En los últimos años, múltiples sectores han apostado por la tecnología big data y los modelos predictivos con el objetivo de gestionar grandes cantidades de datos, extraer conclusiones y hacer predicciones. ¿Cómo se puede aplicar esta tecnología a los servicios sociales?

Cada día, el mundo genera aproximadamente 328,77 millones de terabytes de datos, según un análisis de Market Splash de 2024. Durante los últimos años, el ritmo de crecimiento ha aumentado de manera exponencial. Desde 2010 hasta 2023, por ejemplo, la cantidad de datos generados ha incrementado su volumen el equivalente a 60 veces, aunque solo un 10% de estos datos son únicos, ya que el resto son informaciones duplicadas en la red.

En este contexto, la mayoría de los sectores están incorporando servicios de análisis de datos inteligentes para poder gestionar los datos, extraer conclusiones y hacer predicciones. Los servicios sociales no son una excepción. En los últimos años, el sector ha apostado por la tecnología big data con el objetivo de recopilar información en el ámbito sociosanitario y así poder actuar de manera preventiva, personalizada y eficiente. A continuación, exploraremos qué son el big data y los modelos predictivos, qué oportunidades presentan para los servicios sociales y qué iniciativas innovadoras ya se están llevando a cabo.

¿Qué es el big data?

En términos generales, podríamos definir el big data como un conjunto de datos que, por su gran volumen, no se pueden procesar ni gestionar con bases de datos de integración tradicionales. Más concretamente, encontramos que el big data se fundamenta en el paradigma de las 3 V:

• Volumen. Se trabaja con una gran cantidad de datos, que requieren nuevas técnicas de almacenamiento y nuevos enfoques.
• Variedad. Los datos provienen de diversas fuentes y formatos, como por ejemplo mensajes, videos, imágenes o emoticonos. Se necesitan, por tanto, herramientas que puedan descifrar todos los tipos de contenidos.
• Velocidad. El gran volumen de datos exige que estos sean procesados y analizados de forma rápida para evitar que los resultados queden desactualizados una vez descifrados.

Según el informe Big Data y su impacto en el sector público, coordinado por Chema Maroto, actualmente se pueden agregar cuatro características más:

• Variabilidad. Este rasgo se refiere a los datos que cambian constantemente su significado, algo particularmente aplicable en el caso del lenguaje, ya que las palabras no tienen significados estáticos y requieren contexto para ser entendidas. Este punto es uno de los principales retos del big data y demanda el diseño de programas de procesamiento capaces de entender cada contexto para descodificar el significado preciso de cada palabra.
• Veracidad. Los resultados que se extraen al procesar grandes cantidades de datos solo son útiles si los datos con los que se trabaja son exactos y veraces. Por eso resulta crucial tener en cuenta que a veces los datos pueden presentarse de manera desordenada, así como saber distinguir los errores y el exceso de ruido, es decir, todas aquellas informaciones falsas o no relevantes. Para llevar a cabo esta tarea, es necesario acompañar los algoritmos de supervisión humana profesional.
• Visualización. Otro desafío importante del big data es la capacidad de representar visualmente grandes cantidades de datos obtenidos. Ya no basta con los métodos tradicionales de representación de datos, sino que es necesario encontrar formas sencillas y accesibles de visualizar la información.
• Valor. El big data permite aportar valor añadido en las diferentes áreas donde se aplica. Por ejemplo, en el caso de los servicios sociales puede suponer un ahorro económico y de tiempo en la atención a los usuarios.

¿Qué son los modelos predictivos?

Una de las aplicaciones del análisis inteligente de datos es la creación de modelos predictivos. En el caso de los servicios sociales, estos modelos pueden ayudar a los profesionales a tomar mejores decisiones.

Un modelo predictivo es un tipo de modelo matemático que permite hacer predicciones en el futuro a partir de datos del pasado. A través de la tecnología big data y el machine learning (aprendizaje automático), se puede inferir cómo una variable se comportará en el futuro en función de otras variables ya conocidas.

Para implementar un modelo predictivo, en primer lugar, se deben preparar los datos para reducir al máximo el ruido y analizarlos. A continuación, se selecciona el modelo predictivo que se utilizará y el problema que se pretende resolver a través de él. Luego, se entrena y se valida el modelo para llegar a su implementación, que irá acompañada de un monitoreo que permita identificar posibles errores y mejoras. Es esencial asegurar la calidad de los datos que se introducen en el sistema, ya que de ellos dependerá la fiabilidad de los resultados obtenidos a partir del modelo.

Modelos predictivos big data y servicios sociales

La tecnología big data, en combinación con otras herramientas como la inteligencia artificial y el machine learning, permite analizar los datos del sistema de los servicios sociales para buscar patrones (repeticiones, anomalías o correlaciones) que normalmente son demasiado complejos para detectar de forma manual. Junto con otras fuentes de datos, esto nos puede permitir, por ejemplo, conocer anticipadamente la emergencia y la evolución de las necesidades de la población. En este sentido, los modelos predictivos pueden contribuir a hacer avanzar los servicios sociales en cuatro ámbitos importantes: prevención, personalización, planificación y eficiencia.

Según Big Data: What are the Implications for Public Sector Policy in Society 5.0 Era? (Fajar Rahmanto et al.), la combinación del big data y la inteligencia artificial permite obtener información que puede convertirse en un muy buen punto de partida en la toma de decisiones y en la mejora de los sistemas de automatización.

Sin embargo, es fundamental definir buenas políticas de seguridad a la hora de tratar con información personal y confidencial en el ámbito sociosanitario, ya que los datos con los que se trabaja son muy sensibles e íntimos.

Iniciativas

Actualmente, el sector social está llevando a cabo numerosas iniciativas que utilizan el big data para realizar predicciones y actuar de forma preventiva. A continuación, hacemos un recuento de algunas iniciativas que trabajan en esta línea:

• Proyecto PACT. En Castilla y León, el proyecto PACT utiliza un algoritmo desarrollado a partir de técnicas de big data y de aprendizaje automático capaz de prever el riesgo de exclusión social de los usuarios de los servicios sociales. A través de diez factores principales de riesgo, el modelo predictivo es capaz de decir cuáles de las personas que están solicitando la renta garantizada mínima continuarán necesitando esta prestación durante 60 meses o más. A través de una aplicación móvil, los profesionales tienen acceso a estas previsiones y pueden tomar mejores decisiones.
• Herramienta predictiva y descriptiva. En Cataluña, la Asociación Bienestar y Desarrollo (ABD), en colaboración con Momentum Analytics, ha desarrollado una herramienta predictiva a partir del big data y la inteligencia artificial que permite describir las características sociodemográficas y económicas de las familias del territorio con el objetivo de ayudar a los servicios sociales municipales a conocer mejor las necesidades reales actuales, predecir las futuras, dimensionar la cartera de servicios y planificar los recursos.
• One View. En el Reino Unido, el sistema One View analiza el conjunto de datos relacionados con servicios para adultos, infancia y personas sin hogar con el objetivo de identificar situaciones de riesgo existentes que pueden derivar en un futuro próximo en una situación de sinhogarismo. El modelo analítico incluye datos de ingresos, prestaciones y escuelas, y obtiene una visión general y completa de los ciudadanos y los hogares. El modelo tiene un enfoque preventivo y es capaz de detectar futuras situaciones de riesgo entre 6 y 9 meses antes de que ocurran.
• Crisis Text Line. Esta iniciativa estadounidense utiliza el machine learning y la inteligencia artificial para predecir situaciones de alto riesgo de suicidio o autolesión. El sistema se basa en el análisis de 30 millones de mensajes que los usuarios han enviado a través de una línea directa de prevención y es capaz de decir qué casos son más urgentes. Así, el 94% de las personas de alto riesgo reciben una intervención en menos de 5 minutos.
• L’Allegheny Family Screening Tool (AFST). También en Estados Unidos, este sistema de big data proporciona a los profesionales de los servicios sociales una evaluación objetiva de las situaciones de riesgo de desamparo infantil, a través de más de cien parámetros. Cuando se recibe un caso, el algoritmo calcula el índice de riesgo para orientar la actuación de los profesionales.

En conclusión, el big data y los modelos predictivos en los servicios sociales representan una herramienta interesante para mejorar la eficiencia, la personalización y la prevención en la atención a la población. La capacidad de procesar y analizar grandes cantidades de datos de manera rápida y precisa, así como generar modelos predictivos, permite a los profesionales anticipar necesidades, identificar situaciones de riesgo y tomar decisiones basadas en evidencias sólidas. Iniciativas como el proyecto PACT en Castilla y León, la herramienta predictiva de ABD en Cataluña y el sistema One View en el Reino Unido demuestran el impacto positivo de estas tecnologías en el ámbito sociosanitario. No obstante, es esencial implementar políticas de seguridad robustas para proteger la privacidad de los datos confidenciales y garantizar su veracidad. En definitiva, el big data y los modelos predictivos son clave para un futuro donde los servicios sociales sean más proactivos y efectivos en su misión de apoyo a las comunidades y a las personas.

Referencias

Albendea, G. L. (2021, 15 juliol). ‘Big data’: una herramienta de predicción útil para el sector social. Revista Haz. https://hazrevista.org/innovacion-social/2017/11/big-data-una-herramienta-de-prediccion-util-para-el-sector-social/ [08/07/2024]

Big data y su impacto en el sector público. (s. f.). Harvard Deusto Business Review. https://xodel.diba.cat/sites/xodel.diba.cat/files/big_data_y_su_impacto_en_el_sector_publico.pdf [08/07/2024]

Cicle de reflexió “Big Data i serveis socials”. (2019). Fundació iSocial. https://isocial.cat/cicle-de-reflexio-big-data-i-serveis-socials/ [08/07/2024]

Díaz, A. (2022, 28 diciembre). Modelos predictivos, que es, ejemplos y herramientas. Todo Bigdata. https://todobigdata.com/modelos-predictivos/modelos-predictivos-que-es-ejemplos-y-herramientas/ [17/04/24]

El Big Data al tercer sector. (2023, 8 març). Xarxanet – Entitats I Voluntariat de Catalunya Per un Món Millor. https://xarxanet.org/juridic/recursos/el-big-data-al-tercer-sector [08/07/2024]

ESADE Business & Law School. (2018, 2 octubre). La transformación digital en el Tercer Sector, retos y oportunidades. Cinco Días. https://cincodias.elpais.com/cincodias/2018/10/01/idearium/1538406345_325528.html [08/07/2024]

ESIC Business & Marketing School. (s. f.). Análisis predictivo: con Big Data el futuro no se predice, se cambia. ESIC. https://www.esic.edu/rethink/tecnologia/analisis-predictivo-big-data-futuro-no-se-predice-se-cambia [17/07/24]

Fundació iSocial. (2024, 19 juny). One View, sistema predictiu i preventiu de situacions de sensellarisme – Fundació iSocial. Innovació en. Fundació iSocial. https://isocial.cat/one-view-sistema-predictiu-i-preventiu-de-situacions-de-sensellarisme/ [08/07/2024]

Fundació iSocial. (2024, 19 juny). PACT, eina big data per preveure el risc d’exclusió social crònica – Fundació iSocial. Innovació en. Fundació iSocial. https://isocial.cat/pact-eina-big-data-per-preveure-el-risc-dexclusio-social-cronica/ [08/07/2024]

Fundació iSocial. (2024, juny 19). Eina predictiva de situacions de vulnerabilitat, per millorar la planificació dels Serveis Socials -. Fundació iSocial. https://isocial.cat/eina-predictiva-de-situacions-de-vulnerabilitat-per-millorar-la-planificacio-dels-serveis-socials/ [08/07/2024]

Fundació iSocial. (2024, juny 19). VioGén, sistema de seguiment integral de casos de violència masclista – Fundació iSocial. Innovació en. Fundació iSocial. https://isocial.cat/viogen-sistema-de-seguiment-integral-de-casos-de-violencia-masclista/ [08/07/2024]

Rahmanto, F., Pribadi, U., & Priyanto, A. (2021). Big Data: What are the Implications for Public Sector Policy in Society 5.0 Era. IOP Conference Series. Earth And Environmental Science, 717(1), 012009. https://doi.org/10.1088/1755-1315/717/1/012009 [08/07/2024]

Rodríguez, S. (2019, 31 julio). Claves para implantar un modelo predictivo. Big Data Magazine. https://bigdatamagazine.es/claves-para-implantar-un-modelo-predictivo/ [17/07/24]

Sesmero, J. M. M. (2015). Big data; application and use for the health system. DOAJ (Directory Of Open Access Journals), 39(2), 69-70. https://doi.org/10.7399/fh.2015.39.2.8835 [08/07/2024]

Song, T., & Ryu, S. (2015). Big Data Analysis Framework for Healthcare and Social Sectors in Korea. Healthcare Informatics Research, 21(1), 3. https://doi.org/10.4258/hir.2015.21.1.3 [08/07/2024]

Según UNICEF, se estima que más de 1.000 millones de NNA (niños, niñas y adolescentes) son víctimas de violencia en el mundo, con consecuencias profundas, duraderas y, a veces, mortales. ¿Cómo puede la innovación social acercarse a la protección de la infancia?

Protección a la infancia y la adolescencia

La protección de la infancia consiste en prevenir la explotación, el abuso, las prácticas nocivas y la violencia contra niños, niñas y adolescentes (NNA), así como actuar en caso de que se produzca alguna de estas situaciones. Esta protección está reconocida en la Convención sobre los Derechos del Niño (1989) y en los Objetivos de Desarrollo Sostenible (ODS). Según UNICEF, se estima que más de 1.000 millones de NNA son víctimas de violencia en el mundo, con consecuencias profundas, duraderas y, a veces, mortales. Los últimos datos de la OPS revelan que uno de cada dos niños entre dos y diecisiete años sufre algún tipo de violencia cada año. Además, según datos de Save the Children, una de cada dos víctimas de violencia sexual es un niño. En promedio, estas víctimas deben contar los hechos cuatro veces después de denunciarlos, y la duración media del proceso legal es de tres años. Además, siete de cada diez casos abiertos no llegan a juicio oral.

Según el estudio Vulnerabilidad y exclusión en la infancia, la exclusión social en la infancia es un proceso multidimensional que afecta diferentes ámbitos, como el residencial, el sociosanitario y el relacional. Además, este estudio identifica colectivos vulnerables y con mayor riesgo de exclusión, como los niños con discapacidad, los provenientes de etnias minoritarias o aquellos en situación de desprotección familiar.

En este artículo, exploraremos algunas propuestas y perspectivas innovadoras en el ámbito de la protección a la infancia que pretenden mejorar la respuesta de los servicios sociales y de las entidades sociales ante situaciones de vulnerabilidad infantil.

Espacios seguros para niños víctimas de violencia sexual: el modelo Barnahus

El Barnahus (casa de los niños en islandés) es un modelo innovador, multidisciplinario e interinstitucional que coordina las investigaciones penales y las evaluaciones de los servicios sociales en situaciones de abusos sexuales y violencia infantil y juvenil. Las unidades integradas, formadas por equipos especializados, tienen por objetivo evitar la revictimización de los niños y adolescentes y proporcionar toda la atención necesaria en un único centro. El propósito es situar a la víctima y su bienestar en el centro de los procesos, reducir el tiempo de espera para recibir ayuda y mejorar la eficacia y coordinación de la respuesta.

El modelo Barnahus evita que las víctimas tengan que pasar por juzgados, comisarías, hospitales y servicios de infancia. Los espacios tienen un aspecto acogedor y agradable que proporciona seguridad, comodidad y confianza a los niños y familias. El centro está abierto de lunes a viernes, de 9h a 19h, y está formado por un equipo multidisciplinario, con profesionales de diferentes ámbitos de la Administración, como el sector de la salud, los servicios sociales o el judicial.

Originalmente, el National Children’s Advocacy Centre de los Estados Unidos desarrolló el modelo Barnahus y Reikiavik fue la primera ciudad europea en aplicarlo, en 1998. En Islandia, según Save The Children, después de extender el modelo Barnahus por el territorio, las condenas por abuso y violencia a menores se han duplicado y las acusaciones se han triplicado. En Cataluña, la Generalitat inició una prueba piloto en Tarragona, en 2020, que fue pionera en el resto del Estado español. Después de la buena acogida del centro, se han abierto otras unidades en diferentes localidades catalanas, como La Seu d’Urgell, Terrassa (ambas gestionadas por Intress), Granollers (Fundación Idea) y Barcelona (FASI), entre otras.

Desinstitucionalización

En España, en 2021, había 48.357 niños, niñas y adolescentes en situación de institucionalización, según un estudio del proyecto EDI (Estudio Desinstitucionalización) en colaboración con el Ministerio de Derechos Sociales, Consumo y Agenda 2030. Por otro lado, el informe Desinstitucionalización del sistema de protección a la infancia y la adolescencia (Síndic de Greuges, 2023) asegura que, en Cataluña, hay 32.481 niños y adolescentes –el 2,4 % del total– que viven con su familia, pero no reciben una atención adecuada para garantizar su desarrollo y bienestar óptimos.

La institucionalización infantil es una medida administrativa protectora ante una situación que supone un riesgo para un menor en el seno de su familia. Como consecuencia, la tutela del niño recae en la Administración Pública y las diferentes entidades sociales se hacen cargo de la guarda, a través de centros de acogida, pisos de transición a la vida adulta o centros residenciales, entre otros. Según el informe del Síndic de Greuges, el sistema de protección a la infancia y la adolescencia no solo tiene la función de evitar situaciones de maltrato o de garantizar la seguridad de los menores una vez se han producido estas, sino que también trabaja en dos líneas fundamentales:

• Prevención: La manera más eficiente de proteger la infancia es a través de medidas de apoyo a las familias, tanto en el plano material como psicosocial, para apoyarlos en el ejercicio de las funciones parentales.
• Priorizar el retorno del niño a su núcleo familiar: A través del acompañamiento a las familias, es importante tener como objetivo principal la superación de la situación de desamparo que ha generado la separación.

En este sentido, el informe propone evolucionar de la perspectiva basada en “separar para proteger” a un sistema basado en “prevenir para proteger” y “proteger para el retorno”. Sin embargo, en este proceso de institucionalización, hay derechos que pueden entrar en contradicción. El EDI considera que, al articular el sistema de protección, a menudo no se prioriza el interés superior de los NNA. Como consecuencia, la institucionalización provoca marginación y restricciones sociales, psicológicas y físicas, entre otras. El modelo de la desinstitucionalización es un proceso que apuesta por transformar los servicios de atención a las personas en situación de vulnerabilidad, acompañándolas en su día a día y haciendo un seguimiento sin necesidad de centralizar la atención en las instituciones. En el caso de la protección a la infancia, esta perspectiva trabaja para avanzar hacia un sistema que ponga en el centro los derechos de los niños e involucre a las familias como elemento imprescindible para garantizar el bienestar de los menores, con una visión preventiva.

Según el EDI, es necesario un cambio cultural profundo para poder implementar exitosamente políticas públicas basadas en los derechos de los niños. En este sentido, es fundamental que los profesionales reciban formación específica para promover la equidad, la justicia y el bienestar de los menores, así como crear modelos de atención personalizados que prioricen la dignidad, la autonomía y la evolución de los niños. Otra medida clave, tal como señala el estudio, consiste en incluir auditorías éticas como complemento de los instrumentos de inspección y control, para especificar los derechos que entran en colisión, los estándares deseables y los sistemas de gestión y mejora enfocados en el interés superior de los NNA.

En todo el mundo también se está trabajando en esta línea. En Italia, el programa P.I.P.P.I (Programa de Intervención para la Prevención de la Institucionalización) busca reducir la institucionalización de los niños en familias vulnerables, a través de un conjunto de acciones que atienden las necesidades de los niños. Por ejemplo, mediante la atención domiciliaria intensiva, la realización de actividades grupales con otras familias y el trabajo conjunto con maestros y trabajadores sociales.

De manera similar, el proyecto Youth and Family Office, en Austria, acompaña a familias vulnerables durante el proceso de crianza a través de asesoramiento flexible adaptado a cada caso concreto. A través de un enfoque donde los niños y la familia se encuentran en el centro, se busca evitar la institucionalización.

Por otro lado, la entidad escocesa Aberlour, mediante el programa Intensive Perinatal Support Service, trabaja para maximizar las posibilidades de que los bebés puedan permanecer de manera segura en sus familias. El proyecto acompaña a las madres durante el periodo de gestación y el primer año del bebé, y ofrece apoyo en la preparación para la llegada del bebé a casa, en la recuperación del abuso de sustancias y en la creación del vínculo familiar, entre otros servicios.

Herramientas tecnológicas

En el ámbito de la innovación social, la tecnología permite crear herramientas eficientes para dar respuesta a diferentes problemáticas sociales. En el caso de la protección a la infancia y la adolescencia en riesgo, existen numerosas iniciativas que combinan los conocimientos tecnológicos con la perspectiva social. A continuación, recogemos cuatro proyectos innovadores en este ámbito:

• Rafiki (Sos Children’s Villages): Rafiki es una herramienta que utiliza la inteligencia artificial para apoyar a los profesionales que cuidan niños y jóvenes. Se trata de una aplicación que incluye un asistente digital configurado para responder preguntas en tiempo real, con enlaces para ampliar los conocimientos. De esta manera, los trabajadores sociales pueden tomar mejores decisiones, adaptadas a su contexto. Los ámbitos que abarca son diversos, como la crianza, la salud mental, la protección o el apoyo psicosocial. La aplicación se ha implementado en países como Malaui, Nigeria y Sudáfrica.
• Primero (UNICEF): Primero es una plataforma con tecnología de código abierto que recopila y gestiona datos de los niños que se encuentran en contextos de emergencia migratoria con el objetivo de ayudar a los trabajadores sociales a gestionar los datos relacionados con la protección de la infancia. Las herramientas facilitan la gestión de casos, el seguimiento de incidentes, el rastreo de niños migrantes y el reagrupamiento familiar.
• Kanjo (Ayuntamiento de Andoain): Kanjo es una aplicación que registra a través de una tableta y de manera sistemática el estado emocional de los adolescentes. Posteriormente, un algoritmo analiza los patrones emocionales con el fin de detectar precozmente los casos de riesgo. La función y el objetivo principal del programa es apoyar a los niños y adolescentes en el aprendizaje de la gestión emocional, así como prevenir casos de riesgo y vulnerabilidad.
• AFST (Allegheny County): El Allegheny Family Screening Tool (AFST) es un sistema de Big Data que proporciona a los profesionales de los servicios sociales una evaluación objetiva de las situaciones de riesgo en el desamparo infantil. La herramienta, basada en algoritmos capaces de interrelacionar una gran cantidad de datos, permite detectar casos de manera preventiva y activar protocolos de intervención social.
• FLAPP! (Fundació iSocial): Flapp! es una plataforma digital dirigida a adolescentes y jóvenes de entre 16 y 23 años en situaciones de fragilidad social y con necesidades de acompañamiento. La aplicación incluye herramientas de apoyo que potencian su autonomía en el proceso de emancipación. Entre otros recursos, incluye una caja fuerte digital, un botón de alarma y un chat que permite a los jóvenes conectarse con sus profesionales de referencia sin que ninguno de los dos use su número de teléfono personal. Estas herramientas permiten a los servicios sociales y entidades establecer un canal de comunicación con los jóvenes y acompañarlos con más garantías.

La protección a la infancia abarca diferentes ámbitos de intervención en los servicios sociales y es importante que los profesionales los conozcan todos para dar una respuesta coordinada a las necesidades de los niños y adolescentes. En este sentido, los casos que hemos visto en este artículo son un ejemplo de este acercamiento interdisciplinario y multifactorial. Por un lado, el modelo Barnahus mejora la eficiencia a la hora de gestionar casos de abusos sexuales infantiles a través de la coordinación entre servicios diversos; por otro, la desinstitucionalización es una perspectiva que sitúa el bienestar de los niños en el centro y trabaja para prevenir y reducir las situaciones de desarraigo; y finalmente, las diferentes herramientas tecnológicas brindan instrumentos útiles para avanzar hacia un sector social más eficiente e innovador, capaz de afrontar los nuevos retos de la sociedad actual.

Referencias

Barnahus en España. (s. f.). Children’s Rights. https://www.coe.int/es/web/children/barnahus-spain [04/06/24]

Barnahus, servei d’atenció a infants víctimes d’abusos sexuals. (2024, 22 febrero) Fundació iSocial. https://isocial.cat/barnahus-servei-atencio-infants-victimes-abusos-sexuals/ [04/06/24]

Estrategia de protección de la infancia. (s. f.). UNICEF. https://www.unicef.org/es/documents/estrategia-de-protecci%C3%B3n-de-la-infancia#:~:text=La%20protecci%C3%B3n%20infantil%20es%20la%20prevenci%C3%B3n%20y%20la,del%20Ni%C3%B1o%20y%20los%20Objetivos%20de%20Desarrollo%20Sostenible [04/06/2024]

Estrategia estatal de desinstitucionalización. (2023, 18 diciembre). Estrategia estatal de desinstitucionalización. https://estrategiadesinstitucionalizacion.gob.es/ [04/06/24]

El modelo Barnahus. (s. f.). Save The Children. https://www.savethechildren.es/modelo-barnahus [04/06/24]

Emantik, servei de detecció i atenció del malestar infantil i adolescent. (2022, 21 de abril) Fundació iSocial. https://isocial.cat/emantik-servei-de-deteccio-i-atencio-del-malestar-infantil-i-adolescent/ [04/06/24]

Infancia y juventud. (s.f). Proyecto EDI. https://estudiodesinstitucionalizacion.gob.es/infancia-y-juventud/ [04/06/24]

Ocón, J. (2006, noviembre). Normativa internacional de protección de la infancia. Cuadernos de Trabajo Social. https://www.researchgate.net/publication/27591862_Normativa_internacional_de_proteccion_de_la_infancia [04/06/2024]

Picontó, T. (2016, 22 de junio). Fisuras en la Protección de los Derechos de la Infancia. Cuadernos Electrónicos de Filosofía del Derecho. https://zaguan.unizar.es/record/64536/files/texto_completo.pdf [04/06/2024]

Primero, plataforma digital per a la protecció de la infància en contextos migratoris (2022, 7 de junio). Fundació iSocial. https://isocial.cat/primero-plataforma-digital-per-a-la-proteccio-de-la-infancia-en-contextos-migratoris/ [04/06/24]

Proyecto EDI. (s.f). Estudio sobre los procesos de desinstitucionalización y transición hacia modelos de apoyo personalizados y comunitarios: Niños, niñas y adolescentes. Observatorio de la Infancia. https://www.observatoriodelainfancia.es/oia/esp/descargar.aspx?id=8553&tipo=documento [04/06/24]

Rafiki uses artificial intelligence to support child and youth care practitioners. (2022, 17 de mayo). Sos Children’s Villages. https://www.sos-childrensvillages.org/news/rafiki-digital-care-assistant [04/06/24]

Síndic de Greuges. (2023, noviembre). Desinstitucionalització del sistema de protecció a la infància i l’adolescència. https://www.sindic.cat/site/unitFiles/9755/Informe%20centres%20de%20proteccio%20sencer_cat.pdf [11/06/24]

Violencia contra las niñas y los niños. (2023, 6 junio). OPS/OMS | Organización Panamericana de la Salud. https://www.paho.org/es/temas/violencia-contra-ninas-ninos [04/06/24]

Vulnerabilidad y Exclusión en la Infancia. (s. f.). UNICEF España. https://www.unicef.es/publicacion/vulnerabilidad-y-exclusion-en-la-infancia [04/06/24]