Il framework FASE mira a ridurre i bias nella polizia predittiva
Un team di ricercatori ha introdotto un nuovo framework chiamato FASE, acronimo di Fairness-Aware Spatiotemporal Event Graph, volto ad affrontare i pregiudizi razziali nelle pratiche di polizia predittiva. Il framework combina la previsione dei crimini con una distribuzione equa delle pattuglie di polizia e include un simulatore di feedback per l'uso pratico. Concentrandosi su Baltimora, lo studio ha analizzato quasi 140.000 casi di crimini gravi segnalati dal 2017 al 2019 in 25 aree di tabulazione dei codici postali. Utilizzando metodi statistici avanzati, i ricercatori hanno ottenuto risultati significativi, indicando il potenziale del framework di mitigare i bias e migliorare l'equità nell'allocazione delle risorse delle forze dell'ordine.
Fatti principali
- FASE sta per Fairness-Aware Spatiotemporal Event Graph framework
- Il framework integra previsione dei crimini, allocazione delle pattuglie vincolata all'equità e un simulatore a ciclo chiuso
- Baltimora è modellata come un grafo di 25 aree di tabulazione dei codici postali
- Sono stati utilizzati 139.982 incidenti criminali di Parte 1 dal 2017 al 2019
- I dati hanno risoluzione oraria
- La previsione utilizza una rete neurale grafica spazio-temporale e un processo di Hawkes multivariato
- Gli output utilizzano la distribuzione Zero-Inflated Negative Binomial
- Perdita di validazione: 0.4800, perdita di test: 0.4857
Entità
Luoghi
- Baltimore
- United States