脆弱家庭

出自 MBA智库百科(https://wiki.mbalib.com/)

脆弱家庭/社會脆弱家庭（socially fragile families）

　　脆弱家庭的定義，主要是在家庭或是個人功能因故無法發揮，影響其日常生活運作或是身心健康，而可能面臨不良結果之傷害者。整體上，家庭脆弱面向包括家庭經濟陷困、家庭支持系統變化、家庭關係衝突或疏離、兒少發展不利處境、家庭成員有不利處境、個人生活適應困難等六大項。關註的人口群，除了家有未成年子女之家庭之外，還包括貧窮家庭、面臨重大變故家庭、家人互動有困難家庭、家人有特殊照顧議題家庭、被社會排除或是歧視家庭。

　　普林斯頓大學牽頭的這個項目旨在研究人生軌跡的可預測性。研究人員將其命名為“脆弱家庭和兒童福利研究”（the Fragile Families and Child Wellbeing Study），簡稱為脆弱家庭研究。研究對象是1998到2000年間美國大城市的未婚生子家庭及非婚生子女。

　　1、數據來源

　　為了進行社會學研究，脆弱家庭研究進行了長期而密集的數據收集活動。

　　在鎖定要研究的非婚生子女家庭後，研究人員分6次收集數據，分別是在兒童出生、1歲、3歲、5歲、9歲和15歲時。每次的數據收集包含不同方面的信息。

　　隨著時間推移，數據收集涵蓋的方面不斷增多。例如，在兒童1歲時，數據僅包括對母親或父親的訪談；等到孩子9歲時，就要增加對孩子的老師及孩子本人的訪談。

　　收集的數據最多由10個部分組成，每個部分有一個特定的主題。

　　例如，第一次收集數據時（孩子出生時），對孩子母親的訪談包括以下主題：兒童健康與發展、父母之間的關係、父親的情況、婚姻態度、與遠親的關係、環境因素與政府項目、健康與健康行為、人口特征、教育與就業、收入水平。

　　在第五次收集數據時（孩子9歲時），訪談則涉及以下主題：父母監督與關係、父母管教、兄弟姐妹關係、日常生活、學校、早期犯罪、任務完成與行為、健康與安全。

　　除了上述調查，研究人員還在孩子3歲、5歲、9歲時到孩子家裡進行了實地評估，評估內容包括心理測試、生物測量（身高、體重等）及對鄰居和家庭的觀察等。

　　通過手段，研究團隊掌握了翔實的數據。

　　2、人員招募

　　要滿足共同任務方法的要求，除了積累數據外，還要有大量研究者參與。

　　組織者採用了聯繫同事、與希望學生參與的教師合作、訪問大學和課程等方式招募參與者。

　　最終，457位來自不同領域、不同職業階段的研究人員投遞了申請，併在之後組成團隊參與研究。由於來自不同領域，許多團隊使用的機器學習方法並不局限於社會學領域。

　　研究結束後，組織者收到了160個有效結果。

　　3、預測過程

　　在項目進行過程中，組織者將收集的前5次數據製作成一個背景數據集提供給研究人員。根據論文，背景數據集涵蓋了4242個家庭、每個家庭有12942個變數。為了保護隱私，組織者排除了遺傳和地理信息。

　　第六次收集的數據中，6項作為培訓數據被提供，剩餘的則用作預測的主題。

　　研究開始後，各組研究人員採用不同方法，基於背景數據和培訓數據建立模型，對孩子的人生軌跡進行預測。

　　組織者對比了研究對象的實際情況與各界研究人員提供的預測結果。出人意料的是，在160份報告中，與現實最接近的預測結果也並不准確。

　　論文中寫道：“脆弱家庭包含了數以千計的變數，收集這些數據是為了幫助科學家瞭解這些家庭的生活，研究人員無法對他們未知的數據做出準確的預測。”

　　組織者還註意到儘管研究團隊採用了不同的方法來搭建預測模型，但最後的預測結果是十分相似的。即便是差異最大的預測結果之間，不同之處也少於最接近現實的預測與實際情況之間的。換句話說，不同研究團隊之間相互預測的準確率會更高。

　　另外，有一些項目（比如某個孩子的GPA分數）被所有團隊準確預測了，但也有一些項目的預測結果普遍不准確。這說明誤差與被預測家庭的相關性更高，而與採用的預測技術關係甚微。

　　對於研究的結果，脆弱家庭研究的組織者之一馬特·薩爾加尼科說：“這些結果向我們表明，機器學習並不神奇，在生命進程方面，顯然還有其他因素在起作用。”