家庭心理健康／兒少教育／拒學與出席困難／照顧者壓力／公共支持
生命展現實驗室｜孩子不去學校，是母親憂鬱造成的嗎？兩項出生世代研究為何提醒學校先停止責怪家長？
兩項英國出生世代研究顯示，孩子較早出現的出席困難與母親後續憂鬱症狀有關，反向路徑卻未獲支持。這不是新的責任判決，而是要求學校把責備改成共同評估與家庭支持。
王莉如｜諮商心理師督導
AI 輔助生成或整理的紀實概念影像；不指認真實人物或研究現場，畫面未加入生成文字。
# 生命展現實驗室｜孩子不去學校，是母親憂鬱造成的嗎？兩項出生世代研究為何提醒學校先停止責怪家長？
作者：王莉如｜諮商心理師督導
本文把來源支持的事實、編輯分析與台灣／地方可能的借鏡分開處理。證據邊界是：觀察性縱向資料不能排除家庭經濟、孩子健康、校園環境等共同因素；不得把母親寫成唯一照顧責任者或拒學原因。
先回答標題：研究沒有證明母親造成孩子不去學校
這項新研究最重要的貢獻，不是找出一個可以被責怪的人，而是檢查時間順序。研究團隊使用兩個英國前瞻性出生世代：ALSPAC 分析樣本為六千三百七十五人，WCHADS 為七百一十八人。前者比較孩子約六、八、十一歲的資料，後者比較七歲與九歲的資料。兩組分析都顯示，較早出現的出席相關困難與母親之後較高的憂鬱症狀有關；較早的母親憂鬱症狀，則沒有預測孩子之後的出席困難。這支持「照顧出席困難可能增加心理負荷」的方向，並不等於每個家庭都會如此。
標題若被縮成「拒學害媽媽憂鬱」，仍然錯了。研究測量的是群體中的統計關聯，不是對單一孩子下因果判決；而且 ALSPAC 使用由問卷組成的學校逃避與分離焦慮代理指標，WCHADS 使用較廣的出席困難指標。兩個資料集的測量工具、年代與家庭背景不同，研究者能檢驗時間先後，卻不能把校園霸凌、特殊教育需求、慢性病、經濟壓力、交通、住房或照顧分工全部控制乾淨。因此正確讀法是：常見的「先假定母親心理狀況導致孩子缺席」敘事缺乏這兩組縱向結果支持。
出席困難不是一個診斷，也不是單一行為
孩子早上說肚子痛、在校門前恐慌、反覆遲到、到校後要求回家、只在特定課程缺席，背後可能是完全不同的機制。有些孩子害怕與照顧者分離，有些害怕同儕評價、噪音、感官刺激或校園衝突；也有人因睡眠、身體疾病、家庭照顧責任或交通問題無法穩定到校。把所有情形都叫作「拒學」，容易讓制度只看見服從與否，忽略孩子正在傳達的功能性訊號。第一步應是問「什麼時候最難、在什麼場景發生、孩子想避開什麼、什麼條件下比較能參與」，而不是先追問誰沒有盡責。
出席率仍然重要，但數字只能提示需要理解，不能代替理解。連續缺席、遲到增加、身體不適集中在上學日、週日晚間明顯焦慮、學習或社交功能下降，都可以成為溫和接觸的起點。學校若只在缺席達到處罰門檻後才介入，家庭往往已經耗盡請假、陪伴、工作調整與就醫資源。更好的做法是以小變化啟動協作：先確認安全與健康，再盤點課堂、人際、交通和家庭壓力，和孩子一起設定可調整的返校步驟。
母親被測量，不代表母親是唯一照顧者
出生世代資料常因歷史設計而長期追蹤母親，這是一個測量事實，不是家庭倫理的規範。研究沒有比較所有父親、祖父母、手足、寄養家庭或其他主要照顧者，也不能推論照顧責任自然屬於母親。若政策只提供「母職教育」，一方面會漏掉真正承擔照顧的人，另一方面也會把制度缺口重新私有化成女性責任。應將研究訊息翻譯為「照顧系統需要支持」，包括彈性工作、喘息、心理諮詢、個案協調、醫療與教育間的轉介，而不是把母親當成風險欄位。
研究也沒有說母親心理健康不重要。若照顧者已經有憂鬱、焦慮或耗竭，仍需要可近、保密且不以懲罰為前提的協助；只是不能據此倒推孩子的出席困難必然由家庭造成。當家庭說法與群體平均不同時，個案團隊應把差異當成新資訊：也許孩子的困難先於照顧者症狀，也許兩者受第三項因素影響，也可能彼此循環。承認多條路徑，才能讓支持落在實際需要，而非落在最容易被行政系統辨識的人身上。
從通告改成關係：學校可以先做什麼
英國教育部的溝通指引強調，訊息要連結孩子在校的歸屬、友誼與日常經驗，並依年齡、特殊教育需求和既有出席型態調整。這不表示一封友善簡訊就能解決複雜缺席；指引也指出，當原因更複雜時，溝通必須嵌入更深的關係建立與支持。實務上可先指定一名穩定聯絡人，避免家庭每天向不同窗口重述；提供安靜抵達點、彈性入校時段、分段課表或可信任成人；同時約定何時檢視，而不是把暫時調整變成無期限放置。
有害做法通常具有共同特徵：只寄制式警告、不讓孩子說明、在同儕前點名、把家長的求助記成不合作、用罰款或轉介威脅交換出席，或要求一次恢復全日課表才算成功。這些做法可能暫時改善表面數字，卻增加羞恥、隱瞞與斷聯。支持計畫應同時記錄孩子感受、可參與的時段、觸發情境、有效調整與照顧者負荷，並明確說明資料用途和分享範圍。
資料進入 AI 與校務系統時，不能把脈絡壓成風險分數
出席資料看似客觀，其實包含大量制度選擇：遲到如何計算、身體不適是否被承認、遠距參與算不算出席、哪一位成人的陳述被記錄、特殊需求是否有合理調整。若把這些紀錄交給模型預測「高風險家庭」，錯誤標籤可能沿著輔導、福利甚至司法流程擴散。最低限度應採目的限制、最小蒐集、角色權限、存取紀錄、保存期限、人工覆核與申訴更正；心理健康資料不應默認成為全校可見欄位，也不能拿來訓練未經同意的模型。
系統還必須保存事件前後文與不確定性。例如「缺席五天」應能連到醫療、交通、霸凌通報或已核准調整，而不是只留下紅色警示；模型輸出要顯示資料日期、缺漏與可能偏差，不能假裝是診斷。孩子與照顧者需要知道誰看過資料、判斷如何形成、如何補充自己的版本。真正有用的數位工具，是讓跨專業團隊較少遺漏承諾和追蹤事項，而不是自動決定誰值得被相信。
台灣情境：借用支持原則，不搬運英國因果
英國出生世代的結果不能直接外推為台灣各級學校的盛行率或因果比例。兩地在請假規定、升學壓力、輔導資源、家庭工作型態、城鄉交通與社會安全網上都有差異。台灣若要應用，應先建立自己的多來源資料與參與式研究：讓學生、照顧者、導師、輔導人員、特教與醫療服務共同定義出席困難，並把校園氣候、交通與服務等待時間納入。政策評估不能只看出席率回升，也要看焦慮、歸屬、家庭負荷、持續參與與轉介可近性。
這篇文章可以支持一個清楚的公共選擇：看到出席困難時，先提供理解與協調，再討論責任；先處理安全、健康與障礙，再使用制裁。它不能支持「所有缺席都與母親無關」或「孩子造成母親憂鬱」這類反向簡化。研究最有價值的地方，是把制度從熟悉的責備路徑拉回可檢驗的問題：我們是否及早發現？是否讓孩子有安全的表達方式？是否讓所有照顧者取得支持？是否把學校本身可能造成的困難也放進評估？
資料來源與延伸閱讀
角色驅動追問
原傳媒AI｜依你的角色繼續追問
先選擇角色，再閱讀該角色可能提出的完整問題；點選後，原傳媒AI 會以逐字顯示方式呈現完整回覆。
先選擇角色
出席困難的學生
從出席困難的學生的位置檢視證據邊界、治理責任、資料權限與可執行步驟。
再選擇問題
AI 使用與內容安全揭露
本文由作者審查後發布；AI 協助整理公開來源、格式與角色問答。來源支持的事實、編輯分析與地方應用分別說明。
Newsletter
喜歡這篇文章？
訂閱原傳媒AI電子報，每日接收AI、傳統知識與雙向知識更新。