在数据匮乏的地方扩大社会援助：新数据和人工智能的机遇和局限（英）2024

社会保护与就业 讨论论文 编号24022024年3月 在数据稀缺的地方扩大社会援 助：新数据和人工智能的机会 和局限性 授权公开披露 授权公开披露 授权公开披露 授权公开披露 YukoOkamuraTimOhlenburg和EmilTesliuc 2024国际复兴开发银行世界银行 1818H街西北华盛顿特区 20433 电话：12024731000互联网 ：wwwworldbankorg 这项工作是世界银行工作人员在外部贡献下的产物。这项工作中表达的调查结果、解释和结论不一定反映世界银行、其执行董事会或他们所代表的政府的观点。 世界银行不保证本作品中包含的数据的准确性。本作品中任何地图上显示的边界，颜色，面额和其他信息并不意味着世界银行对任何领土的法律地位或认可或接受此类边界的任何判断。权利和许可 本作品中的材料受版权保护。由于世界银行鼓励传播其知识，因此只要给予该作品的全部归属，就可以出于非商业目的全部或部分复制该作品。 有关权利和许可，包括附属权利的任何疑问，应向世界银行出版物，世界银行集团，华盛顿特区西北1818号H街，美国20433；传真：1（202）5222625；电子邮件：pubrightsworldbankorg。 Abstract在最近的新冠肺炎冲击202021期间，大多数国家使用现金转移来保护受大流行或流动性或经济活动限制影响的人的生计，包括穷人和弱势群体。虽然绝大多数国家动员了现有方案和或行政数据库，以扩大对新受益者的支持，但没有此类方案或数据库的国家的应对能力受到严重限制。利用Covid19冲击作为跨越式发展和创新的机会，各个低收入国家使用新的数据来源和计算方法来快速开发以福利为目标的计划。本文回顾了危机时期计划和定期的社会保护行动，以总结可能适用于这两种情况的经验教训。它研究了来自刚果民主共和国，多哥和尼日利亚的三个计划，这些计划使用地理空间和移动电话使用数据和或人工智能（AI），特别是机器学习方法来估计个人福利目标申请人的福利，并提供紧急现金转移以应对大流行。此外，它还审查了多哥洛美和马拉维利隆圭省农村的两个大流行后计划，这些计划将这些创新纳入了更传统的交付基础设施，并扩大了其监测和评估框架。考虑了各种方法的理由，主要成就和主要挑战，并考虑了其他国家的案例以及目标以外的创新。本文最后提出了政策建议和有希望的研究主题，以就如何利用新颖的数据源和估计方法来改善紧急情况内外的社会援助提供信息。 JEL代码O31I38 关键字社会保护和劳动、贫困、社会援助、现金转移、社会项目的获取、适应性社会保护、袜子响应、技术、创新、G2P政府对个人支付、新颖数据源、呼叫细节记录CDR、卫星图像、机器学习、人工智能、目标定位、地理空间定位、应急响应、COVID19响应。 Acknowledgments本文由YoOamra，TimOhlebrg和EmilTeslic撰写。作者感激地感谢MiitaVarghese，AitMherjee，LaraBermeo，TiaGeorge，AaLciaCardeas，FaeAde，MaheshworShrestha，UbahThomasUbah，MderisAbdlahiMohammed、ArthrAliLagrage、MitjaDelBoo、SteisiaasariMileiva、JliaKoschore、SebastiaGeschwid、LisIaiAlberroEcias、OscarBarrigaCabaillas、AdrsParrado和TomMt鉴于该论文是由社会保护和就业全球实践与G2Px倡议合作编写的，该论文正在《社会保护与就业讨论论文系列》和《G2Px论文系列》中交叉发表。提供社会援助的新数据。作者也感谢LoliArribasBaos和VyjayatiDesai的指导。该论文受益于以下同事的同行评审：PhillippeLeite，SvetaMilsheva，JoathaMarsell和RobertPalacios。LaraSrivastava提供了编辑帮助，JihaeElKhoryRoederer提供了设计和布局帮助。有关评论和查询，可以通过yoamraworldba与作者联系。orgmailtimohlebrgcom和eteslicworldba。 Contents 1Introduction 1 2社会援助的新方法概述 4 21探索使用非传统或新颖的数据源 6 211相关性和益处 6 212需求和瓶颈 8 22使用非传统数据源的目标流程 9 221地理定位 10 222个人层面的定位 13 223关键问题和挑战 16 23提供社会保护的其他方面的创新 19 231外联 20 232进气和登记 22 233付款 23 234监测和受益人管理 25 3初步结果和分析 29 31实施速度 29 32行政费用 30 33瞄准精度 30 34受益人的便利和成本 34 4COVID19冲击后的创新范例 35 41多哥社会安全网和基本服务项目 35 42马拉维的Canva现金转账 37 5结论和前进方向 42 51紧急情况 42 52常规操作 43 53限制和未知 44 54摘要和建议 48 附件不同瞄准方法的适宜性和最低条件 52 参考文献 55 V 1Introduction 社会保护正处于由快速数字化，新技术以及对自适应和通用系统的迫切需要推动的变革性变革的门槛。虽然数字技术和行政数据的使用已成为社会保护的一种规范，但新类型数据即新数据源、1例如卫星和移动数据）是最近的。过去几年这些新颖方法的兴起2是由于几个因素的融合：随着时间的推移，数据的可用性增加，计算方法和数据分析如机器学习、人工智能的演变，以及需要紧急扩大社会保护规模以应对COVID19大流行。 为了应对COVID19危机，社会援助以前所未有的规模扩大，许多以前被排除在政府支持之外的人获得了援助。Anestimated 低收入和中等收入国家的17亿人（在大多数地区，世界上大约有五分之一的人）获得了COVID应对社会援助金，其中一半以上是首次获得（Marin和Palacios2022）。3 在COVID19期间，登记和选择新的受益人被证明是向社会保护计划未涵盖的更多人口提供紧急支持的重大挑战。这主要是由于缺乏数据：当时只有一半的全球人口受到社会保护（国际劳工组织2021年），而一半的人口，特别是在非正规部门工作的人口，“看不见”。非正规工人没有受到任何社会保护计划的保护，没有任何行政数据库，因此更容易受到COVID19的经济冲击，而无法自动获得任何保护机制。 注册申请人和选择受益人的挑战在缺乏传统基础设施、数据和数字交付系统的“数据沙漠”国家最为明显。设计和实施现金转移需要数据来识别、定位、筛选和支付受益人例如，行政记录和或通过社会经济调查从申请人那里收集的数据，以及数字公共基础设施 ，如身份证系统、社会登记、管理信息 1Weusetheterms‘nontraditionaldata’and‘noveldata’internotabletorefertothevariousdatasourcesSeeAikenandOhlenburg2023foranoverview 2有关评论，请参阅Lowe，2022和Ohlenburg，2022。 3根据截至2021年5月的付款进行估算。无论该计划是针对个人还是家庭，收件人都是根据居住在收到现金转移的家庭中的估计个人来衡量的。 系统和支付方式。4例如，社会登记册在评估社会援助的资格、根据福利估计贫困或人口特征等资格标准确定有需要的个人或家庭方面发挥着关键和有利的作用。在应对COVID19时，拥有最新信息和高覆盖率的社会登记册的国家能够迅速有效地向目标人群提供紧急支持例如Procedre，在土耳其，智利，巴西，约旦，马来西亚）。 在这种情况下，少数没有预先存在的社会保护系统和工具来估计目标人群的福利的国家转向了新的数据源，估计技术和数字交付。虽然大多数缺乏估计目标群体福利的工具的国家诉诸于分类目标例如，受影响行业的雇员名单，5本文调查的国家地区迅速发展并采用了基于福利的标准，使用新颖的数据和估计技术。这些创新方法是本文的重点。 尽管将非传统方法用于个人和家庭目标仍处于起步阶段，但来自世界各地的例子正在出现，其可行性日益得到认可。非洲大陆有几个值得注意的例子。多哥的NovissiModel26和刚果民主共和国（DRC）的STEPKIN也许是这些应用程序中最好的宣传。大流行之后还有三个用例：马拉维试点，其方法与多哥的Novissi模型2相同；多哥社会安全网和基本服务项目，旨在结合新方法和传统方法；以及尼日利亚国家社会安全网计划扩大规模（NASSPSU）。7该项目开始使用通过手机收集的新注册表。此外，类似的计划已经在一些非洲国家进行，或者在其他非洲国家（例如科特迪瓦，马里，喀麦隆）处于政策讨论的初始阶段。 虽然这些例子已经产生了一些初步结果，但仍然缺乏这种方法的有效性和影响的确凿证据。例如，尽管在撰写本文时正在进行一些评估 ，但尚未对新颖与传统靶向方法的比较性能进行严格的评估。替代方法有许多未知因素，但可以适用于速度比准确性更重要的紧急情况。相比之下，在正常情况下，对于以贫困为目标的常规社会援助计划，纳入和排除错误仍然是关键的绩效指标。 本文的目的是从最近的国家案例研究中汲取教训，并制定关于利用新形式的数据在紧急情况内外提供社会援助的指导。新的数据源，当用于补充传统的方法和数据时，具有 4这些支持系统越来越多地被称为数字公共基础设施DPI。DPI可以在多个部门的有效公共行政，服务交付和创新中发挥关键作用。对于政府对个人（G2P）支付计划，数字身份验证或身份验证系统，数字支付系统以及促进这些与其他部门数据库和应用程序之间数据交换的结构是现代G2P架构的关键要素。结合起来，这些平台可以作为一个“堆栈”一起工作，以支持服务交付和动态的数字经济。有关更多信息，请参阅Metz等人。2022年。“用于转换服务交付ID支付和数据共享的数字堆栈”世界银行ID4D。 5尽管缺乏现有的登记册，但一些国家成功地重新实施了现金转移，同时依靠更传统的方法和没有福利评估的分类目标例如，孟加拉国和塞拉利昂使用受影响行业的雇员名单 。 6本文重点介绍了Novissi模型2，其中包括MLAI定位创新，以将覆盖范围扩展到农村地区，而不是模型1，后者纯粹基于使用管理数据源的分类定位，并在城市地区实施。 7对于尼日利亚NASSPSU，本文着重于使用快速社会注册（RRR），而不是国家社会注册（NSR） 探索创新，以支持对全球流行病等危机的更快反应，将有助于各国应对和准备与危机和流行病准备，气候变化，经济不稳定，脆弱性，粮食不安全，战争和流离失所有关的无数挑战。 本文旨在回答有关使用新颖数据源来确定社会援助受益人的基本原理以及此类做法对未来的影响的实际操作问题。对三个具体国家案例进行了深入研究，所有这些案例都使用卫星和移动数据进行个人或家庭层面的定位：多哥诺维西模型2，刚果民主共和国STEPKIN和尼日利亚NASSPSU。下一章讨论了三个案例研究中的每一个，它们的创新背景，主要挑战和缺点。它还强调了其他国家的用例 ，这些国家在社会援助交付链的其他部分进行了创新，超出了目标确定过程。第三章提炼了一些初步结果。第4章介绍了另外两个案例， 这些案例采用了非传统的目标方法来在大流行后提供援助。最后，第5章研究了这种方法在常规和紧急情况下的适用性，并强调了现有的局限性和未知因素。本文最后提出了一系列建议，突出了未来研究的领域。 2社会援助的新方法概述 本章概述了在以下三个具体案例中使用新数据源进行社会援助的情况： 多哥的NovissiModel2于2020年11月开始向139000名受益人发放福利，覆盖该国一半以上的州； DRC的STEPKIN于2021年3月向居住在该国首都特定地区的456000名受益人提供了第一笔付款；和 尼日利亚