Una escala de equidad para las previsiones de reincidencia en tiempo real utilizando una base de datos nacional de...

Área de la Ciencia:

• Justicia penal
• Aprendizaje automático
• Ciencia de los datos

Sus antecedentes:

• La predicción de la reincidencia criminal es crucial para la asignación de recursos y la seguridad pública.
• Los modelos predictivos existentes pueden perpetuar los sesgos sociales, lo que lleva a resultados injustos.
• El conjunto de datos de la Policía Nacional (PNC) ofrece una base a gran escala para la investigación de la reincidencia.

Objetivo del estudio:

• Desarrollar y evaluar modelos de aprendizaje automático para predecir la reincidencia general y violenta.
• Evaluar y mitigar los sesgos sociales dentro de estos modelos predictivos.
• Proponer un marco para el despliegue de herramientas justas y eficaces de predicción de la reincidencia.

Principales métodos:

• Se generaron doce modelos de aprendizaje automático utilizando datos de condenas de la Policía Nacional del Reino Unido (346.685 registros).
• Se utilizó la validación cruzada quíntuple para la evaluación del modelo, centrándose en las puntuaciones del área bajo la curva (AUC).
• Desarrolló una nueva escala de equidad para cuantificar y abordar las disparidades demográficas en las predicciones del modelo.

Principales resultados:

• Los mejores modelos lograron puntuaciones AUC de 0.8660 (general) y 0.8375 (reincidencia violenta), superando el estado de la técnica.
• Los modelos desviados cumplieron con las cinco definiciones de equidad con diferencias métricas demográficas dentro del 1%.
• Potencial demostrado para una identificación reducida de los individuos y una disminución del impacto del sesgo estructural.

Conclusiones:

• El aprendizaje automático puede predecir efectivamente la reincidencia al tiempo que logra mejoras significativas en la equidad.
• La escala de equidad desarrollada proporciona una herramienta valiosa para desmitificar los modelos de justicia penal.
• El despliegue propuesto incluye salvaguardias y un ensayo de control aleatorio para validar el impacto práctico en la reducción de la delincuencia y el sesgo.