Наука о данных для практики социальной работы

Наука о данных — это инструмент для обнаружения или получения знаний из структурированных и неструктурированных данных путем изучения и количественного анализа доступных данных. Эти знания могут быть использованы для принятия решений, основанных на фактических данных. Огромное количество психологических, социальных и организационных данных создается каждый день как побочный продукт человеческой деятельности в цифровом мире. Эти данные широко известны как «большие данные», и их можно использовать для понимания и решения самых сложных проблем общества. Прогресс в области науки о данных и технологий позволил управлять этими данными и анализировать их для общего блага.

Наука о данных в социальной сфере

Многие секторы, особенно бизнес-сектор, извлекли выгоду, продвинувшись вместе с цифровой революцией и используя данные для понимания тенденций, поведения и потребностей потребителей, в то время как социальный сектор все еще отстает, не полностью интегрируясь с эффективностью больших данных и наука о данных.

В практике социальной работы наука о данных может использоваться не только для принятия важных решений, но и для инновационного общения, например, графики, диаграммы и другие визуализации могут использоваться для обсуждения нескольких проблем и связанных с ними причин и следствий. Эти инновационные коммуникативные навыки можно в дальнейшем использовать для повышения осведомленности и сбора средств для улучшения различных социальных условий.

Подходы к науке о данных

Прогнозирование с использованием моделей данных, особенно моделей машинного обучения, может в значительной степени поддерживать эпициклы анализа. Алгоритм машинного обучения использует данные для поиска закономерностей в них и предлагает правила и решения для различных спецификаций задач. Это помогает понять правильность гипотезы. Кроме того, модели машинного обучения учатся улучшать свои характеристики с опытом, что может эффективно принимать более быстрые и лучшие решения для новых данных, если у нас уже есть хорошая модель для решения проблемы.

Наличие большого количества данных может быть использовано для понимания потребностей и потребностей людей в разных регионах мира. Государственная политика может быть разработана с использованием решений на основе данных, предоставляемых моделями машинного обучения, что делает политику эффективной, поскольку она проводится с использованием убедительных математических и логических доказательств. Цифровизация мира ежедневно производит большое количество данных, и выполнение анализа настроений может снизить затраты и усилия на опросы для принятия любых важных решений и политик.

Связанных с работой

Например, databank.worldbank.org содержит различные временные ряды данных по различным социальным темам, и анализ этих данных может быть полезен для понимания различных проблем разных регионов мира. Помню, я работал над интересным проектом, который был посвящен анализу продолжительности жизни и пониманию зависимости продолжительности жизни страны от разных факторов.

Работа Департамента полиции Чикаго по созданию горячего списка молодых людей, которым грозит насилие с применением огнестрельного оружия, что является ярким примером использования достижений науки о данных для решения социальных проблем. По данным издания, в рейтинге используется алгоритм присвоения человеку уровня риска на основе криминального прошлого. Риск того, что вы будете вовлечены в насилие с применением огнестрельного оружия, увеличивается с вашим счетом. Пользователи с высокими баллами получают «индивидуальное уведомление. Это влечет за собой визит на дом полиции, социального работника и видного местного жителя, например, проповедника или спортивного тренера. Затем они дают ссылку на социальные службы, если клиент хочет помочь изменить свою жизнь к лучшему.

Препятствия

Существуют такие проблемы, как безопасность данных и владение данными, о которых необходимо заботиться при работе с данными. Кроме того, курирование больших данных утомительно, поскольку большие данные сильно неструктурированы и требуют много времени и усилий для создания из них эффективного набора данных. В дополнение к этому опора на цифровые данные может упустить из виду большие проблемы, поскольку в мире есть много людей, которые сталкиваются с серьезными проблемами, но не оставляют значительного цифрового следа, особенно пожилые люди и люди с низким уровнем дохода и образования.

Заключение

Большие данные и наука о данных способны преобразовать социальный сектор, изменив способ принятия решений государственными органами и некоммерческими организациями. Кроме того, успешный социальный сектор может ускорить темпы открытия новых социальных процессов и проблем, что приведет к творческим и новаторским решениям. В результате отрасль станет более подотчетной, прозрачной и продуктивной.