Los trabajadores sociales se ven sometidos a una enorme presi\u00f3n para decidir si dedican recursos a investigar los informes de sospecha de abuso infantil. En \u00faltima instancia, estas investigaciones podr\u00edan resultar en la separaci\u00f3n de las familias en inter\u00e9s del bienestar de un ni\u00f1o. Para aliviar parte de esta responsabilidad, varias jurisdicciones locales de los Estados Unidos han implementado algoritmos que eval\u00faan varios criterios de cada caso para ayudar a discernir si la intervenci\u00f3n es necesaria (Brico, 2019). Por ejemplo, Allegheny Family Screening Tool, un instrumento algor\u00edtmico utilizado por la Oficina de Ni\u00f1os, J\u00f3venes y Familias del Condado de Allegheny (CYF), considera los arrestos previos y los antecedentes de salud mental de los padres como factores cr\u00edticos para evaluar (Brico, 2019). El Departamento de Ni\u00f1os y Familias de Florida contrat\u00f3 a la empresa de tecnolog\u00eda SAS para construir su propio sistema de modelado. De acuerdo con documentos p\u00fablicos, el sistema revisa datos como el estado de Medicaid, el historial de justicia penal y el historial de tratamiento de uso de sustancias para informar si la separaci\u00f3n familiar es apropiada.<\/p>\n
Si bien estos algoritmos eliminan una gran carga para los trabajadores sociales, han convertido con \u00e9xito un legado de separaci\u00f3n familiar discriminatoria en l\u00edneas de c\u00f3digo aparentemente neutrales. Estos modelos han sido entrenados para tomar decisiones de intervenci\u00f3n a partir de conjuntos de datos donde las familias de bajos ingresos han perdido hist\u00f3ricamente a sus hijos a tasas mucho m\u00e1s altas que las familias de ingresos medios y altos (Brico, 2019). Como se mencion\u00f3, toman decisiones al examinar variables que a menudo se correlacionan con el estado socioecon\u00f3mico, como los servicios de bienestar social y el historial de justicia penal. As\u00ed, estos algoritmos han aprendido a “codificar la pobreza para el maltrato infantil” (\u00eddem). En palabras de la acad\u00e9mica Virginia Eubanks (2018), “el modelo confunde la crianza mientras se es pobre con la crianza pobre”. Las tres cuartas partes de los casos de protecci\u00f3n infantil est\u00e1n relacionados con el descuido (en comparaci\u00f3n con el abuso), entendi\u00e9ndose por descuido la falta de alimentos, ropa, supervisi\u00f3n o condiciones de vida adecuadas para el ni\u00f1o (Brico, 2019). Desafortunadamente, estas deficiencias son a menudo la realidad cotidiana de vivir en la pobreza. The algorithmic models largely rely on a set of historical criteria that understands indicators of poverty to be a basis for intervention and family separation. El resultado de estos algoritmos es la legitimaci\u00f3n digital y la automatizaci\u00f3n de la discriminaci\u00f3n contra los pobres. Esto es injusto y demuestra el peligro de entrenar un algoritmo a partir de conjuntos de datos que pueden ser tanto hist\u00f3ricos como sesgados al mismo tiempo.<\/p>","protected":false},"excerpt":{"rendered":"
Los trabajadores sociales se ven sometidos a una enorme presi\u00f3n para decidir si dedican recursos a investigar los informes de sospecha de abuso infantil. En \u00faltima instancia, estas investigaciones podr\u00edan resultar en la separaci\u00f3n de las familias en inter\u00e9s del bienestar de un ni\u00f1o. Para aliviar parte de esta responsabilidad, varias jurisdicciones locales de los […]<\/p>","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[19],"tags":[],"yoast_head":"\n