de 22 indicadores que abrangem educação, saúde, habitação, bens, dados demográficos e situação económica, recolhidos através de um inquérito aos agregados familiares que utiliza a metodologia de Teste de Meios Aproximado (Proxy Means Test), classificando os agregados num de quatro níveis de benefício.
A cobertura subiu de 18,8% da população, sob o Samurdhi em 2016, para 29,1% sob o Aswesuma, segundo o inquérito BRIGHT de 2024-25, ainda abaixo da meta governamental de 35%. A análise do Groundviews aos dados de pontuação constatou que 12,34 milhões de pessoas — 55,7% da população — foram consideradas multidimensionalmente vulneráveis, mas apenas cerca de 2 milhões de agregados foram efetivamente selecionados como beneficiários.
A Human Rights Watch documentou aquilo a que chamou resultados 'caóticos' da reforma, com cortes arbitrários e elevada exclusão de agregados elegíveis; o Groundviews intitulou a sua investigação 'Aswesuma: Elevada Exclusão, Baixa Transparência?'; e o instituto de políticas LIRNEasia pediu uma explicação pública mais clara sobre o funcionamento do algoritmo. Segundo a imprensa, a culpa pública por erros de seleção tem sido frequentemente atribuída ao 'software informático', e não ao desenho da política.
Os detalhes de implementação (custo, prazo, equipa, condições de sucesso) ainda não estão disponíveis para esta prática.
Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.
De onde foi obtida a informação desta prática, e quando.
Chile
O RSH classifica 8,99 milhões de lares chilenos (85,6 % da população) em níveis socioeconómicos que condicionam o acesso a …
Colômbia
O algoritmo Sisbén IV da Colômbia pontua domicílios em habitação, saúde, educação e mercado de trabalho para decidir a elegibilidade …
Serra Leoa
A NMSA da Serra Leoa e a Universidade da Pensilvânia criaram uma ferramenta de IA que elevou o consumo de …
Togo
Para apressar a ajuda COVID aos mais pobres, Togo usou aprendizado de máquina em imagens de satélite e dados de …
Abrir o copiloto completo Baseado em práticas citadas — verifique sempre as fontes.