Elizabeth Paulson, profesora asistente en el Departamento de Gestión de Tecnología y Operaciones de la Harvard Business School, discutió las matemáticas en la mesa. Ahora, ella usa algoritmos y herramientas de aprendizaje automático para marcar la diferencia en la vida de las personas. Hablamos con Elizabeth sobre su investigación, su camino académico y por qué ama los reality shows.
¿Cuáles son sus áreas de investigación?
Investigo métodos para diseñar y asignar recursos de manera eficiente y equitativa, particularmente los recursos limitados del sector público o organizaciones sin fines de lucro, en particular los recursos, de manera eficiente y justa, con el objetivo de mejorar el bienestar social. Principalmente trabajo en dos áreas. Uno es el reasentamiento de los refugiados y los solicitantes de asilo, siendo la disponibilidad de ubicaciones de reasentamiento en varios países anfitriones. El otro es asignar subsidios alimentarios para aumentar el consumo de frutas y verduras entre las comunidades de bajos ingresos. Dos áreas de aplicaciones muy diferentes, pero en realidad, cuando llega a las nueces y pernos de las matemáticas, los modelos de aprendizaje automático y los algoritmos subyacentes a ambos problemas, en realidad son similares.
Cuéntame más al respecto, ¿cómo haces este trabajo?
El primero trabajará en el diseño de nuevos aprendizaje automático y herramientas algorítmicas para ayudar a que las organizaciones de reasentamiento encuentren el mejor lugar para restablecer a sus nuevas familias cuando lleguen a sus países anfitriones. Trabajo con el Instituto de Política de Inmigración de Stanford y tengo asociaciones con varias organizaciones de reasentamiento en Europa. Trabajamos con instituciones asociadas para comprender el contexto específico de un país y elaborar algoritmos personalizados y modelos de aprendizaje automático que esas organizaciones pueden usar para ayudar con el proceso.
Para aumentar el consumo de frutas y verduras, estoy comprometido a diseñar incentivos financieros y combinarlos con otros programas como la educación nutricional para mejorar la disponibilidad de alimentos saludables, particularmente en el desierto de alimentos y las comunidades de bajos ingresos.
¿Cuáles son algunos ejemplos de trabajos de refugiados?
Hay una herramienta algorítmica llamada Geomatch que recupera datos de gestión histórica de programas de reasentamiento para refugiados o solicitantes de asilo. Úselo para entrenar modelos de aprendizaje automático para tratar de comprender los resultados a largo plazo y comprender quién es probable que prospere en diferentes lugares. Estas predicciones se utilizan en el algoritmo para recomendar ubicaciones específicas cuando llegan nuevas familias. La idea principal es que puede acelerar los procesos que experimenta la institución al hacer estos arreglos. Este siempre ha sido un proceso manual muy largo, pero significa que puede encontrar una mejor coincidencia entre una persona y un lugar.
¿Cuáles son algunos ejemplos de trabajo nutricional?
Un proyecto es el Departamento de Apoyo de Transición de Massachusetts, que ejecuta el Programa de Asistencia Nutricional Suplementaria (SNAP) del estado, que proporciona reembolsos cuando los dólares SNAP se gastan en frutas y verduras de ciertos proveedores. Los proveedores suelen ser mercados de agricultores, CSA y puestos de granja, por lo que están diseñados para aumentar el consumo de frutas y vegetales entre los hogares de bajos ingresos mientras apoyan a los agricultores locales.
El desafío es determinar dónde expandir el programa con un presupuesto fijo, al tiempo que garantiza el mismo acceso y uso entre los diferentes grupos. Básicamente están dando productos agrícolas con reembolsos al 100%, lo cual es muy costoso para el gobierno. El primer paso fue evaluar el impacto de agregar proveedores a una región en particular. Por ejemplo, ¿cuánto aumentará el mercado de los nuevos agricultores de Quincy en el consumo de frutas y verduras en los hogares Snap? Recientemente completamos un artículo sobre los primeros pasos con los estudiantes de doctores y doctorados del MIT.
¿Cómo estaba interesado en estas aplicaciones de aprendizaje automático y algoritmos?
Siempre me ha interesado usar matemáticas y ciencias de datos para resolver problemas y ayudar con la toma de decisiones. Sabía que quería hacer algo que podría haber ayudado de alguna manera a mantener la motivación, mejorar los resultados sociales y ayudar a las organizaciones que trabajan en el terreno para mejorar esos resultados.
¿En qué estás trabajando actualmente?
Gran parte de mi investigación actual se centra en mejorar los algoritmos o predicciones de reasentamiento. Esto se debe a que el algoritmo es tan bueno como la predicción subyacente. Uno de los problemas complejos en los que trabajo actualmente como estudiantes de doctorado es que hay pocos datos en algunos lugares. Esto significa que solo 20 refugiados se reasentan por año, o que es muy nuevo y no tiene datos.
Hay muchas complejidades técnicas que realmente hacen que este problema sea desafiante. Esto es para generar predicciones y construir algoritmos. Este es un excelente ejemplo de la vanguardia del aprendizaje automático y la toma de decisiones en línea que se encuentran con problemas sociales importantes. Ese es exactamente el tipo de problema que me gusta abordar.
¿Dónde creciste y cuál es tu fondo?
Crecí principalmente en la Universidad Estatal de Pensilvania. Está Pennsylvania. Mi madre ahora está retirada, pero era profesora estadística. Vengo de una familia muy nerd, por lo que siempre me ha interesado las matemáticas, las estadísticas y la informática. En la mesa, mi hermano constantemente me hacía preguntas sobre la lógica matemática. Era la dinámica de la cena de nuestra familia. Recuerdo estar nervioso por la cena de un amigo de la escuela secundaria porque sabía que estábamos hablando de matemáticas.
Mi madre siempre parecía disfrutar realmente de lo que estaba haciendo y tenía mucha flexibilidad. Me abrió la puerta, viendo a la academia como una carrera profesional emocionante. Comencé a investigar cuando estaba en la escuela secundaria y lo llevé a lo largo de la universidad. Siempre he estado en un entorno académico, investigando y realmente he disfrutado pasar meses o años solo pensando en temas interesantes.
Fui a Pensilvania para mis graduados de pregrado. Una vez que me gradué, trabajé en la industria solo para confirmar que quería ir a la escuela de posgrado. En unos pocos meses, solicité el programa de doctorado.
Elegí ingresar a un campo llamado Operations Research, que utiliza matemáticas, estadísticas, informática y aprendizaje automático (todas estas herramientas analíticas) para tomar mejores decisiones en entornos reales. Fui a la escuela de posgrado en el MIT, obtuve a mi estudiante postdoctoral en Stanford, y estuve aquí durante tres años.
¿Qué te gusta hacer en tu tiempo libre?
Me encanta probar nuevos restaurantes con mi esposo. Odio el término “ojero”, pero creo que ese es el mejor término. También tengo un perro, así que paso mucho tiempo con ella. También juego una vez por semana para el equipo de voleibol en la pared. Estoy muy interesado en él y definitivamente demasiado competitivo. Y veo mucha televisión. Esa es realmente mi forma principal de relajarme. Por ahora, mis programas favoritos son la jubilación, el loto blanco y reducido. Pero honestamente, soy mi apasionado más apasionado por la televisión de realidad. Solo me encanta el aspecto sin cerebro, son geniales de ver mientras cocino. Me resulta fascinante ver a las personas filmadas y ver lo que están haciendo y lo que hacen. No puedo tener suficiente.
Para obtener más información sobre Elisabeth Paulson, consulte nuestro conocimiento práctico. Para obtener las últimas actualizaciones sobre la investigación de la facultad de HBS, regístrese para nuestro boletín de correo electrónico semanal de conocimiento de conocimiento.
