خوارزمية تختار أين يبدأ اللاجئون حياتهم

كثيرًا ما يعاني اللاجئون في العثور على عمل في البلد المضيف. ففي عشرين بلدًا أوروبيًا، تشير الورقة إلى أن احتمال عملهم أقل بنحو 12% من مهاجرين مماثلين، وهي فجوة تستمر من عشر إلى خمس عشرة سنة. والأشهر والسنوات الأولى بعد الوصول هي الأهم، وكذلك المكان الذي يُوزَّع فيه اللاجئ. ومع ذلك، يتبع التوزيع في بلدان كثيرة، منها سويسرا، حصصًا إدارية، ولا يملك الموظفون إلا معلومات قليلة عن المكان الذي سينجح فيه كل شخص أكثر.

توصية، لا قرار

في عام 2018، اقترح كيرك بانساك وينس هاينمولر وزملاؤهما المطابقة الخوارزمية للاجئين (algorithmic refugee matching). يتنبّأ نموذج لتعلّم الآلة، مدرَّب على الوافدين السابقين، باحتمال أن يجد كل لاجئ عملًا في كل موقع ممكن. ثم توصي خطوة تحسين بتوزيعات تعظّم فرص العمل المتوقعة مع احترام كل الحصص. ويحتفظ موظف بشري بالقرار النهائي.

حتى الآن، لم تُقدَّر الفوائد إلا بإعادة تشغيل بيانات سابقة. وهذه الدراسة، بقيادة بانساك (جامعة كاليفورنيا، بيركلي) وهاينمولر (جامعة ستانفورد) ودومينيك هانغارتنر (المعهد الفدرالي السويسري للتكنولوجيا في زيورخ، ETH)، تعرض ما يعتقد المؤلفون أنه أول تجربة عشوائية مضبوطة (randomised controlled trial) لهذا النهج، أُجريت مع أمانة الدولة السويسرية للهجرة (SEM)، باستخدام نسخة مبكرة من أداتهم GeoMatch.

قرعة عمياء في إدارة حقيقية

من يناير 2020 إلى يونيو 2023، وُزِّعت كل حالة مؤهَّلة — أسرة أو بالغ منفرد حصل على صفة اللاجئ أو على حماية مؤقتة، ويمكن توزيعه في أي كانتون — حاسوبيًا على واحدة من مجموعتين، مناصفةً:

الخوارزمية: الكانتون الذي تنبّأت GeoMatch بأنه سيعظّم فرص العمل؛
المجموعة الضابطة: كانتون يُسحَب عشوائيًا من بين الأماكن المتاحة، كما في الإجراء المعتاد.

كان موظفو التوزيع يرون الشاشة نفسها في الحالتين، ولم يكونوا هم ولا اللاجئون يعرفون إلى أي مجموعة تنتمي الحالة. وكان لكل مجموعة نسختها المتطابقة الخاصة من الحصص بحسب الكانتون والجنسية. ويستبعد هذا التصميم حيلة بسيطة: فلم يكن بوسع الخوارزمية أن ترسل عددًا أكبر من الناس إلى كانتونات ذات أسواق عمل قوية. بل كان بوسعها فقط تحسين التوافق بين الشخص والمكان.

كان النموذج يعرف القليل جدًا: الجنس، والعمر، والحالة الاجتماعية، وحجم الأسرة، وتاريخ الوصول، والجنسية، واللغة الأم. أما التعليم والسيرة المهنية والمهارات اللغوية فلا تُسجَّل في السجل الذي استخدمه. واتّبع الموظفون التوصية المعروضة في نحو 97% من الحالات.

العيّنة النهائية: 2,000 حالة، و2,156 بالغًا، معظمهم من أفغانستان (54%) وتركيا (26%) وسوريا (9%).

النتائج

النتيجة الرئيسية، المحدَّدة في خطة مسجَّلة مسبقًا، هي حصة الأشهر التي قضاها الشخص عاملًا خلال السنوات الثلاث الأولى. وفي المجموعة الضابطة، عمل البالغون في المتوسط 22.3% من تلك الأشهر.

كل الدفعات (2020–2023): +2.2 نقطة مئوية لمجموعة الخوارزمية، أي أكثر بنحو 10%، بفاصل ثقة يمتد من +0.05 إلى +4.3 نقطة.
دفعات ما بعد كوفيد (2022–2023): +3.9 نقطة، أي أكثر بنحو 17%. بدأت التجربة قبل الجائحة بأسابيع، وكان النموذج قد دُرِّب على بيانات ما قبل الجائحة؛ ولم يمكن تمييز الآثار عن الصفر لدفعتَي 2020 و2021. ولم تكن هذه المقارنات بحسب الدفعة مسجَّلة مسبقًا.
تزايد مع الزمن: بعد 36 شهرًا من التوزيع، كانت حصة الأسر التي يعمل فيها بالغ واحد على الأقل أعلى بـ5.2 نقطة (نحو 11%).
وظائف أكثر استقرارًا: وظيفة تدوم ستة أشهر على الأقل، +5.6 نقطة؛ وعقد غير محدد المدة بعد ثلاث سنوات، +4.5 نقطة.

زهيدة الكلفة بحكم التصميم

باحتساب المالية العامة وحدها — الإعانات التي لم تعد تُدفع، إضافةً إلى الاشتراكات والضرائب — يقدّر المؤلفون قيمة كل شهر عمل إضافي بنحو 1,950 فرنكًا سويسريًا. ومع كلفة تشغيل مفترضة قدرها 50 فرنكًا لكل بالغ، يقدّرون صافي الفائدة بنحو 1,300 فرنك لكل بالغ، أي بنسبة تقارب 27 إلى 1. ويقارنون الأثر بعد ثلاث سنوات بأثر برامج تضيف مئات الساعات من التدريب اللغوي، مع التشديد على أن الخوارزمية ليست بديلًا عن مثل هذه الدورات.

ويصفون التجربة بأنها اختبار متحفّظ: نسخة مبكرة ومجمّدة من الأداة، ومتنبّئات قليلة، وجغرافيا تقريبية، وحصص صارمة، ونصف عدد الحالات فقط متاح للتحسين. أما ما إذا كانت نسخ أحدث وأقل تقييدًا ستؤدي أداءً أفضل فيبقى أمرًا ينتظر الاختبار.

من بناها، ومن اختبرها

طوّر المؤلفون طريقة GeoMatch بأنفسهم. ولا يعلنون أي تضارب في المصالح، ويذكرون أنهم لم يتلقّوا أي مدفوعات من الحكومة السويسرية لتطوير الأداة أو تشغيلها؛ وقد موّلت العملَ جامعةُ ستانفورد ومؤسساتٌ وجهات خيرية منها Google.org، ومنحةٌ بحثية أوروبية. وبما يتجاوز اللاجئين، يرون في التجربة دليلًا ميدانيًا نادرًا على أن أدوات التنبؤ قادرة على تحسين القرارات العامة البالغة الأهمية حين تدعم من يتخذونها بدلًا من أن تحلّ محلّهم — وتذكيرًا بأن هذه الأدوات يجب إعادة تدريبها حين يتغيّر العالم، كما حدث في 2020.