Re:Match
Що означає «matching»?
Про Метчинг
Підходи, що ґрунтуються на даних, дедалі частіше використовуються для розв’язання проблем управління завдяки їхній ефективності. Алгоритмічне зіставлення є одним із таких прикладів.
Термін «зіставлення» (метчинг) означає створення відповідних, сумісних пар. У контексті Re:Match відповідне зіставлення формується між біженцями та містами після збору потреб і вподобань обох сторін та їхнього поєднання так, щоб максимально забезпечити їхню сумісність. Наприклад, якщо біженець має конкретні медичні потреби, пов’язані із серцевими захворюваннями, а також освіту й досвід у сфері ІТ, алгоритм зіставить цю людину з певним містом, яке задовольняє, поміж інших потреб і вподобань, ці конкретні умови та довгострокові можливості інтеграції.
Мета полягає в тому, щоб покращити процеси переселення та прийому й прокласти шлях до майбутнього, що співвизначається тими, кого це стосується.
Чому Re:Match?
Хоча існують інноваційні підходи до зіставлення біженців із географічними локаціями, увага рідко зосереджується на індивідуальних уподобаннях і компетенціях новоприбулих або на спроможностях муніципалітетів. Re:Match долає цю прогалину, зосереджуючи процес зіставлення на цих критично важливих даних, які потім використовуються для запуску алгоритму.
Про алгоритм
Спільно з нашим партнером Pairity, представниками міст і особами, які шукають захисту, ми спільно розробили спеціалізований алгоритм для реалізації цього підходу до зіставлення на основі даних. Цей алгоритм включає ранжування вподобань і оптимізує колективне благополуччя учасників Re:Match, призначаючи найкращі можливі відповідності з урахуванням наведених вище даних.
Таке алгоритмічне зіставлення, засноване на вподобаннях, виконує кілька важливих функцій:
Воно зосереджує індивідуальні потреби, вподобання та спроможності з обох боків, водночас формуючи найкращі можливі відповідності для всіх учасників когорти.
Воно забезпечує справедливість, не ставлячи вподобання одного учасника вище за загальне благо групи, і водночас максимізує віддачу від обмежених муніципальних ресурсів.
Воно дає змогу аналізувати великий масив даних.
Перевірені дані слугують базовою основою для аналізу якості відповідностей, задоволеності програмою та результатів інтеграції бенефіціарів.
Які дані використовуються?
Алгоритм Re:Match знаходить найкраще пряме зіставлення між містами-учасниками та окремими особами/сім’ями в межах певної групи учасників (когорти) на основі:
Персональні дані та індивідуально зважені вподобання осіб, які шукають захисту, такі як:
культурні та соціальні чинники, критично важливі для загального добробуту та інтеграції осіб, які шукають захисту,
чинники, що визначають економічну інтеграцію, тощо.
Муніципальні дані про місцеві умови, послуги та потреби, такі як:
освітні, трудові та навчальні можливості,
наявні культурні послуги,
спроможність підтримувати людей із медичними вразливостями, тощо.
Алгоритм уникає групових припущень і упереджень щодо того, що потрібно новоприбулим, оскільки люди з подібними характеристиками можуть мати різні пріоритети та прагнення.
На практиці алгоритм моделює всі потенційні призначення, щоб визначити сценарій, який забезпечує найвищу загальну якість збігів для всієї когорти. Обчислювально для групи з десяти домогосподарств-учасників і 6 міст потрібно змоделювати приблизно 7 мільйонів сценаріїв зіставлення.
Якщо ви хочете дізнатися більше про наш алгоритм і процедуру зіставлення, ознайомтеся з розділом 4 нашого проміжного оціночного звіту та нашим посібником із впровадження зіставлення на основі даних
Підхід, підкріплений дослідженнями
Зіставлення на основі алгоритмів як інструмент управління міграцією набуває глобального поширення. Міждисциплінарні команди в кількох країнах дослідили різні стратегії розподілу міграції на основі зіставлення, зокрема в сферах переселення та спонсорства громадами. Кілька прикладів:
Проєкт GeoMatch (Стенфордський університет і ETH Zurich) випробував свій інструмент зіставлення, який базується на прогнозуванні ймовірностей результатів інтеграції, у швейцарській програмі переселення.
Програмне забезпечення машинного навчання Annie™ MOORE використовувалося HIAS для рекомендації оптимального розміщення прибулих біженців у приймаючих громадах у США.
Проєкт Match’In (університети Гільдесгайма та Ерлангена-Нюрнберга) розробив інструмент для федеральних земель Німеччини, щоб ефективніше зіставляти та розподіляти шукачів притулку між муніципалітетами.
Дослідження послідовно підкреслює, що зіставлення є ефективним підходом до міграції. Re:Match спирається на міжнародний досвід у цій сфері, водночас усуваючи конкретні прогалини шляхом розробки цілісного інструменту для переселення на національному рівні та рівні ЄС.
Як практичний підхід, переселення через зіставлення надає державам-членам ЄС можливість випробувати ефективний і гуманний механізм розподілу біженців як довгострокову стратегію інтеграції.
