In esta vigésima tercera entrega de nuestra serie RECOVR Roundup, compartimos nuevos hallazgos y análisis de la Centro de investigación RECOVR y de nuestras organizaciones asociadas, así como enlaces sobre lo que está sucediendo en el panorama de la protección social en respuesta al COVID-19. Leer el entrega anterior si te lo perdiste y regístrate en nuestra lista de correo si desea recibir esta serie de resúmenes directamente en su bandeja de entrada. 

Como siempre, te animamos a que escribe a nuestro equipo con ideas para características.

Nuevos hallazgos y análisis

Togo: diseño e implementación de un programa de asistencia social totalmente digital durante el COVID-19

Un nuevo estudio de caso destaca las lecciones de implementación de la transferencia digital para los formuladores de políticas.

En abril de 2020, el Ministerio de Economía Digital y Transformación Digital (MENTD) de Togo lanzó el Esquema de transferencia de efectivo de Novissi. Una transferencia de efectivo incondicional (UCT) para ayudar a los trabajadores informales cuyos medios de vida se han visto afectados por la pandemia de coronavirus, Novissi es un programa de asistencia social totalmente digital. A marzo de 2021, Novissi llegó a 819,972 beneficiarios y desembolsó aproximadamente US$23.9 millones (13,308,224,040 FCFA). Este nuevo estudio de caso detalla el proceso de diseño del programa y su implementación durante la pandemia de coronavirus, destacando las lecciones aprendidas sobre el uso del dinero móvil para respaldar la asistencia social completamente digital durante tiempos de crisis. Leer más aquí.

Togo: ¿Cómo pueden los datos del teléfono móvil y el aprendizaje automático ayudar a encontrar a las personas que necesitan asistencia?

La focalización con aprendizaje automático superó otras opciones disponibles, pero se utiliza mejor como una herramienta complementaria a los enfoques convencionales.

Tras el lanzamiento de Novissi, el gobierno asociado con GiveDirectly, CEGA e IPA para escalar aún más el programa UCT a través de la identificación, inscripción y desembolsos remotos a más de 138,500 XNUMX beneficiarios togoleses. A nuevo documento de trabajo por Emily Aiken, Suzanne Bellue, Dean Karlan, Chris Udry y Joshua Blumenstock analiza cómo los "grandes" datos de satélites y teléfonos móviles pueden mejorar la focalización de los programas contra la pobreza. El equipo utilizó medidas tradicionales de consumo y riqueza basadas en encuestas para entrenar algoritmos de aprendizaje automático para reconocer patrones de pobreza en datos no tradicionales. Estos algoritmos se utilizaron luego para priorizar la ayuda a las regiones más pobres y los suscriptores móviles. Los investigadores compararon el método de aprendizaje automático con la orientación geográfica que se utilizó para el programa Novissi y descubrieron que el aprendizaje automático redujo los errores de exclusión entre un 4 % y un 21 %. También simularon otros métodos de focalización utilizando datos existentes a nivel de hogar y encontraron que el aprendizaje automático funcionó aproximadamente tan bien como un índice de riqueza basado en activos, pero menos que un índice de probabilidad de pobreza o una prueba de medios de representación. Leer más aquí.

Lo que estamos leyendo y viendo

• La ONU ha publicado un breve delineando Lecciones clave para la protección social basadas en las respuestas políticas durante la pandemia. Entre los temas: ampliar la cobertura de protección social a trabajadores informales, migrantes y poblaciones vulnerables específicas; adoptar medidas sensibles al género; introducir la innovación digital en los mecanismos de entrega; movilizar nueva financiación; y promulgar reformas legislativas para apoyar a los empleados y trabajadores por cuenta propia.
   
• Otra hoja de trabajo destaca el potencial de imágenes satelitales de alta resolución y métodos de aprendizaje profundo para complementar los datos de encuestas que se utilizan tradicionalmente para las evaluaciones de programas. Con base en un programa reciente contra la pobreza en las zonas rurales de Kenia, el equipo infiere cambios en la riqueza de los hogares basándose en datos satelitales sobre tipos de techos (los techos de metal indican una mayor riqueza) y descubre que estos resultados son consistentes con los datos basados ​​en encuestas.
   
• Las transferencias de efectivo para la respuesta a desastres a menudo llegan después de que ha ocurrido una emergencia humanitaria o un desastre natural. Sin embargo, una nueva investigación de Bangladesh sugiere que los impactos de estas transferencias pueden ser fuertes si llegan antes el desastre. Investigadores de la Universidad de Oxford y el Centro de Respuesta a Desastres estudió una intervención del Programa Mundial de Alimentos que proporcionaron transferencias de efectivo a los hogares de Bangladesh que se preveía que se verían afectados por las inundaciones de julio de 2020. Descubrieron que los hogares usaban las transferencias para comprar alimentos y agua a fin de prepararse para el impacto de la inundación y era menos probable que se saltaran las comidas o tuvieran que vender activos después.
   
• Los programas de asistencia social de EE. UU. a menudo incluyen requisitos de trabajo con el objetivo declarado de fomentar la “autosuficiencia”. Sin embargo, un nuevo documento de trabajo de la Oficina Nacional de Investigación Económica cuestiona esta lógica. Los autores analizan la participación en el programa de cupones para alimentos SNAP en Virginia, donde los requisitos de trabajo se suspendieron en 2009 y se restablecieron en 2013. Encuentran que el el restablecimiento de los requisitos laborales redujo la participación en el programa de adultos elegibles en edad de trabajar en un 53 por ciento sin aumentar las tasas de empleo. Los adultos sin hogar eran particularmente propensos a perder sus beneficios debido a los nuevos requisitos.
   
• A Nuevo informe de la Comisión Económica de las Naciones Unidas para América Latina y el Caribe ofrece estudios de caso de 15 países de la región que han utilizó los registros sociales para distribuir las prestaciones sociales durante la pandemia.