Modulo 3

Prévia do material em texto

MÓDULO 3 - POLICIAMENTO PREDITIVO
APRESENTAÇÃO DO MÓDULO
Na última década houve enorme aumento da quantidade de softwares desenvolvidos com a promessa de somar-se à atividade policial a partir do fornecimento de análises preditivas. Esses sistemas, em geral, têm o objetivo de trazer inteligência estratégica às ações da polícia, usando dados sobre o local de crimes, padrões de delito, identidade de suspeitos e perfis de vítimas para auxiliar no trabalho de prevenção.
Há diferentes definições para o policiamento preditivo, mas estas costumam convergir para dois pontos centrais:
Trata-se de uma estratégia de policiamento que se vale de ferramentas que aplicam modelagem estatística para prever a atividade criminal no futuro próximo;
As previsões que resultam dos métodos quantitativos informam os processos de tomada de decisão, guiando o emprego de recursos humanos e materiais.
Portanto, a introdução destes softwares não visa apenas a reorientar políticas de controle do crime (de um princípio reativo para a antecipação de tendências), mas promove também a implementação de um modelo de gestão no qual a atividade policial passa a se basear no uso de indicadores de desempenho para controle de resultados, emprego racional de recursos, descentralização administrativa, incorporação de medidores de qualidade do serviço, enxugamento de pessoal, entre outros (Batitucci, 2019). O pressuposto é que estatísticas criminais informam práticas de gestão mais técnicas, objetivas e neutras, aumentando o accountability e a eficiência das instituições policiais. Assim, estes softwares se tornaram símbolo do processo de modernização da polícia, sendo seu uso visto como responsável pela queda em índices de criminalidade e aumento no número de prisões.
Neste módulo, serão apresentados alguns dos pressupostos criminológicos e das técnicas utilizadas no policiamento preditivo. Mais especificamente, o módulo busca explicar de que forma tecnologias de predição de crimes incorporam perspectivas teóricas acerca da distribuição desses eventos no tempo e no espaço, atribuindo as causas do comportamento criminal ao cálculo de custos e benefícios de potenciais infratores e seus determinantes situacionais (por exemplo, como a configuração do território influência nas taxas de criminalidade em determinado local). Além disso, serão debatidos alguns dos limites técnicos dos softwares de análise criminal, incluindo os dilemas éticos do uso de sistemas preditivos para a construção de perfis de suspeição e para a determinação das áreas prioritárias de patrulhas.
OBJETIVOS DO MÓDULO
Apresentar o panorama do desenvolvimento e uso de sistemas de policiamento preditivo, sobretudo no trabalho de prevenção exercido no policiamento ostensivo. Além disso, o módulo vai ainda debater alguns dos limites técnicos desses sistemas e os riscos que eles acarretam ter na reprodução de padrões enviesados de policiamento.
ESTRUTURA DO MÓDULO
Este módulo compreende as seguintes aulas:
Aula 1 – Antecedentes do uso da análise estatística no planejamento operacional das polícias.
Aula 2 – Como operam os sistemas atuais de policiamento preditivo?
Aula 3 – Limitações técnicas e dilemas éticos.
AULA 1 – ANTECEDENTES DO USO DA ANÁLISE ESTATÍSTICA NO PLANEJAMENTO OPERACIONAL DAS POLÍCIAS
É comum ouvirmos que ferramentas de predição de crimes representam “a transformação mais radical da história do policiamento” (Dodd, 2014), substituindo o “faro policial” por modelos matemáticos capazes de estimar a incidência futura de crimes e riscos de vitimização. No entanto, coleta de dados, análises estatísticas e mapeamento de ocorrências remetem a uma longa trajetória de quantificação do crime e gerenciamento da atividade policial.
A produção de conhecimento estatístico está ligada ao próprio surgimento de instituições policiais modernas ainda no século XIX, quando o objetivo de antecipar ações criminosas para prevenir ocorrências já ditava a lógica da atividade policial. Ainda nas décadas de 1820 e 1830, Adolphe Quetelet, Adriano Balbi e André-Michel Guerry, expoentes do movimento que ficou conhecido como “escola cartográfica”, começaram a coletar informações sobre população prisional e a relacionar a incidência de crimes com dados demográficos (pobreza, níveis educacionais, composição étnica dos bairros, consumo de álcool etc.), comprovando ser possível identificar padrões recorrentes de criminalidade (Eck & Weisburd, 1995). Já se percebia, portanto, que o conhecimento estatístico permitia extrapolar a experiência do passado para tendências futuras. Assim, crimes não eram mais vistos como eventos peculiares, atos divinos ou “acidentes”, mas como regularidades que poderiam ser previstas e alteradas a partir de ações do Estado.
Saiba mais
Os primeiros autores da “Escola Cartográfica” desenvolveram técnicas de visualização de dados, como “mapas coropléticos”, gráficos e tabelas, produzindo conhecimento sobre o crime e informando ações das instituições policiais. Esta perspectiva teve grande influência na criminologia até os anos 1880. Ao comparar estatísticas criminais com informações do censo francês, Balbi e Guerry concluíram, por exemplo, que áreas com maior incidência de crimes contra a propriedade apresentavam índices baixos para crimes contra pessoas. Análises demográficas de períodos mais longos realizadas por Quetelet revelaram ainda que alguns fenômenos apresentavam incidência relativamente estável, incluindo taxas de crimes, nascimentos e suicídios, o que contribuiu para o planejamento de gestores públicos, incluindo instituições policiais.
Outros momentos de proximidade entre técnicas cartográficas e a criminologia surgiram com a influência dos mapas de zonas concêntricas desenvolvidos pela “Escola de Chicago” nos anos 1920, e com as grandes mudanças advindas dos avanços computacionais e dos sistemas de informação geográfica, principalmente a partir dos anos 1980. Apesar dos avanços e recuos na relação entre a cartografia e criminologia, é importante notar que departamentos de polícia mantiveram esforços de mapeamento durante todo esse período, enfrentando os desafios de visualizar a distribuição espacial e temporal do crime.
Para mais, ver: Eck & Weisburd (1995)
Recuperando suas raízes mais recentes, o policiamento pautado em modelos algorítmicos aprofunda uma tendência no campo da segurança pública cujos contornos são claros desde os anos 1980, quando propostas de reforma nas doutrinas e práticas policiais passaram a se debruçar de forma sistemática sobre o registro de eventos e a identificação de padrões normais de distribuição, agindo para prevenir a ocorrência de crimes em locais e horários de maior concentração. Neste período, dois fatores foram fundamentais:
1. Avanços computacionais, que permitiram a popularização de sistemas automatizados de informação geográfica (SIG) e a digitalização das bases de dados policiais (por exemplo, os registros georreferenciados de ocorrências criminais);
2. Transformação no pensamento criminológico, que passou a privilegiar iniciativas de engenharia situacional para a redução de condições criminógenas. Em outras palavras, a ação criminosa deixou de ser vista apenas como consequência de psicopatias ou privações socioeconômicas e se tornou produto da ação racional, derivada de cálculos de custo-benefício e fruto de situações oportunas (como preconizava, por exemplo, a famosa teoria das “janelas quebradas”).
Saiba mais
Segundo a famosa formulação de James Wilson e George Kelling (1982), espaços com “janelas quebradas” são um convite à desordem e acabam por reunir grande parte dos crimes violentos. Ou seja, os autores constatam que áreas urbanas degradadas (sem cuidado com manutenção de parques e ruas, por exemplo) concentram pequenos delitos e esses, com o tempo, tenderiam a evoluir para crimes violentos. Nesse sentido, tão importante quanto as minuciosas investigações de assassinatos em série, por exemplo, seria a repressão ao uso de drogas, prostituição, pichação e destruição do patrimônio público. Caberia à polícia,portanto, redirecionar seus esforços para a identificação de áreas de risco e distribuir recursos de forma a gerar desincentivos a atividade criminal. Para uma apresentação mais detalhada dos pressupostos da teoria das “janelas quebradas”, ver: Wilson & Kelling (1982)
A relevância dos avanços computacionais não pode ser subestimada. Dificuldades técnicas eram obstáculos formidáveis ao uso de mapas e abordagens estatísticas. Mesmo em países desenvolvidos, a coleta de dados não era sistemática e padronizada, o que impedia estudos comparativos e gerava grande imprecisão em análises criminais com largas escalas temporais. Profissionais de segurança pública e estatísticos trabalhavam com bases incompletas e não tinham técnicas para compensar o problema de subnotificação (Santos, 2013). Além disso, a produção de mapas requeria investimento de tempo, mão de obra e espaço (geralmente, paredes inteiras), recursos escassos na maioria das instituições policiais.
Os primeiros mapas eram representações em papel de áreas de atuação dos departamentos de polícia, onde crimes eram geolocalizados com alfinetes coloridos. No entanto, na medida em que mais crimes eram cometidos, a visualização de sua distribuição geográfica tornava-se confusa, dificultando a distinção de padrões e séries de eventos relacionados. A análise de tendências também não era tarefa simples, já que mapas precisavam ser atualizados de tempos em tempos e informações sobre diferentes períodos só estavam disponíveis em fotos de arquivo. Em resumo, as polícias não dispunham de dados georreferenciados detalhados – a atualização das bases era analógica, o que gerava erros e tomava muito tempo – e os métodos de visualização não eram muito sofisticados.
Figura 12: Análise georreferenciada de crimes pela Scotland Yard em 1964
Fonte: https://www.alamy.com/stock-photo/crime-map-history.html?sortBy=relevant
Transformações na pesquisa criminológica também tiveram papel de destaque. Estudos sobre ocorrências em microrregiões começaram a mostrar que crimes estão concentrados em poucas áreas (esquinas e segmentos de ruas) e que os níveis de adensamento variam pouco ao longo do tempo (Eck & Weisburd, 1995). Análises sobre vitimização e perfis de suspeição também começaram a encontrar padrões de repetição de vítimas (roubos de domicílio, por exemplo, tendem a ocorrer em áreas próximas de residências roubadas no passado próximo) e concentrações de crimes em certos grupos populacionais (algumas poucas redes representam grande parte de criminosos e vítimas).
Caberia, então, às autoridades públicas investir no desenvolvimento de mecanismos de prevenção situacional. Ao invés de distribuir policiais aleatoriamente pelas ruas e torcer para que estes flagrem ações criminosas, os comandantes deveriam mapear a incidência de crimes e “colocar os policiais nos pontos [de concentração]” (Braga et al., 2019, p. 544). Como resultado, a demanda por respostas rápidas e investigação reativa foi, aos poucos, substituída nos manuais modernos de operação por um novo consenso em torno do “policiamento baseado em evidências” (Ratcliffe, 2016).
Portanto, foi a soma desses fatores - a preocupação acerca da ecologia do crime como forma de guiar a alocação de recursos policiais, os avanços em técnicas de mapeamento e modelagem estatística, e o desenvolvimento de computadores com alta capacidade de processamento com custos acessíveis à maioria das instituições policiais - que permitiu a popularização de softwares de informação geográfica, a digitalização das bases de dados de ocorrências criminais, e, fundamentalmente, a popularização dos sistemas modernos de análise criminal.
Esse processo encontrou contornos mais claros no CompStat, a ferramenta computacional de georreferenciamento de ocorrências e gestão de recursos implementada em 1994 pela polícia de Nova York. Cortes no orçamento público, aliados a demandas por mais transparência nas ações policiais, levaram a NYPD a reestruturar cadeias de comando, descentralizar processos de tomada de decisão e a estabelecer metas de desempenho. Em reuniões periódicas, os comandantes de diferentes unidades eram instados a apresentar os dados criminais de suas circunscrições, analisar padrões, selecionar táticas e definir a alocação de recursos. Nesse ambiente, informações eram trocadas, “boas práticas” ganhavam escala e resultados positivos rendiam ganhos pecuniários para os agentes.
Entre 1993 e 1998, taxas de criminalidade caíram em quase todas as regiões da cidade, incluindo:
homicídios (-67%), invasões de domicílio (-53%), e roubos de rua (-54%) (Police Executive Research Forum, 2013).
Desde o sucesso do CompStat, instituições policiais ao redor do mundo têm investido cada vez mais na previsão de crimes, de modo que o policiamento reativo abre espaço para uma estratégia preventiva cujo objetivo final é dissuadir a ação criminal antes que essa ocorra, “tornando a bala obsoleta” (Coldewey, 2017). No entanto, há ainda certa confusão conceitual acerca do que é policiamento preditivo, das diferenças entre as várias ferramentas disponíveis e, fundamentalmente, de seu impacto na rotina policial. Esses temas serão abordados na próxima aula.
AULA 2 – COMO OPERAM OS SISTEMAS ATUAIS DE POLICIAMENTO PREDITIVO?
Como vimos na aula anterior, cabe certo ceticismo acerca do discurso de que análises algorítmicas representam “uma revolução que mudará tudo [nas polícias]”, sendo mais exato entender os softwares atuais como “aprimoramentos incrementais” nas atividades já exercidas pelas forças de segurança há várias décadas (Hollywood, 2012, p. 33).
Além disso, é importante estar atento às diferenças entre os sistemas disponíveis no mercado, uma vez que o termo “policiamento preditivo” funciona como uma espécie de guarda-chuva sob o qual lógicas algorítmicas distintas são agrupadas. Ou seja, técnicas de predição, apesar de partirem da identificação de correlações estatísticas entre os múltiplos fatores que incidem sobre a dinâmica criminal, têm pressupostos e implicações para as operações policiais que podem variar, servindo para prever o perfil de vítimas, potenciais criminosos ou locais de concentração de crimes.
Dessa forma, os bancos de dados utilizados para o treinamento dos diferentes sistemas também podem variar. Enquanto alguns sistemas têm como base os registros de vitimização, perfis de redes sociais, dados de secretarias de assistência social, dados bancários e censitários etc., outros se valem de bases os registros criminais agregados, dados meteorológicos e informações geográficas (por exemplo, a localização de bares, condomínios, pontos de ônibus, favelas, parques, escolas etc.) para identificar tendências de eventos criminais em células urbanas (microrregiões da cidade, como esquinas e segmentos de ruas).
Além disso, as próprias técnicas de análise preditiva têm funcionamentos distintos, sendo comuns softwares que se valem de modelagens de risco de terreno (RTM), processos de auto excitação de pontos (SEPP), análises de repetição próxima (NR), análises geoestatísticas com cadeias de Markov, estimativas de densidade Kernel (KDE), entre outros.
Saiba mais
Softwares de policiamento preditivo se amparam em um conjunto de técnicas responsáveis por moldar os processos decisórios de máquina, e incorporam pressupostos e teorias correntes acerca de como é entendido o fenômeno criminal. Em regra, a predição é baseada em pessoas quando o intuito primário é o de detectar indivíduos que apresentem maior risco de cometer crimes (por exemplo, a partir da criação e identificação de perfis criminais e listas de potenciais suspeitos) e baseada em lugares quando o intuito é detectar padrões criminais no tempo-espaço. Nos dois casos, as predições focam em determinados fatores de risco. No caso de predições baseadas em lugares, são comuns a inclusão de fatores como a ausência de iluminação pública adequada, pouco comércio e circulação urbana, além do histórico de eventos criminais no local. No caso de predições baseadas em indivíduos, alguns dos parâmetrosconsiderados nos modelos matemáticos são: condenação prévia, estrutura familiar, local de residência, emprego, histórico de uso de drogas etc.
Para entender mais sobre as variadas técnicas de análise da concentração de crimes no espaço, no tempo, em determinados grupos populacionais ou mesmo em perfis de suspeição criminal, ver: Perry et al. (2013)
Podemos perceber, portanto, que há inúmeros sistemas preditivos, já que os diferentes objetivos seguem os diferentes escopos dos órgãos de segurança.
As polícias investigativas:
As polícias investigativas, por exemplo, costumam ter maior interesse em sistemas que analisam perfis de suspeição, guiando o trabalho de coleta de evidências.
Ministério Público Federal:
Já órgãos responsáveis por reprimir crimes financeiros, como o Ministério Público Federal, tendem a buscar algoritmos que identifiquem transações que fujam da normalidade, alertando para possíveis fraudes ou práticas de lavagem de dinheiro.
Além das funcionalidades descritas acima, há sistemas no mercado que fazem avaliação de risco de reincidência para informar decisões de juízes sobre progressão de pena, que avaliam o perfil de requerentes de vistos de entrada no país, que apontam os locais mais prováveis de futuros acidentes de carro, que monitoram dados sobre ações da própria polícia para apontar indícios de má conduta. O que todos esses sistemas têm em comum é que são pautados por modelos algorítmicos de análise de padrões que “buscam conhecimento [sobre práticas criminais], não a partir de processos dedutivos ou de evidências levantadas em investigações, mas a partir da indução estatística” (Guzik, 2009, p. 7)
Para organizar um pouco esse complexo campo, pode-se dizer que, em geral, os sistemas de policiamento preditivos utilizados pelas forças policiais se dividem em quatro grupos, delimitados a partir dos alvos de intervenção (indivíduos ou espaços) e das técnicas analíticas implementadas.
Tabela 1: Diferentes modelos de previsão de crimes (exemplos de sistemas de predição)
Fonte: https://www.chicagomag.com/city-life/August-2017/Chicago-Police-Strategic-Subject-List/ Adaptado pelo conteudista
Fora do Brasil, são comuns os sistemas que se valem de dados pessoais e do entorno social (incluindo passagens pela polícia, informações sobre desempenho escolar etc.) para a identificação de indivíduos que venham a cometer crimes ou a participar de grupos violentos, como a Strategic Subject List de Chicago e a Gangs Violence Matrix de Londres. No Brasil, contudo, a maioria dos sistemas atualmente em uso contribui para o policiamento ostensivo e se debruça sobre os padrões espaço-temporais do crime.
Como apontamos anteriormente, esses sistemas estão baseados em dois pressupostos:
1. Padrões criminais do passado servem como forma de inferir a distribuição de crimes no futuro;
2. A configuração territorial é fator central para compreender a incidência de crimes em microrregiões.
Enquanto a análise criminal pautada em “áreas quentes” (hot spots) costuma incluir apenas um parâmetro de análise - “[crime futuro] ≅ f [crime passado]” (crime futuro é uma função do crime passado) - os algoritmos mais sofisticados tendem a testar múltiplos fatores que influenciam na dinâmica criminal, construindo estimativas mais precisas e mais maleáveis (adaptáveis a diferentes contextos). Em termos de modelos matemáticos, esses pressupostos se expressam como: “[crime futuro] ≅ f [crime passado, outros tipos de crime, informações sobre eventos de desordem no local, registros sobre atividade suspeita; informações demográficas; dados econômicos; previsões do tempo; etc...]”.
Figura 13: Fluxograma do funcionamento de sistemas de predição de crimes
Fonte: adaptado de Hardyns & Rummens (2018, p. 205)
Figura 14: Interface operacional do sistema de previsão de crimes da HunchLab (destacando áreas prioritárias de patrulhamento para determinado turno e indicando o risco de diferentes tipos de delitos em cada região)
Fonte: Arrigue et al (2019, p. 5).
Infelizmente, como costuma ocorrer no campo da segurança pública, são raros os estudos de avaliação de impacto do policiamento preditivo, problema agravado por ainda “não haver consenso entre pesquisadores sobre as melhores formas de avaliar e comparar novos métodos”, o que torna análises sistemáticas do uso de diferentes softwares em ambientes operacionais virtualmente inexistentes (Adepeju et al., 2016, p. 2135).
Em geral, as avaliações se resumem a análises desenvolvidas pelas próprias empresas que comercializam os softwares.
Na Prática
A PredPol, por exemplo, realizou realizou ensaios controlados randomizados (randomized control trials, ou RCTs) que apontaram maior precisão nas abordagens policiais (Mohler et al., 2015). A empresa afirma que seu sistema é capaz de prever de 1.4 a 2.2 vezes mais crimes se comparado aos métodos utilizados até então por analistas criminais em Los Angeles (EUA) e Kent (Reino Unido). Além disso, o uso do software causou a queda média de 7.4% em crimes durante o período de 24 semanas de testes nessas cidades. Outro estudo da mesma empresa afirma que o uso do algoritmo levou a números de prisões entre grupos minoritários igual ou menor nas áreas testadas do que nas áreas de controle (Brantingham et al., (2018). Em resumo, o software otimizaria a ação repressiva da polícia, diminuindo as críticas acerca da natureza discriminatória de seu trabalho.
De fato, segundo os estudos das próprias empresas, a aplicação de modelos estatísticos na decisão sobre a alocação de patrulhas e na prevenção do comportamento criminal tem apresentado resultados satisfatórios em termos de redução da violência urbana.
Pearsall (2010) indica, por exemplo, que um dos primeiros testes com algoritmos preditivos, realizado em Richmond (EUA) no dia do réveillon, levou à queda de 47% dos tiroteios.
CONTUDO, ESTAS CONCLUSÕES NÃO ESTÃO LIVRES DE DÚVIDAS.
Rachel Santos (2014):
Afirma que as evidências disponíveis impedem uma avaliação criteriosa acerca dos efeitos de sistemas preditivos.
Perry et al., 2013; Hunt et al., 2014; Meijer & Wessels, 2019:
Apontam que estes sistemas apresentam ganhos pouco significativos em relação a métodos convencionais de análise criminal.
De fato, avaliar o impacto destes softwares não é simples, uma vez que eles oferecem diagnósticos de incidência criminal, mas não determinam a estratégia policial em si. As avaliações, portanto, dependem de uma série de fatores, incluindo a disposição das patrulhas de seguir rigorosamente as recomendações para alocação de recursos. Contribui para esta incerteza o fato desses sistemas raramente serem implantados de forma avulsa, mas integrarem, em geral, um conjunto de inovações (por exemplo, novos protocolos de abordagem, sistemas de videomonitoramento, câmeras corporais etc.)
É central, ainda, a deficiência em termos de transparência. Muitos dos sistemas utilizados atualmente são serviços contratados de empresas privadas que não revelam detalhes dos modelos empregados. A opacidade dos softwares, protegidos por patentes, garante a vantagem competitiva das empresas e o valor comercial dos algoritmos. Logo, estes raramente são auditáveis por organizações da sociedade civil e agências reguladoras. Temos então um cenário em que as próprias instituições policiais são, em geral, incapazes de avaliar a precisão dos sistemas ou a qualidade dos modelos que influenciam sua tomada de decisão.
Saiba mais
Meta-análises, estudos que coletam resultados de avaliações de impacto de sistemas de policiamento preditivo, apresentam resultados pouco consistentes, de modo que não há consenso sobre os benefícios advindos de sua implementação.
Para uma análise mais detalhada dos resultados, bem como dos variados métodos de seleção e análise dos estudos de impacto, ver: Moses & Chan (2016); Fitzpatrick et al. (2019), Kounadi et al. (2020).
AULA 3 – LIMITAÇÕES TÉCNICAS E DILEMAS ÉTICOS
Nas aulas anteriores, discutimos o desenvolvimento de sistemas de análise criminal e alertamos para a necessidade de explorar as diferenças entreos softwares de policiamento preditivo disponíveis no mercado. Como apontado, técnicas de predição, apesar de partirem da identificação de correlações estatísticas entre os múltiplos parâmetros que incidem sobre a dinâmica criminal, têm pressupostos analíticos e implicações operacionais que podem variar.
Nesta última aula do módulo, abordaremos criticamente o impacto de estratégias de gerenciamento de risco e antecipação de eventos no policiamento contemporâneo. Mapas de crimes futuros advêm da automatização de formas de classificar, mensurar e visualizar o fenômeno criminal. Estes, portanto, codificam e reproduzem muitos dos padrões de atuação já arraigados na cultura policial. Ainda assim, desenvolvedores de softwares preditivos costumam negligenciar os vieses de origem das bases de dados que alimentam seus algoritmos.
Os padrões tradicionais de distribuição das patrulhas influenciam nos locais onde crimes são mais registrados (em geral, onde há maior presença de policiais, há maior quantidade de registros de ocorrências). Do mesmo modo, as prioridades estabelecidas nas políticas de segurança pública determinam quais crimes serão mais reprimidos (por exemplo, roubos à propriedade e tráfico de drogas, etc.). Desse modo, as bases de registros de ocorrências utilizadas pelos sistemas preditivos refletem um padrão anterior de policiamento que tenderá a ser reforçado nas análises algorítmicas, o que especialistas chamam de “feedback loop”. O resultado, como alguns críticos apontam, é que os sistemas não trazem um conhecimento novo sobre a distribuição espaço-temporal do crime, mas sim mapas que refletem os padrões de distribuição das próprias patrulhas policiais (Lum & Isaac, 2016).
Figura 15: O processo de reprodução dos padrões iniciais de policiamento nas previsões de crimes (feedback loops)
Fonte: do conteudista.
Esta crítica é central para entender os efeitos do policiamento preditivo tanto sobre a eficácia geral da polícia, quanto a repressão a grupos populacionais específicos. A lógica dos sistemas preditivos é que o futuro se torna previsível a partir da apreciação de regularidades do passado, uma racionalidade tautológica segundo a qual certos lugares são criminógenos porque crimes foram lá registrados (Jefferson, 2020). Portanto, em um cenário no qual as estatísticas estejam condicionadas por padrões discriminatórios de policiamento, o que o algoritmo faz é reforçá-los.
Se há acusações de que “faro policial” leva a um perfil de suspeição marcado por forte caráter racial (por exemplo, jovens negros), o que os sistemas fazem não é corrigir o foco das abordagens, mas treinar os modelos estatísticos para automatizar o alvo da repressão, o que os críticos chamam de “discriminação algorítmica” (Richardson et al., 2019)
Outra crítica recorrente ao uso de softwares de policiamento preditivo está na falta de articulação dessas ferramentas com estratégias mais amplas de contenção da atividade criminal. Ao melhorar a eficiência da alocação de patrulhas, os softwares tendem a diminuir a incidência de crimes em micro-regiões, mas, sem o uso da inteligência investigativa para desorganizar os grupos que cometem crimes, o que tende a ocorrer é um “espalhamento da mancha”. Ou seja, criminosos se adaptam aos novos padrões de policiamento e buscam novas áreas de atuação. Mesmo que o resultado final seja uma redução nos índices gerais de crimes (afinal, nem sempre os criminosos encontram novos espaços de atuação), as quedas costumam ser bem menores do que aquelas identificadas inicialmente e propagandeadas pelas empresas privadas. Jerry Ratcliffe (2016), ex-policial da Polícia Metropolitana de Londres (MET) e professor da Universidade de Temple, compara essa estratégia ao jogo “acerte a toupeira” (whack-a-mole), em que o animal sai da toca e a pessoa deve acertá-lo na cabeça, fazendo-o retornar temporariamente ao seu lugar.
Para Ratcliffe, sozinha, a estratégia de policiamento preditivo não seria mais do que um paliativo, já que o crime pode diminuir em uma esquina apenas para ressurgir em outra mais à frente.
Isso nos leva para outra crítica corrente. O fim do interesse pela causalidade do crime (por exemplo, os fatores que levam alguém a cometer delitos) tem uma implicação social mais profunda: a redução das políticas de segurança pública à ação repressiva da polícia, ignorando um conjunto mais amplo de ações do Estado e da sociedade que podem levar à construção de cidades menos violentas. Dito de outro modo, estratégias de redução do crime acabam se tornando sinônimos de estratégias punitivas, jogando toda a responsabilidade para as polícias. Nesse processo, o policiamento preditivo pode levar a um aumento do encarceramento enquanto reduz a atenção ou interesse por atingir as raízes complexas do fenômeno criminal. Na medida em que se consolida uma visão instrumental da polícia, reflexões mais amplas sobre as causas do crime e agendas públicas com políticas sociais de amplo espectro tendem a ser abandonadas.
A falta de transparência dos algoritmos:
Por fim, a falta de transparência dos algoritmos, como discutido na última aula, também representa um problema. A opacidade dos sistemas dificulta a interpretação dos analistas criminais, o que tem, em geral, dois efeitos: policiais passam a ignorar os resultados apresentados pelos softwares, mantendo as práticas convencionais, ou, ao contrário, delegam a decisão, distribuindo recursos policiais de forma acrítica e automática.
O primeiro caso é bem documentado. A introdução de novas tecnologias e projetos de transformação gerencial nas polícias não segue uma lógica linear. Diversas pesquisas demonstram que a cultura institucional e a rotina das operações acabam por transformar os usos de novas tecnologias, podendo gerar repercussões inesperadas ou, até mesmo, impactos nulos. Ao observar a implementação de ferramentas de mapeamento e análise estatística nos Estados Unidos, Manning (2011, p. 251), por exemplo, argumenta que, apesar das demandas por patrulhas mais eficientes, pouca coisa mudou, pois, “a penetração da tecnologia na rotina de trabalho depende totalmente da utilidade percebida [pelos policiais] na base”.
Ou seja, se os policiais não compreendem a racionalidade por trás desses sistemas, podem evitar seu uso, resistindo às ordens de comando ou empregando estratégias em suas rotinas para adaptar a patrulha a outros padrões. Deste modo, a eficácia do sistema é reduzida.
Por outro lado, é comum também que policiais deleguem todo o trabalho de análise criminal para o software, tornando-se meros burocratas que seguem os ditames da máquina. Na medida em que isso ocorre, policiais perdem o conhecimento especializado que caracteriza o profissional de segurança pública, ficando sem a capacidade de avaliar criticamente os sistemas preditivos e propor correções de rumo. Assim, sem incorporar a experiência local, os sistemas algorítmicos podem apresentar mais dificuldade de adaptação. Isto é, não identificam padrões diversos, pois são incapazes de incluir novos parâmetros nos modelos preditivos. Uma disputa entre gangues ou mesmo estratégias concomitantes de policiamento impactam na dinâmica criminal e, se não se tornarem variáveis nos modelos matemáticos, podem gerar distorções. Há então o risco de os sistemas ficarem ultrapassados e produzirem resultados cada vez menos precisos, até se tornarem, porventura, obsoletos.
É neste contexto que é possível diferenciar os softwares de policiamento preditivo das análises de evidências que são recomendadas para a produção de políticas de segurança pública de qualidade. As análises de dados diversos - da segurança pública e de outras áreas - são cruciais e requerem, por exemplo, ampla capacidade de processamento e interpretação de dados. Contudo, o que a maior parte dos pesquisadores aponta é que esta produção e análise de informações deve estar unida a uma ampla gama de conhecimentos dos profissionais da segurança pública, gestores e sociedade civil para que levem à construção de políticas que, ainda que possamfalhar, passarão pelo crivo do debate e questionamento dos atores envolvidos. Podem, ainda, ser escrutinadas e ajustadas de forma mais transparente do que os softwares de predição permitem até o momento, e talvez tenham maior probabilidade de sucesso por incorporarem a este amplo processamento de grandes bases de dados elementos de conhecimento qualitativo com potencial para identificar e reverter as diversas tendências negativas que os softwares podem estar reproduzindo.
NESTE MÓDULO, VOCÊ ESTUDOU QUE:
1. Sistemas de policiamento preditivos são uma contribuição aos métodos de análise estatística e cartográfica da atividade criminal.
2. Existem diversos modelos de policiamento preditivo, que podem ser divididos tanto pelo foco da predição (por exemplo, indivíduos propensos ao crime ou espaços criminógenos) quanto pelas técnicas algorítmicas empregadas.
3. Em geral, o trabalho de policiamento ostensivo faz uso de sistemas preditivos voltados para a identificação de padrões de distribuição espaço-temporal do crime (onde o crime se concentra em cada momento).
4. Não há consenso acerca do impacto de ferramentas preditivas na redução de crimes. Enquanto diversas pesquisas apontam efeitos positivos (em geral, financiadas pelas empresas que desenvolvem os sistemas), outras pesquisas apontam efeitos muito reduzidos ou nulos.
5. Críticos apontam que a maioria dos sistemas preditivos atualmente no mercado sofrem com “feedback loops”. Ou seja, são análises estatísticas comprometidas por vieses de origem das bases de registros criminais. Isso contribui também para que padrões discriminatórios de policiamento não sejam eliminados, mas reproduzidos pelos sistemas algorítmicos.
6. Os sistemas não devem ser empregados de forma automática. Para evitar que erros passem despercebidos e padrões discriminatórios sejam reproduzidos, é preciso que o analista criminal mantenha uma postura crítica em relação aos mapas apresentados pelos softwares.
Question 1
Correct
Mark 10.00 out of 10.00
Flag question
Question text
Qual foi a principal contribuição da “escola cartográfica” para a criminologia?
Select one:
a.
A identificação de correlações entre dados demográficos e o padrão de concentração de criminalidade urbana.
b.
A produção dos primeiros mapas digitais sobre distribuição do crime.
c.
A criação de um método científico para a identificação de autores de crimes.
d.
Não houve contribuição, pois autores posteriores apontaram falhas em seus métodos.
e.
O uso de imagens de satélites para aprimorar as análises espaciais do crime.
Feedback
Sua resposta está correta.
The correct answer is: A identificação de correlações entre dados demográficos e o padrão de concentração de criminalidade urbana.
Question 2
Correct
Mark 10.00 out of 10.00
Flag question
Question text
Entre as principais limitações das avaliações de impacto de sistemas de policiamento preditivo está o fato de:
Select one:
a.
Pesquisadores não terem acesso às bases de registro de ocorrência.
b.
Os sistemas serem ainda muito recentes, o que dificulta a produção de pesquisas.
c.
Órgãos reguladores não terem experiência com avaliação de atividades policiais.
d.
Não ser possível identificar correlações entre determinantes espaciais e a incidência de crimes.
e.
Os algoritmos serem protegidos por direito de patente, logo muitas das análises só podem ser feitas pelos próprios desenvolvedores privados.
Feedback
Sua resposta está correta.
The correct answer is: Os algoritmos serem protegidos por direito de patente, logo muitas das análises só podem ser feitas pelos próprios desenvolvedores privados.
Question 3
Correct
Mark 10.00 out of 10.00
Flag question
Question text
Sistemas de policiamento preditivo podem definidos como:
Select one:
a.
Sistemas que ajudam gestores públicos a prever as próximas inovações no campo de justiça criminal.
b.
Inferências sobre comportamentos suspeitos a partir da experiência policial.
c.
Algoritmos que servem como evidências em inquéritos policiais.
d.
Sistemas usados para identificar o autor de um crime que ainda não ocorreu.
e.
Estratégia de policiamento que se vale de ferramentas que aplicam modelagem estatística para prever a atividade criminal no futuro próximo.
Feedback
Sua resposta está correta.
The correct answer is: Estratégia de policiamento que se vale de ferramentas que aplicam modelagem estatística para prever a atividade criminal no futuro próximo.
Question 4
Correct
Mark 10.00 out of 10.00
Flag question
Question text
Quais são, em geral, as causas de “feedback loops” nos sistemas de predição de crimes?
Select one:
a.
Os sistemas algorítmicos não são treinados com dados oficiais de criminalidade, o que gera uma série de distorções.
b.
Apesar de oferecerem mapas mais adequados para a alocação de patrulhas, os comandos das unidades preferem seguir seu instinto.
c.
Analistas criminais negligenciam os softwares, mantendo sua rotina de trabalho.
d.
Algoritmos são treinados a partir de bases de dados enviesadas por padrões anteriores de policiamento, o que faz com eles reproduzam e a aprofundem esse padrão.
e.
Algoritmos são incapazes de incorporar parâmetros adequados para refletir o padrão de criminalidade de diferentes cidades.
Feedback
Sua resposta está correta.
The correct answer is: Algoritmos são treinados a partir de bases de dados enviesadas por padrões anteriores de policiamento, o que faz com eles reproduzam e a aprofundem esse padrão.
Question 5
Correct
Mark 10.00 out of 10.00
Flag question
Question text
O que é o CompStat?
Select one:
a.
Ferramenta computacional de georreferenciamento de ocorrências e gestão de recursos implementada em Nova York.
b.
Método mais preciso para avaliar erros nos sistemas de predição de crimes.
c.
Sistema de videomonitoramento inteligente implementado em Londres.
d.
Termo técnico usado por desenvolvedores de software de policiamento preditivo para se referir à cálculos e estatísticas.
e.
Sistema de gestão urbana, incluindo avaliação de perfis de suspeição, implementado em Chicago.
Feedback
Sua resposta está correta.
The correct answer is: Ferramenta computacional de georreferenciamento de ocorrências e gestão de recursos implementada em Nova York.
Question 1
Correct
Mark 10.00 out of 10.00
Flag question
Question text
Sistemas de policiamento preditivo podem, em geral, ser divididos entre aqueles que analisam fatores de risco focados em:
Select one:
a.
Indivíduos e espaços.
b.
Imigrantes e marginais.
c.
Gangues e facções.
d.
Policiais e criminosos.
e.
Territórios e patrulhas.
Feedback
Sua resposta está correta.
The correct answer is: Indivíduos e espaços.
Question 2
Correct
Mark 10.00 out of 10.00
Flag question
Question text
Por que diversos autores apontam que o policiamento preditivo não representa uma revolução nas atividades policiais?
Select one:
a.
Policiais não conseguem entender os resultados apresentados pelos sistemas de predição.
b.
Testes demonstram que o “faro policial”, ou seja, a experiência acerca dos perfis de suspeição, apresenta resultados superiores.
c.
Sistemas de policiamento preditivo ainda são apenas protótipos sem uso prático.
d.
Instituições policiais têm investido em análise dos padrões de concentração de crimes e em estratégias preventivas desde o século XIX, sendo as análises algorítmicas mais bem descritas como um incremento a essas análises.
e.
Pesquisas têm indicado que o crime não tem qualquer padrão, o que torna a análise pouco útil.
Feedback
Sua resposta está correta.
The correct answer is: Instituições policiais têm investido em análise dos padrões de concentração de crimes e em estratégias preventivas desde o século XIX, sendo as análises algorítmicas mais bem descritas como um incremento a essas análises.
Question 3
Incorrect
Mark 0.00 out of 10.00
Flag question
Question text
Entre os fatores que permitiram a disseminação de sistemas de policiamento preditivo estão:
Select one:
a.
O consenso em torno de seus benefícios para a ação policial.
b.
Avanços tecnológicos (como SIGs e digitalização de bases de dados) e transformaçõesno pensamento criminológico (como o foco em iniciativas de engenharia situacional).
c.
A construção de um banco de dados único com registros criminais, informações sobre ambiente urbano e informações de suspeitos.
d.
O financiamento por parte da Organização das Nações Unidas (ONU) para projetos de reforma policial.
e.
O treinamento de policiais em tecnologias biométricas.
Feedback
Sua resposta está incorreta.
The correct answer is: Avanços tecnológicos (como SIGs e digitalização de bases de dados) e transformações no pensamento criminológico (como o foco em iniciativas de engenharia situacional).
Question 4
Correct
Mark 10.00 out of 10.00
Flag question
Question text
Por que alguns críticos apontam que sistemas de predição de crimes têm um problema de tautologia?
Select one:
a.
Os sistemas preditivos funcionam com grande precisão na análise de padrões espaço-temporais, mas não tem grande acurácia quando se trata de prever perfis de indivíduos mais propensos ao crime.
b.
O viés algorítmico, em geral, faz com que determinados grupos populacionais sejam mais abordados.
c.
Os padrões criminais não têm uma regularidade clara, assim, os sistemas são obrigados a criar parâmetros artificiais.
d.
Os sistemas são incapazes de aprender com fatos novos da dinâmica criminal.
e.
A lógica desses sistemas é que o futuro se torna previsível a partir da análise de regularidades do passado, uma racionalidade segundo a qual certos lugares são criminógenos porque crimes foram lá registrados.
Feedback
Sua resposta está correta.
The correct answer is: A lógica desses sistemas é que o futuro se torna previsível a partir da análise de regularidades do passado, uma racionalidade segundo a qual certos lugares são criminógenos porque crimes foram lá registrados.
Question 5
Correct
Mark 10.00 out of 10.00
Flag question
Question text
O que é o CompStat?
Select one:
a.
Sistema de gestão urbana, incluindo avaliação de perfis de suspeição, implementado em Chicago.
b.
Sistema de videomonitoramento inteligente implementado em Londres.
c.
Termo técnico usado por desenvolvedores de software de policiamento preditivo para se referir à cálculos e estatísticas.
d.
Ferramenta computacional de georreferenciamento de ocorrências e gestão de recursos implementada em Nova York.
e.
Método mais preciso para avaliar erros nos sistemas de predição de crimes.
Feedback
Sua resposta está correta.
The correct answer is: Ferramenta computacional de georreferenciamento de ocorrências e gestão de recursos implementada em Nova York.
Question 1
Correct
Mark 10.00 out of 10.00
Flag question
Question text
Sistemas de policiamento preditivo podem definidos como:
Select one:
a.
Inferências sobre comportamentos suspeitos a partir da experiência policial.
b.
Sistemas usados para identificar o autor de um crime que ainda não ocorreu.
c.
Estratégia de policiamento que se vale de ferramentas que aplicam modelagem estatística para prever a atividade criminal no futuro próximo.
d.
Sistemas que ajudam gestores públicos a prever as próximas inovações no campo de justiça criminal.
e.
Algoritmos que servem como evidências em inquéritos policiais.
Feedback
Sua resposta está correta.
The correct answer is: Estratégia de policiamento que se vale de ferramentas que aplicam modelagem estatística para prever a atividade criminal no futuro próximo.
Question 2
Correct
Mark 10.00 out of 10.00
Flag question
Question text
Sistemas de policiamento preditivo podem, em geral, ser divididos entre aqueles que analisam fatores de risco focados em:
Select one:
a.
Policiais e criminosos.
b.
Imigrantes e marginais.
c.
Territórios e patrulhas.
d.
Indivíduos e espaços.
e.
Gangues e facções.
Feedback
Sua resposta está correta.
The correct answer is: Indivíduos e espaços.
Question 3
Correct
Mark 10.00 out of 10.00
Flag question
Question text
Entre os fatores que permitiram a disseminação de sistemas de policiamento preditivo estão:
Select one:
a.
Avanços tecnológicos (como SIGs e digitalização de bases de dados) e transformações no pensamento criminológico (como o foco em iniciativas de engenharia situacional).
b.
A construção de um banco de dados único com registros criminais, informações sobre ambiente urbano e informações de suspeitos.
c.
O financiamento por parte da Organização das Nações Unidas (ONU) para projetos de reforma policial.
d.
O treinamento de policiais em tecnologias biométricas.
e.
O consenso em torno de seus benefícios para a ação policial.
Feedback
Sua resposta está correta.
The correct answer is: Avanços tecnológicos (como SIGs e digitalização de bases de dados) e transformações no pensamento criminológico (como o foco em iniciativas de engenharia situacional).
Question 4
Correct
Mark 10.00 out of 10.00
Flag question
Question text
Quais são, em geral, as causas de “feedback loops” nos sistemas de predição de crimes?
Select one:
a.
Analistas criminais negligenciam os softwares, mantendo sua rotina de trabalho.
b.
Apesar de oferecerem mapas mais adequados para a alocação de patrulhas, os comandos das unidades preferem seguir seu instinto.
c.
Os sistemas algorítmicos não são treinados com dados oficiais de criminalidade, o que gera uma série de distorções.
d.
Algoritmos são treinados a partir de bases de dados enviesadas por padrões anteriores de policiamento, o que faz com eles reproduzam e a aprofundem esse padrão.
e.
Algoritmos são incapazes de incorporar parâmetros adequados para refletir o padrão de criminalidade de diferentes cidades.
Feedback
Sua resposta está correta.
The correct answer is: Algoritmos são treinados a partir de bases de dados enviesadas por padrões anteriores de policiamento, o que faz com eles reproduzam e a aprofundem esse padrão.
Question 5
Correct
Mark 10.00 out of 10.00
Flag question
Question text
Entre as principais limitações das avaliações de impacto de sistemas de policiamento preditivo está o fato de:
Select one:
a.
Pesquisadores não terem acesso às bases de registro de ocorrência.
b.
Não ser possível identificar correlações entre determinantes espaciais e a incidência de crimes.
c.
Os algoritmos serem protegidos por direito de patente, logo muitas das análises só podem ser feitas pelos próprios desenvolvedores privados.
d.
Órgãos reguladores não terem experiência com avaliação de atividades policiais.
e.
Os sistemas serem ainda muito recentes, o que dificulta a produção de pesquisas.
Feedback
Sua resposta está correta.
The correct answer is: Os algoritmos serem protegidos por direito de patente, logo muitas das análises só podem ser feitas pelos próprios desenvolvedores privados.
Question 1
Correct
Mark 10.00 out of 10.00
Flag question
Question text
Qual foi a principal contribuição da “escola cartográfica” para a criminologia?
Select one:
a.
Não houve contribuição, pois autores posteriores apontaram falhas em seus métodos.
b.
O uso de imagens de satélites para aprimorar as análises espaciais do crime.
c.
A criação de um método científico para a identificação de autores de crimes.
d.
A identificação de correlações entre dados demográficos e o padrão de concentração de criminalidade urbana.
e.
A produção dos primeiros mapas digitais sobre distribuição do crime.
Feedback
Sua resposta está correta.
The correct answer is: A identificação de correlações entre dados demográficos e o padrão de concentração de criminalidade urbana.
Question 2
Correct
Mark 10.00 out of 10.00
Flag question
Question text
Por que alguns críticos apontam que sistemas de predição de crimes têm um problema de tautologia?
Select one:
a.
Os sistemas preditivos funcionam com grande precisão na análise de padrões espaço-temporais, mas não tem grande acurácia quando se trata de prever perfis de indivíduos mais propensos ao crime.
b.
A lógica desses sistemas é que o futuro se torna previsível a partir da análise de regularidades do passado, uma racionalidade segundo a qual certos lugares são criminógenos porque crimes foram lá registrados.
c.
Os sistemas são incapazes de aprender com fatos novos da dinâmica criminal.
d.
Os padrõescriminais não têm uma regularidade clara, assim, os sistemas são obrigados a criar parâmetros artificiais.
e.
O viés algorítmico, em geral, faz com que determinados grupos populacionais sejam mais abordados.
Feedback
Sua resposta está correta.
The correct answer is: A lógica desses sistemas é que o futuro se torna previsível a partir da análise de regularidades do passado, uma racionalidade segundo a qual certos lugares são criminógenos porque crimes foram lá registrados.
Question 3
Correct
Mark 10.00 out of 10.00
Flag question
Question text
Por que diversos autores apontam que o policiamento preditivo não representa uma revolução nas atividades policiais?
Select one:
a.
Pesquisas têm indicado que o crime não tem qualquer padrão, o que torna a análise pouco útil.
b.
Instituições policiais têm investido em análise dos padrões de concentração de crimes e em estratégias preventivas desde o século XIX, sendo as análises algorítmicas mais bem descritas como um incremento a essas análises.
c.
Policiais não conseguem entender os resultados apresentados pelos sistemas de predição.
d.
Testes demonstram que o “faro policial”, ou seja, a experiência acerca dos perfis de suspeição, apresenta resultados superiores.
e.
Sistemas de policiamento preditivo ainda são apenas protótipos sem uso prático.
Feedback
Sua resposta está correta.
The correct answer is: Instituições policiais têm investido em análise dos padrões de concentração de crimes e em estratégias preventivas desde o século XIX, sendo as análises algorítmicas mais bem descritas como um incremento a essas análises.
Question 4
Correct
Mark 10.00 out of 10.00
Flag question
Question text
Quais são, em geral, as causas de “feedback loops” nos sistemas de predição de crimes?
Select one:
a.
Algoritmos são treinados a partir de bases de dados enviesadas por padrões anteriores de policiamento, o que faz com eles reproduzam e a aprofundem esse padrão.
b.
Algoritmos são incapazes de incorporar parâmetros adequados para refletir o padrão de criminalidade de diferentes cidades.
c.
Os sistemas algorítmicos não são treinados com dados oficiais de criminalidade, o que gera uma série de distorções.
d.
Analistas criminais negligenciam os softwares, mantendo sua rotina de trabalho.
e.
Apesar de oferecerem mapas mais adequados para a alocação de patrulhas, os comandos das unidades preferem seguir seu instinto.
Feedback
Sua resposta está correta.
The correct answer is: Algoritmos são treinados a partir de bases de dados enviesadas por padrões anteriores de policiamento, o que faz com eles reproduzam e a aprofundem esse padrão.
Question 5
Correct
Mark 10.00 out of 10.00
Flag question
Question text
Entre os fatores que permitiram a disseminação de sistemas de policiamento preditivo estão:
Select one:
a.
O financiamento por parte da Organização das Nações Unidas (ONU) para projetos de reforma policial.
b.
Avanços tecnológicos (como SIGs e digitalização de bases de dados) e transformações no pensamento criminológico (como o foco em iniciativas de engenharia situacional).
c.
A construção de um banco de dados único com registros criminais, informações sobre ambiente urbano e informações de suspeitos.
d.
O treinamento de policiais em tecnologias biométricas.
e.
O consenso em torno de seus benefícios para a ação policial.
Feedback
Sua resposta está correta.
The correct answer is: Avanços tecnológicos (como SIGs e digitalização de bases de dados) e transformações no pensamento criminológico (como o foco em iniciativas de engenharia situacional).
image5.wmf
image6.wmf
image1.png
image2.png
image3.png
image4.wmf