スタンフォード大学はアルゴリズムを使用してヨーロッパ最大の問題である難民の犯罪率を削減
6月20日は「世界難民の日」で、2018年の時点で世界中の難民の数は2,540万人近くに達しており、彼らをどのようにして定住させるかが国際的な問題になっています。 2018年1月、スタンフォード大学とチューリッヒ工科大学の研究者は、各国が難民をより効果的に再定住させ、就職成功率を大幅に向上させるためにアルゴリズムを使用することを提案する論文を発表した。
過去60年にわたり、世界は蓄積してきました。 7億5千万人戦争や災害などで故郷を追われ、難民となった人たち。難民保護に対する国際的および社会的な注目と認識を集めるために、国連難民機関は毎年次のイベントを開催しています。 6月20日は「世界難民の日」と定められています。
一昨日、レバノンのナディーン・ラバキ監督による映画『Home』が舞台となる。レバノンのスラム街での難民生活一般に公開されました。
主人公の少年ゼインは、戦争から逃れるため、レバノンの混雑したスラム街で家族とともに不法滞在している。彼らは難民という立場のため、最も悲惨な状況でしか苦闘することができません。
映画に出てくる難民の生活は、現代の都市生活と比べて衝撃的で共感を呼ぶものですが、シリアやアフガニスタンなどの戦争で荒廃した国々では、実際にさまざまな胸が張り裂けるような物語が日々起こっています。
難民：貧困、不安定、犯罪の同義語
難民とは、戦争や自然災害などの理由により、元の居住地への移住や国籍の放棄を余儀なくされた人々を指します。
紛争や迫害により家を離れた難民の数は世界中でほぼ 2,540万（難民の定義によれば、国内避難民は難民とみなされません）そしてこれらの難民の半数以上は18歳未満です。
多くの先進国は思いやりや人道主義などの理由から難民を歓迎し、受け入れています。ドイツ、オーストラリア、ロシアはいずれも主要な難民受け入れ国です。
しかし、文化の違い、政策条件、教育、雇用、社会資源、その他の理由により、難民の流入はいくつかの不調和要因を引き起こしています。
難民による凶悪犯罪、地方財政の悪化、テロなどが深刻化しています。各国は苦戦を始めている。
今日、多くの場所で、難民は「落ち着きのなさ」の代名詞となっています。
一部の国では、最初に「難民を救う」と宣言してから、大勢の国民が街頭に繰り出してデモをしたり、難民の受け入れや追放を拒否したりするまでに、わずか数年しかかかりませんでした。
2018年の国連報告書によると、現在の難民の第三国定住率が続くと、 18年将来の追加難民はもちろんのこと、現在の難民全員を第三国定住させるには長い時間がかかるだろう。
安定を維持するためのヒント: アルゴリズムを使用して難民の仕事を見つける
複雑な難民グループに直面する最も重要な解決策は、より多くの支援を提供することです。効率的かつ合理的な輸送と配置できるだけ早く新しい家での生活に適応できるように。
この国際的な問題に直面すると、テクノロジーの利点が現れます。
スタンフォード大学、チューリッヒ工科大学研究チームは、このアルゴリズムが難民の雇用確率を高め、不慣れな社会への適応力を高めることができ、それによってさまざまな国が難民の再定住に適した地域を見つけるのに役立つことを発見した。
研究者たちは、柔軟なデータ駆動型アルゴリズムを開発しました。第三国定住地の資源状況を分析し、難民を柔軟に輸送・分配することができる。これにより、統合効果が向上します。
このアルゴリズムは次のことを組み合わせます。教師あり学習と最適なマッチング、難民の特性と第三国定住地との間の相乗効果を発見し、活用すること。
テスト結果は、アルゴリズムが難民の雇用率を改善することを示しています40%～70%増加。このアプローチは、既存の制度構造内で即時に導入できる実用的で費用対効果の高い政策ツールを政府に提供することができます。
1. アルゴリズムによる難民の第三国定住、合計 3 つのステップ
さまざまな受け入れ国がこれまでに、マッチング効率や難民と受け入れ場所の好みに基づいて最適な割り当てを決定するなど、さまざまな難民割り当て計画を研究し、提案してきました。ただし、これらのアプローチは理論的には魅力的ですが、実際の実装には多くの障壁があります。
対照的に、純粋にデータ駆動型のアプローチでは、既存のデータを使用して統合結果を最適化できます。アルゴリズムは 3 つの段階に分かれています。モデリング、マッピングとマッチング。
– ステップ 1: 過去の移民データを使用したモデリング
モデリング段階:教師あり学習プロセスでは、定量化可能な指標の期待される成功を予測できます。たとえば、新規の早期雇用難民が潜在的な再定住地に適しているかどうかを予測することが可能です。
研究者らは、過去の移民データをモデルトレーニングに割り当て、観察単位として単一の難民を使用しました。出身国、語学力、性別、年齢、学歴、到着時期、配属先、就職実績こういうデータ。
これらのトレーニング データは、難民の雇用成功期待とその背景特性との関係を予測する一連の教師あり学習モデルを構築するために使用されます。
各場所の難民には個別のモデルが割り当てられるため、場所ごとに異なるモデルが作成され、そこから難民と場所の相乗効果が発見されます。次に、これらの適合モデルを新しいサンプルに適用して、新しい再定住地ごとに新しく到着した難民の予想される雇用の成功を予測します。
– ステップ 2: 個々のプレースメントをケース レベルにマッピングする
マッピング段階:難民レベルの予測をモデリング段階から事例レベルの対策に変換します。ケースレベルの指標にマッピングする理由は何ですか?難民は通常、個人ベースではなくケースレベルで場所に割り当てられるため、ケースは通常、家族単位になります。
チームが推奨しているケースレベルの指標は、そのケースの少なくとも 1 人の難民がその場所で仕事を見つける確率を予測することです。この指標は、ケース全体の難民の雇用確率が独立しているという単純化した仮定を使用しています。
– ステップ 3: 各ケースを特定の場所と照合する
マッチングステージ: 選択した最適性基準の制約に従って、各ケースを特定の位置に割り当てます。そのアルゴリズムは複数の基準に適応できます。
適用において、チームが使用する最適性基準は、ケースレベルの測定値の平均（つまり、各世帯で少なくとも1人の難民が雇用されている確率の全体平均）を最大化することです。
2. 難民の雇用を増やすことによってのみコミュニティを安定させることができる
チームはアルゴリズムの適用を評価しました。米国とスイス実績: 米国は主に収容力の制約に基づいて難民を割り当て、スイスは比例配分指標に基づいて難民をランダムに割り当てます。
米国では、受け入れおよび再定住サービス（例えば、場所の割り当て、難民の住居の手配など）は、国務省と提携した9つの任意機関によって実施されています。
難民がいずれかの機関に割り当てられると、第三国定住担当官は、地域の収容力の制約に従って、その難民をその機関の第三国定住場所に一元的に割り当てます。
第三国定住担当官は、難民が到着する前に面接をせずに割り当てを決定します。難民には到着時に労働許可が与えられ、できるだけ早く仕事を見つけることが奨励されています。
難民第三国定住の成功を追跡するために、政府機関は難民の受け入れおよび紹介期間の終了時と到着後 90 日後に難民の雇用状況を報告する必要があります。
第三国定住アルゴリズムの最適化が成果を改善できるかどうかを評価するために、チームは、最大規模の第三国定住機関の1つで2011年から2016年の間に第三国定住した労働年齢難民（18歳から64歳）のデータを分析した。チームはデータをトレーニング セットとテスト セットに分割しました。次に、適合モデルを適用して、各場所で期待される雇用の成功を予測し、2016 年の第 3 四半期に到着する難民のテスト セットに対する最適な割り当てを決定します。
テストデータについて、研究者らは、家族やその他のつながりの場所に基づいて割り当てられた難民ではなく、さまざまな再定住場所に自由に割り当てられる難民に焦点を当てた。さらに、割り当てにも制限が課されており、最適な割り当てでは、各場所でのみ受信できるようになりました。以下実際に受けた人数です。
また、アルゴリズムの割り当ては大きく異なります。現状の割り当てよりも予想される難民雇用の増加。
最終的な結果では、アルゴリズムによる割り当てにより、ベースライン雇用率が高い場所も低い場所も含め、ほぼすべての場所で雇用率が向上することが示されました。平均すると、実配置での雇用率は34％、最適配置での雇用率は48％となり、配分を最適化すると、雇用率はベースラインを約 41% 上回ることになります。
長期間にわたって実施するのが難しい、より高価な介入（言語や職業訓練プログラムなど）と比較して、データ駆動型のアプローチは、より良い費用対効果、これは政府や入国管理局にとってほとんど追加費用なしで達成できます。
さらに、このアルゴリズムは既存のポリシー プロセスを変更します。導入の効率化を推進、難民がより早く受け入れ社会に溶け込めるようになります。そしてアルゴリズムは動的、時間の経過とともに相乗効果に適応できます。
配置スタッフを置き換えるのではなく、補完するものすべてを制御するアルゴリズムについて心配する必要はありません。コンピュータ支援の割り当てプロセス中に、アルゴリズムによっていくつかの推奨事項が提供される場合があり、配置スタッフが最終的な割り当てを自らの裁量で決定するか、推奨事項をまったく採用しない場合があります。
難民問題: 必要なのは思いやり以上のもの
難民問題については、いわゆる思いやりのあふれることで変えられるものでも、テクノロジーだけで解決できるものでもありません。この状況を改善する主な要因は、現地の平和や政策制度などの社会的要因にあります。 。
しかし、テクノロジーの応用は政府や入国管理局にとってより効果的なツールとなり、より効果的かつ適切な難民再定住に関する提案を提供することになるでしょう。
様々な国の努力と技術援助により、難民と受け入れ国の双方ができるだけ早く危機から抜け出すことが望まれます。