避免更多二度受虐兒！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