Việc hoạch định chính sách hiệu quả dựa vào dữ liệu có chất lượng và kịp thời. Tuy nhiên, việc thu thập dữ liệu về nghèo đói vẫn là một quá trình tốn kém và phức tạp. Điều tra hộ gia đình là phương pháp chính để đo lường thu nhập và chi tiêu của hộ gia đình, nhưng chúng có thể tiêu tốn hàng triệu đô la. Hơn nữa, thường phải mất nhiều năm mới có được ước tính về tỷ lệ nghèo ( Lanjouw và Yoshida, 2022). Những sự chậm trễ này cản trở sự hiểu biết của chúng ta về các xu hướng phúc lợi và khả năng xây dựng các chính sách công phù hợp và hiệu quả.
Ngân hàng thế giới đã phát triển Điều tra về sức khỏe thông qua theo dõi tức thời và thường xuyên (SWIFT) vào năm 2014 để tăng tốc và hợp lý hóa việc giám sát nghèo đói và bất bình đẳng. SWIFT áp dụng các kỹ thuật học máy cho dữ liệu điều tra hộ gia đình mới nhất hiện có để tạo ra các ước tính về tỷ lệ nghèo với tần suất cao có thể so sánh với số liệu thống kê chính thức. Thay vì thu thập trực tiếp dữ liệu thu nhập hoặc tiêu dùng toàn diện, SWIFT thu thập dữ liệu về các mối tương quan giữa nghèo đói như quy mô hộ gia đình, quyền sở hữu tài sản, trình độ học vấn hoặc mức tiêu thụ thực phẩm và chuyển chúng thành số liệu thống kê về nghèo đói bằng cách sử dụng các mô hình ước tính. Dữ liệu về các mối tương quan này được thu thập thông qua các cuộc phỏng vấn ngắn, mất khoảng hai đến năm phút để quản lý.
Một trong những tính năng nổi bật của SWIFT là độ tin cậy trong việc ước tính mức độ nghèo đói sau những cú sốc lớn về khí hậu hoặc kinh tế. Trong khi các mô hình học máy truyền thống thường gặp khó khăn trong những điều kiện như vậy, thì những cải tiến liên tục về mặt phương pháp đối với SWIFT kể từ khi ra mắt đã giúp đưa ra các ước tính về tỷ lệ nghèo đáng tin cậy ngay cả sau các cuộc khủng hoảng lớn ở Afghanistan năm 2016 (xem Yoshida 2022).
Ngoài ước tính nghèo đói
Mặc dù ban đầu được thiết kế để tạo ra các chỉ số nghèo đói và bất bình đẳng, phạm vi của SWIFT đã mở rộng đáng kể. Ngày nay, nó đóng một vai trò quan trọng trong việc khôi phục khả năng so sánh của số liệu thống kê nghèo đói chính thức, tạo điều kiện thuận lợi cho việc theo dõi thời gian thực trong các cuộc khủng hoảng, theo dõi phúc lợi ở các quốc gia mong manh và xác định chính xác các hộ gia đình đang rất cần trợ giúp xã hội. Với hơn 200 hoạt động triển khai trên 75 quốc gia, SWIFT trải rộng trên nhiều bối cảnh kinh tế xã hội đa dạng (xem “Thu hẹp khoảng cách: Sử dụng SWIFT để nhanh chóng theo dõi tình trạng đói nghèo và phúc lợi trong thời kỳ khủng hoảng”).
Báo cáo, “Cho phép theo dõi nghèo đói theo thời gian thực và tần suất cao ở Thế giới đang phát triển” đi sâu vào cách SWIFT tận dụng các phương pháp thống kê và học máy để tạo ra những hiểu biết toàn diện, đáng tin cậy và theo thời gian thực về động thái nghèo đói trong các trường hợp sử dụng khác nhau.
Giám sát nghèo đói sau các cú sốc hậu khí hậu
Ở Nam Malawi, SWIFT đã được tích hợp với Hệ thống giám sát nhanh và thường xuyên, một hệ thống thu thập dữ liệu dựa vào cộng đồng, để liên tục đưa ra ước tính về tình trạng nghèo đói ở các vùng nông thôn ở phía nam đất nước kể từ năm 2020. Khi hai cơn bão đổ bộ vào khu vực này vào tháng 2 năm 2022 và tháng 3 năm 2023, SWIFT đã giúp chứng minh rằng mặc dù tác động của bão không xảy ra ngay lập tức nhưng chúng đã làm hư hại mùa màng, từ đó ảnh hưởng đến thu nhập của các hộ gia đình trong vụ thu hoạch tiếp theo. Do đó, tác động chậm trễ này biểu hiện ở việc tỷ lệ nghèo đói tăng dần trong thời kỳ thu hoạch.
Tận dụng dữ liệu hiện có để theo dõi nghèo đói hàng quý
Một khía cạnh đổi mới khác của SWIFT là khả năng tích hợp dễ dàng với các quy trình thu thập dữ liệu hiện có, chẳng hạn như Khảo sát lực lượng lao động hàng quý, để theo dõi tình trạng đói nghèo. Điều này làm giảm chi phí xuống một phần so với các phương pháp truyền thống. Các thử nghiệm ở các quốc gia như Botswana, Cộng hòa Dân chủ Congo và Paraguay đã xác nhận tiềm năng của việc theo dõi tình trạng nghèo đói thường xuyên với mức tiết kiệm đáng kể. Tại Paraguay, Viện Thống kê Quốc gia và Ngân hàng Thế giới đã thí điểm sử dụng SWIFT để đưa ra ước tính nghèo đói hàng quý. Kết quả từ sự hợp tác này cho thấy các ước tính hàng quý phản ánh những biến động lớn về tình trạng nghèo đói trong đại dịch COVID-19.
Khôi phục khả năng so sánh dữ liệu
Các cuộc khảo sát hộ gia đình mới có thể có những cải tiến về công nghệ và phương pháp giúp nâng cao chất lượng của dữ liệu về nghèo đói, nhưng điều này thường làm giảm khả năng so sánh theo thời gian. SWIFT giải quyết thách thức này bằng cách điều chỉnh số liệu chi tiêu hộ gia đình từ các cuộc khảo sát trước đó để phù hợp với những số liệu gần đây hơn, đảm bảo chuỗi dữ liệu nghèo đói nhất quán. Tính năng này đã được áp dụng ở các quốc gia như Mông Cổ và Nigeria cho thấy khả năng của SWIFT trong việc duy trì tính toàn vẹn dữ liệu theo thời gian.
Điều này có ý nghĩa gì đối với việc theo dõi nghèo đói trong tương lai?
Tính linh hoạt của SWIFT được thể hiện rõ trong ứng dụng của nó trong nhiều môi trường đầy thử thách khác nhau, từ giám sát người tị nạn ở Uganda đến đánh giá khủng hoảng kinh tế ở Zimbabwe. Sự phát triển của cách tiếp cận này từ một công cụ đo lường nghèo thành một hệ thống theo dõi nghèo toàn diện phản ánh khả năng thích ứng, khả năng phục hồi và tiềm năng của nó.
Khi phương pháp SWIFT phát triển, nó có thể trở thành một khuôn khổ ngày càng có giá trị để trao quyền cho ngay cả các quốc gia có thu nhập thấp để theo dõi tình trạng nghèo đói thường xuyên hơn. Dữ liệu về nghèo đói thường xuyên và kịp thời hơn cho phép các chính phủ và các đối tác phát triển hiểu được tác động trước mắt, trung hạn và dài hạn của biến đổi khí hậu, suy thoái kinh tế, xung đột và thiên tai đối với tình trạng nghèo đói và điều kiện sống nói chung.
Nguyễn Mai (Lược dịch)
Nguồn: https://blogs.worldbank.org/en/opendata/introducing-swift–real-time-poverty-monitoring-using-machine-le