给罗盘是什么?
我们连接捐助者学习资源和支持社区解决方案的方法。了解更多关于我们。
给罗盘”:
本•布鲁克曼•安德鲁•Fraker杰夫•麦克马纳斯和尼尔·巴迪沙讨论机器学习的方式可以提高社会部门的工作增加的影响。
•如何机器学习应用面积(s)在你的问题?你的工作怎么能增强机器学习?
下一个大的社会部门已正式到来。机器学习是目前国际会议中心,2500万美元资金比赛,在名牌大学奖学金,Davos-launched倡议。然而在所有的炒作,很难理解哪些社会部门机器学习是最好的定位来解决问题,如何组织实际上可以使用它来提高他们的影响,和什么样的整个行业的投资可以使它的雄心勃勃的使用在未来社会好。
在IDinsight我们的工作,一个非营利组织,它使用的数据和证据来帮助社会部门的领导人对抗贫困,和其他组织的工作为这些问题提供一些见解。
机器学习使用数据(通常是很多)和统计算法来预测未知的东西。在私营部门,例如,骑共享应用程序使用流量数据来预测客户的等待时间。在线流媒体公司使用客户历史记录来预测哪些客户会想看下视频。
在社会领域,机器学习特别成熟的用于解决两类问题。第一个是预防问题。如果一个组织专注于解决冲突可以预测暴力冲突可能会突破的地方,例如,它可以在建设和平的干预措施双管齐下。如果一个健康的非政府组织可以预测在疾病最容易传播,它可以优先考虑分布的公共卫生援助。第二个是data-void问题。政府和非营利组织使用的数据目标社会项目是很少的,最近,或足够精确定位特定区域或社区将受益最多,和收集更为完善的数据通常是非常昂贵。因此,许多的人最需要一个程序不接收它,反之亦然。然而,如果一个非政府组织战胜饥饿在农村状态在埃塞俄比亚知道哪个村庄营养不良率最高,它可以集中在这些社区外联工作,而不是oversaturating不同地区更少的需求。
阅读全文机器学习本布鲁克曼,杰夫•麦克马纳斯和安德鲁•Fraker尼尔·巴迪沙在斯坦福大学社会创新审查。