El estudio más grande jamás realizado sobre presuntos perfiles raciales durante las paradas de tráfico descubrió que los negros, que son detenidos con más frecuencia que los blancos durante el día, son mucho menos propensos a ser detenidos después del atardecer, cuando "un velo de oscuridad" oculta su raza.
Ese es uno de varios ejemplos de sesgo sistemático que surgió de un estudio de cinco años que analizó 95 millones de registros de detención de tráfico, presentados por oficiales de 21 agencias de patrulla estatales y 35 fuerzas policiales municipales de 2011 a 2018.
El estudio dirigido por Stanford también encontró que cuando los conductores fueron detenidos, los oficiales registraron los autos de negros e hispanos con más frecuencia que los blancos. Los investigadores también examinaron un subconjunto de datos de Washington y Colorado, dos estados que legalizaron la marihuana, y encontraronque si bien este cambio dio como resultado menos búsquedas en general y, por lo tanto, menos búsquedas de negros e hispanos, las minorías aún eran más propensas que las blancas a registrar sus automóviles después de un paro.
"Nuestros resultados indican que la policía se detiene y las decisiones de búsqueda sufren sesgos raciales persistentes, y señalan el valor de las intervenciones políticas para mitigar estas disparidades", escriben los investigadores en la edición del 4 de mayo de Comportamiento humano de la naturaleza .
El documento culmina una colaboración de cinco años entre Cheryl Phillips de Stanford, una profesora de periodismo cuyos estudiantes graduados obtuvieron los datos sin procesar a través de solicitudes de registros públicos, y Sharad Goel, profesor de ciencias de la gestión e ingeniería cuyo equipo de ciencias de la computación organizó y analizó los datos.
Goel y sus colaboradores, que incluían a Ravi Shroff, profesor de estadística aplicada en la Universidad de Nueva York, pasaron años analizando los datos, eliminando registros que estaban incompletos o de períodos de tiempo incorrectos, para crear la base de datos de 95 millones de registros quefue la base para su análisis. "No hay forma de exagerar la dificultad de esa tarea", dijo Goel.
La creación de esa base de datos permitió al equipo encontrar la evidencia estadística de que un "velo de oscuridad" inmunizaba parcialmente a los negros contra las paradas de tráfico. Ese término e idea han existido desde 2006 cuando se utilizó en un estudio que comparó la carrera de 8,000 conductoresen Oakland, California, quienes fueron detenidos en cualquier momento del día o de la noche durante un período de seis meses, pero los hallazgos de ese estudio no fueron concluyentes porque la muestra era demasiado pequeña para probar un vínculo entre la oscuridad del cielo y la raza delconductores detenidos
El equipo de Stanford decidió repetir el análisis utilizando el conjunto de datos mucho más grande que habían reunido. Primero, redujeron el rango de variables que tenían que analizar al elegir una hora específica del día, alrededor de las 7 p.m., cuando las causas probablesporque una parada era más o menos constante. Luego, aprovecharon el hecho de que, en los meses anteriores y posteriores al horario de verano de cada año, el cielo se oscurece un poco más o menos, día a día.base de datos, los investigadores pudieron encontrar 113,000 paradas de tráfico, desde todas las ubicaciones en su base de datos, que ocurrieron en esos días, antes o después de que los relojes se adelantaran o retrocedieran, cuando el cielo se estaba volviendo más oscuro o más claro alrededor de las 7 pm localhora.
Este conjunto de datos proporcionó una muestra estadísticamente válida con dos variables importantes: la carrera del conductor que se detuvo y la oscuridad del cielo alrededor de las 7 p.m.El análisis no dejó dudas de que cuanto más oscuro se volviera, menos probable seríase detendría un conductor negro. Lo contrario era cierto cuando el cielo estaba más claro.
Más que cualquier hallazgo individual, el impacto más duradero de la colaboración puede ser del Stanford Open Policing Project, que los investigadores comenzaron a poner sus datos a disposición de los reporteros de investigación y expertos en datos, y organizar talleres para ayudar a los reporteros a aprender cómo usarlos datos para hacer historias locales
Por ejemplo, los investigadores ayudaron a los reporteros de la organización de noticias sin fines de lucro con sede en Seattle, Investigate West, a comprender los patrones en los datos de las historias que muestran sesgos en las búsquedas policiales de nativos americanos. Ese informe llevó a la Patrulla del Estado de Washington a revisar suprácticas y aumentar la capacitación de los oficiales. Del mismo modo, los investigadores ayudaron a los periodistas del Los Angeles Times a analizar datos que mostraban cómo la policía buscaba a los conductores de las minorías con mucha más frecuencia que a los blancos. Esto dio como resultado una historia que era parte de una serie de investigación más grande que provocó cambios en LosPrácticas del Departamento de Policía de Ángeles.
"En total, hemos capacitado a unos 200 periodistas, que es una de las cosas únicas de este proyecto", dijo Phillips.
Goel y Phillips planean continuar colaborando a través de un proyecto llamado Big Local News que explorará cómo la ciencia de datos puede arrojar luz sobre cuestiones públicas, como las confiscaciones de activos civiles, instancias en las que la policía está autorizada a confiscar y vender propiedades asociadas conun crimen. Recopilar y analizar registros de cuándo y dónde se producen esas incautaciones, a quién y cómo se dispone dicha propiedad ayudará a arrojar luz sobre cómo se utiliza esta práctica. Big Local News también está trabajando en esfuerzos de colaboración para estandarizar la información de la policíacasos disciplinarios.
"Estos proyectos demuestran el poder de combinar la ciencia de datos con el periodismo para contar historias importantes", dijo Goel.
Otros autores incluyen estudiantes de posgrado actuales o anteriores de Stanford o asistentes de investigación Emma Pierson, Camelia Simoiu, Jan Overgoor, Sam Corbett-Davies, Daniel Jenson, Amy Shoemaker, Vignesh Ramachandran y Phoebe Barghouty.
Este trabajo fue apoyado en parte por la Fundación John S. y James L. Knight y por la Fundación Hellman.
Fuente de la historia :
Materiales proporcionado por Escuela de Ingeniería de Stanford . Original escrito por Tom Abate. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :