Predecir cuántos delitos y de qué tipo se van a producir en el turno de trabajo de un policía es algo viable a juzgar por un reciente estudio realizado por ientíficos del Cuerpo Nacional de Policía y de la Universidad de Granada que ha sido publicado en las revistas Decision Support Systems y European Journal of Operational Research.
El sistema informático desarrollado, basado en algoritmos, podría permitir una mejor organización de las patrullas y de los turnos policiales.
Como explica su autor principal, Miguel Camacho Collados, inspector de la Unidad de Planificación Estratégica y Coordinación de la Policía Nacional e investigador del departamento de Estadística e Investigación Operativa de la Universidad de Granada:
Se basa en un algoritmo matemático multicriterio que, teniendo en cuenta distintos factores (como la carga de trabajo, el número de delitos cometidos en el turno policial anterior o el área de patrullaje) asigna a la patrulla un área de vigilancia, previniendo la comisión de delitos en el próximo turno, según una previsión del riesgo de delitos en el territorio (...) El principal avance de nuestro trabajo es que refuerza la prevención de delitos, no su represión. Si logramos que la policía esté en el lugar adecuado y en el momento justo, ahorraremos muchos recursos humanos y, lo que es más importante aún, evitaremos muchas víctimas.
La investigación se centra en sistemas dinámicos aplicados a modelos criminales, y tiene como objetivo incidir en el análisis y el desarrollo de modelos matemáticos y estadísticos para la identificación de patrones temporales de hechos delictivos. Y nos recuerda poderosamente a Minority Report, de Steven Spielberg, y su unidad de precrimen. Máxime si tenemos en cuenta que no es la primera iniciativa en este sentido.
Prediciendo sentencias
Pennsylvania se ha convertido en el primer estado de Estados Unidos que ha empezado a usar estadísticas «precrimen» para [enunciar sentencias penales por delitos que aún no se han cometido. Para ello, a través de diversas herramientas estadísticas, se analizan los crímenes que ha cometido ya una persona, rebuscando en sus antecedentes penales, así como tener en cuenta su edad o su historial de empleo.
Con los datos en la mano, presuntamente aspiran a predicir el grado de reincidencia de un preso, y así no solo evaluar una libertad condicional o estimar una fianza justa a los reclusos a la espera de juicio, sino también determinar la propia sentencia penal del reo.
En otras palabras, si los datos sugieren que un reo reincidirá, se le aplicarán condenas más largas. Sonja Starr, profesor de Derecho de la Universidad de Michigan, es uno de los grandes opositores de esta clase de herramientas predictivas, porque pasan por alto las circunstancias individuales de un acusado. Sin contar que los historiales de arrestos también presentan sesgos: por ejemplo, es más probable que uno policía arreste a un afroamericano por posesión de marihuana (a pesar de que la tasa de consumo es similar entre los blancos).
Tal vez estas herramientas predictivas sean más útiles para establecer programas de rehabilitación antes que sentencias. Sea como fuere, el Big Data ha llegado para quedarse. También en el precrimen.
Vía | Sinc
Ver 4 comentarios