Charlas GobLab: Innovating with data in Social Services

La quinta charla del ciclo organizado por el GobLab de la Escuela de Gobierno y el Centro de Economía y Política Regional (CEPR) de la Escuela de Negocios, ambos de la Universidad Adolfo Ibáñez tuvo como tema principal la innovación con datos en los servicios sociales. 

Una de las expositoras fue Erin Dalton, subdirectora de la Oficina de Análisis de Datos, Investigación y Evaluación del condado de Allegheny en Pensilvania, Estados Unidos, quien contó su experiencia con la implementación de modelos predictivos de riesgo para mejorar la protección infantil y el estado de las personas en situación de calle. 

Dalton comenzó su presentación mostrando los resultados de la evaluación de la plataforma Allegheny Family Screening Tool (AFST) que fue realizada con un modelo desarrollado por investigadores asociados, entre ellos Rhema Vaithianathan, co-directora del Centro de Análisis de Datos Sociales de la Universidad de Tecnología de Auckland. Dicha herramienta tiene como objetivo mejorar la precisión de las visitas domésticas que se realizan tras una denuncia de maltrato infantil. El modelo predictivo se basó en la información de miles de llamadas históricas de maltrato infantil y contó con una evaluación de impacto independiente de la Universidad de Stanford. 

La evaluación destacó cuatro puntos:

• Aumentó la identificación de los niños que se determinó que necesitaban más intervenciones de protección infantil. 
• Condujo a la reducción de las disparidades de las tasas de apertura de casos entre niños afroamericanos y blancos.
• No condujo a aumentos en el número de niños seleccionados para la investigación.
• No hay evidencia de que AFST haya resultado en una mayor consistencia de detección entre el personal. 

La expositora estadounidense también mostró un modelo predictivo que se diseñó para apoyar la asignación de ayudas a personas en situación de calle. Bajo el sistema actual, más del 40% de las viviendas de apoyo permanente se destinaron a personas que corren un riesgo relativamente bajo de sufrir daños si no son alojadas. El modelo desarrollado contribuye a tomar mejores decisiones y destinar estas ayudas a personas que están en un riesgo más alto. Este modelo funciona con datos demográficos como edad y género, datos judiciales como si la persona está en libertad condicional, estadías en la prisión e información de salud mental, entre otros.

Otras de las iniciativas del condado es “Hello Baby”, un programa de apoyo a familias con recién nacidos. Este se diseñó, explicó Dalton, porque “en más de la mitad de los casos en los que un niño murió o estuvo a punto de morir como resultado de abuso y negligencia, no había sido denunciado ante el sistema de protección infantil antes del incidente crítico. Lo que significa que no tuvimos la oportunidad de apoyar a la familia”.

La subdirectora del departamento de servicios humanos del condado de Allegheny, Amy Malen explicó que el programa Hello Baby tiene diferentes niveles de apoyo: servicios universales, y otros más focalizados a niños y familias dependido de su nivel de riesgo. Todos los servicios son voluntarios. 

Malen, que trabaja codo a codo con Dalton, indicó que “la pieza programática más innovadora de “Hello Baby” es el servicio prioritario, que es para el tipo de familias más vulnerables.  Sabemos que tener un bebé es difícil para todos, para algunos es mucho más difícil, así que estamos hablando del 5% superior y creo que el uso de datos de esta manera nos permite ser capaces de llegar a las personas que más necesitan este servicio y luego ofrecer algo realmente robusto” expresó. 

La charla online se realizó a través de la plataforma Zoom en inglés. Puedes ver el video de la charla completa a continuación: