HINCare : 智能社区资源及时间银行系统


背景

到2037年，香港长者人数估计将会占1/3人口，达二百三十七万人。随著年龄和身体机能减弱，这些长者对个人支援服务（例如家居护理和外出接送等）需求，也会随之显著增加，但相关社会服务所需配套的人力资源，却是一大问题。有些长者院舍甚至预示，他们将会面对70%的人手短缺，逼切需要义务工作者或兼职员工的帮助，来舒缓长者照顾服务的需求。过去几年，社区互助文化的培育和社区资本发展的需求不断增加。例如，在 COVID-19肆虐危机期间，向受影响家庭派送药物、杂货或膳食的义工服务，对我们的社会至关重要。

「社会科技与研究实验室」（STAR Lab）是香港大学的一个团队，旨在开发新的资讯科技，以服务社会 （图1）。我们以发展“让社会裨益的数据科学”为目标，用数据为基础作研究，盼望可使公众、非政府组织和政府受益。 STAR Lab 目前正与 20 多间非政府组织合作，发展与家庭和老年人相关的社区项目。


图1. 香港大学社会科技与研究实验室

HINCare和智能时间银行

STAR Lab过去三年的主要工作之一，是开发HINCare。这是一个鼓励社区互助的移动应用程式。我们采用时间银行的概念 -- 每个用户都有个人账户，用以储存他 / 她曾提供义工服务的时分（“时间积分”），而用户可以使用这些时间积分，作日后购买其他服务之用 （图2）。


图2. HINCare 移动应用程式

HINCare 使用 HIN（异构信息网络）向长者或其他服务对象推荐义工。 HIN 是一个大型的网络数据库，存储了长者、义工和 NGO 之间的关系资讯。我们使用 HIN 从数据库里，寻找出哪些会是帮助长者 / 服务接受者的最佳义工人选。我们用作长者和义工配对算法的HIN 和 AI 技术，都是基于我们最近的研究结果，而这也是首次将HIN应用于长者和社区关怀服务的支援。

如图3所示，HIN 是一个图像数据，包含以类型注释的“对象（节点）”和“关系（边）”。大型的数据库，例如 YAGO 和 DBLP，都可以建模为 HIN。一个关键问题，是如何计算两个 HIN 对象之间的接近度或相关性。量度相关性可用于各种应用，包括实体解析、推荐、和信息检索。在 HINCare 中，元结构 (meta structure) 是一个对象类型的有向无环图，其边类型连接在两者之间，用于衡量对象之间的接近程度。元结构的优势，在于它可以描述两个 HIN 对象之间的复杂关系。由于这些测量方法的复杂性，我们设计了一种适用于 HINCare 应用程式的数据结构算法。


图3. 异构信息网络 (HIN)

HINCare 是一个建立在云端的系统，长者中心和非政府组织的管理员，可以无须安装软件，只要通过我们系统的网络介面，便能执行日常任务（例如，任务分配、活动通知和用户资料管理等），易学易用。这系统具通用性并且灵活易用，允许各非政府组织轻松加入我们的计划。HINCare系统促进了非政府组织的前线管理员，有效和便捷地使用最新的 IT 和数据科学技术，来进行智能义工服务管理。

传统的长者照顾服务和时间银行系统，在配对和营运决策过程中，一般都没有使用大数据作协助。而我们的HINCare项目，则使用了新崭新的 HIN 和 AI 技术来进行义工–服务使用者配对。此外，现有一般的时间银行解决方案，是“封闭式”的（即支持单一机构），但我们的系统，可支援多间机构。建构成的HIN数据库，能有助于老年学的学者和政策制定者，获取有关义工服务、互助文化等社会行为的启迪，从而做出更好的决策。

现在和将来

HINCare 可在 Apple 和 Google Play Store 下载，并已为8间非政府组织，约5,000 多名服务使用者和义工提供服务 (图4)。部份机构也为HINCare举办了推广活动 (图5)。HINCare移动应用程式的介面设计，有大的字体和间距，方便使用 (图2)。我们也举行了数个训练班给护理同工和长者 (图6)。该系统吸引了媒体的广泛关注，并获得 2021 年香港资讯及通讯科技奖中智慧市民奖类别的优异奖、2020 年亚洲智能应用程式大奖的优异奖和 2021 年香港大学学院知识交流奖 (图7)。HINCare 正与政府资助机构–社区投资共享基金 (CIIF) 及其相关非政府组织密切合作，我们盼望可以将平台的使用范围，扩大到更多的社区项目。

我们相信新的信息和数据科学技术可以应用于社会的各方面； “数据科学造福社会”将令大众、非政府组织和政府得益。我们将与新成立的香港大学同心基金数据科学研究院密切合作，并让学生参与程式设计和社会工作。我们还将与政府和商业公司广泛合作。STAR Lab实验室将继续应用信息技术和人工智能来丰富社会资本，促进关爱精神传承下一代。


图4. 非政府组织的合作伙伴


图5. HINCare 应用程式在将军澳圣公会的摊位


图6. 基督教家庭服务中心的训练班


图7. 奖项


参考文献


  1. Effective and Efficient Discovery of Top-k Meta Paths in Heterogeneous Information Networks. Z. Zhu, T. N. Chan, R. Cheng, L. Do, Z. Huang, and H. Zhang. IEEE Transactions on Knowledge Engineering (TKDE), 10 Nov 2020 (published online for early access). DOI: 10.1109/TKDE.2020.3037218.
  2. Z. Zhu, R. Cheng, L. Do, and Z. Huang. Evaluating Top-k Meta Path Queries on Large Heterogeneous Information Networks. In the IEEE Intl. Conf. on Data Mining (IEEE ICDM 2018), Singapore, Nov, 2018.
  3. Z. Huang, Y. Zheng, R. Cheng, Y. Sun, N. Mamoulis, and X. Li. Meta Structure: Computing Relevance in Large Heterogeneous Information Networks. In the 22nd ACM SIGKDD Intl. Conf. on Knowledge Discovery and Data Mining (KDD 2016), San Francisco, US, August 2016.
  4. C. Meng, R. Cheng, S. Maniu, P. Senellart, and W. Zhang. Discovering Meta-Paths in Large Heterogeneous Information Networks. In the 24th Intl. World Wide Web Conf. (WWW 2015), Florence, Italy, May 2015.

作者:
香港大学 计算机科学系 郑振刚教授