Connect with us

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

Sztuczna inteligencja

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

mm

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

Artykuł stwierdza, że aktywność w sklepach z alkoholem jest silniej skorelowana z przemocą domową niż jakikolwiek inny punkt sprzedaży alkoholu, co wskazuje, że korelacja między punktami sprzedaży alkoholu a przemocą domową może być bardziej złożona niż sugerowały ostatnie badania:

‘Zaskakująco, zmienna odwiedzin sklepów z alkoholem wykazuje najwyższy dodatni wkład w wskaźnik DV w porównaniu z innymi zmiennymi. Wynik ten sugeruje, że odwiedziny sklepów z alkoholem są ważnym predyktorem wskaźnika DV na poziomie dzielnicy.

‘Interesujące jest, że wizyty w dwóch innych typach punktów sprzedaży alkoholu (tj. miejscach picia i browarach) mają ujemne współczynniki, które są zgodne z analizą korelacji.

‘Wynik ten wskazuje, że wizyty w tych punktach są tak naprawdę związane z niższymi wskaźnikami DV. Wynik ten jest zaskakujący, ponieważ wyższa gęstość miejsc picia w dzielnicy była często uważana za związaną z wyższym wskaźnikiem DV’

Z artykułu, wizualizacja mapowa przedstawiająca wizyty między sklepami z alkoholem a dzielnicami mieszkalnymi przez tydzień w 2019 roku, przed zakłócającym wprowadzeniem COVID. Źródło: https://arxiv.org/ftp/arxiv/papers/2203/2203.04088.pdf

Z artykułu, wizualizacja mapowa przedstawiająca wizyty między sklepami z alkoholem a dzielnicami mieszkalnymi przez tydzień w 2019 roku, przed zakłócającym wprowadzeniem COVID. Źródło: https://arxiv.org/ftp/arxiv/papers/2203/2203.04088.pdf

Autorzy teorują możliwą odwrotną zależność między częstymi wizytami w bardziej prestiżowych miejscach związanych z alkoholem a przemocą domową, twierdząc, że odwiedzający miejsca takie jak browary i bary są prawdopodobnie osób o wyższym statusie społeczno-ekonomicznym, co zmniejsza ich prawdopodobieństwo udziału w incydentach przemocy domowej.

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

Dane i Delineacja

Celem badaczy było określenie, czy anonimowe dane lokalizacji telefonu komórkowego 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 miejscu.

Pierwszym zadaniem było zdefiniowanie dzielnic, co zostało osiągnięte za pomocą Grup Bloków Spisu (CBG), najmniejszych dostępnych jednostek geograficznych, które nadal zachowują pełne dane demograficzne i społeczno-ekonomiczne, dostarczane przez Amerykański Spis Powszechny (ACS).

Anonimowe dane lokalizacji telefonu komórkowego pochodziły z 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, lecz 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 określonych w danych ACS.

Trajektorie badane w pracy niekoniecznie korelują z wizytami home>sklep z alkoholem>home, ale mogą reprezentować ścieżki do innego środowiska domowego, z przystankiem w sklepie z alkoholem po drodze.

Trajektorie badane w pracy niekoniecznie korelują z wizytami home>sklep z alkoholem>home, ale mogą reprezentować ścieżki do innego środowiska domowego, z przystankiem w sklepie z alkoholem po drodze.

Chociaż dostępne dane GPS obejmują cały kraj jako potencjalny obszar badawczy, badacze wybrali Chicago, ze względu na stosunkowo dobrze oznaczone informacje dostępne za pośrednictwem Systemu Analizy i Raportowania Wykonania Prawa przez Obywateli Departamentu Policji w Chicago (CLEAR).

Zestaw danych CLEAR zawiera typy przestępstw (takie jak podpalenie lub napaść), a także czas, lokalizację i pary szerokości i długości geograficznej zdarzenia, wraz z innymi danymi. Zawiera również wartość binarną “Domestic”, wskazującą, czy funkcjonariusze policji przypisali zdarzenie do Ustawy o przemocy domowej z Illinois z 1986 roku.

Badacze zauważają, że pewne przestępstwa niezwiązane z “przemocą domową” (w tym podpalenie) zostały błędnie przypisane do tej kategorii i wykluczyli te zdarzenia.

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

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

Tylko okazje, podczas których wizyta w sklepie z alkoholem trwała cztery lub więcej minut, zostały uwzględnione. Dodatkowo, badacze przyznają, że nie ma sposobu, aby wiedzieć, czy wizyta skutkowała zakupem, lub zakresie lub rodzaju zakupu. Ponadto, zauważają, że przemoc domowa jest uważana za jedną 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 Liniowa (OLS), Głęboka Sieć Neuronowa (DNN) oraz Regresja Ważona Geograficznie (GWR). OLS i GWR są metodami statystycznymi, a nie metodami uczenia maszynowego.

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

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

Wyniki w czterech metodach wskazują, że związek między sklepami z alkoholem a przemocą domową znacznie się różni w poszczególnych dzielnicach, chociaż badacze ostatecznie stwierdzają, że ‘wzrosty w odwiedzinach sklepów z alkoholem są związane ze wzrostem wskaźników DV w większości dzielnic w Chicago’.

Korelacja z incydentami DV, na podstawie czterech typów punktów sprzedaży alkoholu badanych w artykule: a) sklepy z alkoholem, b) miejsca picia (tj. bar), c) browary i d) winiarnie.

Korelacja z incydentami DV, na podstawie czterech typów punktów sprzedaży alkoholu badanych w artykule: a) sklepy z alkoholem, b) miejsca picia (tj. bar), 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 na temat związku między alkoholem a przemocą domową. Wśród czterech typów odwiedzin punktów sprzedaży alkoholu, odwiedziny sklepów z alkoholem mają najmocniejsze powiązanie ze zwiększoną przemocą domową w dzielnicach mieszkalnych odwiedzających sklepy z alkoholem.

‘Teoria Rutynowych Działań przestępstwa sugeruje trzy niezbędne warunki, aby przestępstwo mogło wystąpić, które są: motywowany sprawca, potencjalna ofiara i brak czegoś, co mogłoby hamować 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 zapewnia [rozluźnienie].’

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, takimi jak ograniczenie dozwolonych godzin sprzedaży i ograniczenie liczby licencji na alkohol.

 

* Moja konwersja cytowania w tekście autorów na hiperłącze.

Pierwotnie opublikowane 9 marca 2022.

Pisarz na temat uczenia maszynowego, specjalista ds. syntezowania obrazów ludzi. Były kierownik treści badawczych w Metaphysic.ai.