Linkuri utile

Modulul 7 – Utilizarea datelor și a instrumentelor digitale pentru îmbunătățirea răspunsului la violența domestică

Bine ați venit! Parcurgând acest modul:
  1. Veți înțelege elementele de bază ale practicilor de predicție utilizate de către poliție și modul de aplicare a acestora în intervenția la cazurile de violență domestică.
  2. Veți afla cum pot fi utilizate datele din sistemul de justiție penală și cele colectate de alte instituții pentru a îmbunătăți investigarea și predicția riscului în cazurile de violență domestică.
  3. Veți explora instrumentele digitale utilizate în prezent și potențialul lor de a îmbunătăți răspunsul la aceste cazuri.

Acțiuni predictive ale poliției și proceduri moderne de evaluare a riscului

Acțiuni predictive ale poliției bazate pe resurse digitale​

Proceduri moderne de evaluare a riscului​ în justiția penală

Provocări majore

Accesați această secțiune

Îmbunătățirea evaluării riscului în cazurile de VD

Metode principale, impact și provocări

Importanța utilizării datelor în răspunsul la cazurile de violență domestică

Accesați această secțiune

Exemple de diverse soluții

Studiu de caz bazat pe un model de bune practici aplicat în Spania: Sistemul VioGén II

Identificarea, colectarea și evaluarea informațiilor din surse deschise, publice sau comerciale (Open Source Intelligence – OSINT) pentru cazurile de violență domestică

Aplicații mobile utilizate pentru geolocalizare și raportare telematică

Brățările electronice

Accesați această secțiune

De la activități de tip reactiv la activități proactive și predictive ale poliției

Activități tradiționale de tip reactiv: Se concentrează pe răspunsul la infracțiuni după ce acestea au avut loc.
Activități de tip proactiv: Utilizează datele pentru a aloca resurse (de exemplu, mai multe patrule în zonele cu criminalitate mai ridicată), descurajând criminalitatea și îmbunătățind timpii de răspuns.
Activități predictive: Analizează date longitudinale pentru a identifica perioadele și zonele cu risc ridicat, identificând tipare și circumstanțe de producere a infracțiunilor.

Beneficii cheie:

  • Optimizează resursele poliției.
  • Îmbunătățesc strategiile de prevenire a criminalității.
  • Permit o repartizare mai eficientă a polițiștilor.
Exemple: Atacuri după închiderea barurilor sau spargeri pe perioada sărbătorilor.

Acțiuni predictive ale poliției bazate pe resurse digitale

  • Analizele datelor prin programele asistate de calculator permit identificarea unor modele/ tendințe din domeniul justiției penale, care ar fi dificil de identificat prin manipularea manuală a informațiilor.
  • Prin algoritmi statistici sunt analizate variabile (de exemplu, ora, locația, tipul de rezidență) și este determinată importanța acestora în prezicerea infracțiunilor.
  • Cu ajutorul datelor din lumea reală, algoritmii statistici se adaptează pentru a îmbunătăți acuratețea și capacitatea de a descoperi noi predictori ai criminalității.

Exemplu:
Factori precum ora închiderii, veniturile din cartier, densitatea locuințelor sau poziționarea barurilor din apropiere pot prezice jafurile din apropierea unui bar deschis de curând.

Mai multe date îmbunătățesc acuratețea predicțiilor, conducând la o intervenție mai eficientă a poliției.

Evaluarea modernă a riscului în justiția penală

Scop:
Să prevadă probabilitatea săvârșirii unor infracțiuni care implică anumite persoane, pentru a documenta hotărârile decisive, incluzând condamnarea, eliberarea condiționată, probațiunea și ordinele de protecție.

De ce este importantă:
Predicțiile mai precise permit o alocare mai eficientă a resurselor și o protecție mai bună a victimelor și a membrilor comunității.

De la tradițional la tehnologie înaltă:

  • Metodele tradiționale se bazau pe criterii de scalare simple, subiective.
  • Învățarea automată (“machine learning”) îmbunătățește precizia prin includerea în analiză a mai multor variabile și prin identificarea unor tipare altfel ascunse.

Implicații practice:

  • Clasifică nivelurile de risc (ridicat, mediu, scăzut) pentru a îmbunătăți procesul decizional.
  • Îmbunătățește acuratețea și corectitudinea procesului de evaluare a riscului, în beneficiul atât al poliției, cât și al siguranței publice.
Sursa: Berk, R. A. (2021). Artificial intelligence, predictive policing, and risk assessment for law enforcement. Annual Review of Criminology, 4(1), 209-237.

Provocări în activitățile predictive ale poliției și ale evaluării computerizate a riscului

  • Previziunile precise nu garantează că acestea vor îmbunătăți performanța poliției – depinde de modul în care sunt utilizate datele și cum se aliniază cu prioritățile.
  • Datele eronate (de exemplu, sub-raportarea sau încadrarea greșită a infracțiunilor) pot denatura rezultatele, ducând la o activitate a poliției excesivă sau insuficientă.
  • Există preocupări serioase legate de asigurarea confidențialității generate de manipularea statistică a unor date private sensibile.
  • Există un risc de utilizare abuzivă, cum ar fi acțiuni mult prea intruzive sau de suprimare a disidenței.

Sursa:

  • Berk, R. A. (2021). Artificial intelligence, predictive policing, and risk assessment for law enforcement. Annual Review of Criminology, 4(1), 209-237.
  • Grogger, J., Gupta, S., Ivandic, R., & Kirchmaier, T. (2021). Comparing conventional and machine‐learning approaches to risk assessment in domestic abuse cases. Journal of Empirical Legal Studies, 18(1), 90-130.
  • Messing, J. T., & Thaller, J. (2013). The average predictive validity of intimate partner violence risk assessment instruments. Journal of interpersonal violence, 28(7), 1537-1558.

Îmbunătățirea evaluării riscului în cazurile de VD

Scop:
Evaluarea nivelului de risc pentru a ghida stabilirea măsurilor de protecție.

Metode:

  • Regula scalării: Clasificarea nivelului de risc pe baza unor praguri stabilite în funcție de punctajul obținut în urma evaluării.
  • Judecata structurată: Implică raționamentul profesional în evaluarea riscului.

Impact:
Instrumentele mai bune asigură identificarea cazurilor cu risc ridicat, permițând polițiștilor să protejeze victimele în mod eficient.

Provocări:
  • Scorurile subiective și utilizarea inconsecventă reduc acuratețea.
  • Cazurile cu risc ridicat pot fi omise din cauza administrării greșite.

Îmbunătățiri tehnologice:

  • Utilizarea învățării automate (“machine learning”) îmbunătățește acuratețea prin analiza antecedentelor penale.
  • Combinarea unor instrumente precum DASH și învățarea automată (“machine learning”) crește acuratețea predicției recidivei violenței cu 20%.

Sursa:

  • Berk, R. A. (2021). Artificial intelligence, predictive policing, and risk assessment for law enforcement. Annual Review of Criminology, 4(1), 209-237.
  • Grogger, J., Gupta, S., Ivandic, R., & Kirchmaier, T. (2021). Comparing conventional and machine‐learning approaches to risk assessment in domestic abuse cases. Journal of Empirical Legal Studies, 18(1), 90-130.
  • Messing, J. T., & Thaller, J. (2013). The average predictive validity of intimate partner violence risk assessment instruments. Journal of interpersonal violence, 28(7), 1537-1558.

Importanța datelor pentru răspunsul la cazurile de VD

VD implică adesea acte de violență repetate, care pot escalada, creând un context critic pentru intervenția eficientă a poliției (de exemplu, riscul se dublează la al 3-lea apel, se triplează la al 6-lea și este cvadruplu la al 8-lea).
Polițiștii au nevoie de date exhaustive, inclusiv de caziere non-judiciare, pentru a îmbunătăți răspunsul la cazuri.
Sistemele interconectate ar putea oferi acces la date din sistemul de justiție penală, servicii sociale și de asistență medicală.

Exemple: Tiparul vătămărilor din fișele medicale, rapoartele centrelor de asistență și suport pentru victime sau istoricul privind abuzul de substanțe.

Recomandări pentru dezvoltarea unor mecanisme sigure pentru schimbul de informații

  • Stabilirea unor protocoale clare de confidențialitate: Este important ca toate instituțiile implicate în gestionarea cazurilor de VD să respecte protocoalele de confidențialitate și să asigure protecția datelor sensibile.
  • Utilizarea platformelor tehnologice securizate: Implementarea unor platforme digitale securizate pentru partajarea informațiilor, care să garanteze protecția datelor personale ale victimelor
  • Formarea continuă a personalului pentru gestionarea datelor sensibile: Instruire continuă oferită tuturor angajaților cheie implicați în răspunsul la cazurile de VD, astfel încât aceștia să înțeleagă importanța confidențialității și să gestioneze în mod corect informațiile sensibile
  • Consimțământul victimelor privind partajarea informațiilor: Victimele sunt întotdeauna informate și își dau consimțământul înainte ca informațiile lor să fie împărtășite între instituții

Studiu de caz

VioGén Police Risk Assessment Protocol

Înființat în Spania (2007) pentru a coordona răspunsul poliției la VD prin intermediul grupului de studii pentru securitate internă.
Implică multipli actori: victime, agresori, martori, personal tehnic, medici etc.
Coordonează Poliția Națională, Garda Civilă și forțele de poliție locale.
În 2024 este lansat Sistemul VioGén II în varianta actualizată.

Obiectivele principale ale Sistemului VioGén II

Coordonare îmbunătățită

Îmbunătățirea colaborării dintre poliție, servicii sociale și asistența medicală pentru a oferi un răspuns unitar la cazurile de VD.

Evaluare exactă a riscului

Îmbunătățirea instrumentelor de evaluare a riscului pentru a anticipa mai bine recidiva în cazurile de violență și pentru a asigura o protecție corespunzătoare a victimelor.

Protecție personalizată

Adaptarea răspunsului și a măsurilor în funcție de evoluția riscului pentru fiecare victimă, în funcție de nevoile specifice.

Împuternicirea victimelor (“empowerment”)

Furnizarea unor informații clare și a crearea unor planuri de siguranță personalizate, asigurându-se înțelegerea de către victime a opțiunilor privind riscul și protecția.

Decizii bazate pe date (dovezi)

Utilizarea tehnologiei și a algoritmilor de analiză complecși pentru a îmbunătăți în timp real procesul decizional și pentru a asigura măsuri de protecție precise.

Ghidurile protocolului de evaluare a riscului de către poliție includ:

Estimarea probabilității ca victimele să fie supuse unui nou act de violență din momentul în care raportează incidentul.
Asigurarea protecției victimelor prin implementarea unor măsuri direct proporționale cu riscul inițial, pentru a preveni recidiva.
Estimarea probabilității de repetare a actelor de violență în timp, în paralel cu punerea în aplicare a măsurilor de protecție.
Ajustarea măsurilor de protecție, proporțional cu evoluția riscului, personalizând răspunsurile la modul exhaustiv.

Sursa: González Álvarez, López Ossorio, Muñoz Rivas (2018)

Evaluarea riscului de recidivă a violenței (VPR) – Categorii și factori de risc

Indicatorii VPR sunt grupați pe 4 dimensiuni:

Severitatea incidentului raportat:
Examinează istoricul de violență al partenerului intim.

Factori care pot fi asociați agresorului:

  • Comportamente de relaționare cu partenerul (gelozie, control, agresiune).
  • Trăsături antisociale (anti-normative, violente).
  • Probleme psihopatologice și psihosociale.
Vulnerabilitatea victimei:
Factori situaționali care cresc riscul sau declanșează actele de violență.
Percepția victimei:
Riscul perceput de victimă pentru ea însăși, minorii din familie sau pentru alte persoane aflate în întreținere.

VPR – Nivelurile de risc și măsurile de protecție corespunzătoare

Cazurile raportate sunt clasificate și încadrate în cinci niveluri de risc: neidentificat (nu s-a identificat vreun risc), scăzut, mediu, ridicat și extrem. Pe baza clasificării riscului, polițiștii implementează măsuri de protecție obligatorii și opționale, proporționale cu nivelul de risc identificat.

Exemple de măsuri de protecție:

Scăzut
Furnizarea unor contacte de asistență disponibile 24 din 24 de ore și efectuarea unor urmăriri telefonice periodice
Supraveghere ocazională și controale periodice ale agresorului.
Supraveghere frecventă și monitorizarea electronică a agresorului.
Supraveghere permanentă a victimei și monitorizarea constantă a agresorului.

Formular de evaluare a evoluției riscului utilizat de către poliție (VPER) 4.0

VPER include 43 de indicatori:

34 pentru risc și 9 pentru protecție, grupați pe 5 dimensiuni:

  1. Gravitatea incidentului
  2. Factori care pot fi asociați agresorului
  3. Caracteristicile victimei
  4. Percepția riscului de către victimă
  5. Stadiul măsurilor de protecție aplicate

Rezultate:

Evoluție pozitivă: Fără incidente noi.

Evoluție negativă: Incidente noi, fie că sunt raportate sau nu.

Lacunele sistemului VioGén

În timp ce Sistemul VioGén II prezintă îmbunătățiri față de predecesorul său, acesta încă prezintă câteva lacune potențiale:

Transparență și responsabilitate:

  • O mare dependență de scorurile de risc generate prin algoritmii de analiză.
  • Judecată proprie limitată a poliției în luarea unor decizii specifice cazului.
  • Lipsa unei responsabilități clare pentru acțiunile decise de algoritmi.

Precizia datelor și factorii emoționali:

  • Trauma emoțională a victimei poate afecta acuratețea răspunsului.
  • Instruire inconsecventă a polițiștilor cu privire la utilizarea sistemului.

Schimbul de informații cu victima:

  • Lipsa informațiilor despre nivelul de risc identificat și planul de siguranță.
  • Comunicare ineficientă cu privire la scopul sistemului și al evaluării riscului.

Integrare și partajare a informațiilor:

  • Lacune în mecanismul de schimb de date între instituții.
  • Temeri cu privire la confidențialitatea informațiilor sensibile ale victimelor.

Scalabilitate sistem:

Provocări în gestionarea volumului mare de cazuri și a traficului de utilizatori.

Aceste lacune evidențiază potențiale aspecte care pot fi îmbunătățite, inclusiv consolidarea flexibilității, instruirii, transparenței și comunicării în cadrul sistemului.

Sistemul spaniol VioGén, deși este un sistem inovativ în coordonarea răspunsului poliției și evaluării riscului în cazurile de violență de gen, prezintă lacune serioase care îi limitează eficacitatea. În primul rând, sunt criticate aspectele privind transparența și responsabilitatea. Algoritmul VioGén atribuie în mod automat un anumit nivel de risc în fiecare caz, ceea ce influențează covârșitor măsurile de protecție ale poliției, fără însă a trasa o responsabilitate clară. Polițiștii se abat rareori de la recomandările algoritmului, ceea ce poate limita judecata profesională și poate conduce la o dependență excesivă de scorul generat automat, ceea ce poate afecta răspunsurile personalizate pentru fiecare caz și siguranța victimei.

O altă lacună importantă a sistemului VioGén o reprezintă chestionarul în sine, care este utilizat pentru a colecta informații la momentul în care victimele se află într-o stare emoțională intensă. Victimele raportează adesea experiențele lor imediat după un incident, ceea ce poate conduce la răspunsuri distorsionate de traumă sau starea de confuzie. Acest lucru dă naștere unor îngrijorări cu privire la fiabilitatea datelor introduse în sistem, deoarece multe femei au dificultăți în a furniza detalii precise în timp ce se află într-o stare de șoc. Modul în care sistemul este conceput, coroborat cu  o pregătire limitată a polițiștilor în ceea ce privește comunicarea eficientă a scopului chestionarului, conduce la inconsecvențe privind modul în care acesta este administrat și înțeles de către victime.

În plus, comunicarea cu victimele în legătură cu nivelurile de risc evaluate este minimală, deoarece multe victime declară că nu cunosc categoria de risc în care au fost încadrate sau planurile de siguranță corespunzătoare. Abordarea acestor lacune în materie de transparență, coerență și schimb de informații este esențială pentru îmbunătățirea sistemului VioGén și a sprijinului acordat victimelor violenței de gen.

Open Source Intelligence (OSINT) pentru cazurile de VD

  • OSINT presupune colectarea de informații din surse de date disponibile public cum ar fi rețelele de socializare, articole de știri, site-urile web și înregistrările publice.
  • În cazurile de VD, OSINT poate contribui la detectarea tiparelor, la monitorizarea comportamentului, și la colectarea de informații suplimentare pentru a sprijini investigațiile.
  • Permite organelor de aplicare a legii să acceseze informații esențiale fără a fi nevoie de aprobări suplimentare, dar este important ca OSINT să fie utilizat în mod responsabil, urmând principiile de confidențialitate și etică.

Aplicații mobile utilizate pentru geolocalizare și raportare telematică în cazurile de VD

Aplicațiile mobile permit victimelor să raporteze în mod discret VD și oferă autorităților informații în timp real pentru o intervenție rapidă. De obicei, funcțiile includ:

Alerte de urgență

Victimele pot trimite un semnal de urgență SOS cu geolocația, către forțele de ordine.

Raportare rapidă

Aplicațiile simplifică raportarea incidentelor de violență anterioare sau în curs.

Resurse

Multe aplicații pun la dispoziție resurse educaționale sau direcționează victimele către servicii de asistență.

Beneficii pentru poliție:

  • Răspuns mai rapid în situațiile de urgență.
  • O mai bună cunoaștere a situației cu ajutorul geolocalizării.
  • Siguranță sporită a victimelor datorită metodelor discrete de raportare.

Aplicații mobile utilizate pentru geolocalizare și raportare telematică în cazurile de VD

Exemple din Europa

Spania – AlertCops: Trimite alerte cu geolocație direct către poliție pentru asistență imediată.

Serbia – Aplicația SOS: Permite raportarea multilingvă în situații de urgență, fiind adaptată pentru utilizatorii cu deficiențe de vedere.

Muntenegru – Aplicația Be Safe App: Emite alerte discrete pentru siguranța victimelor.

Grecia – Aplicația Butonul de panică: Alertă de urgență cu geolocație trimisă direct poliției.

Armenia – Safe YOU App: Trimite alerte cu geolocația și direcționează victimele către resursele disponibile.

Sursa:
https://alertcops.ses.mir.es

Brățările electronice: îmbunătățirea răspunsului la cazurile de violență domestică (VD)

Beneficii

  1. Siguranță sporită a victimelor: Avertizează victimele și poliția dacă sunt încălcate restricțiile.
  2. Descurajare: Reduc riscul de recidivă a violenței prin tragerea la răspundere a agresorilor.
  3. Monitorizare eficientă: Economisirea resurselor prin monitorizarea de la distanță.
  4. Răspuns în timp real: Alertele imediate permit o intervenție rapidă a poliției.

Scop

  • Monitorizează autorii faptelor de violență domestică pentru a asigura aplicarea ordinelor de restricție și protecția victimelor.
  • Utilizează tehnologia GPS sau radio-frecvența pentru monitorizare în timp real.

Exemple

  • Spania: Utilizate pentru a monitoriza respectarea ordinelor de protecție.
  • Franța și Suedia: Folosite în cazurile cu risc ridicat, pentru a preveni violența.

Provocări

  • Alerte false sau falsificarea dispozitivului.
  • Necesită infrastructură GPS fiabilă.
  • Confidențialitate și considerente juridice.

Utilizarea datelor și a tehnologiilor informatice (IT) de către poliție – Mesaje cheie

  • Soluțiile și tehnologiile informatice contribuie la reducerea subiectivității și la îmbunătățirea acurateței datelor.
  • Prin utilizarea instrumentelor de evaluare a riscului bazate pe date, recidiva poate fi prevenită mai eficient și protecția victimelor poate fi ajustată în funcție de modul în care evoluează cazul.
  • Analiza datelor și tehnologiile informatice (IT) permite schimbul mai rapid de informații și sprijină procesul decizional.
  • Bazele de date integrate și aplicarea consecventă a protocoalelor constituie un fundament solid pentru coordonare și colaborare între diferite instituții.
  • Utilizarea datelor trebuie să reprezinte o activitate sigură, transparentă și deliberată, menită să protejeze viața privată a victimelor și martorilor.
  • Respectarea politicilor și a reglementărilor garantează că prelucrarea datelor se desfășoară în mod etic și legal.
  • Soluțiile și tehnologiile informatice și instrumentele de evaluare a riscului sunt în continuă evoluție; prin urmare, este esențial ca autoritățile de poliție să beneficieze de formare continuă și de sprijin în implementarea soluțiilor noi care apar.
  • Oportunitățile de îmbunătățire a competențelor de analiză a datelor și de utilizare a instrumentelor digitale îmbunătățesc eficiența întregii organizații și cresc protecția victimelor.

Autoevaluare

Reveniți la Modulul VI
Înapoi la pagina principală

Co-finanțat de Programul CERV Daphne EC. Acord de grant nr. 101096908