預防再見受虐兒!雙北家防中心用AI打造家暴風險預警模型

試想,如果一個小孩「不斷看到同個社工哥哥或姊姊,每次見面就問『你怎麼了?為什麼被打?』或『你手這裡怎麼流血了?為什麼會瘀青?』」心裡會有什麼感受?

其實這些看似關心的詢問,會對小孩造成沉重的心理負擔。因為多問了幾次,孩子就不願再開口,因為他們知道,說出來不見得會改善現況;只要不遏止施暴者,孩子「還是一樣會挨打。」臺北市家庭暴力暨性侵害防治中心(簡稱家防中心)的社工督導徐雅嵐面色凝重地說。

然而這種讓人揪心的場面,並不是偶發事件。徐雅嵐表示,自2016年以來,每年全國少年兒童保護受理案件數就超過4萬件,當中有30%就屬於兒少家暴再犯案,也就是所謂的回頭客案件。這個因素,再加上兒少保護志工人力吃緊、一人平均處理60個案件,讓臺北市與新北市的家防中心決定聯手,結合外部資源與人力,利用AI技術和大數據分析建立風險預警模型,希望能協助兒少保護社工在服務品質受限的狀況下,解決兒少家暴回頭客案件的問題。

什麼是回頭客?

一般處理兒少家暴案件時,按順序可分為通報案件調查和開案輔導結案兩階段。第一階段的流程是從案件通報開始,接著案件調查、決定是否開案,如果確定開案,就進入了第二階段,進行「處遇輔導」(也就是介入進行輔導),最後進入結案作業。

不過徐雅嵐說,在上述任何過程都可能出現再犯,比如在第一階段調查過程時,也可能再度通報家暴,或是在第二階段的輔導過程中,又發生再次施虐事件,有時甚至在結案過程中,又發生孩童虐待情況,也又再一次被通報。

「我們希望先從社工手上的案件開始」她表示,風險預警模型針對的回頭客,指的就是在開案後,進入「處遇輔導」時,再度發生施暴情況的案件。

從風險預警模型到風險預警管理系統

為建立兒少家暴再犯的風險預警模型,徐雅嵐說,雙北家防中心首先整合了衛服部保護資訊系統的歷史資料,分析從2015年至2017年、約2萬1千筆的臺北市和新北市兒少家暴案件資料。這些資料涵蓋了幾類,第一類是案件基本資料,像是家暴發生地點、時間和通報來源(如學校、醫院或警政單位等),其次還有案件家庭資料,包括了受虐者和施虐者的相關資料,像是性別、年齡、是否為身心障礙者等。

除了這些,訓練資料還包括了來自保護資訊系統的資料,不只是記載了個案通報史和家庭保護能力的通報表調查報告,還包括了家庭功能評估表,這份表中詳細記錄了家庭系統(如單親或雙親家庭)、成員關係(如互動是否良好)、照顧能力(家庭管教能力和管教態度等)、內外部支持系統(像是親戚和鄰居等)、家庭經濟狀況等資訊。

徐雅嵐指出,希望利用這些資料,來建立一個家庭支柱金三角的分析架構,以家庭為主,向下則進一步細分為經濟、關係和健康三個面向。

而獲得資料之後,第一步要執行的就是資料預處理,社工們便著手進行資料清洗,但「這個過程耗費了很多心力」徐雅嵐說。她指出,雖然衛福部的保護資訊系統已推行多年,但其中許多欄位並非必填,引此產生多個缺漏值,「不僅會影響模型預測能力,也是我們遇到最大的困難之一」徐雅嵐語重心長地說。此外,團隊在預處理資料時,也發現有許多資料需要重新整理,比如地址填錯欄位、生日格式未統一等,這也花了大家不少時間。

資料清理過後,接下來就是分析顯著因子。在這方面,徐雅嵐列舉了幾項顯著因子,也就是兒少家暴高風險家庭的特徵,比如較差的家庭解決問題的能力、較差的人際關係與外部支持不足,或是家庭居住環境不佳、家庭氣氛不良等等。

不只如此,經過進一步的研究分析,社工們發現只要遇上連假或暑假前後(六月、九月),家暴回頭客的出現機率就會大增。不過,「社工就可以從這幾方面下手,加強服務」徐雅嵐肯定地表示,這些家庭也許會因為這些服務,而降低再次家暴的可能性。

有了這些以家庭為中心的分析結果,風險預警模型升級為風險預警管理系統,頁面更以視覺化的方式來呈現。只要輸入案號,系統除了顯示基本資料和詳細的通報史,還會顯示再次家暴的風險指數,幫助社工預防兒少虐待的發生。徐雅嵐更指出,這套系統一次顯示通報詳情,節省社工許多時間,因為過去透過衛服部保護資料系統,案件資料只能一筆一筆查,無法一次整合顯示。

風險預警管理系統如何預防家暴回頭客?

判斷家暴回頭客的現有作法,目前還是以兒少傷勢作為主要判斷標準,「但這樣沒辦法有效預防再犯」。她舉例說,過去曾有孩子每隔一陣子,身上就出現一些小傷,大傷倒不曾出現過。這也點出了光靠傷勢狀況,無法有效判斷再受虐的風險,更導致案件不斷「回頭」。

而雙北家防中心,就是希望透過這套風險預警管理系統,來改善現有的傷勢判斷作法。家防中心期望從風險預警模型和關鍵特徵,來提升調查個案的準確度,選擇合適的處理方式,目前預估,可以改善6成回頭客案件。但不只新北,這套作法還要推廣至全臺灣,最終目標希望做到,一年讓3千位兒少不會再次發生受虐事件。文⊙王若樸

原文來自 iThome Online