18 Nov Machine learning for policing: a case study on arrests in Chile
Title | Machine learning for policing: a case study on arrests in Chile/ Aprendizaje automático para la policía: un estudio de caso sobre detenciones en Chile |
Author | Elwin van’t Wout; Christian Pieringer; David Torres Irribarra; Kenzo Asahi; Pilar Larroulet |
Line(s) | Access and Mobility/ Acceso y Movilidad |
Year of Publication | 2021 |
Journal Title | Policy and Society |
Keywords | Data analytics, Análisis de datos, Repeated arrests, Predictive Policing |
Abstract | Police agencies expend considerable effort to anticipate future incidences of criminal behaviour. Since a large proportion of crimes are committed by a small group of individuals, preventive measures are often targeted on prolific offenders. There is a long-standing expectation that new technologies can improve the accurate identification of crime patterns. Here, we explore big data technology and design a machine learning algorithm for forecasting repeated arrests. The forecasts are based on administrative data provided by the national Chilean police agencies, including a history of arrests in Santiago de Chile and personal metadata such as gender and age. Excellent algorithmic performance was achieved with various supervised machine learning techniques. Still, there are many challenges regarding the design of the mathematical model, and its eventual incorporation into predictive policing will depend upon better insights into the effectiveness and ethics of preemptive strategies. Las agencias policiales realizan un esfuerzo considerable para anticipar incidentes futuros de comportamiento delictivo. Dado que una gran proporción de los delitos los comete un pequeño grupo de personas, las medidas preventivas suelen estar dirigidas a los delincuentes prolíficos. Existe una expectativa de larga data de que las nuevas tecnologías pueden mejorar la identificación precisa de los patrones delictivos. Aquí, exploramos la tecnología de big data y diseñamos un algoritmo de aprendizaje automático para pronosticar detenciones repetidas. Los pronósticos se basan en datos administrativos proporcionados por las agencias policiales nacionales de Chile, que incluyen un historial de detenciones en Santiago de Chile y metadatos personales como género y edad. Se logró un excelente rendimiento algorítmico con varias técnicas de aprendizaje automático supervisadas. Aún así, existen muchos desafíos con respecto al diseño del modelo matemático, y su eventual incorporación a la vigilancia policial predictiva dependerá de una mejor comprensión de la efectividad y la ética de las estrategias preventivas. |
Doi | https://doi.org/10.1080/10439463.2020.1779270 |
Corresponding Author | Kenzo Asahi |