We help you find the perfect fit.

Swiss Ai Research Overview Platform

Predictive chance modelling: Exploration of a new approach to professional decision-making in child protection

Lay summary

Als Kindeswohlgefährdung bezeichnet man es in der Fachsprache, wenn Eltern oder andere Sorgeberechtigte ihre Kinder vernachlässigen, misshandeln oder missbrauchen. In den vergangenen Jahrzehnten hat man in der Forschung viel darüber gelernt, wie Kindeswohlgefährdungen vorhergesagt oder zumindest so früh wie möglich im Entstehungsprozess erkannt werden können. Unser Wissen dazu, welche Interventionen das Risiko einer Kindeswohlgefährdung verringern oder eine bestehende Gefährdung aufheben, hinkt demgegenüber hinterher. Ziel der Studie ist es, neuartige Methoden der statistischen Modellierung zu nutzen, um die Erfolgschancen von Maßnahmen im Kindesschutz besser als bisher vorherzusehen und damit die Auswahl der Interventionen zu unterstützen. Die Analysen und statistischen Modelle werden auf einem Datensatz aus dem Kanton Zürich beruhen. Die an der Studie beteiligte Organisation gehört zu den größten Institutionen der Kinder- und Jugendhilfe in der Schweiz. Die Ergebnisse der Studie werden wir durch geeignete Formen der Visualisierung für die Fachpersonen des Kindesschutzes aufbereiten, und zwar so, dass die statistischen Modelle bei konkreten Entscheidungen herangezogen werden könnten. In der Folge soll ausgelotet werden, ob die Praktikerinnen und Praktiker den neuen Ansatz als hilfreich ansehen und welche Voraussetzungen zwingend erfüllt sein müssten, damit er dauerhaft in die Praxis integriert werden könnte. In wissenschaftlicher Hinsicht soll die Studie neue Wege der empirischen Forschung im Themengebiet aufzeigen. In praktischer Hinsicht soll sie einen Beitrag leisten zu einem Anliegen, dessen Bedeutung in der Gesellschaft breit anerkannt ist: dem wirksamen Schutz von Kindern und Jugendlichen vor Vernachlässigung und Misshandlung.

Abstract

Much of empirical research in the field of child protection is concerned with the risk of maltreatment and how to predict that risk. Knowledge about what service responses work to alleviate the risk of maltreatment lags behind. One major reason for this is methodological: research designs that allow us to estimate the efficacy of interventions in child protection have been hard to come by. As empirical knowledge is lacking, social workers in child protection have expressed their urgent need for more evidence on the efficacy of different kinds of interventions for specified groups of clients.
The objective of the proposed study is to explore the potential of novel techniques in predictive modelling for estimating the chances of service responses in child protection to succeed, an approach we call “predictive chance modelling” (PCM). The predictive models will draw from an existing administrative dataset (N = approx. 15’000 cases) provided by the Office for Youth and Vocational Guidance in the canton of Zurich, which is one of the largest service providers for child maltreatment in Switzerland. Predictive models to be developed, tested, and systematically compared will include more traditional regression techniques, non-linear classification models (such as neural networks), classification trees (such as random forests) and Bayesian adaptations of both regression and non-linear modelling (such as Bayesian logistic regression and Bayesian neural networks). The modelling is embedded in an explorative user-oriented design that will bring together stakeholders from the field, including frontline social workers involved in service planning, management of the Office for Youth and Vocational Guidance, and representatives from the local Child Protection Authorities. The goal is to make the results of our predictive models interpretable, by way of visualization, to professionals, and to explore whether PCM is seen as potentially helpful by practitioners in the field. Discussions shall also revolve around the preconditions that would have to be met if PCM approaches should be further developed towards implementation in professional decision-making. The proposed study will provide empirical findings and methodological insights about the efficacy of service responses in child protection. It might also pave the way for more detailed inquiries into the professional, technical, legal, and ethical requirements for PCM to play a useful and legitimate part in the future development of child protective services.

  David Lätsch