Data for Social Good Data for Social Good
  • 最新消息
    • 佈告欄
    • 熱門活動
  • 資料英雄計畫
    • 團隊募集
    • 專案成果
    • 資料英雄榜
  • 媒體報導
  • 聯絡我們
  • 最新消息
    • 佈告欄
    • 熱門活動
  • 資料英雄計畫
    • 團隊募集
    • 專案成果
    • 資料英雄榜
  • 媒體報導
  • 聯絡我們

Month: 十二月 2017

  • Home
  • 2017 Archives
  • 十二月 Archives
26 十二月

高風險危機警示模組

  • Posted by 郭 泰竹
  • Categories 資料英雄計畫
  • Comments 3 comments

Fellows:林峰生、林廷州、林恆宇、胡馨勻、葉憲周、郭泰竹、郭家諭
Mentor:謝宗震
Project Manager:李苡菲
Project Partner:新北市政府社會局

摘要
新北市高風險中心由100年執行至105年,新北市高風險兒少通報案件累計達66,397案件(平均每年約1萬件),考量此類高風險家庭常面臨多元化之風險,為能協助網絡中的工作人員對於家庭的危機程度有更精確的掌握,可於處理眾多高風險案件時,導入更適宜之資源與服務模式協助,使此類家庭免於再次發生高風險危機或進而演變成更嚴重的兒童虐待案件,如果無法提早找出類似嚴重的家庭,極有可能會發生更嚴重的事件。因此,找出容易重複被通報的「回頭客」以及預測個案是否有機會「進入家暴防治中心」(以下簡稱家防),可望幫助解決以上時間有限但人力不足,並適應多元化風險的問題。
背景說明
新北市為全台灣最大縣市、六都之首,人口數高達400萬人,涵蓋29個行政區,擁有豐富的自然資源及科技進步的城市,但在光鮮亮麗的外表下,社會邊緣的角落正在發生許多鮮為人知的問題,而這些問題可能就發生在你我周遭,關係著社會安全以及未來主人翁的幸福。
新北市高風險家庭服務管理中心(以下簡稱:高風險中心)成立於民國一百年,主要負責進行高風險家庭案件之分級管派與服務狀況追蹤,目的是為了提前預防家庭暴力以及兒童受虐等問題發生,民國101年至105年新北市高風險兒少通報案件累計達66,397件(平均每年約一萬件),等於每一個小時就要處理一件高風險家庭的個案,且是24小時待命、全年無休。
有鑑於此,由D4SG資料英雄計畫組織了一支擁有社工、統計、資工、資料科學以及專案管理背景的團隊,透過高風險中心十萬多筆的資料,經由大數據分析,希望能夠協助高風險中心對於家庭的危機程度有更精確的掌握,可於處理眾多高風險案件時,導入更適宜之資源與服務模式協助,避免再次發生高風險危機或進而演變成更嚴重的兒童虐待案件。
專案目標
新北市是個有著多元文化與族群聚集的城市,約有百分之七十是外移人口,但隨著家庭結構的改變、傳統自掃門前雪觀念的根深柢固。為了要讓兒少能獲得更完善的照護,新北市高風險家庭中心建立一個完善的兒少安全保護網,以普及宣導、預防支持、保護服務三個層級,希望能做出完善預防的工作,避免兒虐事件的發生。
新北市高風險兒少通報案件量平均每年約有10,000件,每人每年約需處理1,666件案件。因此,在如此龐大的案件量中如何更準確的評估每個案件的輕重緩急並且妥善安排人力資源做出最適當的處理著實重要。「預防勝於治療」基於以上種種原因,我們希望可以建立一個良好的預測機制,先找出容易重複進案的「回頭客」以及個案是否有很大風險會「進入家防中心」,再藉由這些因子建立出預測模型,幫助高風險中心人員往後對於這些高風險家庭能進行主動且預先的關懷訪視,對這些家庭的危機程度有更精確的掌握,在處理高風險案件時,導入更適宜之資源與服務模式協助,讓此類家庭免於再度發生高風險危機或進而演變成更嚴重的兒童虐待案件。
資料集介紹
本專案所使用的資料取自於「新北市高風險家庭整合型安全網資訊管理系統」,將資料個案之身分證加密後,整合成單一資料總表,取得近147萬筆原始資料,包含每一個案之重複案件以及個案評估量表、通報表、派案評估表等資訊。重點資訊條列如下:

該案兒少人口變項之資料,包含如:性別、年齡、居住區域、國籍等
每通報案件於通報時經由通報人勾選之風險指標
每通報案件於社工初篩派案時所評估勾選之兒少所遭遇的家庭問題情形 (如經濟問題、就學問題、父母親藥癮問題等)
各網絡局處受理案件後對於案件危機程度的評估資料(以紅黃綠燈進行危機程度區分)
各網絡局處每月對於案件之服務紀錄
資料勾機外部資料情形

「新北市高風險家庭整合型安全網資訊管理系統」橫跨10個局處 (民政、教育、社會、衛生、工務、勞工、警政、消防、原民、資訊中心)與 1,300個窗口。亦勾稽相關外部資料,包含新北市福利補助系統、教育局兒少學籍系統以及兒童虐待保護案件資訊系統,是一個多元整合管理系統。

執行方式
由於工作期程有三個月,因此我們將工作切分成兩段,第一階段包含流程理解、資料盤點、預期成果;第二階段是進行資料清理、資料分析並且撰寫成果報告。
由於在此案之前顧問已有台北市家防專案的經驗,所以對於社工的組織較為了解,也較清楚資料專案的困難之處。最初的一個多月,主要的工作在於理解高風險中心的工作流程,配合資料盤點的結果,利用資料驅動的討論方式收斂到兩個專案目標,首先是避免案件無法結案不斷的重複開案,又或者是個案落入更危險的兒少保護體系 (家暴)。
接下來的一個月主要工作是制定資料分析策略,首先進行資料處理,將資訊系統拉出來的資料轉換成可供機器學習模型所使用的資料大表 (data.frame),其中最困難的工作在於如何從凌亂的資料表中,找出高風險中心處理的個案屬於哪個家庭,以及如何做跨表格的合併。接下來是做資料探索,找出與落入家暴問題案件相關的特徵以及派案回頭客的相關特徵。統整這些資料探索結果後本組使用邏輯斯迴歸、支持向量機、隨機森林等演算法針對家暴個案、回頭客個案進行預測,最終選擇準確度高達八成的隨機森林模型作為成果。
資料探索

Read More
26 十二月

[心得] 用數據預測危機,一個社工系學生的學習之旅

  • Posted by 胡 馨勻
  • Categories 紀錄
  • Comments 0 comment

參加初衷
一開始之所以會參加資料英雄計畫,是因為看到大數據運用於商業、行銷,並大致了解大數據的概念之後,覺得如果可以把大量資料分析並預測、調整作法的概念運用於社會工作領域上面那該是一件多麼美好的事,不但可以較容易了解擁有什麼樣行為模式的案主比較可能發生狀況、讓社工可以加強對他們的處遇,將預防做得更全面,同時也可以讓社工人員追蹤什麼樣的處遇方式對什麼樣的個案可能最有效果,將最適當的資源放置在最需要的地方,減輕工作的負擔。抱持著這樣的想法,某一天在網路上搜尋時正好看到資料英雄計畫之前做有關於火災預警以及台北市家暴防治的成果,覺得這是一個可以對資料科學增進了解,同時也了解自己想法實際行動的樣貌,於是就報名,幸運地獲選入高風險危機示警的計畫中,也看到了當初未曾想過的風景。
對高風險系統的認識
雖然身為社工系的學生,對於社會工作的工作方法、社會福利及輸送的體系有大致知識上的了解,但是實際上在台灣每個縣市政府下的社會安全網是如何被建構、系統的運作流程及方法也都不盡相同,我也沒有對這部分有進一步的了解。整個資料英雄計畫中最重要的部分大概就是對於新北市高風險系統運作流程的了解了,唯有了解整個高風險運作體系以及高風險中心在當中扮演的角色,才知道要用什麼樣的資料以及用什麼變項來分析,分析結果才可以對高風險中心的業務產生效益。新北市的高風險系統真的做得非常完善,從通報、成案、派案到開案、結案,除了社會局以及高風險中心本身以外,還結合了九個局處一起來為高風險家庭及兒童服務,透過高風險中心的同一派案可以讓個案儘快至適當的局處接受服務,達成個案管理的效果,除了讓個案能夠獲得最需要的資源與服務,也能減少各局處做重複業務的行政成本。
不過於此同時,也了解了中央與地方上的差異,高風險的通報標準是中央政府訂出的,不過對於高風險家庭卻沒有確切的定義,各縣市政府的流程及方法也不同,不只如此,中央與地方的資訊系統也不一致,工作人員要適應不同系統,每個系統也都有很多內容或是步驟、有一定的複雜度,導致還要花費額外的時間去適應以及填寫不同的欄位,若是中央和各地區的系統可以整合成同一個的話,不僅同樣一份資料只要寫一次,若要轉介至其他縣市,也可以方便工作人員進入狀況,銜接服務。
對資料分析過程的觀察
而這次計畫讓我收穫最多的當屬於資料分析的部分了,不但實際參與了整個過程,也讓我了解如何將不同的統計方法應用於真實的情況中,也開始學習一點R語言。
我覺得在資料分析中,除了對於整個系統與狀態的了解以外,最重要的即是資料取得的來源與定義,因為這樣才能夠對資料做最合適的處理,做出來的結果才能產生意義。在決定到底要做什麼內容之前,需要不斷討論、不斷了解、不斷確認,一來是要確認哪些資料是可以使用的,包含資料的內容、什麼狀況會填答、填答的狀況是否有許多空值等等,也要確定什麼題目是對需要資料分析的單位是有意義的,所以要確認題目就要花費很長一段時間,這是我始料未及的事。
高風險中心給我們數萬筆資料,但許多欄位是一些基本資料的描述,是質性的資料無法分析,或者因為制度設計上並沒有強制規定一定要填而產生了許多空值,同時也有產生因為資訊系統勾稽上產生的問題而導致的困難,所以光是確定要做的題目是不行的,要清理資料、確定某一筆資料是可以使用的才能夠真正確定。同時出乎我意料之外的是,原本以為只能做什麼樣的家庭背景或者指標可能較容易進入高風險系統甚至兒童保護系統,後來竟然可以運用通報次數或者燈號的變化等做出預測,又學到了新的想法!
這次的經驗真的很寶貴,不但整體參與了討論的過程,也從其他成員們做的事情當中了解了在處理資料時要做的事情有哪些,而不只是單純的紙上談兵,真的覺得很幸運可以參與資料英雄計畫的高風險中心組!
學R的一些心得想法
最後,在毫無任何R語言基礎即進入專案中的狀況下,為了能夠跟大家一起工作,在暑假時我也開始學習R語言。我所參考的資料是R語言翻轉教室,裡面的課程設計是一課一課進行,會有說明、舉例,同時也可以自行操作,每一課最後都會有作業,可以自己思考。對於不熟悉程式語言的人來說,自學還是會有一定困難。對我來說最複雜的部分應該是在函數裡面要放的內容,或是物件性質的差異,另外,自學課程相較於實體課程困難的部分也還是學生的差異性,每個學生有問題的地方也都不同,不可能面面俱到,有些地方也不一定都說明詳細,需要自行查資料。還有最痛苦的是腦袋中有想法可是無法實現,上網查的時候,可能也因為關鍵字不正確所以也找不到做法。程式碼無法順利運作時,找錯誤也是一個困難的過程,可能還是需要不斷練習、參考別人寫的程式碼才能夠有持續的進步,我也會在學習R的路上繼續邁進。
延伸閱讀

D4SG專案成果:高風險危機警示模組 (新北市高風險中心)
D4SG專案成果:家暴預警與風險管理 (台北市家防中心)
D4SG專案成果:建築物火災風險地圖 (高雄市消防局)
高風險家庭及新北市通報方式
R語言翻轉教室

Read More
15 十二月

D4SG資料英雄計畫 2018 冬季班錄取公告

  • Posted by 值班編輯
  • Categories 佈告欄, 資料英雄計畫
  • Comments 0 comment

錄取提案
脫貧潛客分析(臺北市政府社會局)
為了協助低收入戶及中低收入戶家庭脫貧自立,擬訂積極性脫離貧窮之服務,找出有迫切服務需求及具有脫貧潛力之對象,擬定對症下藥之脫貧策略,協助其真正自立脫貧,將有限資源發揮最大效用。
▌關鍵詞:低收入戶、貧窮線、潛客分析
 
外傷醫療功德工程(台灣外傷醫學會)
分析全國外傷病患數據,理解供需之落差,補足台灣外傷現況之資訊透明度,作為相關政策規劃之基礎。
▌關鍵詞:醫療動態、檢傷計算、重大傷病卡
 
法律扶助資源配置優化(法律扶助基金會)
法律扶助基金會在全國有22個分會,宣傳資源有限,希望各分會能夠依據在地特性,發掘應該被服務卻尚未觸及的弱勢族群,了解他們較常發生的法律問題,並針對該對象發展適合的推廣方式。
▌關鍵詞:資源配置、精準行銷、個案管理
 
兒少暴力風險預警管理(新北市 × 臺北市 家庭暴力暨性侵害防治中心)
透過資料分析,找出兒少再受虐案件的危險因子,並針對兒少保護案件之風險程度進行分級,協助社工選擇適當的處遇策略,進而提升組織服務效能。
▌關鍵詞:兒少暴力、風險預測、危險因子
 
錄取英雄
蔡O淳、蔡O如、陳O峰、陳O嘉、傅O穎、高O祥、郭O諭、黃O宇、
黃O安、姜O安、賴O如、李O旻、林O緯、劉O恩、劉O瑄、王O懿、
楊O思、葉O彣、葉O周、葉O蓁、張O豪、張O偉、趙O恩、謝O翰
備取:
顧O樺、邱O涵、郭O芊、賴O龍、陳O穎、廖O程
啟動會議

時間:2018年1月中旬的週間晚上
地點:台北市某個交通方便的聚會場所
議程:

提案單位簡報
簡報內容包含組織介紹、想解決什麼樣的問題、有什麼樣的資料、需要怎樣的幫助、預期成果、成果將如何導入組織運作…等。
各組團隊首次討論

自我介紹(背景、技能、期許)
選出組長
選定共同會議時間(建議每週一次、提案單位要派人參與)、共同工作時間與地點
粗估幾個里程碑(期中、期末)

Read More

分類

  • 佈告欄
  • 紀錄
  • 資料英雄計畫

近期文章

  • D4SG 333短期方案-錄取公告
  • [提案招募] D4SG 333 短期方案
  • D4SG Fellowship 冬季班暫停公告
  • 智慧防洪,韌性城市
  • 空汙追追追

標籤

OCHA workshop 便民看板 兒少保護 家暴預警 就業輔導 急轉診 排班管理 文字雲 水土保持 法律扶助 火災風險 畜牧廢水 社會救助 空汙 結巴 緊急醫療優化 脫離貧窮 資料工作坊 資料英雄計畫 農地種電 開放資料 防洪 隨機森林 韌性城市 高風險家庭

彙整

  • 2020 年 十月
  • 2020 年 五月
  • 2019 年 十二月
  • 2019 年 八月
  • 2019 年 二月
  • 2019 年 一月
  • 2018 年 十二月
  • 2018 年 十一月
  • 2018 年 七月
  • 2018 年 六月
  • 2018 年 二月
  • 2018 年 一月
  • 2017 年 十二月
  • 2017 年 六月
  • 2017 年 五月
  • 2017 年 三月
  • 2017 年 二月
  • 2017 年 一月
  • 2016 年 十二月
  • 2016 年 十一月
  • 2016 年 八月
  • 2016 年 七月
  • 2016 年 六月
  • 2016 年 一月

D4SG資料英雄計畫 ©2014-2019