Researcher uses data science to address homelessness
数据科学和社会工作教员Hsun-Ta Hsu将机器学习与数据和社区反馈相结合.
In the U.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. The Triangle is no exception. More than 6,000 people identify as homeless in Raleigh and Wake County. Durham now has twice as many unsheltered individuals as in 2020.
These numbers drive Hsun-Ta Hsu, 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, in Los Angeles and St. 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 UNC School of Social Work and the new UNC School of Data Science and Society.
“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, multilevel social issue into something solvable,” SDSS Dean Stan Ahalt says.
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.”
A human right
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, including suicide attempts and substance abuse,” he shares. “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, surrounded by tents, bad smells and extreme poverty,” Hsu recalls. “That’s not OK. To me, housing is a human right.”
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, a time-consuming, 他认为技术可以改进的劳动密集型流程.
After a summer fellowship at the USC Center for Artificial Intelligence in Society, 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.
Community-centered research
Since 2010, cities across the country have used another tool, the vulnerability index, to prioritize who gets housing.
“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 nearly 87,000 Americans experience homelessness. 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.
“Homelessness is a national issue,” Ahalt stresses. “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.”
