我们调查了佛兰德语培训项目的异质就业影响。基于管理个体数据，我们使用修正因果森林(MCF)(一种针对多个方案的因果机器学习估计器)分析了不同聚集水平上的方案效果。虽然所有计划在锁定期后都有积极影响，但我们发现不同计划和不同类型的失业者存在很大的异质性。模拟表明，将失业者分配到我们估计的能够使个人收益最大化的项目中，可以大大提高效率。简化的规则，比如优先考虑就业能力低的失业者(主要是最近的移民)，会导致更复杂的规则所获得的收益的一半左右。