家防中心保護性社工於外勤執行受暴者及行為人之訪視、庇護及安置服務時，存在各種人身安全風險，也許是被打、被言語侮辱、被威脅。社工出訪前會先閱讀系統中的個案相關紀錄，然而紀錄龐雜且繁瑣，每次的訪視風險都需要靠個人大量閱讀並綜合過往經驗才能判斷風險高低。

中心為了提高人為判斷精準度，設計外勤風險檢測指標，要求社工出勤前須填寫，並定期滾動修正，透過事先掌握風險，進行預防。在累積數年資料後，希望能透過資料進行填寫行為分析、結果比對及優化表單，從中發展出風險因應策略，建立循證治理的工作流程。

透過服務流程工作坊盤點出社工外勤挑戰

D4SG 資料英雄為了了解社工大量閱讀的個案資料及獲取資訊的流程、如何將資料轉化為所需資訊，我們在110年11月17日於家防中心辦理服務流程討論工作坊，參與人員包含家防中心綜規組、承保組、專線組、兒少組與性保組16位，以及本案資料英雄6位，共22位。依組別編列為四組，於工作坊過程中，皆有資料領域、服務設計領域之資料英雄一同參與討論。

本次工作坊透過情境將相關利害關係人以及所遇問題進行盤點，建構社工接案到受暴通報之程序。最後釐清步驟中的數據細項與來源，並思考何以透過數據優化現有的任務流程，期以避免社工出訪時的風險。綜合各組提到的執行挑戰如下：

1. 社工對於風險意識高低不同：新手經驗薄弱，對事件之風險敏感度較低；資深者則易低估風險。而現行系統中尚無客觀風險評估指示，可作為判斷風險之參考。
2. 風險釐清條件不足：相關通報資訊不足，於時效條件下，導致難以釐清風險狀況。潛在人生安全評估項目（如：環境衛生狀況、是否有危險寵物等），無法取得相關資料，以致難以提前規劃與預防。
3. 訪視時效與資料權限限制：系統需於網域中才可登打，尚不能透過行動載具使用。填寫內容項目不夠精簡或無自動帶入之功能，導致行政作業繁複。
4. 資料視覺化及預測的目的及目標理解不足：現行以紙本及簡易數字加總統計值進行管理，對於如何紀錄資料達到數據視覺化、風險預測及循證治理方式理解及經驗較少。

概念驗證POC

本次資料科學家及服務設計學者等資料英雄參與上段詳列了家防中心自評及各組討論後的結果，其中的調整涉及跨部門協力、系統設計、管理手段上讓回報更彈性、風險預警共識等。基於近期中心即將做系統改版以及中心長期累積的出勤前資料，資料英雄提出概念驗證及實作:

系統設計概念

本案針對訪視前、後，分別建議系統規劃優化之建議：針對訪視前、後，我們分別提出系統規劃與系統優化的建議：

訪視前：針對無客觀風險評估指示，以及需仰賴多系統資料整合才得以評估風險的狀況，本案建議可規劃「訪視前社工人身安全評估系統」。透由基本資料下拉式選單快速輸入，讓系統自動導入相對人歷史資料，並輔以客觀風險指標呈現，幫助社工快速了解案家狀況。

          圖、訪視案家過往資料帶入與現況評估

          圖、人身安全風險等級與訪視建議

訪視後：相關紀錄與通報需於特定網域進行，且填答內容較為繁複，導致行政作業繁雜。因此本案建議可規劃社工可透過個人行動裝置，透過快速點選潛在危害風險回傳之方式紀錄潛在人身安全的狀況（如：有惡犬、疥瘡等）。若有人身安全事件需通報時，可連動「訪視前社工人身安全評估系統」自動帶入基本資料，透過資料點選自動生成事件經過敘述，亦可彈性調整文字內容。

         圖、人身安全事件記錄（介面示意圖）

         圖、人身安全通報數位化（介面示意圖）

資料視覺化及預測

以下將分成三個區塊做說明：

一、資料視覺化

檢測表格詳盡且繁瑣共超過六十個欄位，無論是回溯紀錄或是填寫資料都耗神費力，很可惜現行並無實際資料應用產出。資料視覺化（data output）是繁瑣登打表格（data input）的最佳成果展現，這些寶貴的量化資訊協助管理者（組長、督導、主任等）快速整握大局，統籌資源協助社工，做出更好決策，同時幫助社工理解現行任務與過往經驗相比的量化資訊。

根據資料類型和用途，分成五大類別，案件資訊，訪視對象狀態分析，安全救援確認，社工狀態以及風險評估。以下為風險視覺化示意圖。

• 月統計：每月案件數量趨勢

除了掌握每月案件數量趨勢之外，再細分不同案件類型分佈狀況。觀察不同案件類型數量是否隨著季度變化。

• 案件資訊

掌握不同案件類型的出訪時段和地點之外，瞭解各組同仁出訪情況，是否夜間出訪比例過高？

透過出訪地點/時段 vs. 危險出勤地點/時段的比較，提醒同仁危險比例較高的地點/時段，務必謹慎不可輕忽。

• 訪視對象狀態分析

將訪視對象的13種危險狀態分成三大類型：

• 暴力傾向：性侵，家暴….
• 精神狀態：自殺，藥酒癮…
• 其他危險狀態：疑似傳染病，疑似性騷擾…..

掌握不同案件類型，受訪對象的危險狀態分佈情形。

二、風險因子

現階段風險檢測單題項高達64題，且須查詢各資訊系統拼湊案家資訊，造成社工外勤訪視前的負擔。因此，我們針對19項較適合分析的風險因子，使用費雪精確性檢定(Fisher’s Exact)，依照各項因子與風險事件的關聯強度進行分類，藉此找出對社工外勤風險較為重要的題項。

風險因子的分類結果可提供未來風險量表優化的參考，同時也可提醒社工，在時間相對有限的情況下，哪些案家資訊是他們須要優先關注的。未來家防中心也可依照自身需求，定期使用費雪精確性檢定對於風險因子進行分類，作為年度社工教育訓練的重點。

三、預警模型

「社工是否於外勤過程中遭受風險事件」屬於二元分類結果，考量到自變數多為類別型資料，適合使用樹狀模型，因此使用決策樹建立預測模型。

樹狀模型的演算法很多，常見的有決策樹、隨機森林等，由於現階段標註為有風險的案件數並不多，準確率難以驗證，並考量到模型的解釋性，我們決定使用決策樹模型。

決策樹模型除可提供預測風險事件的發生機率之外，也可透過模型結果釐清多項因子交互下，社工遭受風險事件的比例差異。若進一步與費雪精確性檢定結果進行交叉比對，可找出關鍵的風險因子，提醒社工在外勤訪視前要多加留意。

綜合建議

本案針對流程、系統及資料三個面向給予總體之建議與回饋，詳細內容如下：

（一）流程面

1. 跨部門協力：社工訪視流程涉及多方利害關係人，包含資料調閱、訪視協助、相關安置中心之配合等，過程中易因權限、角色定位不清等因素，使得執行困難度提升。建議可與相關單位共同成立跨單位（專案）工作小組，協助釐清雙方之權責（如社工監護權改定、警急安置等權力行使）與保護機制（如2001年密西根州Lisa’s Law）、建立資料授權之機制（如外縣市服務相關紀錄等）、以及勤務支援機制等。

2. 系統操作釋權：社工人員執行勤務時，時有警急事件或結案時效之影響，且因現有系統使用網域之限制，使得無充裕時間進行個案評了解導致錯估、事發後至於系統紀錄已有時間差，可能易導致細節遺忘等事件發生。建議未來評估與案件紀錄等程序，可讓社工人員透過便攜式之載體（如手機等）進行。

3. 避免二次傷害發生：暴力事件發生後，現行制度下讓需招開多次會議、撰寫報告等，並讓受暴社工多次陳述案發經過，容易導致其心理層面的二次傷害與不適。建議可協請心理諮商等專業人員，一同評估現有現有程序與執行形式。

4. 強化職能評估與培訓：建議可強化社工與在學學生面對暴力事件之實務處理能力，以及相關職能之培訓。

（二）系統面

1. 系統切換繁複且無法單一管道取得所需資訊：社工通報查找皆透由衛福部個案保護系統進行，然業務上社工尚需戶政系統、出入境系統、人身安全犯罪系統、在監在所系統、幼稚園資料申請系統、托育資料系統、預防接種系統、就醫診療系統等。依案執行多系統查找與確認，才得以協助其評估個案與風險之判斷，易導致統整耗時與遺漏重要資訊之情形。

2. 人工登打潛藏大量行政成本：近期衛福部陸續推出相對人模組、社工司社工人身安全通報系統提供社工作使用，並可勾選警示欄位，例如，可勾選相對人有暴力傾向等。流程上都需額外增加社工登打的時間及提升操作複雜度，而此類登打是否疏漏只能靠人工的檢查需付出大量的行政成本。

3. 風險預警難以客觀判定（權重設定）：目前透過人工參照各系統後填寫評估，會受到經驗等人為因素影響判斷結果。
   

（三）資料面

1. 資料分析、資料視覺化、自動化報表:根據現行九百多筆實務資料，將判斷風險的欄位分成數類，進行不同面向分析，並在Google Studio上建立儀表板，讓中心同仁理解如何即時取得資訊、回溯歷史資料、鑑往知來。

2. 風險因子分類：現行超過六十題的檢測，造成社工填寫極大負擔，此次介紹數個統計檢定方式，例如：費雪精確檢定(Fisher’s exact test)，幫助中心定期可找出檢測題目與風險的關聯性，以檢定資料作為標準討論題量的增減。

3. 風險預測模型：本次使用決策樹Decision tree，希望藉助其視覺化決策樹的結構、解釋性高、模型執行時間短等優點。