9 способов использования данных в сфере защиты детей [Обзор Платформы по защите детей]

Дата: 
01 May 2018
издатель: 
Платформа по защите детей

1. Программа «Think Family and Troubled Families» – Бристоль, Великобритания
На основе данных из нескольких источников исследователи в Бристоле определили семьи, подверженные риску, используя прогнозный анализ. Им удалось спрогнозировать ожидаемые результаты на основании наблюдаемых характеристик семей и моделей данных. Это помогло социальным работникам, которые используя данную информацию, смогли вмешиваться на ранней стадии для предотвращения трудных ситуаций. Команда аналитиков также разработала модель для выявления детей, которые могут подвергнуться риску сексуальной эксплуатации, что позволило социальным службам осуществлять мониторинг ребенка и его окружения и вмешиваться при необходимости. 

2. База изображений, связанных с надругательствами над детьми (CAID) – Великобритания
Аналитики создали крупную базу изображений жестокого обращения с детьми, имеющихся в распоряжении полиции. Имея все изображения в одной системе, правоохранительные органы могут сверять телефоны задержанных правонарушителей с базой, проверяя десятки тысяч изображений всего за час. Это помогает полиции идентифицировать устройства на месте происшествия, ускорять процесс расследования и более оперативно выявлять жертв надругательств, обмениваясь изображениями с другими ведомствами. Кроме того, база данных позволяет частным компаниям на раннем этапе удалять материалы со своего веб-сайта, если система распознает аналогичное изображение. 

3. Анализ онлайн-текстов для выявления сексуальных преступников – Университет Ланкастера, Великобритания 
Обнаруживает сексуальных преступников, которые притворяются детьми в соцсетях и чатах. Система анализирует тексты и ключевые слова для идентификации пользователей, маскирующихся детьми, часто использующих несколько онлайн-личностей. Она различает разговоры между взрослым, притворяющимся ребенком, и настоящим ребенком с точностью 94%, выявляя сексуальных преступников в Интернете путем анализа специфических в силу возраста особенностей текста. На основе ПО было создано приложение для телефона ChildDefense, которое ребенок может использовать для определения возраста онлайн-собеседника.

4. Инструмент скрининга семей в округе Аллегени – Питтсбург, Пенсильвания, США
Команды социальных работников добавили в свои системы прогнозные алгоритмы анализа, которые проверяют каждый кейс после того, как он был зарегистрирован и оценен социальным работником. Например, система проверяет кейсы с пометкой «низкая степень риска», которая была проставлена на основе информации из звонков и существующих отчетов. Для этого система получает доступ к телефонным звонкам в эту или другие социальные службы, после чего оценивает риск и присваивает свою оценку по шкале от 1 до 20. Программа предоставляет дополнительную проверку, просматривая существующую информацию, имеющуюся в разных ведомствах – от баз данных центров лечения наркомании, полицейских участков и судов до медицинских и образовательных заведений. Используя данное программное обеспечение наряду с существующей системой оценки, социальные работники могут быстро оценить ситуации с помощью большого количества фактов и прогноза, полученного путем скрининга определенных факторов или их комбинации. Это позволяет ведомствам продолжить работу над кейсом и при необходимости вмешаться на ранней стадии. 

5. Выявление жертв торговли людьми – Калифорния, США
Два исследователя из Университета Южной Калифорнии использовали данные из Интернета для разработки программного обеспечения, которое просматривает объявления о продаже секс-услуг в Интернете. При поиске уязвимых лиц, вовлеченных в сексуальную эксплуатацию, система помогает отслеживать пропавшего человека путем поиска номеров мобильных телефонов, местоположения и фотографий.

6. Программа «Family Insights» – Ньюкасл, Великобритания
Ньюкасл использовал данные в качестве основы для реструктуризации городских социальных служб, создавая специализированные подразделения для решения круга проблем и потребностей, определенных исходя из информации о семьях. Группируя семьи по выявленным обстоятельствам, вызывающим беспокойство, можно реорганизовать подразделения социальных работников в соответствии с группами проблем. В результате социальные работники проходят обучение в конкретных областях и могут оказывать более узкие услуги, а дети и семьи, входящие в систему социальной поддержки, приписываются к наиболее подходящему специалисту, исходя из факторов, определенных системой, а не к ближайшему подразделению, как это было ранее. 

7. Интеграция данных для служб поддержки – Манчестер, Великобритания
В Манчестере было создано интегрированное хранилище данных путем объединения информации из 16 служб всего города. Это позволяет социальным работникам быстрее знакомиться с кейсами без необходимости запрашивать информацию у других ведомств или изучать старые материалы по кейсу. Система сортирует данные, определяя конкретных людей и связывая их с существующей информацией, например, с несколькими адресами, семьями или какими-то происшествиями, которые были зарегистрированы в разных службах. Город также использовал прогнозный анализ, кластерный анализ и деревья принятия решений для определения тех факторов, которые помогают выявить детей, нуждающихся в защите. 

8. Прогнозы на основе местоположения – Техас, США
Прогнозное моделирование, первоначально использовавшееся для прогнозирования районов и улиц, где наиболее вероятна стрельба, был преобразован врачом, который хотел предотвратить жестокое обращение и насилие над детьми. Проект определил четыре важнейших фактора риска, связанных с жестоким обращением с детьми: физическое и сексуальное насилие, побеги из дома и домашнее насилие. На основе этих факторов риска система дает информацию о районах, наиболее предрасположенных к возникновению случаев жестокого обращения с детьми, что позволяет правоохранительным органам, социальным работникам и организациям фокусироваться на этих определенных районах и предоставлять более качественные услуги. 

9. Программа для проблемных семей – Хатлпул, Великобритания
Команды проанализировали разнообразные данные из разных источников и выявили общую модель среди семей. После определения четырех основных причин – домашнего насилия, злоупотребления психоактивными веществами, горя и утраты, а также психического здоровья / эмоционального благополучия – они смогли обеспечить целевую подготовку социальных работников в этих ключевых областях. В результате социальные работники могут обнаруживать ранние признаки и вмешиваться, сводя к минимуму изъятие детей из семей. 

 

Источники:
Home Office (2015): База изображений, связанных с надругательствами над детьми https://www.gov.uk/government/uploads/system/uploads/attachment_data/fil...
Nesta (2016): Datavores of Local Government: using data to make services more personalised, effective and efficient https://www.nesta.org.uk/sites/default/files/local_datavores_discussion_...
Nesta (2016): Wise Council:Insight from the cutting edge of data-driven local government https://www.nesta.org.uk/sites/default/files/wise_council.pdf 
Department for Communities and Local Government: Supporting disadvantaged families
https://www.gov.uk/government/uploads/system/uploads/attachment_data/fil...
Partnership for Conflict, Crime and Security Research: Pioneering New Work in Online Child Protection http://www.paccsresearch.org.uk/delivering-impact/case-studies/pioneerin...
New York Times (2018): Can an algorithm tell when kids are in danger? https://www.nytimes.com/2018/01/02/magazine/can-an-algorithm-tell-when-k...
AP News (2017): Texas doctor seeks to stop child abuse before it can happen https://apnews.com/398903d7338a455085832f5fed0035e9 
Child Hub (2015) Team uses big data to fight human trafficking https://childhub.org/en/child-protection-news/team-uses-big-data-fight-h...

Страна (страны), которых касается этот материал: 
Международный

Этот проект финансируется: