社会工作大数据的分类与技术赋能路径

孙逊 赵欣

摘   要：如今大数据已经成为人们日常生活的基础，应用于包括社会工作在内的多个领域。“关系类型”数据、“时序类型”数据、“特征类型”数据和“状态类型”数据是常用于社会工作中的四种数据类型，可对服务对象进行标签化描述或搭建平台链接资源，以更好地实现工作目标。但同时大数据也是一把“双刃剑”，在应用于具体实务的过程中还存在一些数据采集中的隐私问题、数据处理的伦理抉择和数据决策的偏差风险，需要采取有效措施加以防范。

关键词：社会关系大数据；分类与功能；赋能路径

中图分类号：C916       文献标志码：A      文章编号：1673-291X（2023）13-0153-03

随着计算机网络的普及，人们开始将日常生活中所产生的数据都收集起来，数据量呈现井喷式增长，无数的信息被囊括其中，大数据时代随之到来。在这个时代，数据是一切的基础，数字化层层深入，甚至可以说当下人们日常生活中的任何行为及活动都会产生数据或留下数据痕迹，如果能得到你的一切相关数据，那么就能在一定程度上还原你的人生轨迹。

因此，数据本身不仅可以代表价值，同时也可以创造价值。数据本身不是目的，数据的应用才是最终目的。应用数据不仅需要大数据技术专家的参与，还需要相关行业专家的参与。根据麦肯锡公司的调查：“海量数据的挖掘和使用预示着‘大数据已经存在于物理学、生物学、环境生态学等领域及军事、金融、通信等行业。”此外，现今的一些科技网站（如CNET）和一些NGO网站（例如eff.org）已经在数据分析的基础上总结出一些有关社会科学领域的大数据分析方法，例如“SPSS统计软件”“社会网络分析图”，为社会科学领域提供了更多的可能性。不同于小数据的静态、封闭，大数据在本质上是动态的、开放的，更加注重研究数据的变动及信息的交换。在社会科学领域，尤其是社会工作实务领域，传统工作模式下的定性研究所能收集和分析的都是极为有限的小规模数据，大数据的介入能够使社会工作有新的突破和发展。

一、社会工作大数据的类型与功能

在大数据广泛应用于各个领域的时代背景下，结合社会工作的本质属性和专业特性，我们可以把大数据大致分为四种类型：“关系类型”数据、“时序类型”数据、“特征类型”数据和“状态类型”数据。

（一）“关系类型”数据

在社会工作的诸多方法中，“生态图”作为一种社会工作者用以判明案主当下状况和设计工作思路的一种方法，能直观地展示出服务对象与其外在环境系统之间的相互关系。而在大数据技术中，也有一个“图”的概念，这个图就是一些顶点的集合，每个顶点就代表社会中的一个人，连接顶点的线就代表人与人之间的各种关系，用一张图就可以表示出所有人的人际交往关系。在图生成之后，我们就可以进行进一步的识别和推理，在计算机技术中，就是在图中找环的算法问题。在许多情况下，服务对象是因与周围人、社群或组织的关系没能妥善处理，从而导致人际关系和社会关系的失调，最终陷入困境。因此，“关系类型”数据有助于社会工作者更好地分析服务对象多种复杂交互关系间的矛盾与冲突，开展有针对性的个案服务或组建相应互助小组开展工作。

（二）“时序类型”数据

在大数据出现之前，人们都在离散地看待问题，通常只会注重一个点。例如，高中毕业，我们只注重高考成绩，而忽略每个学期的考试成绩及名次变化。而在大数据时代，越来越多的中间过程可以被记录和保存。在分析这些日常数据时，会按照时间顺序排开，这就叫作“时序顺序”。“时序类型”数据将时间点和时间片段引入对服务对象行为的研究，从而有助于动态地、持续地描绘服务对象的成长轨迹及其与社会资源的互动过程。依据时序顺序对服务对象的长期行为特征进行观察，有助于工作者更清晰地理解到服务对象当下的个人特质和生活状态，也可使后续服务更具延续性。从另一个维度来看，我们也可利用聚类算法对“时序类型”数据进行处理，即对特定时间片段内不同服务群体所产生的数据集中处理、分类存储，提炼出分时特征标签，并将其储存在云端数据库中。通过确定各个时段内的类簇中心（类簇中心可视为该类个案的典型代表），由点及面，推理出同一类型的群体共同特征。例如，青少年群体容易产生身份混乱和行为偏差，老年群体容易产生孤独感和遭遇经济危机等[1]。

（三）“特征类型”数据

描述客观世界的数据一般可以分为两类：用户属性数据和用户行为数据。前者包括静态信息数据，如性别、年龄、种族、社会经济地位等；后者包括动态信息数据，如接受教育、融入社会、参加工作等。在社会工作实务中，服务对象一般具有复杂性和多变性，具体表现为：第一，社会工作的服务对象不仅指个人，也指某一家庭、群体或社区；第二，针对不同群体及其特征，社会工作的实务模式也是多种多样的；第三，服务对象的个体需求和特点也是不断变化的。精准把握服务对象是社会工作开展的前提和基础，基于“特征类型”数据，我们可以进行服务对象角色和行为属性特征抽取、分类、归纳和比较，多维度地构建针对服务对象的描述性标签属性，从而对潜在案主做出较为精准的判断，提升服务的质量[2]。

（四）“狀态类型”数据

每个时点所反映的对象状态的数据集合就是“状态类型”数据，它能够实时获取、更新服务对象的行为状态，从而避免了数据在收集过程中对被试主观报告的依赖，有效解释或揭示了服务对象生理、心理、社会特征的连续变化趋势。当前，社会中存在诸多不知该如何申请服务的潜在需求者，利用好“状态类型”数据就可以帮助社会工作者了解当前社会中群体的状态（是否有潜在需求者、需求的强烈程度）、现存于社会中的基础服务设施及机构分布、福利政策的侧重导向（是侧重于舒缓还是侧重于预防）。从而充当问题发现者、服务提供者、资源筹措者等不同身份角色。

二、大数据技术赋能社会工作服务的两种路径

大数据就像一把刀，用到什么地方取决于握刀的人。经过深度信息提取的社会大数据可用以有效解决社会工作之中贫困、危机干预、医疗康复、儿童保护等较困难的实践议题[3]。

（一）直接社会工作领域——“贴标签”

“贴标签”也称“标签化描述”，社会工作者可以借助标签提前了解服务对象所属人群最常出现的行为方式，进而预估服务对象可能具有的需求和问题，为接下去的服务做准备。在社会工作中运用该技术有助于减少服务中的试错成本，进而提升服务的能力与水平。

1.留守儿童的教育。在传统的实务工作中，留守儿童的学习习惯、学习能力及学习资源相关数据须通过观察、调查和家访的方式获得。而在大数据时代，可通过在大数据干预系统中收集、记录有关留守儿童学习行为信息，形成一个针对留守儿童学习习惯及学习行为数据的数据集，再通过计算、整理和分析，就可以得到许多个不同类型特征的标签。例如，通过网上观看课程的时长和次数，就可以得出留守儿童是否习惯于 “网络学习”的相关标签；也可以通过智能手环记录来观测留守儿童的学习行为，得出有关学习“专注度”“心态”等学习行为的标签[4]。

2.大学生的心理健康监测。虽然当今的大学生拥有更优越的学习环境以及更充足的学习资源，但因主客观因素的不同，导致他们当中的很多人出现了自卑、焦虑和人际关系敏感等心理问题。如果这些心理问题得不到有效舒缓及解决，就会给其自身的发展带来严重危害[5]。大数据技术可以通过监控学生网络行为，分析当下学生所关注的热点话题，针对重点的敏感词（如轻生、焦虑、失恋等）进行重点监测，创建出预警标签。同时也可以通过截取学生的社交媒体、视频播放软件的使用情况以及学生的消费情况、上课出勤情况等相关信息，从而生成日常行为标签[6]，社会工作者可以据此采取不同的舒缓和解决技术。

（二）间接社会工作领域——“创平台”

社会工作应该“超越小服务，走向大服务”。根据“人在环境”的理论视角，个人的困难可能源于个人，也可能源于环境。前者涉及客观原因（如体弱多病）和主观原因（如将“有困难找政府”作为信条）；后者涉及自然灾害、经济变化、社会转型、政策滞后等[7]。“平台”即整合各种相关资源，促进人与环境的适应性平衡。由于间接工作不直接面对受助者开展工作，所以更应依赖于“平台”进行整体把握。

1.养老服务的供给。我国自1999年就进入了老龄化社会，庞大的老年人群体带来许多亟待解决的社会问题（如未富先老）。大数据技术的发展为养老服务带来了新思路和新契机，“虚拟养老”就是在此背景下诞生的养老实践。“虚拟养老”作为一种新的资源供给视角，为分散的社会养老服务资源与庞大的居家养老服务需求实现有效对接提供了可能。但同时，“虚拟养老”的服务供给仍然更多停留在“提供能提供”的层次而无法做到“按需求提供服务”的层次[8]。因此在“虚拟养老”的具体服务供给中，社会工作就可以发挥其专业优势，社会工作者可以通过大数据的测量结果具体确定老年群体的问题及需求，同时根据分析出的老年群体的需要联络政府部门、社会组织（包括基金会）和广大社会成员，向他们筹集所需资源，进而将这些社会资源同“虚拟养老院”链接起来，发挥社会工作的“桥梁”作用。

2.巩固脱贫。当前我国发展不平衡不充分的问题仍然突出，在脱贫攻坚收官之后，如何巩固脱贫、防止返贫仍是迫切需要研究和解决的重要课题。利用大数据技术就可以多维度地分析脱贫成果，例如根据贫困人口标准、致贫原因、地方脱贫任务等多项脱贫指标，考查脱贫成果[9]。大数据驱动下的社会工作具有第三方的优势，可以对扶贫成果进行动态地评估监测——不仅是针对脱贫成果进行数字监测，更是评估已脱贫人口的发展是否与经济社会的总体发展步调相一致，使巩固脱贫成果的工作更具备专业性和客观性[10]。

三、社会工作领域大数据技术应用的风险与防范

（一）数据采集中的隐私问题

随着大数据技术的普及，大量的数据能够被快速地、容易地和廉价地收集、处理、分析，这就与强调保密与案主隐私权的社会工作相冲突。迪克森论述道：“从前，病人或者案主的记录可能包括一个在单独档案卡上的基本信息，或者数页的个人资料、程序记录和观察的结果。今天，这样的记录可能存储或被复制到记录各种个案的中央数据库中，而且能被连接到包含其他记录个人、家庭或者小组的数据库以便相互比较。”[11]

（二）数据处理中的伦理问题

关于伦理在数据层面的问题可能会涉及数据隐私、数据安全和数据痕迹。其中，前者即秘密数据，是不想被他人获知的信息。中者是指通过采取必要措施，确保数据处于有效保护和合法利用的状态。后者指数据本身的安全和数据防护的安全。这些都与社会工作专业伦理密切相关，美国社会工作协会伦理守则规定：对案主的伦理责任应包括尊重案主隐私权并遵守保密原则。

（三）数据决策中的偏差问题

社会工作更多的是传递人文关怀、职业理念和素养，是一种价值观上的引领[12]。如果社会工作的过程中过度依赖数据技术，则可能会因数据失真而导致服务效果降低或偏差，而且违背了专业理念，不利于专业理念的贯彻和专业技能的提高，最终会影响社会工作的独立性与专业性发展。

参考文献：

[1]   张莉曼，张向先，吴雅威，等.基于小数据的社交类学术App用户动态画像模型构建研究[J].图书情报工作，2020，64（5）：50-59.

[2]   曾建勋.精准服务需要用户画像[J].数字图书馆论坛，2017（12）：1.

[3]   陈婉珍，何雪松.大数据驱动的社会工作：前景与挑战[J].社会科学，2017（7）：74-81.

[4]   宋点白.基于大数据的留守儿童教育干预研究[J].中国教育信息化，2019（3）：17-19.

[5]   杨虎民，苏春景，汪杰锋.大数据背景下高校学生心理健康现况的调查与分析[J].赤峰学院学报（自然科学版），2020，36（10）：57-61.

[6]   黄山.学生画像技术在高校学生事务精准管理的运用[J].科学咨询（教育科研），2019（12）：37.

[7]   顾东辉.服务治理：社会工作中国行动的两个维度[J].中国社会工作，2021（16）：8.

[8]   李洁.大数据应用下“虚拟养老院”服务需求管理及供给优化[J].中國老年学杂志，2021，41（16）：3585-3590.

[9]   吕国，肖瑞雪.基于大数据的精准扶贫绩效提升机制研究[J].青年与社会，2019（18）：166-167.

[10]   张箫.社会工作参与精准扶贫的可行性研究：以黑龙江省T县为例[J].中国集体经济，2020（16）：159-160.

[11]   查尔斯·H.扎斯特罗.社会工作实务应用与提高（第7版）[M].晏凤鸣，译.北京：中国人民大学出版社，2005.

[12]   徐华，章雪.大数据视野下的专业社会工作服务对象研究[J].中国社会工作，2018（22）：26-27.

[责任编辑   刘   瑶]