Basis for the application of machine learning in monitoring and anticipating food crises in Central America | Bases para la aplicación de machine learning en el monitoreo y anticipación de crisis alimentarias en Centroamérica | Bases pour l'application du machine learning dans le suivi et l'anticipation des crises alimentaires en Amérique centrale

English. The article offers a detailed and updated review on the application of data science tools based on machine learning algorithms in order to predict the short and medium term probability of food crises in territories of countries with high vulnerability to this type of situation. After a brief review of the definition of food security and its metrics, the main international efforts are described to monitor the agroclimatic, economic and sociopolitical factors that most affect the nutritional deterioration of population groups or specific geographic areas, and then generate alerts that trigger humanitarian assistance to prevent the increase in hunger and its effects on the health of those who suffer from it. Based on the review carried out, a prediction model adapted to the context of the Central American countries is proposed, in which structural variables are considered to be used in the annual determination of food vulnerability profiles, as well as others subject to permanent changes and that therefore allow the identification of shocks or disturbances that can impact food security. The proposed model seeks to improve decision-making and prioritization of resources and humanitarian assistance in regions with limited data availability.

Spanish; Castilian. El artículo ofrece una detallada y actualizada revisión sobre la aplicación de herramientas de ciencia de datos basadas en algoritmos de machine learning con el fin de predecir a corto y medio plazo la probabilidad de ocurrencia de crisis alimentarias en territorios de países con alta vulnerabilidad a este tipo de situaciones. Tras efectuar un breve repaso sobre la definición de seguridad alimentaria y sus métricas, se describen los principales esfuerzos internacionales para monitorear los factores agroclimáticos, económicos y sociopolíticos que más inciden en el deterioro alimentario de grupos de población o zonas geográficas concretas, y tras ello, generar alertas que desencadenen asistencia humanitaria que impidan el aumento del hambre y sus efectos en la salud de quienes la padecen. A partir de la revisión efectuada se propone un modelo de predicción adaptado al contexto los países Centroamericanos, en el que se consideran variables estructurales a ser utilizadas en la determinación anual de perfiles de vulnerabilidad alimentaria, así como otras sometidas a cambios permanentes y que por tanto permiten identificar shocks o perturbaciones que pueden impactar en la seguridad alimentaria. El modelo propuesto busca mejorar la toma de decisiones y la priorización de recursos y atención humanitaria en regiones con limitada disponibilidad de datos.

French. L'article propose une revue détaillée et actualisée de l'application des outils de science des données basés sur des algorithmes d'apprentissage automatique afin de prédire à court et moyen terme la probabilité d'apparition de crises alimentaires sur les territoires des pays à forte vulnérabilité à ce type de crise. situations. Après un bref examen de la définition de la sécurité alimentaire et de ses paramètres, les principaux efforts internationaux visant à surveiller les facteurs agro-climatiques, économiques et sociopolitiques qui influencent le plus la détérioration nutritionnelle de groupes de population ou de zones géographiques spécifiques sont décrits, puis, génèrent des alertes qui déclenchent une aide humanitaire qui évite l’augmentation de la faim et ses effets sur la santé de ceux qui en souffrent. Sur la base de l'analyse réalisée, on propose un modèle de prévision adapté au contexte des pays d'Amérique centrale, dans lequel les variables structurelles sont considérées comme étant utilisées dans la détermination annuelle des profils de vulnérabilité alimentaire, ainsi que d'autres qui sont sujettes à des changements permanents. et que donc Ils permettent l’identification des chocs ou perturbations pouvant avoir un impact sur la sécurité alimentaire. Le modèle proposé vise à améliorer la prise de décision et la priorisation des ressources et des soins humanitaires dans les régions où les données sont limitées.