Usando tecnología para prevenir desalojos de inquilinos

En muchas ciudades, los Desalojos de inquilinos son un gran reto para la estabilidad de la vivienda. La situación puede ser como jugar Jenga: un movimiento en falso y todo se viene abajo. Para ayudar a quienes están en riesgo de desalojo, hay una necesidad urgente de programas de Alcance efectivos. Aquí es donde entran en juego los métodos basados en datos.

Nuestro objetivo es descubrir si usar tecnología inteligente puede mejorar estos programas de alcance. Proponemos un nuevo marco llamado Búsqueda Geoespacial Activa (AGS) que se centra en identificar unidades de alquiler que necesitan ayuda, teniendo en cuenta los costos de viaje y los Recursos limitados.

#Entendiendo los Desalojos de Inquilinos

Los desalojos pueden llevar a las personas a un torbellino de inestabilidad, especialmente a las comunidades marginadas como las familias con niños o las mamás solteras. Cuando una familia es desalojada, puede desencadenar un efecto dominó que empeora la crisis de vivienda, afectando no solo al inquilino, sino también al mercado de alquiler en general. Los datos disponibles muestran que los desalojos en EE. UU. están aumentando, con millones de casos presentados cada año. Esto es preocupante porque afecta a quienes menos pueden soportarlo.

Durante la pandemia de COVID-19, se vio una reducción temporal en las tasas de desalojo gracias a moratorias en varios niveles de gobierno. Sin embargo, ahora que esas medidas se han levantado, enfrentamos de nuevo el desafío del aumento de desalojos.

#La Necesidad de un Alcance Efectivo

Una forma de abordar el problema de los desalojos es proporcionar recursos directamente a los inquilinos en riesgo. Información sobre representación legal, ayuda financiera y otros recursos podría ser vital para ayudar a los inquilinos a quedarse en sus casas. Sin embargo, hacer campañas en los vecindarios para llegar a estos inquilinos puede ser agotador y los recursos disponibles suelen ser limitados.

Entonces, ¿cómo aprovechamos al máximo lo que tenemos?

#Presentando la Búsqueda Geoespacial Activa (AGS)

Aquí es donde entra nuestro marco de Búsqueda Geoespacial Activa. AGS está diseñado para ayudar a los trabajadores de alcance a buscar de manera eficiente a los hogares que pueden estar en riesgo de desalojo. Piénsalo como una caza del tesoro, pero en lugar de tesoros, el objetivo es encontrar personas que necesitan ayuda.

El marco AGS identifica una secuencia de propiedades a investigar, prediciendo cuáles unidades están en mayor riesgo de desalojo. Se trata de hacer el mejor uso del tiempo y los recursos mientras se adapta a nueva información a medida que llega.

#Cómo Funciona AGS

AGS utiliza algo llamado enfoque de aprendizaje por refuerzo jerárquico. Esta frase complicada significa que aprende de la experiencia, ajustando sus estrategias según lo que funciona y lo que no.

Imagina que estás en una búsqueda del tesoro con un presupuesto. Solo puedes visitar un cierto número de casas, y cada una te costará tiempo y energía. AGS averigua cuáles casas son más propensas a tener personas que necesitan ayuda y te dirige allí, todo mientras controla tu presupuesto.

#El Desafío de la Predicción

Uno de los mayores obstáculos en este proceso es que no sabemos de antemano qué hogares están en riesgo. Podemos usar datos históricos para adivinar, pero las predicciones pueden volverse obsoletas rápidamente.

Esto hace que sea importante equilibrar dos enfoques: exploración (recopilando nueva información) y explotación (usando la información que ya tenemos para encontrar hogares en riesgo). AGS está diseñado para encontrar ese equilibrio de manera efectiva.

#Construyendo el Marco

En AGS, configuramos varios lugares en una área geográfica, cada uno representando una unidad de alquiler. El sistema utiliza una política de búsqueda para decidir qué casas revisar primero basándose en factores como pasadas solicitudes de desalojo y otros detalles de la propiedad.

Cada vez que se revisa una ubicación, se incurre en un costo, que puede variar dependiendo de la distancia recorrida. El objetivo principal de AGS es maximizar el número de descubrimientos mientras se mantiene dentro del presupuesto.

#Evaluando AGS

Para ver qué tan bien funciona AGS, lo evaluamos usando datos de desalojos de una gran área urbana. Los resultados mostraron que AGS es considerablemente más eficiente para identificar casos de desalojo en comparación con métodos tradicionales.

#Hallazgos Clave

1. Eficiencia: AGS superó a los métodos básicos, convirtiéndolo en una herramienta valiosa para el alcance.
2. Adaptabilidad: La política de búsqueda puede reaccionar a nueva información sobre desalojos a medida que llega.
3. Manejo del Presupuesto: AGS gestiona los recursos de manera eficiente, asegurando el máximo alcance con fondos limitados.

#Investigación Relacionada

AGS se enmarca en un cuerpo más amplio de investigación centrada en el uso de la tecnología para abordar problemas sociales. Métodos similares se han aplicado en diferentes áreas como ayuda en desastres, redistribución de donaciones de alimentos y más. Sin embargo, ninguno se ha centrado específicamente en la prevención de desalojos de esta manera.

#Técnicas de Búsqueda Activa

AGS se basa en técnicas de búsqueda activa existentes, que se utilizan para encontrar puntos de datos específicos en un conjunto de datos grande. Mientras que los métodos tradicionales buscan instancias con etiquetas conocidas, AGS necesita explorar sin conocimiento previo sobre las propiedades objetivo.

#Búsqueda Activa Visual

Un modelo relacionado, llamado Búsqueda Activa Visual (VAS), utiliza imágenes para ayudar a identificar objetos objetivo en un gran área de imagen. Sin embargo, AGS no depende únicamente de datos visuales ya que se centra en el contexto geográfico de las propiedades.

#El Enfoque Jerárquico

Para mejorar aún más AGS, introducimos una estructura jerárquica que divide el área de búsqueda en regiones más pequeñas.

1. Política de Nivel 1: Esta política decide qué región más grande investigar basándose en un conjunto de entradas.
2. Política de Nivel 2: Una vez seleccionada una región, esta política se enfoca en propiedades específicas para revisar.

Esta configuración permite una mejor gestión de búsquedas complejas en áreas grandes.

#Evaluando el Rendimiento

Cuando probamos AGS con datos de desalojo reales, consistentemente superó a los métodos tradicionales, especialmente en áreas con recursos limitados.

#Variaciones en los Costos de Consulta

También observamos cómo diferentes costos de consulta influenciaron el rendimiento. En escenarios donde encontrar objetivos era más difícil, AGS mostró resultados aún más prometedores, destacando su adaptabilidad.

#Combinando Tipos de Datos

Un aspecto interesante de nuestro trabajo fue cómo los datos visuales y tabulares influenciaron el rendimiento. Mientras que los datos visuales pueden proporcionar información, los datos tabulares a menudo tienen más peso. Sin embargo, cuando se usan juntos, crean una herramienta más poderosa para identificar hogares en riesgo.

#Conclusión

El marco de Búsqueda Geoespacial Activa representa un paso significativo hacia la mejora de los esfuerzos de alcance para los inquilinos en riesgo de desalojo. Al combinar efectivamente el aprendizaje por refuerzo con datos geoespaciales, AGS es como tener un arma secreta en la lucha contra la inestabilidad de vivienda.

A medida que avanzamos, es esencial considerar no solo cómo estas tecnologías pueden ayudar, sino también las implicaciones éticas de usar datos para servir a poblaciones vulnerables. Con el enfoque correcto, AGS podría ayudar enormemente a las agencias de servicios sociales a conectar a los inquilinos con la ayuda que necesitan, potencialmente ahorrándoles el caos que a menudo traen los desalojos.

¡Esperemos que lo único que sea desalojado sea la forma anticuada de encontrar inquilinos en riesgo!