L'apprendimento del computer può aiutare a ridurre la violenza domestica ripetuta

Un nuovo studio ha scoperto che l'utilizzo dell'analisi dei dati e dell'apprendimento tramite computer in una causa per analizzare le possibilità di ripetuti episodi di violenza domestica ha ridotto della metà i nuovi casi, portando a più di 1.000 arresti in meno all'anno in una grande area metropolitana.

Dopo un arresto, la prima comparizione in tribunale è di solito la causa preliminare, quando un giudice o un magistrato decide se rilasciare il sospettato o trattenerlo in carcere, in base alla probabilità che la persona torni in tribunale o commetta nuovi crimini.

Gli arraignment sono generalmente molto brevi, con decisioni basate su dati limitati. Tuttavia, Drs. Richard Berk e Susan B. Sorenson dell'Università della Pennsyvania hanno scoperto che l'uso di previsioni informatiche in questi procedimenti può ridurre drasticamente i successivi arresti per violenza domestica.

“Un gran numero di decisioni di giustizia penale per legge richiedono proiezioni del rischio per la società. Queste minacce sono chiamate "pericolosità futura" ", ha affermato Berk, professore di criminologia e statistica presso la Penn's School of Arts & Sciences e la Wharton School.

“Molte decisioni, come le denunce, sono una specie di presa di posizione. La domanda è se possiamo fare di meglio e la risposta è sì, possiamo. È una barra molto bassa. "

Per i crimini di violenza domestica tra partner intimi, genitori e figli, o anche fratelli, c'è in genere una minaccia per una persona in particolare, ha detto Sorenson, professore di politica sociale presso la School of Social Policy & Practice della Pennsylvania che dirige anche l'Evelyn Jacobs Ortner Center sulla violenza familiare.

"Non è un problema di sicurezza pubblica generale", ha detto. "Con un'accusa di violenza domestica, diciamo che un ragazzo - e di solito è un ragazzo - viene arrestato per questo ed è in attesa di processo. Non ha intenzione di aggredire una donna a caso. Il rischio è di una nuova aggressione della stessa vittima. "

Per capire come l'apprendimento del computer potrebbe aiutare nei casi di violenza domestica, Berk e Sorenson hanno ottenuto dati da oltre 28.000 denunce per violenza domestica tra gennaio 2007 e ottobre 2011. Hanno anche esaminato un periodo di follow-up di due anni dopo il rilascio terminato nell'ottobre 2013. .

Secondo gli scienziati, un computer può "apprendere" quali tipi di individui rischiano di recidivare. Per questa ricerca, i 35 input iniziali includevano età, sesso, precedenti mandati e condanne e posizione residenziale.

Questi punti dati aiutano il computer a comprendere le associazioni appropriate per il rischio previsto, offrendo informazioni aggiuntive a un funzionario del tribunale che decide se rilasciare un autore di reato.

"In tutti i tipi di impostazioni, avere il computer a capirlo è meglio che farlo capire a noi", ha detto Berk.

Questo non vuol dire che non ci siano ostacoli al suo utilizzo, ha osservato.

Il numero di previsioni errate può essere inaccettabilmente alto e alcune persone si oppongono in linea di principio all'utilizzo di dati e computer in questo modo. A entrambi questi punti, i ricercatori rispondono che l'uso del computer - quello che chiamano apprendimento automatico - è semplicemente uno strumento.

"Non prende le decisioni per le persone in alcun modo", ha detto Sorenson. Queste scelte "potrebbero essere informate dalla saggezza maturata in anni di esperienza, ma è anche saggezza che è maturata solo in quell'aula di tribunale. L'apprendimento automatico va oltre un'aula di tribunale per una comunità più ampia ".

In alcuni contesti di giustizia penale, l'uso dell'apprendimento automatico è già di routine, anche se diversi tipi di decisioni richiedono diversi set di dati da cui il computer deve imparare, hanno osservato i ricercatori. Le tecniche statistiche sottostanti, tuttavia, rimangono le stesse, hanno aggiunto.

I ricercatori della Pennsylvania ritengono che l'apprendimento automatico possa migliorare le pratiche attuali.

“Gli algoritmi non sono perfetti. Hanno difetti, ma ci sono dati in aumento che dimostrano che hanno meno difetti rispetto ai modi esistenti in cui prendiamo queste decisioni ", ha detto Berk.

"Puoi criticarli - e dovresti perché possiamo sempre migliorarli - ma, come diciamo, non puoi lasciare che il perfetto sia il nemico del bene."

Lo studio è stato pubblicato in Il Journal of Empirical Legal Studies.

Fonte: University of Pennsylvania