Spatial machine-learning analysis of child indicators

Descrizione del progetto

Apprendimento automatico spaziale per il monitoraggio dei bambini vulnerabili

L’iniziativa Orizzonte Europa è in linea con gli obiettivi di sviluppo sostenibile (OSS) delle Nazioni Unite. La Commissione OMS-UNICEF-Lancet pone un’enfasi particolare sui bambini riconoscendo il loro ruolo centrale nel raggiungimento di tali finalità, in quanto costituiscono uno dei gruppi più vulnerabili ed emarginati a livello globale. Affidarsi esclusivamente ai dati delle indagini per calcolare gli indicatori sull’infanzia è un approccio con i suoi limiti, poiché tali indagini possono richiedere aggiornamenti periodici o riguardare solamente regioni specifiche all’interno di un paese. Il progetto SMALACI, finanziato dal programma di azioni Marie Skłodowska-Curie, impiega immagini satellitari e tecniche di apprendimento automatico al fine di identificare i bambini vulnerabili in paesi per i quali sono disponibili informazioni di indagine obsolete o incomplete. Gli obiettivi generali sono sviluppare strumenti per monitorare i progressi verso il raggiungimento degli OSS, creare interventi mirati e ridurre i costi associati ai programmi di riduzione della povertà.

Obiettivo

Horizon Europe seeks to achieve the UN’s Sustainable Development Goals (SDGs). The WHO–UNICEF–Lancet Commission suggests placing children at the center of the SDGs, because children are among the world’s most vulnerable and marginalized population. Child indicators calculated with surveys are limited because surveys can be outdated and do not cover all the regions of a country. In this context, the objective of the project is to develop a methodology to overcome this limitation and identify vulnerable young children in countries with outdated, incomplete, and low-quality survey information. The methodology is based on a spatial machine-learning analysis of child indicators and integrates 3 disciplines: child development, spatial analysis of satellite images, and machine-learning. Satellite images and households’ simulations will complement the missing or outdated information of surveys, and machine learning will identify children that could be left behind during the development process due to the intersectionality of gender with biological diversities, ethnicity, socio-economic status, and geographical location. The project will create new tools for monitoring the progress towards the SDGs and will help to formulate targeted interventions that increase the social impact and reduce the economic costs of poverty-reduction and development programs. If the project is funded, Dr. Rolando Gonzales Martinez will carry out the fellowship at the University of Groningen, under the supervision of Prof. Dr. Hinke Haisma and with support from Prof. Dr. Dimitris Ballas. A short visit to UNICEF is planned as a secondment for Dr. Gonzales Martinez, so he can work with UNICEF on improving the policy impact of the project. The transfer of knowledge between the research fellow and the host organization, the teaching activities, and the short visit to UNICEF will increase the career prospects and employability of Dr. Gonzales Martinez within and outside academia.