Who Will Have a Child? Predicting Three-Year Childbearing Outcomes Using Machine Learning
Deze studie maakt gebruik van machine learning-modellen, specifiek XGBoost verbeterd door SMOTE voor klassenonbalans en domein-geïnformeerde feature selectie voor hoge dimensionaliteit, om succesvol individuele drievierige kinderwensuitkomsten in Nederland te voorspellen met behulp van de PreFer-enquêtegegevens.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Elke samenleving staat voor een fundamentele vraagstuk van planning: hoeveel kinderen zullen er in de komende jaren worden geboren? Dit is niet louter een kwestie van nieuwsgierigheid voor demografen; het is een praktische noodzaak voor overheden en gemeenschappen. Weten hoeveel nieuwe gezinnen er waarschijnlijk zullen komen, helpt scholen bij het plannen van klaslokalen, ziekenhuizen bij het voorbereiden van kraamafdelingen en steden bij het ontwerpen van huisvesting voor groeiende populaties. Decennialang hebben onderzoekers geprobeerd deze aantallen te voorspellen door te kijken naar brede trends, zoals de gemiddelde leeftijd van eerste ouders of het algemene economische klimaat. Het voorspellen of een specifiek individu binnen een korte periode, zoals de volgende drie jaar, een kind zal krijgen, is echter een moeilijke puzzel gebleven. De factoren die deze beslissing beïnvloeden zijn enorm en diep persoonlijk, variërend van financiële stabiliteit en relatietevredenheid tot carrièredoelen en het simpele verlangen om een gezin te stichten.
Een team onderzoekers aan de Tilburgse Universiteit in Nederland heeft deze uitdaging onlangs aangepakt door gebruik te maken van een krachtige set hulpmiddelen die bekend staan als machine learning. In plaats van te vertrouwen op één enkele formule om de toekomst te raden, trainden zij computerprogramma's om complexe patronen in de levens van duizenden mensen te herkennen. Hun doel was om te zien of deze digitale modellen accuraat konden voorspellen welke individuen, tussen de 18 en 45 jaar oud, tussen 2021 en 2023 een nieuw kind zouden verwelkomen. De onderzoekers werkten met een enorme collectie enquêtegegevens die meer dan 30.000 verschillende stukjes informatie bevatten over elke persoon, van hun geboortejaar en opleidingsniveau tot hoe ze de huishoudelijke taken verdelen en hoe tevreden ze zijn met hun partnerschap. De centrale moeilijkheid waarmee zij werden geconfronteerd, was dat de data sterk scheef verdeeld was; veel meer mensen in de studie hadden geen nieuw kind dan wel, waardoor het voor een computer makkelijk was om "nee" te gokken voor iedereen en toch accuraat te lijken, terwijl de werkelijke ouders volledig over het hoofd werden gezien.
Om dit op te lossen, moesten de onderzoekers de overweldigende hoeveelheid informatie eerst vereenvoudigen. Ze begonnen met het gebruik van hun kennis van de sociale wetenschappen om te identificeren welke van de 30.000 variabelen waarschijnlijk het meest van belang zouden zijn, waardoor het veld werd teruggebracht tot een hanteerbaarder lijstje. Vervolgens gebruikten ze een computerprogramma om te testen welke van deze factoren werkelijk de sterkste voorspellers waren, waarbij ze uiteindelijk uitkwamen op een gefocuste set van slechts 69 sleutelvariabelen. Dit proces was cruciaal omdat het proberen te gebruiken van alle 30.000 details tegelijkertijd het model zou hebben verward, net zoals het proberen te vinden van één specifiek boek in een bibliotheek waar elke plank gevuld is met duizenden ongerelateerde titels. Door zich te concentreren op de meest relevante signalen, zoals leeftijd, partnerstatus en financiële situatie, lieten ze de computer het bos zien in plaats van verdwaald te raken tussen de bomen.
Het team testte vervolgens drie verschillende soorten machine learning-modellen om te zien welk model de toekomstige ouders het beste kon identificeren. Ze vergeleken een basis beslissingsboom, die voorspellingen doet door een reeks ja-of-nee vragen te stellen, met twee meer geavanceerde methoden die veel dergelijke bomen combineren om tot een slimmere conclusie te komen. Een van deze geavanceerde methoden, bekend als extreme gradient boosting, werkt door een sequentie van modellen op te bouwen waarbij elk nieuw model leert van de fouten van het vorige. De onderzoekers moesten ook de onbalans in hun data aanpakken, waarbij de groep mensen die een nieuw kind kreeg veel kleiner was dan de groep die dat niet deed. Om dit op te lossen, gebruikten ze een techniek die synthetische voorbeelden creëerde van de kleinere groep, waardoor de computer effectief leerde om meer aandacht te besteden aan de zeldzame gebeurtenis van een nieuwe geboorte zonder simpelweg steeds dezelfde data te kopiëren.
De resultaten toonden aan dat het meest geavanceerde model, het model dat van zijn eigen fouten leerde, het beste presteerde. Wanneer het werd getest op data die het nog nooit eerder had gezien, identificeerde dit model de toekomstige ouders met een hoge mate van nauwkeurigheid, wat de simpelere methoden aanzienlijk overtrof. Het gebruik van de techniek om de data te balanceren bleek essentieel; zonder deze techniek had het model moeite om de minderheidsgroep van nieuwe ouders te spotten. De studie concludeerde dat het, door zorgvuldig de juiste vragen te stellen en een model te gebruiken dat van zijn fouten kan leren, mogelijk is om de uitkomsten van kinderconceptie op korte termijn met verrassende precisie te voorspellen. Hoewel de onderzoekers opmerkten dat hun bevindingen gebaseerd zijn op een specifieke groep mensen in Nederland en verdere tests op andere populaties nodig hebben, laat het werk zien dat machine learning een waardevol instrument kan zijn voor het begrijpen van de complexe menselijke beslissingen achter gezinsgroei.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.