The Igarapé Institute uses cookies and other similar technologies to improve your experience, in accordance with our Privacy Policy and our Terms of Use, and by continuing to browse, you agree to these conditions.
O CrimeRadar utiliza ferramentas de machine learning em seus três eixos:
Algoritmo back-end de predição
para prever quando e onde um tipo de evento tem mais chance de ocorrer.
Dashboard
permite que usuários compreendam como ocorrências se concentram e onde o efetivo policial deve atuar no território.
Estratégia de impacto social
para mitigar vieses discriminatórios.
O algoritmo também foi testado para verificar vieses e evitar a utilização de dados tendenciosos.
Pesquisas indicam que crimes violentos e contra propriedade se concentram em localidades específicas (hot spots) e durante períodos previsíveis. Cerca de metade dos crimes na maioria das cidades do mundo ocorrem em cerca de 5% dos endereços.
O primeiro passo na prevenção do crime é compreender seu território. Sistemas de mapeamento e predição de crimes baseados em dados podem ajudar as polícias a reduzir homicídios em até 10%, diminuir registros criminais em até 40% e encurtar drasticamente o tempo de resposta a ocorrências.
CrimeRadar permite que seus usuários potencializem a eficiência operacional e ampliem a atenção aos territórios, melhorando a relação custo-benefício por meio da alocação adequada de recursos. Possibilita também reduzir os tempos de resposta a ocorrências porque policiais já estarão fisicamente posicionados em áreas onde há mais probabilidade de ocorrências.
Para usar a ferramenta, a instituição deverá obedecer a padrões rígidos de transparência e prestação de contas. O Instituto Igarapé apoiará as polícias para garantir que os padrões sejam cumpridos.
Os requisitos são apresentados abaixo, juntamente com a instituição responsável. Esses requisitos seguem as recomendações do grupo de trabalho FAT/ML:
> Responsabilidade – Disponibilizar vias de reparação externas visíveis para efeitos individuais ou sociais adversos de um sistema de previsão algorítmica, e designar um papel interno para a pessoa responsável pela solução oportuna de tais questões. (Instituição responsável: Corporação policial)
> Explicabilidade – Garantir que as previsões algorítmicas, bem como quaisquer dados que conduzam essas previsões, possam ser explicadas aos usuários finais e outras partes interessadas em termos não técnicos. (Instituição responsável: Corporação policial)
> Precisão – Identificar, registrar e articular origens de erro e incerteza em todas as fontes de dados, para que as implicações esperadas e piores no caso possam ser compreendidas e informar os procedimentos de mitigação. (Instituição responsável: Corporação policial)
> Equidade – Assegurar que as previsões algorítmicas não criem impactos discriminatórios ou injustos ao compararem dados demográficos diferentes. (Instituição responsável: Corporação policial)
> Auditabilidade – Permitir que interessados investiguem, entendam e analisem o comportamento do algoritmo através da divulgação de informação que permite o monitoramento, verificação ou críticas, incluindo através do fornecimento de uma documentação detalhada, APIs tecnicamente adequados, e termos de uso adequados. (Instituição responsável: Instituto Igarapé)
CRIMERADAR RIO
versão pública
Antes das Olimpíadas do Rio em 2016, o Instituto Igarapé desenvolveu, em caráter experimental, a rio.CrimeRadar, uma plataforma digital que usava machine learning para prever taxas de crimes em diferentes bairros e horários. A plataforma foi apresentada ao público em agosto daquele ano, durante os Jogos, com foco na região metropolitana da cidade. A plataforma rio.CrimeRadar se baseou em cerca de cinco anos de dados sobre crimes coletados no Rio de Janeiro para determinar os riscos relativos de crime na semana seguinte. O aplicativo foi concebido e desenvolvido pelo Instituto Igarapé, em associação com Via Science e Mosaico
Reconhecimentos
crimeradar@igarape.org.br