terça-feira, 22 de julho de 2014

¿Puede Twitter prevenir el crimen?


Fotografía de Andres Eldh https://www.flickr.com/photos/eldh/
Que la información es un instrumento valiosísimo, incluso fundamental, para la prevención del crimen y la correcta actuación en decisiones de política criminal es algo evidente. Y en ese espacio de información como instrumento, las redes sociales pueden convertirse en el aliado perfecto, o por lo menos eso se desprende de diferentes estudios científicos que están saliendo a la luz en los dos últimos años.
En este artículo me centraré en la revisión de diferentes papers enfocados a la potencial utilidad de Twitter en la prevención de la criminalidad. ¿Puede ser una herramienta valiosa y fiable?
Uno de los estudios más recientes, publicado el pasado mes, es el de Matthew S. Gerber (2014)  ,analiza las posibilidades de Twitter como herramienta útil para la prevención del crimen.
Su hipótesis es que la localización, el momento y el contenido de los tweets son capaces de proveer información sobre futuros eventos criminales. Para ello, realizó un análisis de crimenes cometidos en Chicago entre enero y marzo de 2013, recolectando en el mismo periodo todos los tweets cuyas coordenadas se situaran en dicha población. Gracias a que la API de Twitter permite colectar esa información filtrando una serie de patrones, fue posible llevar a cabo el experimento.
Para ello, se utilizó la siguiente metodología:
  1. Revisión de tweets obedeciendo al análisis de entre 100 y 900 tópicos (palabras clave) para cada tipología delictiva durante los primeros 31 días de estudio.
  2. Haciendo predicciones para el día inmediatamente posterior a esos 31 días.
  3. Repitiendo el proceso cada día. Así, una nueva predicción sobre criminalidad se va realizando cada día.
  4. Se pone en comparación con un modelo predictivo basado en la estimación de densidad de Kernel (muy útil para la detección de "hotspots" o puntos calientes de criminalidad). El KDE se elaboró a partir de los datos mencionados sobre criminalidad en Chicago
  5. En el otro lado, se cruzan el modelo KDE (Kernel Density Estimation) con los tópicos de Twitter.
Los resultados desprendidos fueron que en 19 de los 25 tipos de delitos se mostraron mejoras sustanciales en la detección y precisión de puntos calientes. Esto resulta de gran utilidad por ejemplo a la hora de planificar las áreas donde se debe potenciar la vigilancia.
Ejemplo: A la izquierda observamos el mapa de densidad de las amenazas utilizando el KDE. A la derecha tenemos el mismo mapa de amenazas, pero cruzando el KDE con los tópicos de Twitter. Como se puede observar, existe una precisión mucho más elevada sobre los puntos calientes en los que se produce esta tipología delictiva.

Idéntica tesis maneja Coral Featherstone (2013) en un estudio sobre relevancia de las redes sociales en la prevención del crimen. En el mismo, analiza y compara estadísticas de criminalidad en 6 suburbios de Sudáfrica, con el uso de 5 tópicos o palabras clave en la red Twitter: secuestro, hurto, asesinato, robo de vehículo y robo con violencia. Estas palabras clave se combinaron con otras que se asociaran a la localidad en cuestión. Entre los resultados, se observó una mayor ratio de tweets como secuestros y robos con violencia cuando se comparaba con la cifra oficial de criminalidad. También comprobó que era bastante común twittear la matrícula y descripción de coches robados.
La autora defiende la postura de que la información proveída por usuarios en Twitter puede resultar útil para encontrar criminales, ya que las denuncias públicas que se realizan en dicha red contienen un elevado número de palabras clave. Del mismo modo, el hecho de que los tweets se obtengan en tiempo real da mayor celeridad en el manejo de la información. En este sentido, la autora parece olvidar que existe la posibilidad de usar software que permite programar tweets, lo que puede llevar a errores de interpretación. En este sentido, la minería de datos y el análisis estadístico es mucho más básico que el del primer estudio, en el que se desprende un conocimiento mucho más exhaustivo de Twitter.
Como consecuencia derivada de estos estudios, han surgido diferentes softwares que analizan el contenido de las redes sociales para fines de análisis y prevención de la criminalidad (por cierto, sin necesidad de vulnerar derechos fundamentales de los ciudadanos, ¿eh NSA?). Un ejemplo es el caso de SaferCity, software presentado por Michele Berlingerio, Francesco Calabrese; Giusy Di Lorenzo, Xiaowen Dong, Yiannis Gkoufas y Dimitrios Mavroeidis (2013).
Está diseñado para compilar y cruzar datos de diferentes redes sociales: usuario, localidad, marca de tiempo y texto (Ej:Tweets geolocalizados compilados de twitter), fotos geolocalizadas de diferentes servicios web como Flickr o Panoramio). Además, utiliza información sobre eventos públicos, incidentes reportados públicamente y quejas de ciudadanos, cuya fuente procede por norma general de los cuerpos y fuerzas de seguridad del estado, o datos públicos disponibles en la red. Podéis ver su funcionamiento en un vídeo que publicaron en Youtube.
¿Es entonces Twitter el Santo Grial de la lucha contra el crimen? Mejor no nos emocionemos. La misma Coral Featherston (2013) analizó en otro estudio posterior uno de las tesis que defendía a raíz de los resultados obtenidos: que Twitter podía servir como herramienta para la resolución de delitos particulares. Para ello, quiso realizar un experimento con la identificación y detección de vehículos a través de dicha red, que puede resultar de utilidad en el robo de vehículos.
Así, tuvo en cuenta las palabras clave que vemos en las tablas anteriores. Arriba se proponen palabras clave como “robo”, “asesinato” o “secuestro”. En la tabla de abajo se expone el contenido que se analiza en los tweets, a saber: si el tweet menciona un vehículo, si contiene la localización, si se provee un número de matrícula, el color, el modelo…En total, se filtran cerca de 10.000 tweets en un periodo de 3 meses que resultaban acordes a los tópicos anteriores.
Sin embargo, los resultados no fueron todo lo buenos que se podía esperar. En primer lugar, una gran cantidad de tweets eran inservibles o no guardaban relación alguna con vehículos reales. Por ejemplo, muchos tweets que obedecían a los criterios de búsqueda utilizados estaban en realidad relacionados con el popular videojuego Grand Thief Auto.
Así, de los 10.000 tweets analizados, apenas 203 obedecían a descripciones de vehículos.
De estos 203 tweets útiles, se observó que la localización, el color del vehículo y la matrícula eran las propiedades más reportadas. En la mitad de dichos tweets aparecía la localización. Sea como fuere, se trata de una muestra insuficiente y se observa una escasez de datos que ponen en duda la ayuda de Twitter para la resolución de casos particulares. También habría que plantearse si no hubiera sido necesaria en realidad una revisión de tópicos mucho más extensa.
Un último estudio de R. Dazeley, P. Watters y R. Layton (2010) analiza la posibilidad de identificar la autoría de un mensaje en 140 carácteres, algo que puede ser de mucha utilidad por ejemplo para la identificación de usuarios que se esconden tras una identidad falsa para proferir insultos o amenazas sobre otros usuarios. La metodología utilizada les permitió entre otras cosas:
  • Identificar al 70% de los autores de los tweets.
  • Se comprobó también la importancia que tenían las “Replys” (contestaciones que hace el usuario, o que le hacen a él). Cuando se eliminaba esa información, la precisión a la hora de acertar la autoría se reducía un 27%. Las conversaciones son capaces de proveer un importante grado de información sobre la identidad de las personas.
  • Aproximadamente 120 tweets por usuario resultaban suficientes para determinar la identidad de una persona.

Conclusiones

Si bien parece desprenderse que Twitter puede llegar a convertirse en una herramienta útil para el análisis y prevención general de la criminalidad, no resulta tan claro que esto sirva para la resolución de delitos particulares, por lo menos manejando solo esa información. En este sentido, creo que la hipótesis que maneja Matthew S. Gerber es la más coherente y menos pretenciosa: la información que se revela en Twitter puede ser eficaz para la detección de “hotspots”, algo que no es nada despreciable y que puede dar lugar a la toma de decisiones eficaces en materia de seguridad pública. Así mismo, se hacen necesarios nuevos estudios que confirmen esta tendencia.

Bibliografía

Featherstone, C. (2013a). Identifying vehicle descriptions in microblogging text with the aim of reducing or predicting crime. Institute of Electrical and Electronics Engineers.
Featherstone, C. (2013b). The relevance of social media as it applies in South Africa to crime prediction. Institute of Electrical and Electronics Engineers.
Gerber, M. S. (2014). Predicting crime using Twitter and kernel density estimation. Decision Support Systems, 61.
Layton, R., Watters, P., & Dazeley, R. (2010). Authorship Attribution for Twitter in 140 Characters or Less. Institute of Electrical and Electronics Engineers.

 Criminología y Justicia . Posted: 21 Jul 2014

Nenhum comentário:

Pesquisar este blog