方法

我们开发了统计方法，可用于开发和评估服务于社会影响的数字技术。我们专注于支持个性化、实验和有效创新的工具。

我们的方法允许组织有效地实施数据驱动的创新方法。我们使用机器学习方法来深入了解数字技术如何更好地满足弱势群体的需求，我们定制AI算法来应对已确定的挑战。我们制定了支持实施有效实验的方法，以便组织能够在社会影响衡量指标的指导下更快地进行创新。

我们的工作以社会科学为基础，在社会科学中，我们考虑数字技术所服务的个人的背景以及制度环境。我们借鉴现有研究成果，并在需要指导有效干预措施发展的领域推进社会科学文献。在相关的情况下，我们建议由政府、慈善家或投资者实施激励计划，以更好地将私人创新者的激励与社会影响结合起来。

人工智能与机器学习

帮助组织了解其数据并利用其使其组织、产品和服务更加有效；开发算法，为个人量身定制数字服务，重点关注社会影响。

自适应和迭代实验

开发新的实验设计方法；确定代表短期和长期影响的成果指标；分析实验结果，以获得关于影响异质性的见解；通过适应性实验加速创新。

激励设计

将数据与社会科学结合使用，以确定可能通过数字技术解决的流动性和福祉障碍；发展证据，证明什么类型的数字干预和推送在不同环境中最有效。

社会科学与行为微扰

与政府、慈善家和投资者合作，设计创新激励措施，使创新者更好地与社会回报保持一致；为数字平台（如点对点贷款或劳动力市场）参与者设计激励措施，以改善弱势群体的成果。