Een nieuw machine learning-algoritme kan voorspellen hoe de raciale samenstelling van buurten in de loop van de tijd zal veranderen. Het algoritme, ontwikkeld door onderzoekers van de University of California, Berkeley, kan nauwkeurige voorspellingen doen op basis van verschillende factoren, waaronder de raciale samenstelling van nabijgelegen buurten, de leeftijd en het inkomen van bewoners en de aanwezigheid van bepaalde voorzieningen.

Het algoritme zou kunnen worden gebruikt om beleidsmakers te helpen beslissingen te nemen over hoe ze raciale integratie en diversiteit in gemeenschappen kunnen bevorderen. Het zou bijvoorbeeld kunnen worden gebruikt om gebieden te identificeren die het risico lopen gentrificeerd te worden en om beleid te ontwikkelen dat dit kan helpen voorkomen.

Het algoritme is gebaseerd op een soort machinaal leren dat begeleid leren wordt genoemd. Bij begeleid leren wordt het algoritme getraind op een dataset die invoergegevens en bijbehorende uitvoergegevens bevat. In het geval van het door de Berkeley-onderzoekers ontwikkelde algoritme bestonden de inputgegevens uit informatie over de raciale samenstelling van buurten, de leeftijd en het inkomen van bewoners, en de aanwezigheid van bepaalde voorzieningen. De outputgegevens bestonden uit informatie over hoe de raciale samenstelling van buurten in de loop van de tijd veranderde.

Het algoritme werd getraind op een dataset van meer dan 1 miljoen censustraktaten in de Verenigde Staten. De onderzoekers testten het algoritme vervolgens op een dataset van 100.000 volkstellingen. Het algoritme kon nauwkeurige voorspellingen doen over hoe de raciale samenstelling van buurten in meer dan 90% van de gevallen zou veranderen.

De onderzoekers zijn van mening dat het algoritme een waardevol hulpmiddel kan zijn voor beleidsmakers die geïnteresseerd zijn in het bevorderen van raciale integratie en diversiteit in gemeenschappen. Het algoritme zou kunnen worden gebruikt om gebieden te identificeren die het risico lopen gentrificeerd te worden en om beleid te ontwikkelen dat dit kan helpen voorkomen. Het algoritme zou ook kunnen worden gebruikt om gebieden te identificeren die al raciaal divers zijn en om beleid te ontwikkelen dat zou helpen deze diversiteit te behouden.

De onderzoekers zijn van plan het algoritme verder te ontwikkelen en beschikbaar te stellen aan beleidsmakers en andere geïnteresseerden. Ze hopen dat het algoritme zal worden gebruikt om meer raciaal geïntegreerde en diverse gemeenschappen te helpen creëren.