Kąt Andersona

Przewidywanie przemocy domowej na podstawie aktywności sklepów z alkoholem przy użyciu uczenia maszynowego

mm
Dodaj Unite.AI do preferowanych źródeł w Google

Nowy artykuł badawczy z Uniwersytetu w Buffalo bada związek między punktami sprzedaży alkoholu a przemocą domową (DV) w różnych dzielnicach miasta w Stanach Zjednoczonych, na podstawie anonimowych danych o lokalizacji GPS z sieci telefonii komórkowej.

W artykule stwierdza się, że aktywność w sklepach z alkoholem jest silniej skorelowana z przemocą domową niż jakakolwiek inna lokalizacja, w której można kupić alkohol, co wskazuje, że związek między punktami sprzedaży alkoholu a przemocą domową może być bardziej złożony niż sugerują to ostatnie badania:

‘Zaskakująco, zmienna odwiedzin sklepów z alkoholem wykazuje najwyższy pozytywny wkład w wskaźnik przemocy domowej w porównaniu z innymi zmiennymi. To wynik sugeruje, że odwiedziny sklepów z alkoholem są ważnym predyktorem wskaźnika przemocy domowej na poziomie dzielnicy.

‘Interesujące jest to, że wizyty w dwóch innych typach punktów sprzedaży alkoholu (tj. lokale rozrywkowe i browary) mają ujemne współczynniki, które są zgodne z analizą korelacji.

‘To wynik wskazuje, że wizyty w tych punktach są rzeczywiście związane z niższymi wskaźnikami przemocy domowej. To wynik jest zaskakujący, ponieważ wyższa gęstość lokali rozrywkowych w dzielnicy była często uważana za związaną z wyższym wskaźnikiem przemocy domowej’

Z artykułu, wizualizacja mapowa przedstawiająca odwiedziny między sklepami z alkoholem a dzielnicami mieszkalnymi w ciągu tygodnia w 2019 roku, przed zakłóceniami spowodowanymi przez COVID. Źródło: https://arxiv.org/ftp/arxiv/papers/2203/2203.04088.pdf

Z artykułu, wizualizacja mapowa przedstawiająca odwiedziny między sklepami z alkoholem a dzielnicami mieszkalnymi w ciągu tygodnia w 2019 roku, przed zakłóceniami spowodowanymi przez COVID. Źródło: https://arxiv.org/ftp/arxiv/papers/2203/2203.04088.pdf

Autorzy teorują możliwy odwrotny związek między częstymi wizytami w bardziej prestiżowych punktach sprzedaży alkoholu a przemocą domową, twierdząc, że odwiedziny w miejscach takich jak browary i bary są prawdopodobnie związane z wyższym statusem społeczno-ekonomicznym, co redukuje ich prawdopodobieństwo uczestniczenia w incydentach przemocy domowej.

Artykuł artykuł nosi tytuł Rola odwiedzin punktów sprzedaży alkoholu w poprawie predykcji przemocy domowej na poziomie dzielnicy, i pochodzi od trzech badaczy z wydziałów matematyki, medycyny i geografii na Uniwersytecie w Buffalo.

Dane i Delineacja

Celem badaczy było określenie, czy anonimowe dane o lokalizacji mobilnej mogą być wykorzystane w połączeniu z dostępnymi statystykami przestępczości do predykcji incydentów i częstotliwości przemocy domowej na poziomie dzielnicy, o ile mogą one być związane z dostępnością alkoholu w lokalizacji.

Pierwszym zadaniem było zdefiniowanie dzielnic, co zostało osiągnięte przez użycie Grup Bloków Spisu (CBG), najmniejszych dostępnych jednostek geograficznych, które nadal zachowują pełne dane demograficzne i społeczno-ekonomiczne, dostarczone przez Amerykański Urząd Spisu Ludności (ACS).

Anonimowe dane o lokalizacji mobilnej pochodziły od SafeGraph, firmy komercyjnej, która zaoferowała badaczom dane obejmujące całe Stany Zjednoczone za darmo. Zestaw danych obejmuje 3,6 miliona punktów zainteresowania w Stanach, w tym te, które sprzedają alkohol, takie jak sklepy z alkoholem, bary, winiarnie i browary.

Badanie obejmuje okres poprzedzający, ale nie obejmujący statystycznie zakłócającego wybuchu COVID, a lokalizacje domowe odwiedzających punkty sprzedaży alkoholu zostały wywnioskowane przez SafeGraph na podstawie nocnych lokalizacji w ciągu sześciu tygodni poprzedzających. Nie ujawniono dokładnych trajektorii wizyt ani dokładnej lokalizacji domowej użytkowników – próbka, która odpowiada „uogólnionym” granicom dzielnic określonym w danych ACS.

Trajektoria badane w pracy nie muszą korelować z wizytami w domu, sklepie z alkoholem i z powrotem do domu, ale mogą reprezentować ścieżki do innych ustawień domowych, z przystankiem w sklepie z alkoholem po drodze.

Trajektoria badane w pracy nie muszą korelować z wizytami w domu, sklepie z alkoholem i z powrotem do domu, ale mogą reprezentować ścieżki do innych ustawień domowych, z przystankiem w sklepie z alkoholem po drodze.

Chociaż dostępne dane GPS obejmują cały kraj jako potencjalną obszar badań, badacze wybrali Chicago, ze względu na względnie dobrze oznaczone informacje dostępne za pośrednictwem Systemu Analizy i Raportowania Prawa i Porządku (CLEAR) Departamentu Policji w Chicago.

Zestaw danych CLEAR obejmuje typy przestępstw (takie jak podpalenie lub napad), a także czas, lokalizację i pary szerokości i długości geograficznej dla incydentu, wraz z innymi danymi. Zawiera również wartość binarną „Domestic”, wskazującą, czy funkcjonariusze policji przypisali incydent do Ustawy o Przemocy Domowej z 1986 roku w stanie Illinois.

Badacze zauważają, że wiele przestępstw niezwiązanych z przemocą domową (w tym podpalenia) zostało błędnie przypisanych do tej kategorii i usunięto te incydenty.

Po lewej, granice miasta Chicago, wraz z Grupami Bloków Spisu (CBG), po prawej, wyodrębnione incydenty przemocy domowej.

Po lewej, granice miasta Chicago, wraz z Grupami Bloków Spisu (CBG), po prawej, wyodrębnione incydenty przemocy domowej.

Tylko wizyty w sklepach z alkoholem trwające cztery lub więcej minut zostały uwzględnione. Dodatkowo, badacze przyznają, że nie ma sposobu, aby wiedzieć, czy wizyta skutkowała zakupem, lub jaki był zakres lub rodzaj zakupu. Ponadto, zauważają, że przemoc domowa jest uważana za jeden z najmniej zgłaszanych przestępstw, co przyczynia się do przybliżonej natury wyników uzyskanych w badaniu.

Cztery Podejścia

Dane zostały zbadane przy użyciu czterech podejść: Losowy Las (RF), Zwykła Regresja Najmniejszych Kwadratów (OLS), Głębokie Sieci Neuronowe (DNN) i Uwzględniona Regresja Przestrzenna (GWR). OLS i GWR są metodami statystycznymi, a nie metodami uczenia maszynowego.

Ogólny przegląd eksperymentów, obejmujących cztery metody i cztery kategorie punktów zainteresowania alkoholu w danych SafeGuard, skorelowanych z incydentami przemocy domowej w danych CLEAR.

Ogólny przegląd eksperymentów, obejmujących cztery metody i cztery kategorie punktów zainteresowania alkoholu w danych SafeGuard, skorelowanych z incydentami przemocy domowej w danych CLEAR.

Wyniki wskazują, że związek między sklepami z alkoholem a przemocą domową znacznie się różni w zależności od dzielnicy, chociaż badacze ostatecznie stwierdzają, że ‘wzrost odwiedzin sklepów z alkoholem jest związany ze wzrostem wskaźników przemocy domowej w większości dzielnic w Chicago’.

Korelacja z incydentami przemocy domowej, na podstawie czterech typów punktów sprzedaży alkoholu badanych w artykule: a) sklepy z alkoholem, b) lokale rozrywkowe, c) browary i d) winiarnie.

Korelacja z incydentami przemocy domowej, na podstawie czterech typów punktów sprzedaży alkoholu badanych w artykule: a) sklepy z alkoholem, b) lokale rozrywkowe, c) browary i d) winiarnie.

Artykuł zawiera bardziej szczegółowy zarys wskaźników społeczno-ekonomicznych i demograficznych związanych z analizami.

Autorzy stwierdzają*:

‘Nasze wyniki dostarczają dalszych informacji o związku między alkoholem a przemocą domową. Spośród czterech typów odwiedzin punktów sprzedaży alkoholu, odwiedziny sklepów z alkoholem mają najmocniejsze powiązanie z przemocą domową w dzielnicach mieszkalnych odwiedzających.

‘Teoria Routine Activity Przestępstwa sugeruje trzy niezbędne warunki, aby przestępstwo mogło wystąpić, które są: motywowany sprawca, potencjalna ofiara i brak czegoś, co mogłoby powstrzymać zachowanie sprawcy. Odwiedziny sklepów z alkoholem sugerują, że zakupiony alkohol będzie spożyty w domu, gdzie spełnione są wszystkie trzy warunki: sprawca i potencjalna ofiara są w bliskim sąsiedztwie i alkohol dostarcza [czynnik dezynhibujący].’

Autorzy sugerują ponadto, że wyniki z badań takich jak te mogą przyczynić się do przyszłych decyzji politycznych dotyczących regulacji sklepów z alkoholem w obszarach, w których ich związek z przemocą domową jest widoczny w danych, z możliwymi interwencjami, w tym ograniczeniem dozwolonych godzin sprzedaży i ograniczeniem liczby licencji na alkohol.

 

* Moja konwersja cytatu autora do odnośnika.

Pierwotnie opublikowane 9 marca 2022.

Pisarz specjalizujący się w dziedzinie machine learning, specjalista w dziedzinie syntezowania obrazów ludzi. Były szef działu treści badawczych w Metaphysic.ai, do czasu jego rozwiązania i połączenia z DNEG's Brahma.ai.
Portfolio site: martinanderson.ai
Contact: martin@martinanderson.ai