3 claves sobre la violencia física en contra de niños, niñas y adolescentes en Argentina

3 claves sobre la violencia física en contra de niños, niñas y adolescentes en Argentina

La violencia física en contra de niños, niñas y adolescentes es más común de lo que pensamos. En Argentina, 35 de cada 100 niños, niñas y adolescentes son castigados físicamente y 7 de cada 100, de forma severa (UNICEF 2021). 

La primera clave es que no todos los niños, las niñas y los adolescentes están expuestos al mismo nivel de riesgo. Aquellos que tienen discapacidad o más de 5 años tienen aproximadamente el doble riesgo de sufrir violencia física severa ¹ (cálculos propios basados en UNICEF 2021). 

La segunda clave es que casi ninguna madre o cuidadora piensa que es necesario el castigo físico para llamar la atención, criar o educar un niño adecuadamente. Sólo un 2.6% piensa que sí lo es (UNICEF 2021). 

¿Entonces por qué este medio de disciplina es tan común? La tercera clave viene de investigaciones recientes señalan que características de los niños, las niñas y los adolescentes (como las mencionadas más arriba) y factores familiares son predictores más fuertes de castigo físico que aquellos a nivel comunitario o nivel país (Lansford et al. 2018, Ward et al. l 2021). 

A nivel familiar, hogares con padres más jóvenes, de mayor tamaño, familias ensambladas, padres con bajo nivel educativo y cuidadores que han sido víctimas de violencia infantil, enfrentan una mayor probabilidad de violencia intrafamiliar. A nivel comunitario, algunos factores de riesgo son tasas de crimen más altas y mayor movilidad residencial. A nivel país, tasas de pobreza más altas, mayor inequidad de género y desempleo incrementan la prevalencia de violencia. 

La violencia en contra de niños, niñas y adolescentes es un fenómeno extendido del que hablamos poco. La buena noticia es que madres, padres y cuidadores quieren evitarlo. Desde Abrazar queremos ayudarlos a elegir métodos de crianza positivos. 

 ¹ La encuesta MICS realizada por UNICEF en 2019-20 pregunta a las madres o cuidadoras de niños menores de 5 años y de un niño de 5 a 17 años seleccionadas al azar sobre los métodos que usaban los adultos del hogar para disciplinar al niño en el último mes. La violencia física severa incluye respuestas positivas a 1) golpear o abofetear la cara, la cabeza o las orejas o 2) dar una paliza, es decir, golpear una y otra vez tan fuerte como se pueda.

Los beneficios de utilizar técnicas de análisis predictivo para prevenir la violencia en contra de niñas, niños y adolescentes

Los beneficios de utilizar técnicas de análisis predictivo para prevenir la violencia en contra de niñas, niños y adolescentes

Las técnicas de aprendizaje automático y el análisis predictivo tienen un enorme potencial para prevenir la violencia en contra niños, niñas y adolescentes

En este artículo te contamos sobre dos experiencias exitosas y prometedoras similares a Abrazar que se desarrollaron en Estados Unidos y Chile. Estos programas usan el análisis predictivo para llegar a las familias que más necesitan ayuda. 

Nurse-Family Partnership brinda apoyo a madres primerizas en los EE. UU. Esta organización utiliza análisis predictivo para identificar a las madres con mayor riesgo. Cuentan con enfermeras capacitadas que visitan regularmente a las madres desde el embarazo y hasta que sus hijos cumplen dos años. Los resultados son impresionantes, logrando reducir el abuso y la negligencia infantil en un 48%.

La Oficina Local de la Niñez (OLN) en Chile es un servicio gratuito y voluntario para niños, niñas y adolescentes y familias con mayor riesgo de sufrir vulnerabilidad. Para detectar familias en riesgo utilizan un algoritmo basado en registros administrativos. Las oficinas proporcionan terapia familiar y ofrecen acceso a servicios gubernamentales. Este programa está siendo implementado en forma piloto en 12 comunas.

Estas experiencias evidencian cómo las técnicas de aprendizaje automático y el análisis predictivo permiten llegar a tiempo a los niños, niñas y adolescentes que más lo necesitan. Estas herramientas permiten llevar a cabo programas y actividades muy efectivas pero cuyo costo resulta prohibitivo para ofrecerlos de forma universal. 

Las ventajas de utilizar técnicas de aprendizaje automático para mejorar la distribución de recursos en el Sistema de Protección Infantil

Las ventajas de utilizar técnicas de aprendizaje automático para mejorar la distribución de recursos en el Sistema de Protección Infantil

Las técnicas de aprendizaje automático pueden ayudar a las agencias estatales a mejorar la distribución de sus recursos, dirigiéndolos a las familias que más lo necesitan. Este artículo resume experiencias locales en Estados Unidos donde se utilizó esta tecnología para: priorizar casos a investigar y audiencias de las familias próximas a egresar del sistema de protección, y evaluar la provisión de bienes y servicios de agencias estatales que forman parte del sistema. 

El Departamento de Niños y Familias en Florida (DNFF) y el distrito de Allegheny de Pennsylvania (DAP) implementaron modelos para predecir riesgo de maltrato y fatalidades en sus líneas de emergencia y así priorizar los casos a investigar (Cuccaro-Alamin et. al 2017). 

El DNFF identificó 14 factores de riesgo asociados con un mayor riesgo de muerte, tales como la edad del niño o niña, que el niño o la niña haya sido removidos de su hogar previamente, o la presencia de discapacidad física o mental. El DNFF también desarrolló una aplicación para que los trabajadores sociales puedan monitorear factores de riesgo e intervenir a tiempo para garantizar la seguridad de niños y niñas.

El DAP asigna un puntaje de riesgo indicando la probabilidad de que se separe al niño o niña de la familia y de que el caso sea referido nuevamente al sistema en el periodo de un año posterior a la llamada. También están estudiando utilizarlo para priorizar invitar a familias a programas de apoyo.   

El gobierno de la ciudad Nueva York utilizó modelos predictivos para identificar factores de riesgo entre familias que se relacionaban frecuentemente con los servicios de protección. Los algoritmos se aplicaron para priorizar “audiencias de salida” entre familias que estaban por egresar del sistema y desarrollar “cohortes de riesgo” para ajustar la medición del rendimiento de las agencias involucradas en proveer servicios a estas familias.

La propuesta no es reemplazar el juicio profesional de los trabajadores sociales sino poner a su disposición una herramienta más que les permita evaluar el riesgo, y evitar que por una errónea caracterización del nivel de riesgo haya niños y familias que no reciban los servicios que necesitan y se perpetúe la situación de abuso o negligencia. 

En resumen, las técnicas de aprendizaje automático y el análisis predictivo pueden ayudar a distribuir mejor los recursos del Sistema de Protección y así proteger más niños, niñas y adolescentes. 

Ícono DonarDONARDONATE