Validating the Crystal Ball: Retrospective Evaluation and Uncertainty-Aware Forecasting of Severe Housing Cost Burden in New York City
تتحقق هذه الورقة استرجاعياً من صحة نموذج تعلم آلي لأعباء تكاليف الإسكان في مدينة نيويورك، كاشفةً عن نقص منهجي في التقدير ناتج عن افتراضات اقتصادية ثابتة، ومن ثم تعيد معايرة الإطار باستخدام أساليب مدركة لعدم اليقين لتوليد توقعات أكثر متانة وقائمة على السيناريوهات للفترة 2025-2028.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في المشهد المعقد للمدن الأمريكية، حيث يحدد سعر المسكن غالباً شكل المجتمع، هناك رقم واحد يراقبه صانعو السياسات بدقة شديدة: حصة الأسر المستأجرة التي تنفق أكثر من نصف دخلها على السكن. عندما تصل عائلة إلى هذا الحد، تُعتبر تحت وطأة "عبء تكلفة سكن شديد"، وهي حالة تترك مجالاً ضيقاً جداً للطعام أو الرعاية الصحية أو الادخار. لعقود من الزمن، اعتمد مسؤولو المدن على المسوحات الحكومية لتتبع هذا العبء، لكن هذه المسوحات تصل بتأخير كبير، وغالباً ما تخبر القادة عن الماضي بدلاً من الحاضر. ولتجسير هذه الفجوة، لجأ الباحثون إلى التعلم الآلي، وتدريب الحواسيب على التنبؤ بتكاليف السكن المستقبلية بناءً على الأنماط التاريخية. وكان الأمل أن تعمل هذه التوقعات الرقمية كبلورة سحرية، توجه الموارد إلى الأحياء الأكثر احتياجاً قبل أن تترسخ الأزمة تماماً.
تضع دراسة جديدة من باحثين في مؤسسات تشمل جامعة شاجالال للعلوم والتكنولوجيا وجامعة إنديانا ويلسليان هذه البلورة السحرية قيد الاختبار. قام الفريق بمراجعة نموذج تعلم آلي محدد كان قد أصدر سابقاً توقعات لمدينة نيويورك، متوقعاً كيف ستتطور أعباء تكلفة السكن الشديدة من عام 2023 حتى عام 2025. وقد أُثني على النموذج الأصلي لقدرته على ملاءمة البيانات الماضية، لكنه لم يُختبر أبداً مقابل ما حدث بالفعل. والآن بعد وصول البيانات الواقعية لتلك السنوات، أجرى الباحثون تقييماً استرجاعياً، وقارنوا تنبؤات النموذج مباشرة بالنتائج الفعلية المسجلة من قبل الحكومة. وكانت النتيجة فشلاً واضحاً ومنهجياً: فقد كان النموذج متفائلاً للغاية باستمرار؛ إذ توقع أن يظل السكن ميسور التكلفة أكثر مما كان عليه في الواقع، حيث قلل من تقدير شدة العبء في كل حي من أحياء المدينة.
لم يكن التفاوت مجرد تذبذب طفيف، بل كان فجوة متسعة. ففي المتوسط، أخطأت التوقعات الأصلية الهدف بمقدار 3.4 نقطة مئوية. وهذا يعني أنه إذا توقع النموذج أن 30 بالمائة من المستأجرين سيعانون من عبء شديد، فإن الواقع كان أقرب إلى 33.4 بالمائة. ولم يظل الخطأ ثابتاً، بل اتسع بمرور الوقت؛ ففي عام 2023، كان النموذج مخطئاً بنحو نقطتين مئويتين، ولكن بحلول عام 2025، تضاعفت تلك الفجوة تقريباً لتصل إلى 4.7 نقطة مئوية. وكان الوضع أكثر حدة في منطقة البرونكس، وهي المنطقة التي تضم أعلى تركيز لضغوط السكن، حيث قلل النموذج من تقدير العبء بمقدار 5.4 نقطة مئوية. وقد أرجع الباحثون هذا الفشل ليس إلى خوارزمية التعلم الآلي نفسها، والتي أدت أداءً جيداً عند النظر في البيانات الماضية، بل إلى الافتراضات التي غُذيت بها. فقد افترض التوقع الأصلي أن الإيجارات سترتفع بنسبة ثابتة قدرها 3 بالمائة سنوياً وأن الدخل سينمو بنسبة 2.5 بالمائة. ومع ذلك، في العالم الحقيقي، تسارعت الإيجارات بشكل أسرع مما كان متوقعاً بعد الجائحة بينما ركدت الدخول، مما تسبب في ابتعاد توقعات النموذج عن الواقع مع مرور كل عام.
وإدراكاً منهم بأن التنبؤ الواحد نادراً ما يكفي لاستيعاب تقلبات أسواق الإسكان، أعاد الفريق بناء إطار التنبؤ ليشمل مقياساً لعدم اليقين. وبدلاً من تقديم رقم واحد، يقدم النهج الجديد نطاقاً من النتائج المحتملة، تماماً مثل توقعات الطقس التي تعطي احتمالية هطول المطر بدلاً من مجرد نعم أو لا. لقد استخدموا تقنية إحصائية تسمى "التنبؤ المطابق" (conformal prediction) لإنشاء حزمة ثقة بنسبة 90 بالمائة حول كل توقع، مما يضمن أن القيمة الحقيقية ستقع ضمن ذلك النطاق في معظم الأوقات. كما أخذوا في الاعتبار هوامش الخطأ الطبيعية في البيانات الحكومية نفسها. تم استخدام هذا النظام المعاد ضبطه لتوليد توقعات جديدة للأعوام من 2025 إلى 2028 تحت ثلاثة سيناريوهات مختلفة: سيناريو خط الأساس، وسيناريو "تكافؤ الإيجار والدخل" حيث تلحق الدخول أخيراً بالإيجارات، وسيناريو "الظروف المعاكسة" حيث ترتفع الإيجارات بينما تظل الدخول راكدة.
ترسم النتائج المستخلصة من هذه التوقعات الجديدة، الواعية بعدم اليقين، صورة قاتمة للمستقبل في مدينة نيويورك. فحتى في السيناريو الأكثر تفاؤلاً، حيث يتماشى نمو الدخل مع نمو الإيجار، تشير الدراسة إلى أن أعباء تكلفة السكن الشديدة ستظل أعلى في عام 2028 عما كانت عليه في عام 2022 في جميع الأحياء. ويبدو أن التحول في سوق الإسكان بعد الجائحة قد خلق خط أساس جديداً وأعلى للتكلفة لا يمكن عكسه بسهولة. وتحت سيناريو الظروف المعاكسة، حيث تستمر الإيجارات في تجاوز الدخول، يصبح الوضع حرجاً، لا سيما في البرونكس، حيث قد تواجه ما يقرب من 4-45 بالمائة من الأسر المستأجرة أعباء تكلفة شديدة بحلول عام 2028. كما أثبت الباحثون أن إضافة بيانات محددة حول المباني الفردية، مثل عدد الوحدات الخاضعة لتنظيم الإيجار أو حجم شكاوى كود الإسكان، حسّنت دقة التوقعات بشكل كبير، مما أكد الحاجة إلى بيانات أكثر تفصيلاً في النماذج المستقبلية.
في نهاية المطاف، يعد هذا العمل تصحيحاً حيوياً لمجال التنبؤ الحضري. فهو يثبت أنه بينما يمكن أن تكون نماذج التعلم الآلي أدوات قوية، إلا أنها لا تكون موثوقة إلا بقدر موثوقية الافتراضات التي بُنيت عليها. فالنموذج الذي لا يستطيع رؤية التحول المفاجئ في المشهد الاقتصادي سيؤدي حتماً إلى توقع يبدو جيداً على الورق ولكنه يفشل في الممارسة العملية. ومن خلال كشف هذه النقاط العمياء وتقديم طرق لقياس عدم اليقين، قدم الباحثون لمخططي المدن أداة أكثر صدقاً وفائدة. إن المسار المستقبلي لا يتطلب خوارزميات أفضل فحسب، بل يتطلب أيضاً استعداداً لنشر الافتراضات الكامنة وراء كل تنبؤ، والتحقق بانتظام من تلك التوقعات مقابل الواقع الذي تهدف لوصفه. وبالنسبة لمدينة نيويورك، وربما للمدن الكبرى الأخرى التي تواجه ضغوطاً مماثلة، فإن هذا يعني الاستعداد لمستقبل تظل فيه ضغوط السكن مرتفعة، بغض النظر عن السرعة التي قد ترتفع بها الدخول في نهاية المطاف.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.