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