O Instituto Igarapé utiliza cookies e outras tecnologias semelhantes para melhorar a sua experiência, de acordo com a nossa Política de Privacidade e nossos Termos de Uso e, ao continuar navegando, você concorda com essas condições.
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