Análise preditiva criminal: definição de variáveis para os casos de homicídio

Abstract

O homicídio é um crime bárbaro, em média 500 mil pessoas são assassinadas por ano em todo o mundo. Esta pesquisa teve por base teórica a criminologia ambiental, a qual fundamenta que características do ambiente influenciam na prática criminal, a fim de identificar e analisar a influência das variáveis ambientais relacionadas com os casos de homicídio na cidade de Florianópolis/SC. Foi utilizada uma base epistemológica de Design Science (DS), esta epistemologia busca propor soluções para problemas práticos e contribui para aprimorar teorias. A metodologia de pesquisa foi a Design Science Research (DSR) elaborando um artefato no aplicativo Orange que utilizou algoritmos de aprendizado de máquina para a elaboração de preditores para os casos de homicídio. O algoritmo Naive Bayes foi considerado o mais assertivo durante os testes. Foram utilizados dados dos registros policiais, populacionais e referentes ao clima dos anos de 2010 a 2020 para a elaboração do artefato. Foi identificado que por não ser aleatório e sofrer a influência de variáveis ambientais na prática do delito, é possível realizar uma análise preditiva criminal com esse fim, contudo é necessário um conjunto de variáveis maior do que o utilizado nos testes para que o resultado tenha uma eficácia maior em relação a predição criminal podendo contribuir com os órgãos de segurança pública na prevenção desse tipo de delito. A pesquisa permite o avanço e aprofundamento da teoria em relação a predição criminal.

Abstract: Homicide is a barbaric crime, on average 500,000 people are murdered every year around the world. This research was theoretically based on environmental criminology, which substantiates which characteristics of the environment influence criminal practice, in order to identify and analyze the influence of environmental variables related to homicide cases in the city of Florianópolis/SC. A Design Science (DS) epistemology was used; this epistemology seeks to propose solutions to practical problems and contributes to improving theories. The research methodology was Design Science Research (DSR) developing an artifact in the Orange application that used machine learning algorithms to create predictors for homicide cases. The Naive Bayes algorithm was considered the most assertive during testing. Data from police, population and climate records from 2010 to 2020 were used to create the artifact. It was identified that as it is not random and suffers the influence of environmental variables in the commission of the crime, it is possible to carry out a criminal predictive analysis for this purpose, however, a larger set of variables than that used in the tests is necessary for the result to have a greater effectiveness in relation to criminal prediction and can contribute to public security bodies in preventing this type of crime. The research allows the advancement and deepening of theory in relation to criminal prediction.