 |
| 社會各角落都潛藏著不正義，GIS可以作為空間決策者維護正義的手段嗎？ （資料來源：財團法人法律扶助基金會） |
前言
根據鄭淳予（2012）的文章《社會救助？18歲青年餓到偷泡麵》，敘述了台灣目前所面臨的經濟困境，面對失業率與物價指數雙雙創新高的威脅，其以兩篇地方社會新聞作為窮困台灣的代表─高中生在超商偷泡麵與失業婦女撞牆等社會事件；不過為了讓中低收入戶能夠保有社會救助的福利，行政院於2011年7月推動《社會救助法》新制，其引用先進國家如歐盟、OECD（經濟合作暨發展組織）國家的「貧窮線」計算標準，以「可支配所得中位數的百分之六十」作為台灣「最低生活標準」的依據；不過儘管新制具有諸多前瞻立意，但在現實狀況下，社會救助制度仍有不少死角。
建置社會經濟GIS空間資料庫
在文章中提及《社會救助法》新制有三大缺陷，首先是認定標準不夠全面，由於今年（2012年）比去年多十三萬中低收入戶與低收入戶人口，成長率高達30.41%，因此在經濟條件的認定標準應當更有彈性；第二個缺陷是其以家戶為計算單位，現今的社會救助是由家庭來認定其能不能獲得補助，並不符年滿二十歲就算未婚也因脫離監護權的邏輯觀念，這也造成許多中低收入戶者無法脫貧的原因之一；最後就是標準下放地方政府，因為現行的五都行政體制，再加上台灣省與福建省等直轄，造成共有七套標準去認定，例如台中市和平區，因隸屬五都之一因此標準較台灣省高，因著各地生活水平差異造成偏鄉或郊區無法擁有中低收入戶資格，然而不動產列為財產判定之一也是經常爭吵的議題之一，因此才造成許多人無法獲得實質和適切的補助。
在上了社經GIS課程後，對於社經GIS空間資料庫的建置多了一層概念上的了解。為了建置資料庫，首先要取得所要知識，而智慧與知識要如何取得？目 前資訊科學界發展出知識本體(ontology)的理論與工具[1]，使我們可以將人類的智慧與知識有系統的組織起來(Hadzic et al., 2009)。因此為了解決上述三個對於新制的主要問題，我以Roiger &
Geatz(2002)及Han(1999)等人對資料庫知識探索 (Knowledge Discovery
in Database, KDD)定義的七個步驟作為資料庫建置的空間決策流程：
1. 訂定目標
2. 建立目標資料集
3. 資料前處理
4. 資料轉換
5. 資料探勘
6. 解釋與評估
7. 採取行動
為了要建置資料庫，一定要有前三項流程，因此我以表1表示詳細的空間資料庫的設計要素：
表1
空間資料庫的建置流程
流程
|
內容
|
訂定目標
|
1.
低收入戶與中低收入戶認定標準改為彈性
2.
核定計算標準以單位個人而不以家庭
3.
標準以鄉鎮的經濟指數為單位作分級
|
建立目錄資料集
|
1.
近五年各鄉鎮的低收入戶與中低收入戶的總人口資料
2.
各鄉鎮戶數／各鄉鎮人口資料
3.
各鄉鎮的低收入戶與中低收入戶的人口資料[2]
|
資料前處理
|
1.
以每年資料建立模式，根據模式適時照比例調整標準
2.
進而計算各鄉鎮每戶的人口比
3.
拿到該資料後可藉此進行分級，而根據級數給予不同的核定標準
|
資料來源：作者自行整理
根據上表，為了讓中低收入戶資格邊緣的民眾能夠受惠，以減少社會眾多經濟壓迫的憾事，並透過新制三大缺陷，因此我訂定了改善缺陷的三大目標，並且透過目標建立目錄資料集時，取得相關資料後，將資料分類並加以分級，甚至建立模型，對於認定標準、標準下放地方政府等缺陷有明確且適切的配套措施。
此外，國土資訊系統亦有相關的資料庫平台為「社會經濟資料庫[3]」，其建置與整合了不少內政部統計處的相關資料，包括人口、土地營建、教育文化、醫療衛生、治安及公共安全、社會福利、工業、商業及其他服務業等資料，其中社會福利中即有社會救助分類，不過此平台還在進行初步整合中，因此資料量非常的少，在其詮釋資料內容中，摘要內容顯示其僅蒐集低收入戶的戶數與人口，並未搜集中低收入戶的相關資料，可見此資料庫平台並尚未能應用於空間決策分析。
分析貧窮的空間分布
最後，本作業旨在分析貧窮的空間分布，因此透過中華民國統計資訊網的縣市重要統計指標查詢系統[4]，蒐集各縣市關於社會救助的相關資料，即可在ArcGIS上以地圖呈現其屬性資料的空間分布。在資料建置過程中，我以ArcGIS透過Join連結屬性與空間資料前，必須先將各縣市的空間資料merge為multi-polygon，才能繼續進行連結的動作，將相關資料都Join進去後，即可分析與展示貧窮的空間分布如圖1、圖2、圖3和圖4。
圖1 改制前台灣各縣市2010年低收入戶人口比率
圖2 改制前台灣各縣市2010年急難救助金額占總決算比率
圖3 改制前台灣各縣市2010年醫療補助金額占總決算比率
圖4 改制前台灣各縣市2010年災害救助金額占總決算比率
根據四張圖的分析結果，我以分層設色圖展示改制前台灣各縣市2010年的四項社會救助指標資料，首先各縣市低收入戶人口比率，以台東最高，而大多分布在東部及南部縣市，但在人口數的表現上以台北市為最大宗；再來比較急難救助金的給發，以台北縣（現新北市）和雲林縣最高，由此可推測雲林縣的社會救助資訊的推廣有明顯成效；第三項是醫療資源補助，同樣以台北縣、雲林縣為主，其中台東縣的比率也非常高；最後是災害救助金的給發比率，高雄縣和屏東縣有很明顯的高比值，推測為2009年莫拉克風災所提供的災後補助。
綜觀上述四項指標以GIS出圖分析貧窮的空間分布，可大略推斷該年事件所造成的異常支出，以及以比率單位的分層呈現了該縣市呈現在社會救助的空間特性。
結論：GIS作為社會正義的手段
Rawls的《正義論》認為社會正義的兩個原則：每個人對於任何事物都應該擁有平等的權利，在最大的可能程度上享有與其他人相同的自由；另一個是社會和經濟的不平等安排，應當兼顧能促進社會中處境不利者的最大利益，並基於平等原則將地位和職務向所有人開放（林火旺，1998）。因此作為社會正義對於社經不平等安排上，維護與改善其機制必須要有適當的手段，我認為利用GIS進行空間決策分析即為其關鍵手段，透過政府的統計資料進行探勘，我們可以歸納、分類與建置空間資料庫，應用科學方法進行空間分析並提供可靠性數據給決策者。
內政部社會司認為，社會救助是秉持「主動關懷，尊重需求，協助自立」原則，「社會救助法」使貧病、孤苦無依或生活陷入急困者獲得妥適之照顧；但從報導可觀察中其實不然，為了增強該報導的可信度，我因此利用改制前2010年以縣市為單位的社會救助相關資料進行分析，但由於中央政府提供與整合的資訊來源相較於地方政府來得舊，因此決策者欲對國內貧窮問題進行更詳細的空間分析，我建議透過地方政府蒐集更詳細、更新且多時序的統計資料，進行動態時空分析，並可建立推估模式加以探討與解決如何讓更多潛在的中低收入戶民眾受惠，這是值得深入探討的議題。
參考文獻
林火旺（1998）。羅爾斯正義論，臺灣書店：台北。
鄭淳予（2012）。社會救助？18歲青年餓到偷泡麵，今周刊，823。
Han, J. (1999). Data
Mining, Int. J. Urban and P., Encyclopedia
of Distributed Computing, Kuwer Academic Publisher.
Hadzic, M.,
Wongthongtham, P., Dillon, T., and Chang, E. (2009). Ontology-Based Multi-Agent Systems, Springer-Verlag Berlin
Heidelberg.
Roiger, R. J. and Geatz,
M. W. (2002). Data Mining – A Tutorial-Based
Primer, Addison Wesley.
* 國立台灣師範大學地理研究所1011《社會經濟地理資訊系統》課堂作業（2012年10月2日）
[1] 孫志鴻、榮俊德（2011）智慧型空間決策支援系統之研發，國土資訊系統通訊，74，29-38。該研究認為建立空間以及時間的知識本體、語意網(Sematic Web)的建置對於空間決策的資料庫及系統平台非常重要
[2] 第一點為總人口資料，而為了進行資料分類與分級，而必須在蒐集更細的以鄉為單位的中低收入戶與低收入戶人口資料
[3] 國土資訊系統社會經濟資料庫分組入口網，網址：http://segis.moi.gov.tw/STAT/Web/Portal/STAT_PortalHome.aspx
[4] http://ebas1.ebas.gov.tw/pxweb/Dialog/statfile9.asp
0 意見:
張貼留言