Si bien la vigilancia policial predictiva tiene como objetivo mejorar la eficacia de las patrullas policiales, Existe la preocupación de que estos algoritmos puedan llevar a la policía a apuntar a las comunidades minoritarias y resultar en arrestos discriminatorios. Un científico informático de la Facultad de Ciencias de la IUPUI realizó el primer estudio para observar datos de campo en tiempo real de Los Ángeles y descubrió que la vigilancia policial predictiva no resultó en arrestos sesgados.
"La vigilancia policial predictiva es todavía un campo bastante nuevo. Ha habido varias pruebas de campo de vigilancia predictiva en las que se midió la reducción de la tasa de delincuencia, pero hasta la fecha no se han realizado ensayos de campo empíricos que analicen si estos algoritmos, cuando se despliega, apuntar a ciertos grupos raciales más que a otros y dar lugar a detenciones o detenciones sesgadas, "dijo George Mohler, profesor asociado de informática y ciencias de la información en la Facultad de Ciencias de la IUPUI.
Mohler, junto con investigadores de UCLA y Louisiana State University, trabajó con el Departamento de Policía de Los Ángeles para realizar el estudio experimental. Un analista humano hizo predicciones sobre dónde patrullarían los oficiales cada día, y un algoritmo también hizo un conjunto de predicciones; Luego se seleccionó al azar qué conjunto usaban los oficiales en el campo cada día.
Los investigadores midieron la diferencia en las tasas de arrestos por grupos étnicos entre el algoritmo de vigilancia predictiva y los mapas de puntos calientes creados por analistas de LAPD que estaban en uso antes del experimento.
"Cuando miramos los datos, las diferencias en las tasas de arrestos por grupo étnico entre la vigilancia policial predictiva y las prácticas de patrulla estándar no fueron estadísticamente significativas, "Dijo Mohler.
El estudio examinó datos tanto a nivel de distrito como dentro de las áreas de patrulla de los oficiales de LAPD y encontró que no había diferencias estadísticamente significativas entre las tasas de arrestos por grupo étnico en cualquier nivel geográfico. Finalmente, Los investigadores observaron las tasas de arrestos en general en las áreas de patrulla y encontraron que eran estadísticamente más altas en las áreas seleccionadas algorítmicamente. pero cuando se ajusta a la tasa de criminalidad más alta en esas áreas, las detenciones fueron menores o sin cambios. "La mayor tasa de criminalidad, y tasa de arrestos proporcionalmente más alta, es lo que cabría esperar, ya que el algoritmo está diseñado para identificar áreas con altas tasas de criminalidad, "Dijo Mohler.
Mohler dijo que en el campo en desarrollo de la vigilancia predictiva, Sigue habiendo lecciones aprendidas de cada estudio e implementación. Un estudio de simulación reciente de vigilancia policial predictiva con datos de arrestos por drogas de Oakland, California, mostró que existe la posibilidad de sesgo cuando estos algoritmos se aplican en ciertos contextos. Mohler espera que el estudio de Los Ángeles sea un punto de partida para medir el sesgo de vigilancia predictiva en futuros experimentos de campo.
"Cada vez que realiza una de estas implementaciones de vigilancia predictiva, Los departamentos deben monitorear el impacto étnico de estos algoritmos para verificar si hay prejuicios raciales, ", Dijo Mohler." Creo que los métodos estadísticos que proporcionamos en este documento proporcionan un marco para monitorear eso ".
"¿La policía predictiva conduce a arrestos sesgados? ¿Resultados de un ensayo de control aleatorio?" se publica en la revista Estadísticas y políticas públicas .
