研究人员使用数据科学来解决无家可归问题
数据科学和社会工作教员Hsun-Ta许将机器学习与数据和社区反馈相结合.
在美国.S.在美国，超过 65万人没有住房 ——到2023年将增长12%. 这是自2007年政府开始收集这些数据以来的最大增幅. 三角也不例外. 超过6000人被认定为无家可归者 在罗利和威克县. 达勒姆现在 无家可归者的数量翻了一倍 和2020年一样.
这些数字驱动着 Hsun-Ta许, 谁在过去的十年里一直在帮助这个国家最大的无家可归者, 在洛杉矶和圣. 路易斯，用创新的工具来解决这个问题.
2023年7月，凭借独特的技能，他来到了卡罗莱纳，在那里他是两所大学的教授 北卡罗来纳大学社会工作学院 和新的 北卡大学数据科学与社会学院.
“Dr. Hsu是一个典型的例子，说明跨学科的数据科学如何创造出能够改变一个看似棘手的问题的见解, 把多层次的社会问题变成可以解决的问题,SDSS院长 斯坦Ahalt 说.
社会工作学院院长拉蒙娜·登比-布林森（Ramona Denby-Brinson）对徐的技能表示赞同. “他的工作促进了我们对社区结构的理解, 制定有效的干预方案和服务, 以及我们如何以更实际的方式利用社会网络，为无家可归的人带来更好的健康和行为结果.”
一项人权
高中时，他的导师根据他的背景和兴趣推荐他主修社会工作. 大学期间，他获得了社会工作专业的学士、硕士和博士学位.
“我有亲戚和亲近的人患有精神健康问题, 包括自杀企图和药物滥用,他分享道。. “当我年轻的时候，我不知道如何处理它. 所以我真的在思考这个问题——我想为此做点什么.”
In 2010, 在南加州大学开始他的博士课程时, 许第一次看到了洛杉矶被称为Skid Row的50个街区. “我看到一位年轻的母亲坐在轮椅上给她的孩子喂奶, 被帐篷包围, 难闻的气味和极度的贫穷,许回忆道. “这样不行. 对我来说，住房是一项人权.”
Hsu分析了与洛杉矶无家可归者服务管理局收容的人的访谈数据. 他记录了50个街区的社区特征, 一个耗时, 他认为技术可以改进的劳动密集型流程.
在参加了暑期奖学金之后 南加州大学社会人工智能研究中心, 他开始开发一种地图工具，利用机器学习来自动识别垃圾和坏掉的汽车等物体.
社区中心的研究
自2010年以来, 全国各地的城市都使用了另一种工具, 脆弱性指数, 优先考虑谁能得到住房.
“这是我们在急诊室使用的分诊工具，”徐解释说. “我们正在衡量街上的弱势群体，然后将他们列入优先名单，为他们提供住房.”
In 2019, Hsu与CAIS研究员Eric Rice合作，通过结合人口统计数据和社区利益相关者的反馈来改进这个工具. 他们说，他们希望根据资产而不是赤字来考虑住房. 这种“超级重要”的反馈帮助Hsu和Rice修改了脆弱性指数调查，纳入了关注个人积极特质的问题.
现在，徐将这个项目模式带到农村社区，在那里 近 8.7万美国人无家可归. 徐相信他对农村和城市无家可归者的研究将有助于未来北卡罗来纳州和其他地区的项目.
“无家可归是一个全国性的问题，”阿哈尔特强调. “这项研究将创造一个可复制的过程，可以在北卡罗来纳州和全国范围内使用.”
