La inteligencia artificial podría ayudar a proteger a las víctimas de la violencia doméstica

Los métodos de aprendizaje automático son mucho más eficaces para evaluar qué víctimas de la violencia doméstica corren más riesgo que las evaluaciones de riesgo convencionales, según una nueva investigación.

El estudio del Centre for Economic Performance (CEP) de la LSE, Comparing Conventional and Machine-Learning Approaches to Risk Assessment in Domestic Abuse Cases, revela que, de las llamadas por maltrato doméstico que recibe la policía, más de una de cada diez (el 11,8%) volverá a llamar en el plazo de un año por una agresión violenta repetida.

Las fuerzas policiales tienen que evaluar el riesgo de que las víctimas de maltrato doméstico vuelvan a ser objeto de una agresión, con el fin de mantener a las víctimas a salvo y prevenir futuros actos de violencia. En la actualidad, esto se hace mediante una serie de preguntas estandarizadas.

Sin embargo, los investigadores del CEP han encontrado una forma de predecir con mayor exactitud la repetición de las agresiones, con lo que la policía tiene más posibilidades de evitar daños graves.

Un problema mundial

«El maltrato doméstico es un problema mundial», afirma la Dra. Ria Ivandić, coautora del informe e investigadora economista postdoctoral del CEP. «En Estados Unidos, aproximadamente una de cada cuatro mujeres sufre violencia grave por parte de su pareja a lo largo de su vida. En Inglaterra, la violencia doméstica representa un tercio de todas las agresiones con lesiones«.

«Hemos comprobado que los sistemas de aprendizaje automático que analizan la información existente, incluidos los antecedentes penales, las llamadas a la policía y los incidentes de violencia denunciados, pueden identificar el riesgo de repetición de incidentes con mayor precisión que los actuales cuestionarios estandarizados que utilizan las fuerzas policiales», aseguran los expertos.

«Esto es vital, ya que un reciente informe del HMICFRS revela que la inspección está preocupada porque la policía es a veces demasiado lenta en llegar a los incidentes de abuso doméstico y que hubo retrasos en la respuesta a los casos en más de una cuarta parte de las fuerzas. También descubrieron que en un pequeño número de casos, los retrasos se deben a que las fuerzas no tienen suficientes agentes disponibles para asistir».

Los investigadores -Jeffrey Grogger, profesor de política urbana en la Harris School of Public Policy de la Universidad de Chicago, la doctora Ivandić y Tom Kirchmaier, director del grupo de investigación sobre policía y delincuencia del CEP- han analizado más de 165.000 llamadas sobre maltrato doméstico realizadas a la policía de Greater Manchester entre abril de 2014 y julio de 2018.

Actualmente, los agentes de policía que responden a una llamada de abuso doméstico tienen instrucciones de completar el formulario DASH (Domestic Abuse, Stalking and Harassment and Honour-Based Violence). El DASH es una lista de control de unas 27 preguntas, que se utiliza, junto con cualquier otra información pertinente, para que el agente evalúe el caso como de riesgo normal, medio o alto. La evaluación de un caso como de alto riesgo implica que en cualquier momento puede producirse un incidente que cause daños graves, y pone en marcha recursos destinados a mantener a la víctima a salvo.

Los investigadores descubrieron que, de 16.203 casos de maltrato doméstico entre dos personas, se repitieron 1.702 agresiones en situaciones que el sistema DASH no había clasificado como de alto riesgo, lo que supone una tasa de predicción negativa del 11,5%.

Aplicando el aprendizaje automático, una forma de inteligencia artificial básica, a la información de DASH, esta tasa de predicción negativa podría reducirse a entre el 8,7% y el 7,3%.

Implicados en la violencia

Y sustituyendo los datos de DASH por otra información existente sobre las dos personas implicadas, que incluye condenas penales, incidentes de violencia o el número de llamadas realizadas a la policía por maltrato doméstico, el sistema de aprendizaje automático podría ser aún más preciso, con una tasa de predicción negativa tan baja como el 6,1%. Esto significa que, si bien el sistema falló en la previsión de 468 agresiones, predijo correctamente hasta 1.234 agresiones repetidas que se pasaron por alto con el sistema actual.

Los investigadores sugieren que su trabajo podría mejorar la respuesta policial a las llamadas por maltrato doméstico. El profesor Grogger dijo: «Los datos de DASH sólo están disponibles después de que un agente haya aparecido en el lugar de los hechos, pero la información sobre los antecedentes penales de alguien está potencialmente disponible en cuanto entra la llamada y el gestor de la misma ha identificado a las partes implicadas. Esto significa que se podría hacer una predicción inicial de reincidencia violenta mientras la persona que llama está en la línea. De hecho, podría utilizarse para establecer la puntuación prioritaria de la llamada, con lo que la policía tendría más posibilidades de responder rápidamente a los casos de alto riesgo».

Los investigadores también recomiendan que una forma de reducir el coste de las predicciones de falsos positivos -la predicción de un ataque que luego no se produce- sería mediante el desarrollo de un segundo procedimiento de detección más sensible.

«Sospechamos que un procedimiento en dos partes daría mejores resultados que la evaluación de riesgo DASH tanto a la hora de priorizar las llamadas al servicio como a la hora de proporcionar recursos de protección a las víctimas que más los necesitan», afirma el profesor Kirchmaier.

TE PUEDE GUSTAR

Bain & Company ha adquirido PiperLab, compañía española especializada en soluciones de Inteligencia Artificial y Machine Learning (ML), con el objetivo de ampliar su oferta

EVENTOS

RECIBE NUESTRA NEWSLETTER

*Email:

*Nombre:

*Empresa:

Cargo:

Sector:
     

Please don't insert text in the box below!

ESCUCHA NUESTRO PODCAST

SÍGUENOS EN RRSS

MÁS COMENTADOS

Scroll al inicio