Working Papers

A Machine Learning Approach to Targeting Humanitarian Assistance Among Forcibly Displaced Populations

Download

No.

1654

Publisher

ERF

Date

November, 2023

Topic

I3. Welfare, Well-Being, and Poverty

O1. Economic Development

Abstract
Author(s)

Increasing trends in forced displacement and poverty are expected to intensify in coming years. Data science approaches can be useful for governments and humanitarian organizations in designing more robust and effective targeting mechanisms. This study applies machine learning techniques and combines geospatial data with survey data collected from Syrian refugees in Lebanon over the last four years to help develop more robust and operationalizable targeting strategies. Our findings highlight the importance of a comprehensive and flexible framework that captures other poverty dimensions along with the commonly used expenditure metric, while also allowing for regular updates to keep up with (rapidly) changing contexts over time. The analysis also points to geographical heterogeneities that are likely to impact the effectiveness of targeting strategies. The insights from this study have important implications for agencies seeking to improve targeting, especially with shrinking humanitarian funding.

ملخص

من المتوقع أن تزداد في السنوات القادمة اتجاهات التشريد القسري والفقر. يمكن أن تكون نُهج علم البيانات مفيدة للحكومات والمنظمات الإنسانية في تصميم آليات استهداف أكثر قوة وفعالية. تطبق هذه الدراسة تقنيات التعلم الآلي وتجمع بين البيانات الجغرافية المكانية وبيانات المسح التي تم جمعها من اللاجئين السوريين في لبنان على مدى السنوات الأربع الماضية للمساعدة في تطوير استراتيجيات استهداف أكثر قوة وقابلية للتنفيذ. تسلط النتائج التي توصلنا إليها الضوء على أهمية وجود إطار شامل ومرن يجسد أبعاد الفقر الأخرى جنبًا إلى جنب مع مقياس الإنفاق الشائع الاستخدام، مع السماح أيضًا بإجراء تحديثات منتظمة لمواكبة السياقات المتغيرة (بسرعة) بمرور الوقت. ويشير التحليل أيضا إلى أوجه عدم التجانس الجغرافي التي يحتمل أن تؤثر على فعالية استراتيجيات الاستهداف. الرؤى من هذه الدراسة لها آثار مهمة على الوكالات التي تسعى إلى تحسين الاستهداف، خاصة مع تقلص التمويل الإنساني.