miércoles, 10 de febrero de 2016

La ayuda computacional en mejorar el sistema penal

Proyecto de datos "Ley, orden y algoritmos" de ingenieros de Stanford tiene como objetivo identificar el sesgo en el sistema de justicia penal
Un equipo de ingenieros utiliza herramientas de análisis computacionales para raspar la información de incidentes relacionados con la policía para revelar la discriminación y reducir el crimen.

Por Edmund L. Andrews - Stanford News



Estudiantes graduados de Stanford Sam Corbett-Davies, izquierda, y Camelia Simoiu, Profesor Adjunto Sharad Goel y profesor visitante Ravi Shroff han examinado millones de incidentes de la policía para identificar el sesgo en el sistema de justicia criminal.

Si los futuros estudiosos de la historia de Estados Unidos de 2015 recordarán un tema definitivo, bien podría ser el escándalo público que se levanta sobre los encuentros desagradables y, a menudo fatales entre la policía y los ciudadanos negros.

El tiroteo de la policía de Michael Brown en Ferguson, Missouri, junto con videos de homicidios de la policía en la ciudad de Nueva York, Cleveland y Chicago, encendió el movimiento Negro Vive la materia. vídeos igual de gráficos de Tejas - de un desbaste oficial de policía a las niñas adolescentes en una fiesta en la piscina o del agente que amenazó con usar un Taser en Sandra Bland después de tirar de ella sobre por no señalar un cambio de carril - intensificaron los cargos que la policía injustamente objetivo africana americanos y otras minorías.

Como prensión de este tipo de incidentes son, todavía ascienden a anécdotas individuales que pueden dirigir una narrativa. Para proporcionar un análisis imparcial, basada en datos de tales problemas, los investigadores de la Facultad de Ingeniería de la Universidad de Stanford han puesto en marcha lo que ellos llaman el Proyecto de Project on Law, Order & Algorithms.

El proyecto está dirigido por el científico social computacional Sharad Goel, profesora asistente de ciencias de la administración y la ingeniería. También imparte un curso en Ingeniería de Stanford que explora la intersección de las cuestiones científicas datos y la política pública en torno a la actuación policial.

Entre otras actividades, el equipo de Goel está construyendo una gran base de datos abierta de 100 millones paradas de tráfico de las ciudades y pueblos de todo el país. Los investigadores ya se han reunido datos sobre unos 50 millones de paradas de 11 estados, registrando datos básicos acerca de la parada - hora, fecha y lugar - además de los datos demográficos disponibles que no revele la identidad de un individuo. Estos datos demográficos podrían incluir raza, sexo y edad de la persona.

Basándose en su trabajo hasta el momento, la Fundación Knight recientemente galardonado con el equipo de una subvención de $ 310,000 al menos el doble del tamaño de la base de datos, la compilación de datos de hasta 40 estados, que se remonta cinco a 10 años.

El proyecto en curso tiene varios propósitos. La primera y más tópica objetivo es producir un método estadístico para evaluar si la policía discriminan a las personas sobre la base de raza, etnia, edad o sexo, y, en caso afirmativo, con qué frecuencia y en qué circunstancias. Un segundo pero igualmente importante propósito es ayudar a las fuerzas del orden diseñar prácticas que son más equitativo y eficaz en la reducción de la delincuencia.

En última instancia, Goel y sus colegas planean tomar el know-how que se han adquirido a través de su análisis de las paradas de tráfico y crear un conjunto de herramientas de software que otros podrían utilizar para adquirir datos de los gobiernos municipales o del condado y realizar análisis similares. Su idea es permitir que otros investigadores académicos, periodistas, grupos comunitarios y los departamentos de policía para hacer el mismo tipo de minería de datos que hoy requiere la experiencia de los investigadores experimentados como los miembros del equipo de Goel.

¿Precinto o perjuicio?

El apetito del público por los datos precisos y completos ha aumentado considerablemente. A raíz de la muerte de Michael Brown en Ferguson, el Departamento de Justicia de EE.UU. llegó a la conclusión de que la policía de Ferguson habían dirigido habitualmente a los negros y frecuentemente violados sus derechos civiles. Afroamericanos representaron dos tercios de la población de Ferguson, pero el 85 por ciento de todo el tráfico se detiene, el 90 por ciento de todas las entradas y el 93 por ciento de todas las detenciones. A nivel estatal, un informe separado por el fiscal general de Missouri, como se describe en el New York Times, la policía encontró que eran 75 por ciento más probabilidades de dejar de conductores negros que los blancos.

"Técnicamente, gran parte de esto ya es información pública, pero a menudo no son fácilmente accesibles, y el análisis tanto, incluso cuando se dispone de los datos, no ha habido", dijo Goel.

Cuando los investigadores hacen tomar una inmersión profunda en los datos, los resultados pueden ser tan reveladora para los departamentos de policía como lo son para grupos de la comunidad.

En un nuevo estudio de las políticas de parada y registrar la Ciudad de Nueva York, "Recinto o prejuicio," Goel y dos colegas encontraron que la policía estaba de hecho paradas y registros negros e hispanos a tasas desproporcionadas. Centrándose en unos 760.000 paradas en las que los agentes de policía paró y registró a las personas bajo la sospecha de que sostiene un arma ilegal, los investigadores encontraron que los afroamericanos que habían sido detenidos fueron significativamente menos propensos a tener un arma que los blancos que habían sido detenidos.

Cuando los investigadores analizaron los datos para descubrir por qué, se encontraron con que la mayor razón de la disparidad racial fue el hecho de que la policía centraron sus esfuerzos parada y registrar en recintos de alta criminalidad fuertemente pobladas por minorías. Sin embargo, incluso después de ajustar por los efectos de la ubicación, se encontraron con que los negros y los hispanos fueron detenidos una cantidad desproporcionada de tiempo.

Quizás el hallazgo más importante en "Precinto o prejuicio", sin embargo, fue que la policía de Nueva York podrían haber recuperado la mayoría de las armas mediante la realización de sólo una pequeña fracción de las operaciones de parada y registrar. El análisis de una larga lista de factores que los agentes de policía citados como razones para detener y cachear a las personas, los investigadores encontraron que sólo un puñado tenía ningún valor predictivo. Aprovechando toques de "movimiento furtivo", por ejemplo, era casi inútil.

De hecho, los investigadores llegaron a la conclusión, si la policía se había llevado a cabo las operaciones de parada y registrar basado en sólo tres factores - un bulto sospechoso, un objeto sospechoso, y la vista o el sonido de la actividad criminal - que podrían haber encontrado más de la mitad de todos las armas sí encontraron con sólo un 6 por ciento mayor número de paradas.

La predicción de la delincuencia

Goel es muy consciente de que las tecnologías para "modelado predictivo", tales como el uso de datos para predecir si una persona es probable que vuelva a cometer un crimen violento, puede tener un lado frío. Sin embargo, señala que un riguroso ensayo controlado aleatorio de una herramienta de predicción utilizado por las autoridades de libertad condicional Filadelfia apareció para hacer la vida más fácil para personas en libertad condicional sin aumentar su riesgo de re-violación.

"Hay todo tipo de maneras que esto puede salir mal", advirtió Goel. "Por otra parte, esto puede ser una situación de ganar-ganar Todo el mundo quiere reducir el crimen de una manera que es de apoyo de la comunidad Nos gustaría ayudar a los organismos encargados de hacer cumplir la ley a tomar mejores decisiones -.., Decisiones que son más equitativa, eficiente y transparente ".

Más allá de la construcción de la base de datos de controles de tráfico, Goel y sus colegas están usando herramientas estadísticas para mejorar otros aspectos del sistema judicial. En un esfuerzo, los investigadores están trabajando con el fiscal de distrito de una gran ciudad para mejorar las prácticas de detención preventiva. En muchos casos, las personas detenidas por delitos menores no pueden permitirse el lujo de pagar la fianza y permanecer atrapado en la cárcel por semanas mientras esperan el juicio.

"Me he quedado sorprendido por todo el interés en el campus en este enfoque computacional para la justicia criminal", dijo Goel. "En mi Ley, Orden y Algoritmos clase, los estudiantes de los departamentos de toda la universidad están trabajando juntos en proyectos que abordan algunos de los problemas más acuciantes en el sistema de justicia penal, desde la detección de la discriminación a la mejora de las resoluciones judiciales."

No hay comentarios:

Publicar un comentario en la entrada