Fattigdomsfällor i Afrika
Forskningsprojekt, 2020
– 2022
Omkring 900 miljoner människor, en tredjedel i Afrika, lever i extrem fattigdom. Med utgångspunkt i antagandet att vardagen i fattigdom kan fånga människor i fattigdomsfällor så har inflytelserika utvecklingsorgan som Världsbanken satsat många miljarder dollar för att bryta dessa cykler genom fattigdomsinterventioner. Forskare saknar emellertid metodologiska verktyg för att svara på frågor som till vilken utsträckning finns fattigdomsfällor, och till vilken grad frigör dessa interventioner samhällen från fattigdom. Målet med detta projekt är att identifiera till vilken grad afrikanska samhällen är fångade i fattigdomsfällor och förklara hur konkurrerande utvecklingsinterventioner förändrar dessa samhällens möjligheter att befria sig från knapphet. För att uppnå detta mål så skall jag (i) träna maskininlärningsalgoritmer för att identifiera fattigdomsfällor från satellitbilder mellan 1990 och 2020; (ii) använda dessa fattigdomsdata för att undersöka hur Världsbanken och konkurrerande utvecklingsprogram från Kina påverkar fattigdomsnivåerna i dessa samhällen, (iii) använda resultaten från (i) och (ii) för att utveckla en teori om vilka sorters fattigdomsfällor existera i Afrika och hur olika interventioner lirkar upp dessa fällor. I steg (iv) kommer vi att utveckla ett statistiskt program, PovertyMachine, som kommer automatisk producera fattigdomsdata och assistera forskare i att genomföra programutvärderingar.
Deltagare
Fredrik Johansson (kontakt)
Chalmers, Data- och informationsteknik, Data Science
Samarbetspartners
Göteborgs universitet
Gothenburg, Sweden
Finansiering
Formas
Projekt-id: 2019-01120
Finansierar Chalmers deltagande under 2020–2022
Relaterade styrkeområden och infrastruktur
Hållbar utveckling
Drivkrafter