基于检索增强生成与大语言模型的儿童心理虐待研究：解锁案例报告以推进儿童保护系统评估

本研究针对儿童保护服务(CPS)案例报告中非结构化数据难以利用的问题，创新性地采用检索增强生成(RAG)和大语言模型(LLM)技术，开发了四阶段工作流程。通过对29,770份瑞士CPS案例报告的分析，模型在心理虐待(82%准确率)、父母不合作(83%)和父母酗酒(95%)等复杂因素分类上达到或超越人类专家评估水平。该研究为儿童虐待研究提供了高效数据提取方法，显著提升了CPS系统决策支持能力。

　　

在儿童保护领域，一个长期存在的困境是：大量关键信息被锁在非结构化的案例报告里。社会工作者花费大量时间撰写的案例笔记，往往以自由文本形式记录着儿童心理虐待的蛛丝马迹、家庭风险因素的微妙线索，以及干预措施的效果评估。这些"数据金矿"却因缺乏标准化结构而难以用于系统性研究——正如文献指出，全球64个国家中许多连基本的儿童保护系统标准化数据都没有。更棘手的是，像心理虐待这类"看不见的伤害"，其界定本身就充满争议：是严厉管教还是情感虐待？孩子的问题行为是否源于父母的精神暴力？这些判断即使对人类专家都是挑战。

瑞士苏黎世大学的研究团队在《Child Abuse 》发表的这项研究，带来了一把解锁这些文本宝藏的"智能钥匙"。研究者收集了瑞士最大儿童保护服务提供商2008-2022年间29,770份案例报告，创新性地将检索增强生成(Retrieval-Augmented Generation, RAG)方法与本地化部署的大语言模型(Large Language Model, LLM)相结合。这项技术突破的核心在于：先通过语义嵌入模型从报告中提取关键文本片段，再引导LLM基于专业定义进行精准判断，既避免了传统机器学习需要大量标注数据的瓶颈，又克服了LLM"凭空臆想"的风险。

关键技术包括：1) 采用Faiss向量数据库存储文本片段嵌入；2) 使用Alibaba-NLP/gte-Qwen2-1.5B等多语言嵌入模型进行语义检索；3) 应用Mixtral-8x22B等开源LLM进行问答生成；4) 通过GELECTRA分类模型提取结构化数据。所有处理均在本地服务器完成，确保敏感数据安全。

研究结果呈现多个突破：

1. 1.

   模型性能验证

   在心理虐待识别上，模型准确率达82%，与人类专家79-80%的互评一致率相当；而对父母酗酒这种明确指标的识别准确率高达95%，超过人类专家93%的水平。Fleiss' Kappa系数显示，模型与专家在酗酒判断上达到0.88的完全一致水平。

2. 2.

   案例因素全景分析

   系统识别出24类CPS相关因素，包括：10.6%案例存在心理虐待（n=1,340），27.4%存在父母不合作（n=3,447），6.1%涉及父母酗酒（n=762）。值得注意的是，17%的儿童曾目睹家庭暴力，18.5%的案例存在忽视现象。

3. 3.

   干预效果评估

   案例进展分析显示：仅3.6%案例恶化，46.1%呈现改善趋势，而50.2%维持现状。这些结构化数据首次实现了对CPS干预效果的大规模量化评估。

讨论部分揭示了该方法的多重价值：首先，通过标准化提取流程，减少了不同工作者记录风格带来的偏差；其次，语义检索聚焦相关文本片段，有效降低了LLM对无关人口统计学特征的潜在偏见；最重要的是，系统能识别容易被忽视的"危险信号"——如某个案例中，模型从教师和治疗师的分散描述中整合出母亲"公开嘲笑孩子"等7项心理虐待证据，这种关联分析能力远超人类阅读速度。

这项研究也存在局限：心理虐待的识别召回率仅75%，意味着四分之一真实案例可能被漏诊。研究者指出，这与人类专家面临的挑战一致——当文本描述含糊时，无论是机器还是人都容易误判。对此，团队建议采用更先进的"推理链RAG"(Chain-of-Retrag)方法，通过多轮检索正反证据提升判断准确性。

该技术的应用前景令人振奋：实时监测系统可预警心理虐待风险激增趋势；自动化分析工具能帮助新入职社工快速把握案例关键；更重要的是，它使海量历史案例数据得以转化为评估儿童保护政策效果的证据基础。正如研究者强调，这种方法不是要替代人类判断，而是通过"让隐性知识显性化"，最终实现一个更透明、更负责的儿童保护体系。