Los algoritmos de Machine Learning pueden ayudar a resolver problemas de falta de información en encuestas, tal como se usó en un proyecto financiado por la Universidad Iberoamericana (IBERO) y a cargo del Doctor (Dr.) Alan Hernández Solano, para identificar la dinámica de la pobreza y los factores demográficos y socioeconómicos que acrecentaron o redujeron la persistencia de la pobreza durante la pandemia del COVID-19 en México.

Un desafío que experimentó esta encuesta telefónica longitudinal llamada ENCOVID-19 –elaborada por el Laboratorio Interdisciplinario de Encuestas y Datos Sociales (LIEDS) de la IBERO— es que al momento de preguntar a las y los entrevistados por los ingresos del hogar, se obtuvo una alta tasa de no respuesta (40% no contestó), lo que impedía identificar el estado de pobreza de las personas encuestadas.

Para solucionar la falta de este dato, se empleó el algoritmo de aprendizaje automático Random Forest, ampliamente usado para entrenar un modelo utilizando datos de la Encuesta Nacional de Ingresos y Gastos de los Hogares (ENIGH) del INEGI, lo que permitió predecir el estado de pobreza de los hogares encuestados en la ENCOVID-19.

Esta investigación fue relevante por las siguientes tres razones. La primera, distinguió si los hogares se encontraban en pobreza persistente o transitoria, lo que permitió proponer el diseño de políticas públicas diferenciadas para abordar las diversas causas que generaron la falta de recursos en los hogares estudiados.

Importancia de las variables en la predicción en el modelo Random Forest para predecir la pobreza

La segunda, que esta investigación ayudó a identificar elementos clave característicos de los hogares en pobreza persistente, y a comprender las posibles consecuencias que traen consigo las estrategias con las que los hogares en pobreza transitoria afrontan las crisis económicas.

Y la tercera, que se siguió la dinámica de la pobreza de estas personas entre 2020 y 2022, es decir, "no tenías las fotografías de 2020, 2021 y 2022, sino la película completa de lo que pasó con la gente durante todo ese tiempo", explica el Dr. Hernández Solano, profesor-investigador en el Instituto de Investigaciones para el Desarrollo con Equidad (EQUIDE) de la IBERO.

Desde una perspectiva metodológica, el proyecto demostró la viabilidad de usar algoritmos de aprendizaje automático para predecir la pobreza con base en un número limitado de preguntas en el contexto mexicano. El modelo se utilizó para identificar si los hogares en la encuesta eran pobres o no.

¿Qué se halló en este proyecto para medir la dinámica de la pobreza durante la pandemia?

Aunque la pobreza por ingresos se redujo entre 2020 y 2022 durante la pandemia del COVID-19 en México, casi 70% de los hogares pobres en 2022 sufrió pobreza persistente. En otras palabras, en 2020-2021 salió 21% y entró 7%; en 2021-2022 salió 15% y entró 6%. En 2022, el 68% de los hogares pobres sufrían pobreza persistente. El estudio permitió analizar más a detalle a los “pobres persistentes” y los factores que aumentan o reducen la probabilidad de permanecer en pobreza.

Aunque los resultados de este estudio no son representativos a nivel nacional debido a problemas de deserción de la muestra, indican una tendencia de la pobreza a la baja, similar a la reportada oficialmente por el Consejo Nacional de Evaluación de la Política de Desarrollo Social (Coneval).

¿Qué factores reducen la posibilidad de permanecer en pobreza de ingresos?

• Tener acceso a internet permitió el trabajo remoto y el acceso a información sobre oportunidades laborales emergentes
• Incrementar el número de personas empleadas en el hogar

¿Qué factores aumentan la posibilidad de permanecer en pobreza de ingresos?

• Sufrir inseguridad alimentaria severa o moderada en 2020
• Ser indígena
• Vivir en zonas rurales

Estrategias perversas de afrontamiento de la crisis:

• Suspender pagos de deudas o tarjetas de crédito
• Interrumpir pagos de alquiler o servicios públicos
• Pedir dinero prestado a familiares o amigos
• Empeñar o vender objetos valiosos
• Usar tarjetas de crédito o solicitar préstamos en bancos o prestamistas

¿Qué políticas públicas propuso este proyecto financiado por la IBERO?

• Las enfocadas en mantener los ingresos y el empleo de los hogares durante la crisis, garantizando que los hogares cuenten con los recursos necesarios para cubrir sus necesidades básicas​
• Seguros de desempleo (sector formal)​
• Apoyos económicos para garantizar al menos el acceso a una canasta básica de bienes y servicios para hogares vulnerables​
• Evitar que los hogares recurrieran a medidas de afrontamiento con efectos negativos a largo plazo (deudas e interrupción de pagos)

¿Por qué es importante medir la pobreza?

Expertos han dado su opinión sobre la propuesta de reforma para eliminar el Coneval, un organismo público federal que genera información objetiva sobre la situación de la política social y la medición de la pobreza en México, pero ¿por qué es importante medir la pobreza?

Para el Dr. Alan Hernández Solano, Coneval permitía identificar los problemas económicos y sociales de la población mexicana y hacer políticas públicas informadas y focalizadas, además de que hacían evaluaciones de impacto para saber si estas políticas funcionan.

"Lo que yo resaltaría de la encuesta telefónica longitudinal ENCOVID-19 es que casi 70% de los hogares que sufrieron pobreza en el 2022 son pobres persistentes. Ese es un dato que difícilmente se puede estimar a partir de otras encuestas, y nos dice en qué sector poblacional aplicar una política pública diferenciada", señala.

Texto: Luis Reyes/Fotos: Firefly

Notas relacionadas:

• ChatGPT y más razones para saber ¿qué es el Machine Learning?
• ¿Qué es la Inteligencia Artificial y cómo permea en nuestra vida cotidiana?
• ¿Cómo hacer que la IA sea herramienta de aprendizaje y no obstáculo?
• ¿Cuál es el futuro de las universidades ante la Inteligencia Artificial? Mentes top dialogan en la IBERO