疫情下的社會紓困 — 大數據如何幫助我們找出應該被紓困的對象

葉崇揚/東吳大學社會學系助理教授

1.前言

在這波武漢肺炎大流行的疫情下,不僅造成社會大眾對於疫情的恐慌,同時也造成社會風險與不確定性的增加。台灣政府在第一波疫情的衝擊下,透過封鎖、疫調和大數據的應用,使得台灣成為世界各國防疫的典範之一。然而,面臨疫情的衝擊,台灣經濟與勞動市場同時也遭遇嚴峻的挑戰,包括經濟活動的停滯以及大量的勞工以及其家庭面臨失業或是無薪假的衝擊。圖1以及圖2,分別顯示了台灣失業給付受理和核付狀況,以及疫情發生之後勞雇雙方協商減少工時實施(也就是,無薪假)的人數變化。基本上,圖1對於失業給付的受理件數是呈現逐漸增加的情形,特別是在2020年3月時,有明顯的增長;但是核付失業給付的件數則是在2020年2月時超過四萬人,不過在3月時就下降到3萬7千多人。雖然失業給付的受理案件和核付案件,可以讓我們知道想要申領以及成功申領失業給付的人數,但是無薪假是並不會被算入失業人口的。因此,圖2呈現了無薪假的人數,從2020年2月開始,無薪假的人數和企業數就大幅的上升,到2020年5月中時,就有1100多家企業申請無薪假,同時有高達2萬1千多人,正在放無薪假。圖1或圖2,所顯示的是在疫情的衝擊下,台灣勞動市場正面臨嚴峻的挑戰,越來越多的勞工以及其家庭面臨經濟上的衝擊與困境。因此,如何透過紓困政策作為社會政策的一環,協助那些受到疫情影響而陷入困境的勞工與其家庭,就成為當前台灣政府面對疫情時的重要環節之一。

圖1 台灣失業給付的受理和核付情形
資料來源:勞動部勞動統計查詢網(https://statfy.mol.gov.tw/)

圖2 武漢肺炎疫情發生之後勞雇雙方協商減少工時實施人數的趨勢變化

資料來源:勞動部勞動統計查詢網(https://statfy.mol.gov.tw/)

為了協助這些因為疫情而受到影響的勞工與家庭,台灣政府實際上提供許多經濟安全與就業協助的措施。然而,這些措施並非是普及式地提供給每一個人的紓困政策,而是會依據不同的條件提供給符合條件的人口群。因此,台灣的紓困政策是透過社會行政人員協助審查其資格。這一點與目前台灣社會救助體系是類似的,皆是由社會行政人員受理申請人的審查資料,並審查提交的資料。而社會救助資格的審查,有些個案甚至必須補交資料以及派員家訪。就這一點上,其實並不符合防疫措施與標準,因為在此一資料提交與審查的過程,將會大幅地減少社會行政人員與申請人之間的社交距離,而置社會行政人員於更高的風險之中;而且在面臨龐大的紓困申請人群,社會行政人員的工作負擔也會增加。

在此一情況下,如何利用大數據(big data)進行數位管理就成為一種新型態的社會行政與社會工作管理與治理模式。也成為解決目前在疫情的情況下,能夠協助社會行政與社會工作人員,在紓困和救助政策、甚至就業服務以及社會工作實務的過程中,減少社會距離、並且藉由數位化管理發展新型態的社會行政管理與社會工作方法。

2.社會行政與社會工作的大數據應用

談及AI時,必須要了解以及知道當代人類社會所談及的AI之所以可能,並非是人類創造出機械人,而是在於人類可以將社會中的各個層面與層次進一步資料化以形成大數據,進而使得深度(deep learning)成為可能。而此一資料化的過程,也會為社會帶來根本上的改變(Pedersen and Wilkinson, 2019; Pedersen, 2019a)。因為在資料化的過程中,社會不再像是一連串自然或社會上的事件,而是本質上由資訊組成的場域(Mayer-Schönberger, 2013)。因此,資料化可以讓人類理解事物的本質。

當資料化的過程開始貫穿整個人類社會時,數位轉型就會深深地改變人類社會的各個層面與層次,也包括社會行政與社會工作。傳統上,社會行政與社會工作都被視作是建立在人與人之間互動的關係主義(relationshipism)基礎上,也就是它們的工作強調的是如何透過人與人之間的互動,建立信任關係以協助個案解決問題(Pedersen, 2019b)。在紓困審查的過程中,由於訂定特定的審查條件使得其紓困資格是建立在選擇主義(selectivism)的基礎上,但是由於缺乏大數據的應用,而無法有效地界定和確認符合紓困資格的人口群。因此,甚至衛生福利部次長都說找出需要紓困的人口群不知道在哪裡[1]。因而必須極端地依賴社會行政和社會工作人員協助資料的審查以確定紓困人口群。然而,雖然這是傳統的社會行政與社會工作賴以為基礎的工作方式,但是卻可能造成防疫上的困境,不僅可能會減少社交距離,同時也可能大大提高社會行政與社會工作人員的染疫風險。

因此,利用大數據協助找出那些界定和確認符合紓困資格的人口群,不僅在疫情底下,同時也是未來社會行政與工作的新方法。基本上,社會行政與社會工作的資料化與數位化應用一開始主要是為了回應新公共管理的績效管理,透過資料化與數位化,可以有效地呈現社會服務的績效(Pedersen and Wilkinson, 2019; Lyneborg, 2019)。不過,透過此種大數據的數位應用,可以協助社會行政與工作人員更精確地找出需要紓困的人口群。台灣目前的戶籍管理體系、稅籍體系以及社會保險資料庫(全民健康保險以及勞保、國民年金保險等),可以加以串聯找出需要紓困的人口群。台灣的戶籍管理體系使得每個人都有身分證字號,可以有效地使各個資料庫進行串聯,包括財稅資料庫、全民健康保險、以及其他社會保險體系資料庫,再輔以地方政府的社政資料,如社會救助等資料庫,就可以清楚地找出需要被紓困的人口群。在一份有關《低收中低收入戶就業與脫貧路徑探討》的研究報告中,研究團隊就利用勞保資料以及台北市的社政資料串聯,找出是否就業能否促進脫貧(王素彎,2019)。透過對於社會保險體系被保險人的身分類別的追蹤,如全民健康保險改以第六類加保,就可以指認出誰在疫情的衝擊下面臨失業或是無薪假的困境。而輔以稅收資料,就可以推斷哪一戶家戶是屬於經濟弱勢或是近貧的人口群。

此一資料化與數位化的應用將會有效地協助與改變社會行政與社會工作的工作方式與方法,將過去以往以「關係主義」為主的工作方法逐漸地輔以「資料主義(dataism)」(Pedersen, 2019b)。而這不僅將會有助於更精確地找出需要紓困以及救助、或甚至是貧窮人口群,降低社會行政與社會工作人員的風險,同時也將會有效地降低社會行政與社會工作人員在脫離新公共管理下的績效目標的呈現,大大減少他們行政負擔。

參考文獻

王素彎 (2019)。《低收中低收入戶就業與脫貧路徑探討》。台北市:勞動部勞動及職業安全衛生研究所研究報告。

Lyneborg, A. O. (2019) ‘Social Work in the Danish Digitalized Welfare State — and the Use of Digital Technologies for Professional Knowledge in Ch’. In Pedersen, John Storm and Wilkinson, A. (eds) Big Data: Promise, Application and Pitfalls, Cheltenham, Edward Elgar, pp. 224–244.

Mayer-Schönberger, V. (2013) 大數據, 台北市, 遠見天下文化出版股份有限公司出版.

Pedersen, J. S. (2019a) ‘Data-Driven Management in Practice in the Digital Welfare State’. In Pedersen, John Storm and Wilkinson, A. (eds) Big Data: Promise, Application and Pitfalls, Cheltenham, Edward Elgar, pp. 200–223.

Pedersen, J. S. (2019b) ‘The Digital Welfare State: Dataism versus Relationshipism’. In Pedersen, John Storm and Wilkinson, A. (eds) Big Data: Promise, Application and Pitfalls, Cheltenham, Edward Elgar, pp. 301–324.

Pedersen, J. S. and Wilkinson, A. (2019) ‘The Promise, Application and Pitfalls of Big Data’. In Pedersen, J. S. and Wilkinson, A. (eds) Big Data: Promise, Application and Pitfalls, Cheltenham, Edward Elgar, pp. 1–21.

[1] 資料來源:https://reurl.cc/Y1R95D。

--

--

東吳大學社會學系AI社會研究中心

全台灣第一個專注AI的社會學研究單位;一群熱愛追求社會學創新能量的老師。