܄

大数据用于警务预测并不怎么靠谱

【数据猿导读】 一份最新报告显示,警方忽视了基于数据分析的旨在减少枪支暴力的警务预测工具,而且在某些情况下,这个预测工具还可能会被滥用

大数据用于警务预测并不怎么靠谱

一份最新报告显示,警方忽视了基于数据分析的旨在减少枪支暴力的警务预测工具,而且在某些情况下,这个预测工具还可能会被滥用。

随着科学技术的高速发展,我们不禁提出了一个问题,技术可以用来预测和预防犯罪吗? 最近,芝加哥探索了使用技术来防止枪支暴力的可能性,他们的实践表明答案似乎是否定的。

兰德公司(RAND Corporation)的杰西卡·桑德斯(Jessica Saunders)与他的同事一起考察了芝加哥警方在2013年-2014年实现警务预测试点项目的情况,并整理出相应的报告。他们利用计算机对有前科人员进行建模分析,可以计算得出一份可能被击杀的高风险人员名单,约几百个人(或是实施枪击的犯罪嫌疑人名单,这两组名单有较高的重叠率)。当时芝加哥警方设想通过接触名单上的人员,并尽力帮助他们摆脱危险。

这份发表在《实验犯罪学》杂志(journal of Experimental Criminology)的报告指出该警务预测试点项目存在两个严重的问题。

首先,研究人员发现,在三分之二以上的案例中,警方根本无视这份名单(正式名称是战略目标名单,Strategic Subjects List或SSL)。他们这样写道:

总体而言,观察员和受访者表示目前没有针对SSL的切实可行的救援措施。该试点项目的执行力度低、行政关注度不高,警区指挥官很少甚至不跟进后续行动。

这表明在数据名单面前,警方不知道采取什么措施去应对。正如弗奇(Verge)所说,这可能是因为,当局同时出台了不少于11个其他减少暴力事件的试点项目。 这样一来,警方需要花费大量的时间来处理日常警务工作。如果没有高层管理人员来对此监督管理,以确认警员是否采用系统的建议,那么这些项目往往会半途而废。

然而,当警方试图对名单上的人员采取实际行动时,结果却不是很令人满意。计算机模型样本量小,难以准确地大范围预测枪击案件,芝加哥警方依据此名单仅仅逮捕了9名疑犯。研究人员发现,可能被击杀的受害者数量几乎是可能因枪击被逮捕的疑犯数量的3倍,这可能是因为系统没有将疑犯标记为被逮捕人员。

对于受害者而言,这份名单的作用是微小的,它仅对抓捕疑犯有直接的影响作用。公民隐私和权利也是警务预测中必须认真考虑的问题,特别是那些被预测为受害者的人群。

这项研究探索的不是一种即将彻底改变打击犯罪或消灭芝加哥的枪支暴力的技术。而是一个非常不完善的倡议,而且首次实施时,它让很多警员感到很困惑,没有起到预期的效果。

枪支暴力是芝加哥一个严峻的社会安全问题,我们可以理解市政府官员希望通过技术工具来帮助解决问题的初衷。

但是,不管我们多么痴迷与信任数据,结果已经表明它不是一个解决方案。这充其量只是一个工具,在使用的时候,务必需要特别小心处理,尤其是在民众生命受到威胁时。


来源:麻省理工科技评论

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

大数据投融资周报(4月5日——4月7日,共9起)
大数据投融资周报(4月5日——4月7日,共9起)
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云平台Experience Cloud
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云...
【独家首发】数之联完成A轮数千万元融资,大数据分析挖掘领跑者获资本青睐
【独家首发】数之联完成A轮数千万元融资,大数据分析挖掘领跑...

我要评论

精品栏目

[2016/10/10]

大数据24小时

More>

[2016/09/26-7]

大数据周周看

More>

[2016/09/01-30]

大数据投融资

More>

[2016/11/28-2]

大咖周语录

More>

[2016/11/29-6]

大数据周聘汇

More>

[2016/12/06-13]

每周一本书

More>

返回顶部