《Journal of Technology in Human Services》：What Form Do Analyses of the Potential of New Technologies in Social Work Take Today? A Scoping Review
编辑推荐：
人工智能（AI）以及诸如应用程序（apps）和信息通信技术（ICT）等数字技术在社会工作中的应用正在加速，然而，针对其用于实践干预潜力的系统性分析仍然缺乏。为弥补这一空白，本范围综述（scoping review）遵循PRISMA-ScR，分析了来自29个国家
人工智能（AI）以及诸如应用程序（apps）和信息通信技术（ICT）等数字技术在社会工作中的应用正在加速，然而，针对其用于实践干预潜力的系统性分析仍然缺乏。为弥补这一空白，本范围综述（scoping review）遵循PRISMA-ScR，分析了来自29个国家的60篇文章（1997—2025年），以考察研究方法以及所报告的收益与风险。结果表明，缺乏在实施前对社会工作实践中技术潜力进行系统评价的研究。主题综合识别出五个收益领域——提高效率与决策质量、赋权、劳动力发展以及反思性实践——和六个风险领域——数据保护与保密、算法偏见与法律不确定性、包容性与可用性障碍以及劳动力与组织压力——此外还有一个横跨各领域的矛盾主题，其中显著的负面因素——效率增益与技术限制、扩大可及性与数字鸿沟、改善决策质量与数据保护——频繁抵消潜在收益。这些发现提示，数字技术并非内在地有益，因此在缺乏有效性具体证据时，以假设驱动采纳是不明智的。该研究为开发经过验证的框架奠定了基础，以便对新的数字技术用于社会工作干预的潜力进行方法学严谨的系统分析。
研究背景方面，文献指出技术日益渗透包括社会工作在内的日常生活，社会工作正经历深刻数字化转型。第四次工业革命被定义为由人工智能（AI）、机器人技术和物联网（IoT）等技术进步导致的社会与经济转型。COVID-19大流行以来，把握数字社会工作潜力成为专业重点。AI、ICT、数字行政、辅助系统、在线咨询、聊天机器人、预测分析、数字公共关系和虚拟现实等被引入，期望解决复杂社会问题、提升服务效率并改善客户干预质量。然而，围绕技术整合存在显著矛盾：支持者强调效率收益与创新方案，但新技术也带来伦理、法律和社会挑战。关键问题不是是否采用技术，而是如何战略性适应，并确保创新服务于社会工作核心使命与伦理原则。因此，需要在设计和发展过程初期进行审慎、有方法学基础的技术分析，以现实估计潜在收益与风险，防止无根据使用导致服务发展误导、工作流程低效或客户伤害。问题在于，社会工作仍缺乏应对数字时代的相应理论方法，也缺乏结构化方法严格分析技术潜力。工业、医疗等部门已常规使用技术评估（TA）或技术路线图等框架，而社会工作既有干预模型未明确纳入分析技术潜力的方法学步骤。数字化进程中，这一结构性缺陷更加显著，常导致无协调、反应性和零散的技术整合，可能使专业失去对数字化方向的控制，并部署不符合客户需求或专业伦理的工具。文章目标是系统综述现有文献，确定当前社会工作以哪些形式和方法分析用于实践的技术潜力，涵盖现有服务进一步发展和新服务开发，并为类似工业或医疗领域的方法学基础奠定基础。
研究人员开展了一项范围综述，遵循PRISMA-ScR框架，聚焦是否存在显式方法学框架用于分析社会工作中数字技术潜力。主要研究问题为：社会工作使用哪些方法分析AI、apps和ICT等数字技术潜力，以及从所述机会与挑战中可得出哪些结论以开发稳健分析框架。两个子问题分别考察现有分析的结构与方法性质、是否明确评价标准或步骤，以及文献讨论的机会与挑战。检索采用三步策略，覆盖Sociological Abstracts（ProQuest）、Web of Science（Clarivate）、Scopus，后期纳入WISO，并利用Publish or Perish（P&P）检索Google Scholar（EN和DE）前100条结果，同时进行引文追踪。纳入英文和德文，无日期限制，检索截至2025年1月31日。记录导入Covidence去重和筛选，经标题摘要、全文和资格三阶段筛选。数据提取使用结构化Excel模板和云存储，采用描述性主题综合与归纳定性内容分析，以两阶段Excel工作流聚类。最终纳入60篇文章，来自29个国家或地区，时间跨度为1997—2025年。研究结论是：当前缺乏在实施前系统评价技术潜力的研究，数字技术并非内在有益，基于假设的采纳在缺乏有效性具体证据时不明智。其意义在于为开发经过验证的框架提供基础，以支持方法学严谨的社会工作干预技术潜力系统分析。
研究结果中，收益方面形成五个反复出现的领域。提高效率（Improved efficiency）方面，通过对DISXPERT等规则型决策支持系统（DSS）、预测风险建模系统（PRMS）、AI、自然语言处理（NLP）和ICT等文献的主题综合，研究人员发现技术可节省时间、降低成本、最大化组织资源，并释放时间用于复杂问题解决和社会工作核心任务；ICT和专门通信应用如丹麦MySocialWorker也被认为可提升服务提供与工作流程效率。以客户为中心的可及性与赋权（Client-centric access and empowerment）方面，基于ICT、在线平台、远程精神病学、数字包容、MySocialworker、英国There4Me、AI语言障碍克服、具身对话代理（ECAs）和虚拟治疗助手等证据，研究人员认为技术可扩大服务可及性、减少地理和办公时间等障碍，并赋权边缘群体。改善决策质量（Improved decision quality）方面，通过数据分析、AI、机器学习（ML）、DSS和PRM等文献综合，研究人员认为技术可支持证据决策、提高风险评估准确性、减少错误或偏见，如DISXPERT支持准专业个案工作者达成无偏且一致的决策，并帮助机构聚焦有限资源；培训与在线知识共享也可提升决策质量。劳动力发展与反思实践（Workforce development and reflective practice）方面，基于ICT、AI、DSS和PRM等文献，研究人员发现技术迫使员工接受培训并提升技能，虚拟平台或模拟可连接理论与实践，跨专业合作开发应用可改善技能，批判性辩论有助于形成有意识和反思的实践。协作创新与服务共创（Collaborative innovation and service co-creation）方面，通过多学科合作、跨专业伙伴关系、让社会工作者参与DSS开发、ICT促进参与式评价、在线平台知识交换和用户早期参与等文献，研究人员认为这些机制可释放技术潜力并促进服务共创。
挑战方面形成六个相互关联领域。数据保护与保密（Data protection and confidentiality）方面，文献综合显示数字技术常收集和存储客户数据，引发隐私与保密担忧，尤其是其他工作者或机构可访问文件时；监控、功能蔓延（function creep）、缺乏在线隐私指南、DSS算法数据评价透明度不足、PRM因数据保护而修改、AI敏感数据滥用或盗窃以及训练AI与数据保护权利冲突等均被讨论。算法偏见、不透明性与法律确定性（Algorithmic bias, opacity and legal certainty）方面，基于AI、PRM和DSS等文献，研究人员发现算法可能复制无意识偏见或扭曲数据，AI驱动系统并非中性，可能强化不公正生活条件；算法复杂性、责任归属、AI“黑箱”特征、过度简化复杂社会互动以及缺乏清晰伦理指南、伦理灰色地带、数据暴露、知情同意和专业边界模糊等问题突出。可及性、包容性与可用性（Access, inclusion and usability）方面，文献综合表明服务使用者因数字鸿沟而无法平等获取在线服务，语言障碍、低数字素养、隐私指南缺乏、教育者与实践者之间、代际和性别差异均存在；软件硬件问题、界面复杂、输入困难、数据传输限制、高错误率、设备过时、VR高成本与持续监督需求、接受度不足、技术排斥以及脆弱群体未必被更有效触及等也构成障碍。劳动力与组织变革（Workforce and organizational change）方面，基于CMS和AI等文献，研究人员发现技术可改变专业人员角色、功能和常规，增加审查，限制自主性，引发文化抵抗，转向成本效益和经济范式，减少面对面互动，增加信息负荷，并可能导致反思能力、人类判断、直觉和专业裁量丧失，甚至去专业化和客户去权；低数字能力、培训不足、任务集中于少数熟练者、错误与误解、灵活性要求增加工作量以及失业恐惧也被提及。有限证据与资源（Limited evidence and resources）方面，文献综合显示关于数字技术影响社会工作的研究有限，长期效果数据稀缺，研究可能因技术快速发展而过时，数字支持干预的证据与验证有限，AI和ML实际实施与影响研究少；数据可显示相关但缺乏语境或因果解释，无理论框架可能导致数据拜物教。同时，资源有限、案件量增加、技能短缺、政府监管、基础设施缺乏或过时、维护更新、系统故障、数据工作时间与成本高昂、IT资源与技能不足、数字教育耗时、新评估工具资源密集以及与客户相处时间转向数据收集等均构成限制。技术限制与可靠性（Technical limitations and reliability）方面，基于AI及相关系统文献，研究人员发现技术难以捕捉人性复杂性、关系、情感和语境方面，深度学习需要大量算力和数据，大数据线性解释模型难以处理复杂相关性，平台、操作系统、接口、过时系统、互联网连接和设计缺陷带来技术障碍；隐私保密也因技术限制而成为主要关切；算法预测可靠性依赖数据质量，可能误判、不准确或错误，缺乏透明度，且并非所有社会工作问题均可量化。
讨论部分指出，比较机会与挑战后可发现几乎每项优势也可能成为劣势，反之亦然，体现出所分析技术在社会工作中的矛盾性。研究人员不能基于简单、普遍有效的优缺点定义技术潜力，而必须依据情境仔细权衡。进一步归纳出六个基本因素：技术在社工情境中的潜力真实存在，但严格有条件且多维，取决于技术特性、目标群体、组织设置、数据可用性、组织结构和监管框架，因此需系统分析情境；专业价值具有根本性，不能仅以效率定义潜力，关系建立、自主、诚信、平等、参与、伤害预防、社会正义和专业判断同样重要；组织的敏捷性和基础设施起决定性作用，技术引入伴随组织变革，需要技术资源、人力资源和变革意愿，并将情境因素纳入潜力评估；利益相关者视角对可持续评价至关重要，客户和多学科专业人员参与可减少误导激励、误解和接受度损失；规范性和视角具有关键认识论影响，定义技术潜力的行动者身份和目标优先排序决定哪些维度被强调或边缘化，因此需透明披露利益并采用多视角分析；潜力随时间变化，短期预算考虑不足，需关注机会成本和社会价值，如信任、参与、公平、安全、服务质量和可用性。此外，四个宏观系统与制度支柱被强调：数据与AI治理不可协商，隐私与数据保密必须优先，需清晰结构和法规、指南制定分发更新、危机准备和数据安全；人类判断仍居中心，技术应增强而非替代专业裁量、判断和人际关系，人际沟通、尊重、理解、共情、赋权与信任不可或缺，AI系统不能替代专业判断，不同领域人类参与需求不同；公平是支点，缺乏刻意可及性和反排斥设计会扩大最脆弱群体的服务差距，数字和社会排斥相互强化，技术获取和发展是社会正义问题；教育需要持续更新，应装备学生新技能、准备教育者并反思教学法和课程，将技术专业和伦理使用纳入教育。
研究结论翻译如下：本范围综述旨在考察关于社会工作新兴技术潜力分析的研究现状。主要目标是确定是否存在用于评估该潜力的既定方法学框架，并识别专业文献中讨论的关键机会和挑战。对纳入的60篇文章的分析揭示了当前话语中的显著空白：缺乏明确的、方法学严谨的框架来严格分析数字技术在社会工作干预中的潜力。该领域目前不是使用结构化评估工具，而是以反应性和往往零散的技术整合为特征，这存在使数字工具与伦理和客户需求等专业标准脱节的风险，并可能导致诸如效率提高或服务质量提升等无根据假设。为弥合这一方法学空白，本文超越了对情境性机会和挑战的描述性罗列，推导出一套综合的结构性因素。文献强调了深刻的矛盾性：承诺带来机会的相同机制，如提高效率、客户赋权或更高决策质量，同时引入数据保护、算法偏见或数字鸿沟加深等方面的潜在风险。这些因素表明，社会工作中的技术潜力从来不是固有的。相反，它高度有条件、依赖情境并随时间动态变化。这使注意力转向每个使用案例的个体情况。数字技术在一项计划的或已计划的社会工作干预情境中是否可能有前景，因此根本上取决于各自的框架条件，如现有基础设施、政策指南、员工技能或可用资源。这反过来强调了对所用数字技术潜力进行透彻分析的重要性，因为其潜力高度依赖各自框架条件。组织A使用数字技术X的成功或失败因此不能在没有更详细分析各案例情况的情况下轻易转移到组织B。通过聚类这些维度，从专业价值的首要性、组织准备度到多利益相关者包容和规范性透明，本综述为系统评价数字干预提供了必要的概念基础。总之，尽管数字技术为社会工作提供了变革性可能，但其成功整合不仅依赖技术功能或制造商的通用建议。它需要批判性和理性的使用，并由拥有足够实施资源、适当基础设施和政策指南的社会工作组织以及一支有韧性的专业人员队伍支持，这些专业人员不仅有能力而且有动力使用这些新技术并将其整合到工作流程中。文献表明，数字技术在社会工作实践中将继续存在，应被视为增强而非替代该职业不可或缺的人类要素的工具，如专业判断、共情、非语言沟通、信任与理解或关系建立。因此，社会工作学科最紧迫的下一步是将本综述识别的基本因素操作化为一种实用、标准化的工具。此类工具将使组织能够对数字技术潜力进行前瞻性、基于价值的分析，指导新服务的设计与开发以及现有社会工作干预的进一步完善。这确保社会工作的数字化转型与其核心价值保持一致，并在未来以有益、高效和科学可靠的方式加以利用。
