Return to Video

Γιατί η έξυπνη στατιστική αποτελεί το κλειδί για την καταπολέμηση του εγκλήματος

  • 0:01 - 0:03
    Το 2007, έγινα η γενική εισαγγελέας
  • 0:03 - 0:05
    της πολιτείας του Νιου Τζέρσεϊ.
  • 0:05 - 0:07
    Πριν, υπήρξα ποινική εισαγγελέας,
  • 0:07 - 0:10
    πρώτα στην εισαγγελία του Μανχάταν
  • 0:10 - 0:13
    και μετά στο Υπουργείο Δικαιοσύνης
    των Ηνωμένων Πολιτειών.
  • 0:13 - 0:15
    Όταν όμως έγινα γενική εισαγγελέας,
  • 0:15 - 0:19
    έγιναν δύο πράγματα που άλλαξαν
    το πώς βλέπω την ποινική δικαιοσύνη.
  • 0:19 - 0:21
    Το πρώτο ήταν ότι έθεσα
    ερωτήματα που πίστευα
  • 0:21 - 0:23
    ότι ήταν πραγματικά βασικά.
  • 0:23 - 0:26
    Ήθελα να καταλάβω ποιους συλλαμβάναμε,
  • 0:26 - 0:28
    σε ποιους απαγγέλαμε κατηγορίες
  • 0:28 - 0:30
    και ποιους βάζαμε στα κρατητήρια
  • 0:30 - 0:31
    και στις φυλακές της χώρας μας.
  • 0:31 - 0:33
    Ήθελα επίσης να καταλάβω
  • 0:33 - 0:34
    αν οι αποφάσεις μας λαμβάνονταν
  • 0:34 - 0:37
    με τρόπο που να μας κάνει ασφαλέστερους.
  • 0:37 - 0:40
    Και δεν μπορούσα να βρω
    αυτές τις πληροφορίες.
  • 0:40 - 0:43
    Αποδείχθηκε ότι οι περισσότερες μεγάλες
    υπηρεσίες ποινικής δικαιοσύνης
  • 0:43 - 0:45
    όπως η δική μου
  • 0:46 - 0:47
    δεν παρακολουθούσαν όσα είχαν σημασία.
  • 0:47 - 0:50
    Έτσι λοιπόν, μετά από έναν μήνα
    απίστευτης απογοήτευσης,
  • 0:50 - 0:52
    μπήκα σε μια αίθουσα συσκέψεων
  • 0:52 - 0:54
    γεμάτη από αστυνομικούς
  • 0:54 - 0:57
    και στοίβες με φακέλους υποθέσεων,
  • 0:57 - 0:58
    και οι αστυνομικοί κάθονταν
  • 0:58 - 1:00
    με ένα κίτρινο σημειωματάριο στο χέρι
    και κρατούσαν σημειώσεις.
  • 1:00 - 1:02
    Προσπαθούσαν να βρουν τις πληροφορίες
  • 1:02 - 1:03
    που έψαχνα
  • 1:03 - 1:05
    εξετάζοντας μία μία τις υποθέσεις
  • 1:05 - 1:07
    των τελευταίων πέντε ετών.
  • 1:07 - 1:09
    Και όπως μπορείτε να φανταστείτε,
  • 1:09 - 1:11
    όταν τελικά πήραμε τα αποτελέσματα,
    δεν ήταν καλά.
  • 1:11 - 1:13
    Αποδείχθηκε ότι ασχολούμασταν
  • 1:13 - 1:15
    πολύ με μικρο-υποθέσεις ναρκωτικών
  • 1:15 - 1:16
    στους δρόμους δίπλα
  • 1:16 - 1:19
    από τα γραφεία μας στο Τρέντον.
  • 1:19 - 1:20
    Το δεύτερο πράγμα που συνέβη
  • 1:20 - 1:24
    ήταν ότι περνούσα τη μέρα μου στο Κάμντεν,
    στο αστυνομικό τμήμα του Νιου Τζέρσεϊ.
  • 1:24 - 1:26
    Τώρα, εκείνη την εποχή,
    το Κάμντεν του Νιου Τζέρσεϊ
  • 1:26 - 1:28
    ήταν η πιο επικίνδυνη πόλη
    στην Αμερική.
  • 1:28 - 1:32
    Αυτός ήταν ο λόγος που διοικούσα
    το αστυνομικό τμήμα του Κάμντεν.
  • 1:32 - 1:34
    Περνούσα τη μέρα μου στο τμήμα,
  • 1:34 - 1:37
    και με πήγαν σε μια αίθουσα
    με ανώτερους αστυνομικούς,
  • 1:37 - 1:39
    που όλοι τους εργάζονταν σκληρά
  • 1:39 - 1:42
    και προσπαθούσαν πολύ να μειώσουν
    το έγκλημα στο Κάμντεν.
  • 1:42 - 1:44
    Και αυτό που είδα
    σε εκείνη την αίθουσα,
  • 1:44 - 1:46
    όσο συζητούσαμε σχετικά με το πώς
    να μειώσουμε το έγκλημα,
  • 1:46 - 1:50
    ήταν αστυνομικούς με πολλά
    μικρά κίτρινα χαρτάκια σημειώσεων.
  • 1:50 - 1:53
    Και έπαιρναν ένα κίτρινο χαρτάκι
    και έγραφαν κάτι πάνω του
  • 1:53 - 1:55
    και μετά το έβαζαν στον πίνακα.
  • 1:55 - 1:57
    Και ένας από αυτούς είπε:
    «Είχαμε ληστεία πριν από δύο εβδομάδες.
  • 1:57 - 1:59
    Δεν έχουμε υπόπτους».
  • 1:59 - 2:04
    Ένας άλλος είπε: «Μια εβδομάδα πριν έπεσαν
    πυροβολισμοί. Δεν έχουμε υπόπτους»
  • 2:04 - 2:06
    Δεν εφαρμόζαμε την αστυνόμευση
    βάσει δεδομένων.
  • 2:06 - 2:08
    Ουσιαστικά προσπαθούσαμε
    να καταπολεμήσουμε το έγκλημα
  • 2:08 - 2:11
    με κίτρινα ποστ-ιτ.
  • 2:11 - 2:13
    Τώρα, και τα δύο αυτά πράγματα
    με έκαναν να συνειδητοποιήσω
  • 2:13 - 2:16
    θεμελιωδώς ότι αποτυγχάναμε.
  • 2:16 - 2:19
    Δεν γνωρίζαμε καν ποιοι ήταν
    στο σύστημα ποινικής δικαιοσύνης,
  • 2:19 - 2:22
    δεν είχαμε δεδομένα
    για αυτά που είχαν σημασία
  • 2:22 - 2:25
    και δεν μοιραζόμασταν δεδομένα
    ούτε χρησιμοποιούσαμε στατιστικά στοιχεία
  • 2:25 - 2:27
    ή εργαλεία για να μας βοηθήσουν
    να λαμβάνουμε καλύτερες αποφάσεις
  • 2:27 - 2:29
    και να μειώσουμε το έγκλημα.
  • 2:29 - 2:31
    Για πρώτη φορά,
    άρχισα να σκέφτομαι
  • 2:31 - 2:33
    το πώς λαμβάναμε αποφάσεις.
  • 2:33 - 2:35
    Όταν ήμουν βοηθός εισαγγελέα,
  • 2:35 - 2:37
    και όταν ήμουν ομοσπονδιακή εισαγγελέας,
  • 2:37 - 2:38
    κοιτούσα τις υποθέσεις
    που είχα μπροστά μου,
  • 2:38 - 2:41
    και γενικά λάμβανα αποφάσεις
    με βάση το ένστικτο
  • 2:41 - 2:43
    και την εμπειρία μου.
  • 2:43 - 2:44
    Όταν έγινα γενική εισαγγελέας,
  • 2:44 - 2:46
    μπόρεσα να δω το σύστημα ως σύνολο,
  • 2:46 - 2:48
    και αυτό που με εξέπληξε είναι ότι βρήκα
  • 2:48 - 2:50
    πως έτσι ακριβώς το κάναμε
  • 2:50 - 2:52
    σε ολόκληρο το σύστημα --
  • 2:52 - 2:54
    στα αστυνομικά τμήματα, στις εισαγγελίες,
  • 2:54 - 2:57
    στα δικαστήρια και στα κρατητήρια.
  • 2:57 - 2:59
    Και αυτό που έμαθα πολύ γρήγορα
  • 2:59 - 3:03
    ήταν πως δεν κάναμε καλή δουλειά.
  • 3:03 - 3:05
    Θέλησα λοιπόν να αλλάξω τα πράγματα.
  • 3:05 - 3:07
    Θέλησα να εισάγω δεδομένα
    και στατιστικά στοιχεία
  • 3:07 - 3:09
    και αυστηρή στατιστική ανάλυση
  • 3:09 - 3:11
    στη δουλειά μας.
  • 3:11 - 3:14
    Με λίγα λόγια, θέλησα να εφαρμόσω
    το «moneyball» στην ποινική δικαιοσύνη.
  • 3:14 - 3:16
    Τώρα, το moneyball,
    όπως πολλοί θα γνωρίζετε,
  • 3:16 - 3:17
    είναι αυτό που έκαναν
    στην ομάδα Όκλαντ 'Εις,
  • 3:17 - 3:19
    όπου χρησιμοποίησαν
    έξυπνα δεδομένα και στατιστική
  • 3:19 - 3:21
    για να ανακαλύψουν
    πώς να επιλέγουν παίκτες
  • 3:21 - 3:22
    που θα τους βοηθούσαν
    να κερδίζουν παιχνίδια,
  • 3:22 - 3:25
    και πέρασαν από ένα σύστημα
    που ήταν βασισμένο σε ανιχνευτές ταλέντων
  • 3:25 - 3:27
    που πήγαιναν
    και παρακολουθούσαν παίκτες
  • 3:27 - 3:29
    και χρησιμοποιούσαν
    το ένστικτο και την εμπειρία τους,
  • 3:29 - 3:31
    το ένστικτο και την εμπειρία των ανιχνευτών,
  • 3:31 - 3:32
    για να επιλέγουν παίκτες,
    σε ένα σύστημα που χρησιμοποιούσαν
  • 3:32 - 3:35
    έξυπνα δεδομένα
    και αυστηρή στατιστική ανάλυση
  • 3:35 - 3:38
    για να ανακαλύπτουν πώς να επιλέγουν
    παίκτες για να κερδίζουν παιχνίδια.
  • 3:38 - 3:40
    Δούλεψε για τους Όκλαντ Έις,
  • 3:40 - 3:42
    δούλεψε και για την πολιτεία
    του Νιού Τζέρσεϊ.
  • 3:42 - 3:45
    Βγάλαμε το Κάμντεν
    από την κορυφή της λίστας
  • 3:45 - 3:47
    ως την πιο επικίνδυνη πόλη
    της Αμερικής.
  • 3:47 - 3:50
    Μειώσαμε τους φόνους κατά 41 τοις εκατό,
  • 3:50 - 3:53
    κάτι που στην πραγματικότητα
    σημαίνει πως σώθηκαν 37 ζωές.
  • 3:53 - 3:57
    Και μειώσαμε όλο το έγκλημα στην πόλη
    κατά 26 τοις εκατό.
  • 3:57 - 4:00
    Αλλάξαμε επίσης τον τρόπο
    των ποινικών διώξεων.
  • 4:00 - 4:02
    Σταματήσαμε λοιπόν να ασχολούμαστε
    με μικροεγκλήματα ναρκωτικών
  • 4:02 - 4:03
    έξω από το κτήριο μας
  • 4:03 - 4:06
    και αρχίσαμε να ασχολούμαστε
    με υποθέσεις που αφορούσαν όλη την πολιτεία,
  • 4:06 - 4:09
    με πράγματα όπως η μείωση της βίας
    από τους πιο βίαιους εγκληματίες,
  • 4:09 - 4:11
    η δίωξη συμμοριών,
  • 4:11 - 4:14
    το λαθρεμπόριο όπλων και ναρκωτικών
    και η πολιτική διαφθορά.
  • 4:14 - 4:17
    Και όλα αυτά είναι εξαιρετικά σημαντικά
  • 4:17 - 4:19
    γιατί η δημόσια ασφάλεια για μένα
  • 4:19 - 4:21
    είναι η πιο σημαντική λειτουργία
    της κυβέρνησης.
  • 4:21 - 4:24
    Και αν δεν είμαστε ασφαλείς,
    δεν μπορούμε να εκπαιδευτούμε,
  • 4:24 - 4:25
    δεν μπορούμε να είμαστε υγιείς,
  • 4:25 - 4:28
    δεν μπορούμε να κάνουμε τίποτε
    από αυτά που θέλουμε στη ζωή μας.
  • 4:28 - 4:30
    Και σήμερα ζούμε σε μια χώρα
  • 4:30 - 4:33
    όπου αντιμετωπίζουμε σοβαρά προβλήματα
    ποινικής δικαιοσύνης.
  • 4:33 - 4:36
    Κάθε χρόνο έχουμε
    12 εκατομμύρια συλλήψεις.
  • 4:36 - 4:38
    Η συντριπτική πλειοψηφία
    αυτών των συλλήψεων
  • 4:38 - 4:41
    αφορά μικροεγκλήματα, όπως πλημμελήματα,
  • 4:41 - 4:43
    το 70 με 80 τοις εκατό.
  • 4:43 - 4:45
    Λιγότερο από το πέντε τοις εκατό
    όλων των συλλήψεων
  • 4:45 - 4:47
    αφορούν κάποιο βίαιο έγκλημα.
  • 4:47 - 4:49
    Κι όμως, ξοδεύουμε 75 δισεκατομμύρια,
  • 4:49 - 4:50
    ναι, δισεκατομμύρια,
  • 4:50 - 4:55
    δολάρια κάθε χρόνο για το κόστος
    πολιτειακού και τοπικού σωφρονισμού.
  • 4:55 - 4:57
    Τώρα που μιλάμε,
    έχουμε 2,3 εκατομμύρια ανθρώπους
  • 4:57 - 4:59
    στα κρατητήρια και τις φυλακές μας.
  • 4:59 - 5:02
    Και αντιμετωπίζουμε
    απίστευτες προκλήσεις δημόσιας ασφάλειας
  • 5:02 - 5:04
    επειδή έχουμε μια κατάσταση
  • 5:04 - 5:07
    όπου τα δύο τρίτα του κόσμου
    στα κρατητήρια μας
  • 5:07 - 5:09
    είναι εκεί περιμένοντας τη δίκη τους.
  • 5:09 - 5:11
    Δεν έχουν καταδικαστεί ακόμη
    για κάποιο έγκλημα.
  • 5:11 - 5:13
    Απλώς περιμένουν
    να έρθει η ημέρα της δίκης τους.
  • 5:13 - 5:17
    Και το 67 τοις εκατό του κόσμου επιστρέφει.
  • 5:17 - 5:20
    Το ποσοστό των υποτροπών μας
    είναι ανάμεσα στα μεγαλύτερα του κόσμου.
  • 5:20 - 5:22
    Σχεδόν επτά στα 10 άτομα
    που αποφυλακίζονται
  • 5:22 - 5:23
    θα ξανασυλληφθούν
  • 5:23 - 5:27
    σε έναν συνεχή κύκλο
    εγκλήματος και φυλάκισης.
  • 5:27 - 5:30
    Όταν λοιπόν άρχισα τη δουλειά μου
    στο Ίδρυμα Άρνολντ,
  • 5:30 - 5:33
    ξανάρχισα να κοιτάζω
    πολλά από αυτά τα ερωτήματα,
  • 5:33 - 5:34
    και ξανάρχισα να σκέφτομαι πώς
  • 5:34 - 5:37
    είχαμε χρησιμοποιήσει δεδομένα
    και στατιστικά στοιχεία για να μεταμορφώσουμε
  • 5:37 - 5:39
    τον τρόπο που ασκούσαμε
    την ποινική δικαιοσύνη στο Νιού Τζέρσεϊ.
  • 5:39 - 5:41
    Και όταν κοιτάζω
    το σύστημα ποινικής δικαιοσύνης
  • 5:41 - 5:43
    στις Ηνωμένες Πολιτείες σήμερα,
  • 5:43 - 5:45
    αισθάνομαι ακριβώς το ίδιο
    που αισθανόμουν
  • 5:45 - 5:47
    για την πολιτεία του Νιου Τζέρσεϊ
    όταν άρχισα εκεί,
  • 5:47 - 5:50
    δηλαδή ότι θα πρέπει
    οπωσδήποτε να βελτιωθούμε,
  • 5:50 - 5:52
    και ξέρω ότι μπορούμε να βελτιωθούμε.
  • 5:52 - 5:54
    Αποφάσισα λοιπόν να επικεντρωθώ
  • 5:54 - 5:56
    στη χρήση δεδομένων
    και στατιστικών στοιχείων
  • 5:56 - 5:59
    για να βοηθήσω στη λήψη
    της πιο κρίσιμης απόφασης
  • 5:59 - 6:00
    για την δημόσια ασφάλεια,
  • 6:00 - 6:02
    και αυτή η απόφαση
    είναι ο προσδιορισμός
  • 6:02 - 6:05
    του κατά πόσον
    όταν κάποιος έχει συλληφθεί,
  • 6:05 - 6:07
    αποτελεί κίνδυνο
    για τη δημόσια ασφάλεια
  • 6:07 - 6:08
    και θα πρέπει να κρατηθεί,
  • 6:08 - 6:10
    ή δεν αποτελεί κίνδυνο
    για τη δημόσια ασφάλεια
  • 6:10 - 6:12
    και θα πρέπει να αφεθεί ελεύθερος.
  • 6:12 - 6:14
    Όλα όσα συμβαίνουν
    στις ποινικές υποθέσεις
  • 6:14 - 6:16
    απορρέουν από αυτή την μία απόφαση.
  • 6:16 - 6:17
    Επηρεάζει τα πάντα.
  • 6:17 - 6:19
    Επηρεάζει τις ποινές.
  • 6:19 - 6:21
    Επηρεάζει το αν κάποιος
    θα μπει σε πρόγραμμα απεξάρτησης.
  • 6:21 - 6:23
    Επηρεάζει το έγκλημα και τη βία.
  • 6:23 - 6:25
    Και όταν μιλάω με δικαστές
    σε όλες τις Ηνωμένες Πολιτείες,
  • 6:25 - 6:27
    κάτι που κάνω συνέχεια τώρα,
  • 6:27 - 6:29
    όλοι τους λένε το ίδιο πράγμα,
  • 6:29 - 6:32
    ότι βάζουμε επικίνδυνους ανθρώπους
    στη φυλακή
  • 6:32 - 6:35
    και αφήνουμε τους ακίνδυνους,
    τους μη βίαιους.
  • 6:35 - 6:37
    Το εννοούν και το πιστεύουν.
  • 6:37 - 6:39
    Αλλά όταν αρχίζεις
    να κοιτάς τα δεδομένα,
  • 6:39 - 6:42
    τα οποία, παρεμπιπτόντως,
    δεν έχουν οι δικαστές,
  • 6:42 - 6:43
    όταν αρχίζουμε να κοιτάμε τα δεδομένα,
  • 6:43 - 6:46
    αυτό που βρίσκουμε ξανά και ξανά,
  • 6:46 - 6:48
    είναι ότι τα πράγματα δεν είναι έτσι.
  • 6:48 - 6:49
    Βρίσκουμε ότι
    οι παραβάτες χαμηλού κινδύνου,
  • 6:49 - 6:53
    που συνιστούν το 50 τοις εκατό ολόκληρου
    του πληθυσμού ποινικής δικαιοσύνης,
  • 6:53 - 6:55
    βρίσκουμε ότι είναι στη φυλακή.
  • 6:55 - 6:58
    Πάρτε για παράδειγμα
    τον Λέσλι Τσιου, έναν Τεξανό
  • 6:58 - 7:01
    που έκλεψε τέσσερις κουβέρτες
    μια κρύα νύχτα του χειμώνα.
  • 7:01 - 7:03
    Συνελήφθη και προφυλακίστηκε
  • 7:03 - 7:05
    με εγγύηση 3500 δολαρίων,
  • 7:05 - 7:08
    ποσό που δεν μπορούσε να πληρώσει.
  • 7:08 - 7:11
    Και έμεινε στα κρατητήρια για οκτώ μήνες
  • 7:11 - 7:13
    μέχρι η υπόθεσή του
    να φθάσει σε δίκη,
  • 7:13 - 7:17
    με κόστος για τους φορολογούμενους
    άνω των 9000 δολαρίων.
  • 7:17 - 7:19
    Και στην άλλη άκρη του φάσματος,
  • 7:19 - 7:21
    τα αποτελέσματά μας
    είναι εξίσου άσχημα.
  • 7:21 - 7:23
    Τα άτομα που βρίσκουμε ότι
  • 7:23 - 7:25
    είναι οι παραβάτες
    με τον υψηλότερο κίνδυνο,
  • 7:25 - 7:27
    τα άτομα που πιστεύουμε
    ότι έχουν την μεγαλύτερη πιθανότητα
  • 7:27 - 7:29
    να διαπράξουν κάποιο νέο έγκλημα
    αν αφεθούν ελεύθερα,
  • 7:29 - 7:32
    βλέπουμε σε εθνικό επίπεδο
    ότι το 50 τοις εκατό αυτών των ατόμων
  • 7:32 - 7:34
    αφήνονται ελεύθερα.
  • 7:34 - 7:37
    Ο λόγος γι' αυτό είναι ο τρόπος
    που λαμβάνουμε αποφάσεις.
  • 7:37 - 7:39
    Οι δικαστές έχουν
    τις καλύτερες προθέσεις
  • 7:39 - 7:41
    όταν λαμβάνουν αυτές τις αποφάσεις
    σχετικά με τον κίνδυνο
  • 7:41 - 7:43
    αλλά τις λαμβάνουν υποκειμενικά.
  • 7:43 - 7:46
    Είναι σαν τους ανιχνευτές ταλέντων
    20 χρόνια πριν
  • 7:46 - 7:48
    που χρησιμοποιούσαν το ένστικτο
    και την εμπειρία τους
  • 7:48 - 7:50
    για να προσπαθήσουν να αποφασίσουν
    τι κίνδυνο θέτει κάποιος.
  • 7:50 - 7:52
    Είναι υποκειμενικοί
  • 7:52 - 7:55
    και ξέρουμε τι συμβαίνει
    με την υποκειμενική λήψη αποφάσεων,
  • 7:55 - 7:58
    συχνά κάνουμε λάθος.
  • 7:58 - 7:59
    Αυτό που χρειαζόμαστε
    σε αυτόν τον χώρο
  • 7:59 - 8:02
    είναι ισχυρά δεδομένα
    και στατιστικά στοιχεία.
  • 8:02 - 8:03
    Αυτό που αποφάσισα να αναζητήσω
  • 8:03 - 8:06
    ήταν ένα εργαλείο εκτίμησης κινδύνου
    με ισχυρά δεδομένα και στατιστικά στοιχεία,
  • 8:06 - 8:09
    κάτι που θα επέτρεπε στους δικαστές
    να καταλάβουν πραγματικά
  • 8:09 - 8:11
    με έναν επιστημονικό
    και αντικειμενικό τρόπο
  • 8:11 - 8:13
    τον κίνδυνο που θέτει
  • 8:13 - 8:14
    αυτός που έχουν μπροστά τους.
  • 8:14 - 8:16
    Εξέτασα όλη τη χώρα
  • 8:16 - 8:18
    και ανακάλυψα
    ότι μεταξύ πέντε και 10 τοις εκατό
  • 8:18 - 8:19
    όλων των δικαιοδοσιών των ΗΠΑ
  • 8:19 - 8:22
    στην πραγματικότητα δεν χρησιμοποιούν
    κάποιο τύπο εργαλείου εκτίμησης κινδύνου
  • 8:22 - 8:24
    και όταν εξέτασα αυτά τα εργαλεία,
  • 8:24 - 8:26
    γρήγορα διαπίστωσα γιατί.
  • 8:26 - 8:29
    Ήταν απίστευτα ακριβό να διατεθούν,
  • 8:29 - 8:30
    ήταν χρονοβόρα,
  • 8:30 - 8:32
    περιορίζονταν στην τοπική δικαιοδοσία
  • 8:32 - 8:34
    για την οποία είχαν δημιουργηθεί.
  • 8:34 - 8:35
    Βασικά λοιπόν,
    δεν μπορούσαν να αναβαθμιστούν
  • 8:35 - 8:38
    ή να μεταφερθούν σε άλλα μέρη.
  • 8:38 - 8:40
    Οπότε ξεκίνησα
    και δημιούργησα μια πρωτοφανή ομάδα
  • 8:40 - 8:42
    επιστημόνων και ερευνητών δεδομένων
  • 8:42 - 8:43
    και στατιστικολόγων
  • 8:43 - 8:46
    για να φτιάξουν
    ένα γενικό εργαλείο εκτίμησης κινδύνου
  • 8:46 - 8:49
    ώστε ο κάθε δικαστής
    στις Ηνωμένες Πολιτείες να μπορεί
  • 8:49 - 8:53
    να έχει ένα αντικειμενικό,
    επιστημονικό μέτρο κινδύνου.
  • 8:53 - 8:55
    Στο εργαλείο που δημιουργήσαμε,
  • 8:55 - 8:58
    αυτό που κάναμε είναι να συγκεντρώσουμε
    1,5 εκατομμύρια υποθέσεις
  • 8:58 - 8:59
    από όλες τις Ηνωμένες Πολιτείες,
  • 8:59 - 9:01
    από πόλεις, από επαρχίες,
  • 9:01 - 9:02
    από κάθε πολιτεία στη χώρα,
  • 9:02 - 9:04
    από ομοσπονδιακά διαμερίσματα.
  • 9:04 - 9:06
    Και με αυτές
    τις 1,5 εκατομμύριο υποθέσεις,
  • 9:06 - 9:08
    που είναι τα περισσότερα δεδομένα
    σε προδικαστικό στάδιο
  • 9:08 - 9:10
    στις Ηνωμένες Πολιτείες σήμερα,
  • 9:10 - 9:12
    ήμασταν σε θέση
    να βρούμε βασικά ότι υπήρχαν
  • 9:12 - 9:15
    900 και πλέον παράγοντες κινδύνου
    που μπορούσαμε να εξετάσουμε
  • 9:15 - 9:18
    για να προσπαθήσουμε να καταλάβουμε
    τι είχε μεγαλύτερη σημασία.
  • 9:18 - 9:21
    Και ανακαλύψαμε ότι υπήρχαν
    εννέα συγκεκριμένα πράγματα
  • 9:21 - 9:22
    που είχαν σημασία σε όλη τη χώρα
  • 9:22 - 9:25
    και που προέβλεπαν
    με τη μεγαλύτερη ακρίβεια τον κίνδυνο.
  • 9:25 - 9:29
    Έτσι λοιπόν δημιουργήσαμε
    ένα γενικό εργαλείο εκτίμησης κινδύνου.
  • 9:29 - 9:31
    Και μοιάζει με αυτό.
  • 9:31 - 9:33
    Όπως θα δείτε,
    εισάγουμε κάποιες πληροφορίες,
  • 9:33 - 9:35
    αλλά το μεγαλύτερο μέρος
    είναι απίστευτα απλό,
  • 9:35 - 9:37
    είναι εύκολο στη χρήση,
  • 9:37 - 9:40
    επικεντρώνεται σε πράγματα όπως
    οι προηγούμενες καταδίκες του κατηγορούμενου,
  • 9:40 - 9:42
    το αν είχε καταδικαστεί σε κάθειρξη,
  • 9:42 - 9:44
    το αν είχε εμπλακεί σε βία στο παρελθόν,
  • 9:44 - 9:46
    το αν παρέλειψε
    να εμφανιστεί στο δικαστήριο.
  • 9:46 - 9:49
    Και με αυτό το εργαλείο
    μπορούμε να προβλέψουμε τρία πράγματα.
  • 9:49 - 9:51
    Πρώτον, το αν κάποιος θα διαπράξει
  • 9:51 - 9:52
    κάποιο νέο έγκλημα αν αφεθεί ελεύθερος.
  • 9:52 - 9:54
    Δεύτερον, για πρώτη φορά,
  • 9:54 - 9:56
    και πιστεύω ότι αυτό
    είναι εξαιρετικά σημαντικό,
  • 9:56 - 9:58
    μπορούμε να προβλέψουμε
    αν κάποιος θα διαπράξει
  • 9:58 - 9:59
    βίαιη πράξη αν αφεθεί ελεύθερος.
  • 9:59 - 10:01
    Και αυτό είναι το πιο σημαντικό πράγμα
  • 10:01 - 10:03
    που αναφέρουν οι δικαστές
    όταν συζητήσεις μαζί τους.
  • 10:03 - 10:05
    Και τρίτον, μπορούμε
    να προβλέψουμε αν κάποιος
  • 10:05 - 10:07
    θα εμφανιστεί στο δικαστήριο.
  • 10:07 - 10:10
    Και κάθε δικαστής στις Ηνωμένες Πολιτείες
    μπορεί να το χρησιμοποιήσει,
  • 10:10 - 10:14
    επειδή δημιουργήθηκε
    βάσει μιας γενικής ομάδας δεδομένων.
  • 10:14 - 10:16
    Αυτό που βλέπουν οι δικαστές όταν τρέξουν
    το εργαλείο εκτίμησης κινδύνου
  • 10:16 - 10:19
    είναι αυτό -- έναν πίνακα.
  • 10:19 - 10:21
    Στην κορυφή, βλέπετε τη Βαθμολογία
    Νέας Εγκληματικής Δραστηριότητας,
  • 10:21 - 10:23
    με το έξι φυσικά να είναι το υψηλότερο,
  • 10:23 - 10:26
    και μετά, στη μέση,
    βλέπετε «Αυξημένος κίνδυνος βίας».
  • 10:26 - 10:27
    Και αυτό που λέει είναι
    ότι αυτό το άτομο
  • 10:27 - 10:30
    είναι κάποιος
    που έχει αυξημένο κίνδυνο βίας
  • 10:30 - 10:31
    άρα ο δικαστής θα πρέπει
    να το εξετάσει καλύτερα.
  • 10:31 - 10:33
    Και μετά, προς το τέλος,
  • 10:33 - 10:35
    βλέπετε τη Βαθμολογία Παράλειψης Εμφάνισης,
  • 10:35 - 10:36
    που ξανά είναι η πιθανότητα
  • 10:36 - 10:39
    που έχει κάποιος
    να εμφανιστεί ξανά στο δικαστήριο.
  • 10:39 - 10:41
    Τώρα θέλω να πω
    κάτι πραγματικά σημαντικό.
  • 10:41 - 10:44
    Δεν είναι ότι πιστεύω
    πως θα πρέπει να διαγράψουμε
  • 10:44 - 10:46
    το ένστικτο και την εμπειρία του δικαστή
  • 10:46 - 10:48
    από αυτή τη διαδικασία.
  • 10:48 - 10:49
    Δεν το πιστεύω.
  • 10:49 - 10:51
    Στην πραγματικότητα πιστεύω
    ότι το πρόβλημα που βλέπουμε
  • 10:51 - 10:54
    και ο λόγος που έχουμε
    αυτά τα απίστευτα συστημικά σφάλματα,
  • 10:54 - 10:57
    όπου φυλακίζουμε μικροεγκληματίες
    που δεν είναι βίαιοι,
  • 10:57 - 11:00
    και απελευθερώνουμε επικίνδυνα άτομα,
  • 11:00 - 11:03
    είναι επειδή δεν έχουμε
    ένα αντικειμενικό μέτρο κινδύνου.
  • 11:03 - 11:04
    Αλλά αυτό που πιστεύω ότι πρέπει να συμβεί
  • 11:04 - 11:07
    είναι να πάρουμε
    αυτή την εκτίμηση κινδύνου βάσει δεδομένων
  • 11:07 - 11:10
    και να τη συνδυάσουμε με το ένστικτο
    και την εμπειρία του δικαστή
  • 11:10 - 11:13
    για να οδηγηθούμε σε καλύτερες αποφάσεις.
  • 11:13 - 11:16
    Το εργαλείο άρχισε να χρησιμοποιείται
    στην πολιτεία του Κεντάκι την 1η Ιουλίου
  • 11:16 - 11:20
    και ετοιμαζόμαστε να το εφαρμόσουμε
    και σε άλλες δικαιοδοσίες των ΗΠΑ.
  • 11:20 - 11:22
    Ο στόχος μας, απλά,
    είναι κάθε δικαστής
  • 11:22 - 11:24
    στις Ηνωμένες Πολιτείες να χρησιμοποιεί
    ένα εργαλείο κινδύνου βάσει δεδομένων
  • 11:24 - 11:26
    εντός των επόμενων πέντε ετών.
  • 11:26 - 11:28
    Τώρα εργαζόμαστε
    πάνω σε εργαλεία κινδύνου
  • 11:28 - 11:31
    και για εισαγγελείς και αστυνομικούς,
  • 11:31 - 11:34
    για να προσπαθήσουμε να πάρουμε
    το σύστημα που λειτουργεί σήμερα
  • 11:34 - 11:37
    στην Αμερική με τον ίδιο τρόπο
    που λειτουργούσε 50 χρόνια πριν,
  • 11:37 - 11:39
    βάσει του ενστίκτου και της εμπειρίας,
  • 11:39 - 11:41
    και να το μετατρέψουμε
    σε σύστημα που λειτουργεί
  • 11:41 - 11:43
    βάσει δεδομένων και στατιστικών στοιχείων.
  • 11:43 - 11:45
    Τώρα, τα καλά νέα με όλο αυτό,
  • 11:45 - 11:47
    και έχουμε ακόμη
    πολλή δουλειά να κάνουμε,
  • 11:47 - 11:48
    και πρέπει να αλλάξουμε
    πολύ την κουλτούρα,
  • 11:48 - 11:50
    αλλά τα καλά νέα με αυτό
  • 11:50 - 11:52
    είναι πως γνωρίζουμε ότι δουλεύει.
  • 11:52 - 11:54
    Είναι ο λόγος που η Google είναι η Google,
  • 11:54 - 11:57
    και είναι ο λόγος που όλες αυτές οι ομάδες
    μπέιζμπολ χρησιμοποιούν το moneyball
  • 11:57 - 11:58
    για να κερδίζουν παιχνίδια.
  • 11:58 - 12:00
    Τα καλά νέα και για εμάς
  • 12:00 - 12:02
    είναι ότι αποτελεί έναν τρόπο
    ώστε να μεταμορφώσουμε
  • 12:02 - 12:04
    το αμερικανικό σύστημα
    ποινικής δικαιοσύνης.
  • 12:04 - 12:07
    Είναι ο τρόπος που μπορούμε
    να κάνουμε τους δρόμους μας ασφαλέστερους,
  • 12:07 - 12:09
    να μειώσουμε το κόστος
    των φυλακών μας
  • 12:09 - 12:11
    και να κάνουμε το σύστημά μας
    πολύ δικαιότερο
  • 12:11 - 12:13
    και πιο σωστό.
  • 12:13 - 12:15
    Κάποιοι το ονομάζουν
    επιστήμη δεδομένων.
  • 12:15 - 12:17
    Εγώ το λέω εφαρμογή
    του moneyball στην ποινική δικαιοσύνη.
  • 12:17 - 12:19
    Σας ευχαριστώ.
  • 12:19 - 12:23
    (Χειροκρότημα)
Title:
Γιατί η έξυπνη στατιστική αποτελεί το κλειδί για την καταπολέμηση του εγκλήματος
Speaker:
Αν Μίλγκραμ
Description:

Όταν έγινε η γενική εισαγγελέας του Νιού Τζέρσεϊ το 2007, η Αν Μίλγκραμ γρήγορα ανακάλυψε κάποιες αναπάντεχες αλήθειες: όχι μόνο η ομάδα της δεν ήξερε στην πραγματικότητα ποιους προφυλάκιζε, αλλά δεν είχε και κανέναν τρόπο να καταλάβει αν οι αποφάσεις τους εξασφάλισαν όντως περισσότερη δημόσια ασφαλεια. Και έτσι άρχισε o συνεχής, εμψυχωτικός αγώνας της για να εισάγει στοιχεία δεδομένων και στατιστική ανάλυση στο ποινικό σύστημα των ΗΠΑ.
more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
12:41

  • Chryssa R. Takahashi

    Πολύ καλή μετάφραση, όμως οι υπότιτλοι είναι πολύ μεγάλοι, δεν χωρίζονται σε δύο σειρές. Δες http://translations.ted.org/wiki/How_to_break_lines και http://www.youtube.com/watch?v=yvNQoD32Qqo

    Ευχαριστώ

  • Chryssa R. Takahashi

    Χώρισα τους υπότιτλους σε δύο σειρές στους πρώτους υπότιτλους για να δεις πώς πρέπει να γίνει.

Greek subtitles

Revisions Compare revisions

Our website uses cookies for analysis purposes.