一、社会的数字化转型

整个社会走向数字化，大家的生活日益与各种各样的数字化平台联系在一起。由于数字化转型，算法开始对社会进行规管，人和社会的联系在社会数字化后出现了革命性的改变。

过去的社会控制主要是技术性、制度性的控制，现在主要是通过算法的社会控制，社会中人的主体性在变弱。原来的社会互动主要是指人和人之间的互动。现在出现了大量人和机器的互动，我们在各种数字平台上，大量的互动实际上是人和数字机器人的互动，现实生活中也开始有各种各样的实体机器人。因此，社会从原来以人为中心的互动开始转向，人的中心性在不断被削弱。

今天的数字孪生社会，就是在我们实体社会之外，出现了一个与之相对应的数字社会；相对应的有一个实体人也就有一个数字人。所以人和社会之间的关系，现在变得复杂了，变成四类关系，即真实社会、数字社会、真实人和数字人的任意两者之间的关联，因此社会的复杂性也大大增加了。

数字社会里面，人是被数字化所感知的。通过数字化感知后，技术上非常容易实现基于算法的人以群分，然后进行精准操控。这样社会就更容易走向极化与不平等，例如，由数据分析导致，针对特定群体，系统的、可重复的、不公正对待的算法歧视。

二、数字社会中社会工作的发展空间

不管承认与否，也不管愿意与否，随着社会数字化转型，基于传统的制度规制日益转变为算法规制。算法开始识别人群，对人群进行分类，并基于不同的分类来进行控制和对待。算法成为未来社会规制的新方法。在这个社会的宏大转型下，社会工作者面临着很大的改进空间或者说新的发展空间。

第一，社会工作资料的数字化。现在大量的社会工作者，几十万甚至上百万的社会工作者在针对大量的案主进行工作，但这个工作的数据最后却没有留下来。而其他领域资料的数字化已经开始了。比如，每个人只要住院，就会填写住院病历首页所规定的信息。2017年，医疗部门开始针对住院病人填写的病历首页信息,在有限的范围内展开各类研究；现在几乎每个医院都对这个资料展开研究。以中山大学某附属医院的一个专科为例，其拥有的数据可以分成11个大类，基于这些数据可以开展大量的专业性研究。而社会工作者也应该开始推进社会工作资料的数字化。当然，这不是单凭某个人或者某个小单位就能够做好的事情。希望发挥社会工作专业组织的力量，完成社会工作案主首页信息的数字化工作，使得社会工作介入的每一个案主的首页信息都能像医疗部门的住院首页信息一样，形成一个能够用于社会工作研究的案主首页信息数字化资料库。

这个数字化资料库应该去记录案主的各种各样的信息，以便日后用于社会工作者的管理和评价，衡量社会工作的质量和水平，以及专业性科学研究。因此，数据库包含的信息可以非常丰富，除了背景信息，社会工作者采用了怎样的干预手段及其强度等都应该记录下来。社会工作者可以通过文字、符号、代码、数字，甚至图片、影像等把社会工作实践过程或精简或复杂地记录下来，并对其进行加工和分析。日后规范的社会工作，必然会走向基于社会工作的大数据科学。

过去，社会工作者基本还是停留在经验层次的关联上，通过介入做一些分析，没办法进行反事实分析，所以因果推断具有一定的局限性。如果能够建立全国所有社会工作案主的数据资料库，那么将来基于数据科学、计算科学的循证社会工作、计算社会工作都会发展起来。在此基础上，专门针对全员案主数据库进行数据挖掘，以探查什么是好的干预，不同的干预能达到怎样的干预效果，针对不同的人应该如何干预。这会大大提高社会工作实务的能力。

第二，基于社会工作案主数据库，开展各类社会工作干预的科学研究。基于数据分析各类社会工作干预在各类案主上的表现，以便科学评价各类干预效果，提高社会工作的专业服务能力。并分析各类社会工作服务技能、干预技能的使用占比到底是怎样的？专业技能和服务的收入占比又是怎么的？这样社会工作整个学科的结构和各类干预技能的学习权重的调整都有了科学的依据。因此，为了社会工作专业的发展，社会工作学界应该形成共识，借鉴医疗部门的入院首页经验，联合起来完成社会工作数据库，实现社会工作资料的数字化。

第三，走向社会工作过程的整体数字化。人和人之间的互动过程是可以全部数字化的。任何一个单一的社会工作案例，实际上都可以把整个过程数字化，形成一个社会工作干预的微观大数据，并在其干预技术上开展科学研究。人在互动时，可以对面部表情进行采样，而步态、情绪等都可以通过各种各样的大数据抓取下来，语音则可以转化成文本计算情感得分，而从大量的话语中可以提取所提到的各种各样的社会关系实体，建立整个社会工作干预案例的知识图谱。

这就类似于特斯拉汽车知识库，每一台特斯拉汽车遭遇了任何一个失误，如何处理这个情况都可以作为一个知识点，成为整个特斯拉汽车知识库的一部分。如果我们能够在日后的社会工作过程中进行数字化，不断学习，社会工作专业就可以建立起自己的知识图谱库。知识图谱库中大量社会工作知识的积累，使得任何一个人的进步都可以推广到整个群体，这样就能将整个社会工作行业人员的知识连通起来，使得任何新的进展都可以被业界迅速分享。这就是社会工作过程的数字化带来的价值。

第四，社会工作内容的智能化。现在的前沿科技已经实现了人和机器互动，这涉及非常复杂的理论体系，包括心理学、认知科学、人机的语音界面、图形界面，等等。人机互动可分成两类。第一类是人和实体的物理上的机器互动。比如，养老院通过机器人完成送餐及诸如此类的工作。已经有社会工作者进入这个领域，探索社会工作者如何介入，帮助服务对象克服技术和数字鸿沟，使其能更好地融入到新技术里，实现技术赋能。第二类是通过社交的人际间交互进行自我的赋能。人工智能与社会工作这个领域，应该是随着人类社会走向人工智能，走向算法治理之后，社会工作所需要发展的一个方面。

第五，社会工作服务对象的数字化筛选，从治病走向治未病。目前社会工作服务对象的筛选机制实际上还是基于主观经验，往往是这个人已经出现了问题之后，社会工作才介入。如果能通过算法推演，提前预知到这个人要出现问题，就可以进行提前干预，从治病走向治未病。

目前，在国家层面或者地区层面，人群正在被全员数字化，政府部门建立了人口数据库，并且在全员数据化的过程中，人的特征维度越来越多。某特大城市的全员数字化中人的特征维度有300多个，而且随着时间的推移，这些维度还在不断增加。因此，社会工作者有机会从社会工作服务的视角去筛选潜在的服务对象，这属于机器学习里的有监督学习。基于社会工作者已有的大量追踪数据特征的学习，可以在全员数据库里计算人们成为社会工作服务对象的概率，找到未来需要社会工作服务的人群。这种方法更精准，可以克服个人主观判断的偏差和随意性。通过机器学习实现更精准地识别服务对象或潜在服务对象，甚至对潜在服务对象提前干预，从而实现治未病。社会工作在整个社会走向数字化后，是真真实实有了走向治未病的机遇。

数字技术非常多，大量的现代机器学习的降维技术可用于寻找关键的预测变量和预测的情境来开展社会工作服务对象或潜在服务对象的筛选。技术上完全可以做到根据全员数据库构建潜在的社会工作服务对象的风险预警，并且可以优先找到最有干预价值的干预对象，从而使有限的社会工作资源获得最大的价值。希望社会工作同仁一起努力，在数字化社会转型的宏大的新征程中，为推动社会工作数字化发展贡献力量。