Es interesante que apenas utilicemos
modelos de predicción cuando programamos en prevención de conflictos en ámbito
comunitario. La mayoría de las veces o bien utilizamos un conjunto de supuestos
básicos o tomamos conflictos pasados como indicadores de los futuros (que, la
verdad, tiende a ser un indicador bastante fiable). Un paso alentador es el
nuevo estudio de Blair, Blattman y Hartman: Predicción de violencias locales en Liberia [en inglés]. A continuación está el sumario:
"Utilizamos los modelos de pronóstico y nuevos datos de 242 comunidades de Liberia para demostrar que es posible predecir los brotes de violencia local con alta sensibilidad y precisión moderada, incluso con datos limitados. Capacitamos a nuestros modelos para predecir la violencia comunitaria y penal en 2010 utilizando factores de riesgo medidos en 2008 comparamos las predicciones a la violencia actual en 2012 y encontramos que hasta un 88% de toda la violencia se predijo correctamente. Verdaderos positivos vienen a costa de muchos falsos positivos, dando precisión global entre el 33% y el 50%. Desde una perspectiva política, los estados, las organizaciones internacionales y las fuerzas de paz podrían utilizar este tipo de predicciones para prevenir y responder mejor a la violencia. Los modelos también generan nuevos datos estilizados que la teoría necesita explicar. En este caso, los predictores más fuertes de más violencia son divisiones sociales (principalmente étnicas), y coaliciones con grupos minoritarios" [Original en inglés, Google Translate con correcciones]
Los puntos principales, en mi opinión, son los siguientes:
- Han identificado como relevantes un número limitado de indicadores clave. Esto puede significar que incluso pequeños programas/organizaciones serian capaces de reunir los datos necesarios. Puede que los resultados sean específicos de Liberia, o incluso a las regiones bajo estudio (la pregunta habitual de: ¿Es transferible a otros contextos?), pero la metodología parece prometedora.
"Utilizamos los modelos de pronóstico y nuevos datos de 242 comunidades de Liberia para demostrar que es posible predecir los brotes de violencia local con alta sensibilidad y precisión moderada, incluso con datos limitados. Capacitamos a nuestros modelos para predecir la violencia comunitaria y penal en 2010 utilizando factores de riesgo medidos en 2008 comparamos las predicciones a la violencia actual en 2012 y encontramos que hasta un 88% de toda la violencia se predijo correctamente. Verdaderos positivos vienen a costa de muchos falsos positivos, dando precisión global entre el 33% y el 50%. Desde una perspectiva política, los estados, las organizaciones internacionales y las fuerzas de paz podrían utilizar este tipo de predicciones para prevenir y responder mejor a la violencia. Los modelos también generan nuevos datos estilizados que la teoría necesita explicar. En este caso, los predictores más fuertes de más violencia son divisiones sociales (principalmente étnicas), y coaliciones con grupos minoritarios" [Original en inglés, Google Translate con correcciones]
Los puntos principales, en mi opinión, son los siguientes:
- Han identificado como relevantes un número limitado de indicadores clave. Esto puede significar que incluso pequeños programas/organizaciones serian capaces de reunir los datos necesarios. Puede que los resultados sean específicos de Liberia, o incluso a las regiones bajo estudio (la pregunta habitual de: ¿Es transferible a otros contextos?), pero la metodología parece prometedora.
- ¿! Qué pasa con el reparto del poder?!?! Es posible que tengamos que investigar más en detalle sobre la "calidad" de coaliciones y acuerdos, y en qué manera afectan las dinámicas de poder. ¿Elevan las expectativas de los grupos minoritarios y dan lugar a más conflictos? o ¿los grupos mayoritarios no terminan de aceptar la presencia de los grupos minoritarios? ¡Tal vez deberíamos enfocar el problema desde la teoría de juegos!
- ¿Son más precisos nuestros poderes
de predicción (intuición) que el modelo a la hora de seleccionar los lugares de
trabajo en las etapas de diseño e implementación? Las herramientas de
predicción puede ser especialmente útiles cuando hay nuevo personal con conocimientos
conceptuales o contextuales limitados (facilitando así el proceso inicial de
aprendizaje) y en el proceso de diseño
- La idea de que el modelo auto-aprenda o sea capaz de generar nuevos
indicadores o datos. Esto puede ayudar en la identificación de nuevas tendencias
(no teorizadas) a lo largo del tiempo. En cierto modo esto está conectado con
el hecho de que data-mining parece tener una mala imagen y, sin embargo, se las
arregla de vez en cuando para sorprendernos y plantear nuevas preguntas.
- Y, por supuesto, la pregunta que está viene de mi lado practico/terreno: ¿cómo puedo utilizar la previsión como base de referencia para la medición del impacto en la prevención de conflictos? Aparte de la cuestión de atribución, aceptaran los donantes los conflictos inexistentes (¿prevenidos?) pero que fueron pronosticados anteriormente? ¿Van a aceptar realmente la previsión como herramienta de planificación? Como hemos visto en Somalia, en el caso de la sequía y la seguridad alimentaria, las atenciones se agudizan en las primeras etapas de las crisis pero no cuando se pronosticó o incluso el inicio mismo.
- Y, por supuesto, la pregunta que está viene de mi lado practico/terreno: ¿cómo puedo utilizar la previsión como base de referencia para la medición del impacto en la prevención de conflictos? Aparte de la cuestión de atribución, aceptaran los donantes los conflictos inexistentes (¿prevenidos?) pero que fueron pronosticados anteriormente? ¿Van a aceptar realmente la previsión como herramienta de planificación? Como hemos visto en Somalia, en el caso de la sequía y la seguridad alimentaria, las atenciones se agudizan en las primeras etapas de las crisis pero no cuando se pronosticó o incluso el inicio mismo.
No comments:
Post a Comment