El aprendizaje informático puede ayudar a reducir la violencia doméstica repetida
Un nuevo estudio descubrió que el uso del análisis de datos y el aprendizaje por computadora en una lectura de cargos para analizar las posibilidades de que se repita un incidente de violencia doméstica redujo los casos nuevos a la mitad, lo que llevó a más de 1,000 arrestos menos anualmente en una gran área metropolitana.
Después de un arresto, la primera comparecencia ante el tribunal suele ser la lectura de cargos preliminar, cuando un juez o magistrado decide si liberar al sospechoso o mantenerlo en la cárcel, en función de la probabilidad de que la persona regrese al tribunal o cometa nuevos delitos.
Las anotaciones suelen ser muy breves y las decisiones se basan en datos limitados. Sin embargo, los Dres. Richard Berk y Susan B. Sorenson de la Universidad de Pennsyvania descubrieron que el uso de pronósticos informáticos en estos procedimientos puede reducir drásticamente los arrestos posteriores por violencia doméstica.
“Un gran número de decisiones de justicia penal por ley requieren proyecciones del riesgo para la sociedad. Estas amenazas se denominan 'peligrosidad futura' ”, dijo Berk, profesor de criminología y estadística en la Escuela de Artes y Ciencias de Penn y la Escuela Wharton.
“Muchas decisiones, como las comparaciones de cargos, son una especie de asiento de los pantalones. La pregunta es si podemos hacerlo mejor que eso, y la respuesta es sí, podemos. Es una barra muy baja ".
Para los delitos de violencia doméstica entre parejas íntimas, padres e hijos, o incluso hermanos, generalmente existe una amenaza para una persona en particular, dijo Sorenson, profesor de política social en la Escuela de Política y Práctica Social de Pensilvania, que también dirige el Centro Evelyn Jacobs Ortner. sobre violencia familiar.
"No es un problema de seguridad pública en general", dijo. “Con un cargo de violencia doméstica, digamos que un hombre, y generalmente es un hombre, es arrestado por esto y está en espera de juicio. No va a asaltar a una mujer cualquiera. El riesgo es que se vuelva a agredir a la misma víctima ".
Para comprender cómo el aprendizaje informático podría ayudar en los casos de violencia doméstica, Berk y Sorenson obtuvieron datos de más de 28.000 cargos por violencia doméstica entre enero de 2007 y octubre de 2011. También analizaron un período de seguimiento de dos años después de la publicación que finalizó en octubre de 2013 .
Una computadora puede "aprender" qué tipo de individuos es probable que reincidan, según los científicos. Para esta investigación, las 35 entradas iniciales incluyeron edad, género, órdenes de arresto y sentencias previas, y ubicación residencial.
Estos puntos de datos ayudan a la computadora a comprender las asociaciones apropiadas para el riesgo proyectado, ofreciendo información adicional a un funcionario judicial que decide si liberar a un delincuente.
“En todo tipo de entornos, es mejor que la computadora resuelva esto que que nosotros lo resolvamos”, dijo Berk.
Eso no quiere decir que no haya obstáculos para su uso, señaló.
El número de predicciones erróneas puede ser inaceptablemente alto y, en principio, algunas personas se oponen al uso de datos y computadoras de esta manera. A ambos puntos, los investigadores responden que usar la computadora, lo que ellos llaman aprendizaje automático, es simplemente una herramienta.
"No toma las decisiones por las personas de ninguna manera", dijo Sorenson. Estas elecciones “pueden estar informadas por la sabiduría que se acumula a lo largo de años de experiencia, pero también es una sabiduría que se ha acumulado solo en esa sala del tribunal. El aprendizaje automático va más allá de una sala de audiencias a una comunidad más amplia ".
En algunos entornos de justicia penal, el uso del aprendizaje automático ya es una rutina, aunque diferentes tipos de decisiones requieren diferentes conjuntos de datos de los que la computadora debe aprender, anotaron los investigadores. Sin embargo, las técnicas estadísticas subyacentes siguen siendo las mismas, agregaron.
Los investigadores de Pensilvania creen que el aprendizaje automático puede mejorar las prácticas actuales.
“Los algoritmos no son perfectos. Tienen fallas, pero hay cada vez más datos que muestran que tienen menos fallas que las formas existentes en que tomamos estas decisiones ”, dijo Berk.
"Puedes criticarlos, y debes hacerlo porque siempre podemos mejorarlos, pero, como decimos, no puedes dejar que lo perfecto sea enemigo de lo bueno".
El estudio fue publicado en La revista de estudios jurídicos empíricos.
Fuente: Universidad de Pennsylvania
