Computerlernen kann dazu beitragen, wiederholte häusliche Gewalt zu reduzieren
Eine neue Studie hat herausgefunden, dass die Verwendung von Datenanalyse und Computerlernen bei einer Gerichtsverhandlung zur Analyse der Wahrscheinlichkeit eines wiederholten Vorfalls mit häuslicher Gewalt die Anzahl neuer Fälle um die Hälfte reduzierte, was zu mehr als 1.000 weniger Festnahmen pro Jahr in einem großen Ballungsraum führte.
Nach einer Festnahme ist das erste Erscheinen des Gerichts in der Regel die vorläufige Anklage, wenn ein Richter oder Richter entscheidet, ob der Verdächtige freigelassen oder im Gefängnis festgehalten wird, basierend auf der Wahrscheinlichkeit, dass die Person vor Gericht zurückkehrt oder neue Verbrechen begeht.
Die Gerichtsverhandlungen sind in der Regel sehr kurz und Entscheidungen basieren auf begrenzten Daten. Drs. Richard Berk und Susan B. Sorenson von der University of Pennsyvania stellten fest, dass die Verwendung von Computerprognosen bei diesen Verfahren die nachfolgenden Festnahmen von häuslicher Gewalt drastisch reduzieren kann.
„Eine große Anzahl von Strafverfolgungsentscheidungen erfordert gesetzlich Prognosen des Risikos für die Gesellschaft. Diese Bedrohungen werden als "zukünftige Gefährlichkeit" bezeichnet, sagte Berk, Professor für Kriminologie und Statistik an der Penn's School of Arts & Sciences und der Wharton School.
„Viele Entscheidungen, wie Gerichtsverhandlungen, sind eine Art Sitz der Hose. Die Frage ist, ob wir es besser machen können, und die Antwort lautet: Ja, wir können. Es ist eine sehr niedrige Bar. "
Bei Verbrechen gegen häusliche Gewalt zwischen intimen Partnern, Eltern und Kindern oder sogar Geschwistern besteht normalerweise eine Bedrohung für eine bestimmte Person, sagte Sorenson, Professor für Sozialpolitik an der School of Social Policy & Practice in Pennsylvania, der auch das Evelyn Jacobs Ortner Center leitet über Gewalt in der Familie.
"Es ist kein allgemeines Problem der öffentlichen Sicherheit", sagte sie. "Nehmen wir an, ein Mann - und normalerweise ein Mann - wird wegen einer Anklage wegen häuslicher Gewalt verhaftet und wartet auf den Prozess. Er wird keine zufällige Frau angreifen. Das Risiko besteht darin, dass dasselbe Opfer erneut angegriffen wird. “
Um zu verstehen, wie Computerlernen in Fällen häuslicher Gewalt helfen kann, haben Berk und Sorenson zwischen Januar 2007 und Oktober 2011 Daten aus mehr als 28.000 Gerichtsverfahren gegen häusliche Gewalt erhalten. Sie haben auch eine zweijährige Nachbeobachtungszeit nach der Veröffentlichung untersucht, die im Oktober 2013 endete .
Laut den Wissenschaftlern kann ein Computer „lernen“, welche Arten von Personen wahrscheinlich erneut beleidigt werden. Für diese Untersuchung umfassten die 35 ersten Eingaben Alter, Geschlecht, frühere Haftbefehle und Strafen sowie den Wohnort.
Diese Datenpunkte helfen dem Computer, geeignete Zusammenhänge für das projizierte Risiko zu verstehen, und bieten einem Gerichtsbeamten, der über die Freilassung eines Täters entscheidet, zusätzliche Informationen.
"In allen möglichen Einstellungen ist es besser, wenn der Computer dies herausfindet, als wenn wir es herausfinden", sagte Berk.
Das heißt nicht, dass es keine Hindernisse für seine Verwendung gibt, bemerkte er.
Die Anzahl falscher Vorhersagen kann unannehmbar hoch sein, und einige Leute lehnen es grundsätzlich ab, Daten und Computer auf diese Weise zu verwenden. Auf beide Punkte antworten die Forscher, dass die Verwendung des Computers - was sie maschinelles Lernen nennen - einfach ein Werkzeug ist.
"Es trifft bei weitem keine Entscheidungen für die Menschen", sagte Sorenson. Diese Entscheidungen könnten durch die Weisheit, die sich aus jahrelanger Erfahrung ergibt, beeinflusst werden, aber es ist auch die Weisheit, die nur in diesem Gerichtssaal entstanden ist. Maschinelles Lernen geht über einen Gerichtssaal hinaus zu einer größeren Gemeinschaft. “
In einigen Strafjustizumgebungen ist die Verwendung von maschinellem Lernen bereits Routine, obwohl verschiedene Arten von Entscheidungen unterschiedliche Datensätze erfordern, aus denen der Computer lernen muss, stellten die Forscher fest. Die zugrunde liegenden statistischen Techniken bleiben jedoch dieselben, fügten sie hinzu.
Die Forscher in Pennsylvania glauben, dass maschinelles Lernen die gegenwärtigen Praktiken verbessern kann.
„Die Algorithmen sind nicht perfekt. Sie haben Mängel, aber es gibt immer mehr Daten, die zeigen, dass sie weniger Mängel aufweisen als die bestehenden Methoden, mit denen wir diese Entscheidungen treffen “, sagte Berk.
"Sie können sie kritisieren - und Sie sollten es tun, weil wir sie immer verbessern können -, aber wie wir sagen, können Sie nicht zulassen, dass das Perfekte der Feind des Guten ist."
Die Studie wurde veröffentlicht in Das Journal of Empirical Legal Studies.
Quelle: Universität von Pennsylvania
