רתימת נתוני ביג דאטה להגנה על ילדים וילדות:

תוכל לספר לנו איך התחלת לעבוד עם נתוני עתק בקריירה האקדמית שלך, וכיצד החלטת להשתמש בנתונים כדי לספק לקובעי מדיניות בסיס מחקרי לקבלת החלטות?

כשסיימתי את לימודיי בקולג' נתקלתי בפילוסוף פיטר סינגר. הוא טען, בקצרה, שאם לך יש כבר מספיק, אתה צריך לתת לאחרים. חשבתי שזה טיעון מצוין, ומצאתי עבודה בתור מדריך במסגרת טיפולית של בני נוער. טיפלתי בשמונה נערים עם הפרעה רגשית, שעברו התעללות. מעולם לא חוויתי דבר כזה בעבר. התחברתי אל הילדים והבנתי איך המערכת דואגת להם או לא דואגת להם. נמשכתי אל הניסיון להבין למה הילדים האלה היו שם מלכתחילה, ומה קרה להם לאחר מכן. זה הוביל אותי להכשרה בעבודה סוציאלית קלינית, מתוך מחשבה שכאשר אעסוק בעבודה סוציאלית קלינית אלמד עוד על סוגי מקרים כאלה, ובסופו של דבר אקבל מענה לשאלותיי. למדתי בבית ספר לעבודה סוציאלית, ובשנה השנייה ללימודיי התקבלתי לתוכנית התמחות במשרד הרווחה. כשהגעתי לשם סיפרו לי על חוקרים באוניברסיטת שיקגו, שבה הייתי סטודנט, שיש להם בסיס נתוני עתק על חוויותיהם של ילדי אומנה, ופתאום הבנתי שיש לי נתונים על אלפי ילדים (עכשיו כבר יש לנו נתונים על מאות אלפי ילדים). אני יכול לנתח מה קרה לילדי אומנה, כעבור כמה זמן הם חזרו להוריהם, אילו מאפיינים גרמו להם לחזור להוריהם או שלא, לאט יותר או מהר יותר. אמרתי לעצמי "אאורקה!" (מצאתי, ביוונית), זהו מערך הנתונים, רק תנו לי מחשב. ועכשיו, לאחר 40 שנה, אני עדיין מנסה להבין מדוע ילדים מוּצאים מהבית ומה ההשלכות של זה על חייהם הבוגרים.

על פי ניסיונך הרב, אילו תובנות יקרות ערך הנתונים יכולים לספק, בייחוד בכל מה שקשור לשיפור התוצאות עבור ילדים ומשפחות?

הדוגמה האהובה עליי באה מהתזה שלי מלפני יותר מ־30 שנה. המצב אז היה שילד נכנס לאומנה, וסקירה מלאה ראשונה של המקרה נעשתה רק 18 חודשים לאחר כניסתו. זו הייתה הסקירה הרשמית, וכך נקבע בחוק – שצריך לבצעה לאחר 18 חודשים. התזה שלי הראתה שלאחר 45 יום בערך חלה ירידה גדולה בסבירות שילדים אלה יחזרו הביתה, ואחרי 90 יום – ירידה גדולה עוד יותר בסבירות. אז יישמתי שיטות סטטיסטיות שפותחו בתחום הבריאות – אם אתה חולה במחלה, מה שיעור ההישרדות שלך? הסתכלתי על זה בחיוב – מה הסיכוי לחזור הביתה? והנתונים הראו שהסיכוי שלך לחזור הביתה פוחת בכל יום נוסף שאתה בטיפול. טענתי שצריך לעשות את הסקירות האלה לאחר שישה חודשים, אבל עדיף לאחר 90 יום ואפילו לאחר 45 יום. בזמני היו פחות מחקרים וחוקרים שעסקו בנושאים האלה, והמחלקה הטתה לי אוזן קשבת. הם לקחו את הסקירה של 18 חודשים והתחילו לבצע אותה לאחר שישה חודשים, וסקירות נוספות, אינטנסיביות פחות, לאחר 45 יום ולאחר 90 יום. תוצאות המחקר הצליחו להפחית בסופו של דבר את משך הזמן שילדים נשארו באומנה.

איך נקבל נתונים טובים על משפחות מתעללות?

ובכן בארצות הברית, במערכת הרווחה לילדים, הכול מוקלד במחשבים. חלק מהעובדים כותבים דפים על גבי דפים, וחלק לא. הם כותבים דברים כגון "הדוד ג'ון מסניף קוקאין, ונראה שהדודה מרי מדוכאת מאוד, וג'וני הקטן עושה פיפי במכנסיים כל הזמן". כי בכל פעם שהם מבקרים משפחה, הם צריכים לכתוב לעצמם הערות על הנעשה במשפחה אבל גם כדי לדווח לשופט או לממונה עליהם. המידע הזה עשיר יותר מזה שמבקשים מהם למלא בכמה טפסים עם תיבות נפתחות ועם תשובות מוגדרות מראש. מה שעשינו היה – לקחת סוג כזה של נתונים, שכוללים הרבה מידע, וללמוד מהם.

לעיתים קרובות המערכת היא זו שמפריעה להשיג נתונים טובים על צורכי ילדים, כי אתה נדרש למלא את התיבות הנפתחות ולסמן תיבות בווי. באמצעות כלים חדשים, ככל שהערות רבות יותר יוזנו למערכת המידע, כך נוכל להבין הבנה מעמיקה יותר את הדינמיקה המשפחתית ואת הקשר בין אירועים משפחתיים למתן שירות. זה יכול לקרות רק כי יש לנו כעת בינה מלאכותית ויכולת לנתח את הכמות הגדולה של הנתונים. הטקסט שהעובדים הסוציאליים מזינים הוא נתוני עתק. בעבר נדרש למומחים זמן רב כדי לקרוא את כל ההערות הללו ולחלץ מידע מאלפי ילדים, אך בכלים חדשים אפשר לעשות זאת במהירות.

נשאלתי כיצד בונים צוות – האם לוקחים את מדעני הנתונים וגורמים להם להבין בעיות חברתיות? או שלוקחים את העובדים הסוציאליים והופכים אותם למדעני נתונים? התשובה היא – גם וגם! זה עוזר, אם יש איזשהו ניסיון חיים או ניסיון מקצועי ואם אתה מכיר את מהות הבעיות הללו. חלק ממדעני הנתונים יכולים להתחבר לנושאים של ילדים ומשפחות פגיעים, וחלק מהעובדים הסוציאליים יכולים ללמוד לכתוב קוד ולערוך מחקר קפדני עם נתוני עתק. זה פשוט דורש רצון והדרכה. עבדתי עם אנשים שמעולם לא הצליחו במתמטיקה ולימדתי אותם איך לתכנת, כי יש להם תשוקה.

מישהו שאל אותי פעם איזה סוג של אנשים אני שוכר כדי לבצע את העבודה הזאת. עמית שלי בארגון מחקר אחר אמר שהוא שוכר דוקטורים להיסטוריה כי הם מדייקים ויודעים לתעד מידע. הבעיה העיקרית במחקר חברתי היא שאנחנו לא מתעדים היטב את מה שאנחנו עושים. אנחנו לא מתעדים את הנתונים. היסטוריונים עושים זאת היטב! כל הדיסציפלינות יכולות לספק נקודות מבט מיוחדות על התחום שלנו.

מה החסמים ביצירת שיתופי פעולה בין קובעי מדיניות לחוקרים?

חלק מקובעי המדיניות אינם רוצים לקבל ביקורת או לשמוע חדשות רעות. הם חושבים שחדשות רעות יעלו להם בעבודתם או יפגעו באג'נדה הפוליטית של מישהו. עבורי זו הבעיה הגדולה ביותר, משום שההנהגה נמנעת מתהליך הערכה שלה כדי להפחית סיכון, ולכן אין דרך לדעת מה עובד.

במקום זאת, חבר קונגרס או חבר כנסת פועלים ומקבלים החלטות רק על סמך תחושה. הם חושבים שהמדיניות או התוכנית המסוימת יפתרו את כל הבעיות שלנו, במקום להבין שאנחנו צריכים עובדים טובים יותר או נתונים טובים יותר, או שאולי צריכים למנוע את הבעיה. פה עלינו לתגמל מנהלים על הערכה קפדנית של התוכניות שלהם ועל יישום לפי הערכות אלו.

החשש הנוסף שלהם הוא מפני פגיעה בפרטיות ובסודיות. לפעמים זה יהיה התירוץ לסרב להערכה, כי הנתונים רגישים, והם אינם רוצים להסתכן בפריצת נתונים. הדאגה הזאת לגיטימית, ואפשר לטפל בה באמצעות פרוטוקולי אבטחת נתונים מוקפדים.

כשאתה חושב על קובעי מדיניות ששיתפת איתם פעולה, האם אתה רואה משהו משותף בעבודתם?

כשאני עובד עם מנהלים שקיבלו הכשרת מחקר טובה בתארים מתקדמים, הם מתעניינים יותר בנתונים מבוססי ראיות. אבל גם הם עלולים להישחק מהר, כי הפוליטיקה דורשת מהם לעיתים קרובות ליישם גישות לא מוכחות. אני שואף לעבוד עם קובעי מדיניות שאיתם נוכל להשפיע; אלה שמקשיבים למה שיש לנו להגיד; מקומות שאתה מוצא בהם אנשים שאכפת להם ורוצים לעשות עבודה טובה יותר ולהשתמש במידע. ושם זה מתחיל, שם הם יכולים להראות שהם עשו טוב יותר לילדים. לשם אני הולך. אני חושב שדור חדש של אנשים מתמצא יותר בנתונים, ובכל זאת, אני מודאג מהשאלה עד כמה אנחנו יכולים למשוך אנשים מיומנים מאוד לתפקידי מנהיגות ברווחת הילד.

מהם האתגרים העיקריים שמתמודדים איתם בתחום זה?

אני חושב שהאתגרים העיקריים שלנו כחוקרים קשורים לתקשורת עם קובעי מדיניות. אנחנו מנסים לכתוב עמודים קצרים עם ממצא אחד וכמה השלכות, ושולחים אותם כדי לראות אם אנחנו מסוגלים להשפיע, כי אף אחד לא קורא היום דוחות באורך 30 עמודים. בחלק מהמקרים זו אשמתנו. כולם מוקסמים מסימולציות (הדמיות), ואנחנו יוצרים את הסימולציות המסובכות האלה. לפעמים אני מסתכל עליהן וזקוק בעצמי לכמה דקות כדי להבין אותן. אנשים לומדים בדרכים שונות. גם אנחנו חייבים לתקשר בדרכים שונות. לפעמים כל מה שקובע מדיניות יכול לסבול הוא רק משפט אחד. זו תקשורת. הכול עניין של תקשורת.

יש לנו מספיק נתונים כדי ליצור שינוי וכדי לכוון אותנו בכיוון הנכון. אנחנו צריכים ללמוד איך להשתמש בנתונים שיש לנו. אינני מודאג מההיבטים הטכניים של ביצוע מחקר – אני מודאג יותר מהשאלה איך נעביר את המידע לאנשים שצריכים לדעת אותו. ואני מוטרד מהשאלה אם יהיו די אנשי ממשלה שיכולים לדרוש ולצרוך נתונים מבוססי ראיות ולעשות משהו עם מה שהם לומדים.

האם אתה רואה בניתוח לשם חיזוי – predictive analytics – את השלב הבא במינוף הנתונים? איך הרעיון הזה משתלב בחזון שלך לעתיד?

אנחנו עושים ניתוח לשם חיזוי כי איננו יכולים לעשות ניסויים. גם כשאנחנו לא יודעים אם משהו יעבוד, אנחנו לא רוצים שתהיה קבוצת ביקורת שבה חלק מהמשפחות או מהילדים לא יקבלו את הטיפול. לכן עלינו להסתמך על שיטות סטטיסטיות המשתמשות במערכי נתונים גדולים, במקום במערכי מחקר (ניסויים מתוכננים) המשמשים לעיתים קרובות את מדעי הרפואה.

אם ניתן למשפחות תמיכה כלכלית רבה יותר, שירותי בריאות טובים יותר, טיפול טוב יותר בילדים, אוכל טוב יותר – האם אלה ימנעו הזנחה? יש מחקרים שמראים שהדבר נכון, ויש מחקרים רבים שאינם מראים שום קשר. כאשר הראיות חלשות, קשה לפתח מדיניות שתהיה ספציפית די הצורך לסמוך על יעילותה. כלומר, אם נשתמש בחיזוי לשם הקצאת משאבים באופן שונה, אני חושש שיהיו לנו שגיאות רבות מדי ושנחפש במקומות הלא נכונים.

בחיזוי, האתגר הגדול הוא להשמיט את משתנה הגזע מהמודלים, כי אתה לא יכול לחזות מי ידווח או מי יהיה בסיכון. אם אנו יודעים שילדים שחורים נתונים בסבירות גבוהה יותר מאחרים להיות מדוּוחים, הרי שכל ילד שחור ידוּוח ואילו ילדים לבנים לא ידווחו – גם אם ייתכן שהם צריכים להיות מדווחים. זו הטיה גדולה מאוד בנתונים. כמו כן, אם נוכל להעריך כל משפחה ולראות אם בני המשפחה עלולים בעתיד להתעלל או לא, אני חושב שנעשה עבודה טובה, אבל אנחנו עדיין לא שם. אנו זקוקים למומחים בנושא ההתעללות לסוגיה כדי להבין אילו נתונים אנו צריכים וכיצד ואיפה אנו רואים אותם. 

מבחינה אתית, מהם הסיכונים הטמונים בפיתוח מאגרי מידע המכילים מידע רגיש על ילדים ומשפחות?

מנקודת המבט של הממשלה, כל מידע על אנשים, מחלות, בריאות, תעסוקה או כספים הוא מידע רגיש ויש להגן עליו. אני חושב שאנחנו צריכים בסיס נתוני עתק עשיר מאוד, עם מידע רב ככל האפשר על ילדים ומשפחות, כדי שנוכל ללמוד על המאפיינים הקשורים להתעללות. לשם כך עלינו להיות זהירים בנוגע למי שיש להם גישה לנתונים, ולוודא שיש להם ההכשרה הדרושה לשמירה על בטיחות הנתונים. תמיד יש סיכון. מנהלים מבינים שכאשר הם משתפים נתונים, אין דרך מושלמת לאבטח אותם. לרוב, הפרות קורות בגלל טעות אנוש – סיסמה שאינה נשמרת מאובטחת, למשל.

עם זאת, עלינו להבין גם את התועלת שבשימוש בנתונים ובראיות לשיפור רווחת הילד, ועלינו לחשב את הסיכון מול התועלת הזאת. אני מאמין שעלינו לעשות כל שביכולתנו כדי לשמור על אבטחת הנתונים, וכן לנתח את כל הנתונים הזמינים לנו.

האם יש לך עצות לאנשים השואפים לקריירה בתחום זה, בייחוד אלה שרוצים מאוד בהשפעה משמעותית על חייהם של ילדים ומשפחות באמצעות יוזמות מבוססות נתונים?

תמיד להתחיל בבחירת הנושא שרוצים להשפיע עליו, ולא בנתונים שבהם רוצים להשתמש. השאלה הנכונה תנחה את עבודת הנתונים ואת המחקר. בלי שאלה, לא נגיע לשום מקום.

אם הדבר נובע מניסיון החיים, אפשר לבנות על זה. יש לי קולגות שהיו במצוקה כלכלית והשתמשו בניסיון החיים שלהם כצרכני שירותים מהמדינה – משם הם באו ולכן הם עושים את זה. זו הסיבה שהם לא השתמשו בכישורי מדעי הנתונים שלהם כדי לעבוד בבנק ולהשתכר פי שלושה יותר. ככה זה כשיש לך את התשוקה הזאת לנושא, לעיתים קרובות – משום שחווית אותו בעצמך.

לאלו מאיתנו שלא חוו מצוקות מהסוג הזה יהיה קשה יותר להיכנס לנעליים של מי שחווה אותן. ניסיון כעובדים במערכת יכול לפתח את הרגישות שלנו ולספק לנו את הניסיון הדרוש כדי לעשות מחקר טוב, וגם כדי להגיע למדיניות ולפתרונות פרוגרמתיים שיש להם סיכוי לשפר את רווחת הילד.