Vsako leto se približno 7 milijonov otrok prijavi organom za zaščito otrok zaradi morebitne zlorabe, kako pa oblasti ugotovijo, ali imajo otroci radi Gabriel Fernandez so v resni nevarnosti in potrebujejo posredovanje?
Številni organi za zaščito otrok se zanašajo na ocene tveganja, ki jih dajo uslužbenci, usposobljeni za upravljanje telefonskih linij, kjer poročajo o sumu zlorabe, vendar nekateri menijo, da obstaja boljši način.
'Obstaja široka literatura, za katero smo ugotovili, da ljudje niso posebej dobre kristalne kroglice,' je Emily Putnam-Hornstein, direktorica Otroško podatkovno omrežje in izredni profesor pri USC, je dejal v novi seriji dokumentov Neflix 'Poskusi Gabriela Fernandeza.' 'Namesto tega pravimo, da izurimo algoritem, s katerim bomo ugotovili, kateri od teh otrok ustreza profilu, kjer bi tveganje dolgega loka kazalo na prihodnjo vpletenost sistema.'
Fernandez je bil 8-letni deček, ki so ga pretepli in mučili do smrti mati in njo fant , kljub večkratnim pozivom njegovega učitelja in drugih organom, ki poročajo o sumu zlorabe. Nova šestdelna serija preučuje Fernandezovo življenje in grozljivo smrt, vendar jo tudi podrobneje preuči sistemske težave v sistemu otroškega varstva, ki bi lahko igral svojo vlogo.
Putnam-Hornstein trdi, da bi lahko ena od strategij za učinkovitejše prepoznavanje otrok, ki so v največji nevarnosti, uporaba posebej ustvarjenih algoritmov, ki uporabljajo administrativne evidence in rudarjenje podatkov za določanje ocen tveganja za vsakega otroka.
'Dejansko imamo približno 6 ali 7 milijonov otrok, ki jih vsako leto v ZDA prijavijo zaradi domnevne zlorabe ali zanemarjanja, zgodovinsko pa način, kako smo nekatere odločitve o presejanju temeljili na nekakšnih ocenah črevesja,' je dejala. 'Napovedovalno modeliranje tveganj samo pravi:' Ne, ne, ne, za to se lotimo bolj sistematično in empirično. '
Putnam-Hornstein in Rhema Vaithianathan, so-direktorica Center za analizo socialnih podatkov , so to idejo lahko uresničili v okrožju Allegheny v Pensilvaniji. Dvojica sta uporabila na tisoče napotnic za trpinčenje otrok, da bi oblikovala algoritem, ki bi določil oceno tveganja za vsako družino, prijavljeno okrožnim službam za zaščito otrok. Center za zdravstveno novinarstvo .
'Preučimo sto ali več različnih dejavnikov,' je v seriji dokumentov pojasnil Marc Cherna, direktor oddelka za človeške storitve okrožja Allegheny. 'Nekateri osnovni primeri so zgodovina dobrobiti otrok, zgodovina staršev, zagotovo uživanje drog in zasvojenost z njimi, družinske duševne bolezni, zapor in obsodbe, še posebej, če obstajajo napadi in podobne stvari.'
Zaradi velikega števila klicev imajo organi za zaščito otrok po vsej državi nalogo, da določijo, ali je treba družino pregledati na podlagi pritožbe ali jo pregledati.
V letu 2015 je bilo po ocenah pregledanih 42% od štirih milijonov obtožb, prejetih po vsej državi, ki vključujejo 7,2 milijona otrok New York Times .
Vendar otroci še naprej umirajo zaradi zlorabe otrok.
Sistem, ki se uporablja v okrožju Allegheny, je zasnovan za natančnejše napovedovanje, katere družine bodo verjetno v prihodnosti vključene v sistem z analizo podatkov.
'Kar imajo presejalci veliko podatkov,' je Vaithianathan dejal za The Times. »Toda precej težko je krmariti in vedeti, kateri dejavniki so najpomembnejši. V enem samem klicu C.Y.F. , morda imate dva otroka, domnevnega storilca, boste imeli mamo, morda boste imeli še eno odraslo osebo v gospodinjstvu - vsi ti ljudje bodo imeli v sistemu zgodovino, da lahko oseba, ki pregleduje klic, razišče. Toda človeški možgani niso tako spretni pri izkoriščanju in osmišljanju vseh podatkov. '
Orodje za presejanje družine Allegheny uporablja statistično tehniko, imenovano 'podatkovno rudarjenje', da preuči zgodovinske vzorce, da bi 'poskušalo napovedati, kaj se lahko zgodi' v vsakem primeru, je dejala v seriji dokumentov.
Vsak primer prejme oceno tveganja, ki se giblje od enega do 20 - vsak primer je kategoriziran kot visoko, srednje ali nizko tvegan.
Rachel Berger, pediatrinja iz Otroške bolnišnice v Pittsburghu, je leta 2018 za The Times povedala, da je napovedna analiza dragocena, ker odpravlja nekaj subjektivnosti, ki je običajno v procesu.
kakšni so geni serijskih morilcev
'Vsi ti otroci živijo v kaosu,' je dejala. “Kako C.Y.F. izbrati, kateri so najbolj ogroženi, če imajo vsi dejavnike tveganja? Ne morete verjeti količini subjektivnosti, ki gre za odločitve o zaščiti otrok. Zato imam rad napovedno analitiko. Končno prinaša nekaj objektivnosti in znanosti pri odločitvah, ki so lahko tako neverjetno življenjske. '
15-letni facebook v celoti video
So pa tudi kritiki, ki trdijo, da uporaba napovedne analitike temelji na podatkih, ki so morda že pristranski. Pretekle raziskave so pokazale, da so manjšine in družine z nizkimi dohodki pogosto preveč zastopane v zbranih podatkih, kar lahko ustvari pristranskost do afroameriških družin ali drugih manjšinskih družin, v skladu s serijo dokumentov.
»Človeške pristranskosti in pristranskostiiti z roko v roki, «Je po poročanju Centra za zdravstveno novinarstvo dejala Kelly Capatosto, višja raziskovalna sodelavka na Inštitutu za preučevanje rase in narodnosti Kirwan na Državni univerzi Ohio. »S temi odločitvami razmišljamo o nadzoru in sistemskih stikih - s policijo, agencijami za zaščito otrok in drugimi službami za socialno skrbstvo. V skupnostih (z nizkimi dohodki in manjšinami) bo preveč zastopan. Ni nujno, da se ti primeri dogajajo. '
Erin Dalton, namestnica direktorja urada za analize, tehnologijo in načrtovanje okrožja Allegheny, je priznala, da je pristranskost možna.
»V naših sistemih zagotovo obstajajo pristranskosti. Zlorabe otrok pri nas in naših podatkih ne vidimo kot dejansko zlorabo otrok, temveč od tega, kdo bo prijavljen, «je dejala v seriji Netflix.
Toda občina je Centru za zdravstveno novinarstvo tudi povedala, da je ugotovila, da prejemanje javnih ugodnosti znižuje ocene tveganja za skoraj družine.
Tokrožje je 'zelo občutljivo' na to skrb in stalno analizira sistem, da bi ugotovil, ali so bile skupine nesorazmerno usmerjene, je v seriji dokumentov še povedala Cherna.
Sistem okrožja Allegheny je v lasti okrožja samega, vendar je bilo nekaj kritik tudi drugih zasebnih sistemov za pregled.
Oddelek za otroške in družinske storitve v Illinoisu je leta 2018 sporočil, da ne bo več uporabljal paketa napovedne analitike, ki sta ga razvila neprofitna organizacija Eckerd Connects in njen neprofitni partner MindShare Technology, deloma zato, ker družba ni želela posredovati podrobnosti o tem, kateri dejavniki so bili uporabljeni v njihovi formuli, piše The Times.
Po poročanju naj bi sistem na tisoče otrok določil, da potrebujejo nujno zaščito, in tako več kot 4.100 otrokom iz Illinoisa omogočil 90-odstotno ali večjo verjetnost smrti ali poškodbe, Chicago Tribune poročali leta 2017.
Toda drugi otroci, ki niso prejeli visokih tveganj, še vedno umirajo zaradi zlorabe.
„Napovedovalna analitika (ni) napovedovala nobenega slabega primera,“ direktorica oddelka za otroke in družinske službe Beverly “B.J.” Walker je povedal za Tribune. 'Odločil sem se, da ne bom nadaljeval s to pogodbo.'
Daniel Hatcher, avtor knjige Industrija revščine: izkoriščanje najbolj ranljivih državljanov Amerike «Primerjal nekatere analitične sisteme s» črno škatlo «, v dokumentarni seriji pa dejal, da način sprejemanja odločitev ni vedno jasen.
'Nimajo možnosti, da bi ugotovili, kako se dejansko odločajo za raven oskrbe, ki močno vpliva na posameznika,' je dejal.
Putnam-Hornstein je priznala, da napovedni analitični sistemi ne morejo določiti prihodnjega vedenja, vendar meni, da je to dragoceno orodje, ki pregledovalcem omogoča bolj premišljene odločitve o tem, kateri otroci so lahko najbolj ogroženi.
'Upam, da bodo ti modeli pomagali našemu sistemu posvetiti več pozornosti sorazmerno majhni podskupini napotnic, kjer je tveganje še posebej veliko, in bomo lahko tem otrokom in družinam namenili več sredstev na preventivni način,' je dejala. v Center za zdravstveno novinarstvo. »Nočem, da bi kdo presegel napovedno modeliranje tveganj. To ni kristalna krogla. Ne bo rešila vseh naših težav. Če pa nam bo omogočilo, da bomo sprejeli nekoliko boljše odločitve in prepoznali primere z visokim tveganjem ter jih razvrstili med primere z nizkim tveganjem in se temu ustrezno prilagodili, bi to lahko bil pomemben napredek na terenu. '
