Mapa da Pobreza do Banco Mundial no Maláui — Testando se a IA de Satélite Pode Direcionar Transferências Sociais em Dinheiro

Os programas anti-pobreza do Malawi precisam de estimativas atualizadas e de pequena área sobre onde vivem os agregados familiares pobres, mas os inquéritos domiciliares suficientemente detalhados para uma focalização precisa são caros e desatualizam-se rapidamente.

Investigadores do Banco Mundial (Roy van der Weide, Brian Blankespoor, Chris Elbers e Peter Lanjouw) testaram se imagens de satélite processadas por modelos de aprendizagem automática poderiam colmatar essa lacuna.

Os investigadores combinaram o Inquérito Integrado aos Agregados Familiares 2010/11 do Malawi com dados do censo populacional de 2008 para construir uma estimativa convencional de pobreza de pequena área, e depois construíram um segundo mapa de pobreza usando previsões de aprendizagem automática derivadas de indicadores de deteção remota por satélite, comparando o desempenho de cada mapa na identificação das áreas mais pobres do Malawi.

As duas abordagens concordaram na geografia geral da pobreza entre regiões e distritos, mas divergiram substancialmente em muitas áreas específicas de pequena escala: o mapa de deteção remota/aprendizagem automática teve bom desempenho na classificação de áreas maiores (por exemplo, na alocação de um orçamento nacional de rede de segurança entre distritos), mas não foi suficientemente fiável, por si só, para decidir que aldeias ou agregados familiares específicos deveriam receber benefícios.

Os autores alertam explicitamente contra depender de mapas de pobreza por deteção remota como substituto autónomo dos dados de inquéritos domiciliares quando estão em jogo decisões de focalização de precisão, recomendando que complementem, em vez de substituírem, a focalização tradicional baseada em inquéritos — uma conclusão em contraste com resultados mais otimistas relatados para métodos semelhantes na Nigéria.