因程序正義停滯：利用排隊模型提升 SNAP 申請通道
arXiv - Computers and SocietyAndrew Daw, Chloe Pache, Angela Zhou
本文提出排隊模型評估並改善 SNAP 呼叫中心的存取效率，避免程序正義違規。
AI 幫你先抓重點
AI 重點 1
內生擁堵（重撥與放棄）是導致程序正義違規的關鍵因素。
滑鼠懸停看 AI 判斷理由
傳統模型忽略此因素，導致人力配置不足，進而造成申請人無法完成面談，違反程序正義。了解內生擁堵可幫助設計更精準的資源分配與流程調整。
AI 重點 2
排隊模型可在實施前預測不同人力與服務策略的效能，為政策制定提供量化依據。
滑鼠懸停看 AI 判斷理由
透過模型可評估調整人力、延長服務時間或改進面談流程對申請通道的影響，降低拒絕率，確保公平存取。
核心研究發現
- 1
SNAP 呼叫中心擁堵導致近一半申請被拒，原因是申請人無法完成必要面談，屬程序性失敗。
- 2
傳統 Erlang‑A 模型忽略內生擁堵，導致人力配置不足，無法滿足實際需求。
- 3
作者利用流體近似推導穩態指標，量化綜合人力與服務變更對通道效能的影響。
- 4
將模型參數擬合至法院公開的呼叫中心數據，證實模型能準確描述實際擁堵行為。
對教育工作者的啟發
此研究提供一套可量化評估 SNAP 呼叫中心人力配置與服務流程的工具。實務工作者可先利用模型預測不同人力配置（如增加客服人數、延長服務時間）對平均等待時間、放棄率及程序性拒絕率的影響，進而制定最適化的資源分配方案。模型亦能追蹤重撥與放棄行為，協助調整自動化流程或提供更靈活的面談方式，減少因擁堵造成的程序正義違規。透過定期更新模型參數並結合實際數據，機構能持續監測效能，快速調整策略，確保申請人能在合理時間內完成申請流程，提升服務公平性與效率。
原始文獻資訊
- 英文標題：
- Due Process on Hold: A Queueing Framework for Improving Access in SNAP
- 作者：
- Andrew Daw, Chloe Pache, Angela Zhou
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。