La dinámica durante una crisis puede cambiar rápidamente, lo que requiere información crítica para informar la toma de decisiones de manera oportuna. Si la información es muy poca, por lo general no sirve de nada. Si hay demasiado, es posible que se necesiten muchos recursos y un procesamiento oportuno para generar información procesable.
En Ucrania, identificar el tamaño, el tipo y el alcance de la infraestructura dañada
Es esencial para determinar las ubicaciones y las personas necesitadas, y para informar la asignación necesaria de los recursos necesarios para la reconstrucción. Las consultas sobre la fecha, la hora, la ubicación, la causa y el tipo de daño generalmente forman parte de dicha evaluación. A veces, obtener la información más precisa y oportuna puede ser un desafío.
Para ayudar a abordar este problema, la Oficina de País del PNUD en Ucrania está desarrollando un modelo que utiliza técnicas de procesamiento de lenguaje natural y aprendizaje automático para analizar miles de informes y extraer la información más relevante a tiempo para informar decisiones estratégicas.
Clasificación de la infraestructura clave
La minería de texto es una técnica común de ciencia de datos; el valor agregado de este modelo es su capacidad personalizada para analizar el texto de las descripciones de los informes y luego clasificarlos en tipos de infraestructura clave. El proceso se basa en ACLED , una base de datos de código abierto que recopila datos globales en tiempo real. Para la prueba piloto de su modelo de evaluación de infraestructura, el PNUD utilizó aproximadamente 8727 informes sobre ataques militares y eventos posteriores, con fecha y hora entre el 24 de febrero y el 24 de junio de 2022 (los primeros cuatro meses de la guerra).
Particularmente ausente de su base de datos había una taxonomía para categorizar la amplia gama de referencias de infraestructura. Tal clasificación ahorra tiempo con el procesamiento de la información y puede ayudar a reducir el alcance de la evaluación si hay áreas específicas de interés y prioridades.
Usando su conocimiento experiencial combinado de otras zonas de crisis, desarrolló un modelo único para clasificar el rango de infraestructura dañada en nueve categorías: industrial, logística, energía/electricidad, telecomunicaciones, agricultura, salud, educación, vivienda y negocios.
Si un informe, por ejemplo, indica que un edificio residencial en Kyiv fue destruido por una acción militar, el modelo clasificaría el evento informado en la categoría más apropiada, en este caso, refugio.
Conoce más aquí