कैसे डेटा कानून लागू करने में मदद करता है आपराधिक 'खेल के मैदानों' सुरक्षित स्थानों में बदल जाते हैं

यद्यपि यह अपराधियों को प्रेरणाओं या गलतियों से अधिक कुछ भी कम करने के लिए लुभावना है, यह याद रखना महत्वपूर्ण है कि गलत स्थान भौतिक स्थानों में मौजूद हैं जो उनके व्यवहार को प्रभावित करते हैं। लॉब्रेकर्स हम में से बाकी लोगों की तरह अनुमानित हैं। वे पुलिस थानों के बगल में स्थित बैंकों को लूटने की कोशिश नहीं करते। वे डे केयर सेंटर में नहीं जाते। वे पैदल ही राजमार्गों से नीचे नहीं जाते हैं। यदि यह सब स्पष्ट लगता है, तो इस पर विचार करें: आधुनिक कानून प्रवर्तन बड़े पैमाने पर जवाब देने के लिए स्थापित किया गया है कुछ भी । यही कारण है कि अपराधियों ने उन्नत मैपिंग प्रौद्योगिकियों का लाभ उठाने के लिए शुरू किया है ताकि यह समझा जा सके कि अपराधी विशिष्ट वातावरण में क्या करते हैं और उन वातावरण को शांति बनाए रखने के लिए कैसे बदला जा सकता है।

लेस्ली केनेडी और जोएल कैपलान, रटगर्स स्कूल ऑफ़ क्रिमिनल जस्टिस के भीतर शिक्षाविदों ने मैपिंग और स्थानिक विश्लेषण के लिए डिज़ाइन किए गए ग्राफिक सूचना प्रणाली के विषय में अपने काम के साथ इन विषयों की ताकत को संयोजित किया है। आपराधिक न्याय के प्रोफेसर एरिक पिजा की मदद से उन्होंने रिस्क टेरेन मॉडलिंग का आविष्कार किया, जो अपराध की स्थानिक गतिशीलता का निर्धारण करने का एक तरीका है और यह पता लगाने के लिए कि पर्यावरण को कैसे बदला जाए ताकि इसके प्रति प्रतिक्रिया करने के बजाय गलत कामों को रोका जा सके। जबकि अन्य अपराध मानचित्र गर्म स्थानों को इंगित करते हैं, कैनेडी और कैपलान का मॉडल उन्हें रोकता है। वे हिंसा को रोकने वाले ब्लिस्टर-एड्स हैं।

रिस्क टेरेन मॉडलिंग डायग्नोस्टिक्स उपयोगिता डाउनलोड और उपयोग करने के लिए स्वतंत्र है, जो दुनिया भर के अपराध विश्लेषकों के लिए ठीक है। और यह काम कर रहा है: जब ग्लेनडेल में पुलिस, एरिज़ोना ने मॉडल का उपयोग करना शुरू किया, तो शहर ने तीन महीनों में डकैतियों में 42 प्रतिशत की कमी का अनुभव किया। बिना शॉट्स के फायर की यह जंगली सफलता - स्पष्ट रूप से अमेरिकी कानून प्रवर्तन के लिए एक कदम आगे है।

श्लोक में कैनेडी और कैपलन के साथ उनके काम के बारे में बात की, जोखिम का आकलन किया, और डेटा को शहरी योजना को नरम शक्ति के रूप में कैसे बदल सकते हैं।

आपराधिक न्याय के उपक्षेत्र के रूप में जीआईएस मैपिंग और स्थानिक विश्लेषण पर आप दोनों का ध्यान कैसे आया?

जोएल कैपलान: मैंने जीआईएस का उपयोग करना शुरू कर दिया क्योंकि मुझे अपराध विज्ञान के गुणात्मक, सैद्धांतिक और मात्रात्मक पक्ष के स्थानिक पहलुओं को समझना पसंद है। स्थानिक दृष्टिकोण को देखने से समझ में आता है क्योंकि हर कोई उस स्थान पर कहीं भी काम करता है।

दशकों से, अपराधशास्त्र में शोधकर्ता उन आंकड़ों तक सीमित हो गए हैं जो अक्सर कुल स्तर पर एकत्र किए जाते हैं - जनगणना डेटा, नस्लीय जनसांख्यिकी डेटा, घरेलू आय डेटा - जो कुछ उद्देश्यों के लिए एकत्र किए जाते हैं और आपराधिक न्याय में अनुसंधान और मूल्यांकन के मामलों पर लागू होते हैं। वह डेटा मौजूद है

लेस्ली कैनेडी: मैं इस पर लंबे समय से काम कर रहा था। मेरी मूल दिलचस्पी शहरी अध्ययनों में थी और अपराध के भूगोल पर केंद्रित अपराध विज्ञान में वर्षों से बहुत सारे शोध किए गए थे। लेकिन यह वास्तव में इस बारे में बहुत बात नहीं करता था कि सूक्ष्म-स्तर पर क्या हुआ और पर्यावरण की विशेषताएं व्यक्तिगत व्यवहार को कैसे प्रभावित कर सकती हैं।

जीआईएस हमें जो करने की अनुमति देता है, वह वास्तव में उन स्थानों पर नक्शे पर स्थान लेता है और विशेषताओं, या मेटा-डेटा को उन स्थानों पर डालता है। फिर हम बीच के संबंधों, बारों की नियुक्ति, या स्कूलों के प्लेसमेंट और अपराध, या अपराध, या हिंसा जैसे परिणाम उपायों के प्रकार के बीच संबंध बनाने की कोशिश करना शुरू कर सकते हैं। हम सैद्धांतिक अवधारणाओं का पता लगा सकते हैं और कुछ स्थानों पर अपराध की एकाग्रता को ध्यान में रखते हुए आगे बढ़ सकते हैं। हम यह सब अतिरिक्त जानकारी जोड़ते हैं जो उस स्थान पर बैठता है, उस पर टैप करने का प्रयास करें, और इन परिणामों पर स्थानिक प्रभावों को समझें।

यह अविश्वसनीय रूप से जटिल लगता है। आप संभावित सहसंबंधों और रिश्तों के बारे में कैसे सोचते हैं?

लालकृष्ण: उन रिश्तों को एक मानचित्र पर कल्पना करना महत्वपूर्ण है क्योंकि आपको उन लोगों को प्राप्त करने की आवश्यकता है जो परिणामों को प्रभावित कर रहे हैं - एजेंसियों या पुलिस या जो भी - यह समझने के लिए कि यदि वे उन स्थानों पर जाते हैं और उन मुद्दों से निपटते हैं जो वहां अपराध को प्रभावित कर रहे हैं, तो हो सकता है कि मामला। और फिर आप एक और नक्शा बना सकते हैं और उन जोखिम कारकों पर उनके हस्तक्षेप के प्रभाव को दिखा सकते हैं और देख सकते हैं कि क्या अपराध व्यवहार में बदलाव हुआ था।

क्या आप मेरे माध्यम से चल सकते हैं कि एक मानक जांच कैसी दिख सकती है?

लालकृष्ण: आपके पास कुछ सैद्धांतिक विचार हो सकते हैं - जैसे कि सलाखों के स्थान पर हिंसक अपराध होते हैं। अपराध के परिणाम के साथ सलाखों के स्थान का क्या करना है? ये सभी संभावित कारक हैं। हम उनका विश्लेषण कर सकते हैं क्योंकि आवश्यक डेटा सेट आसानी से उपलब्ध हैं।

क्या यह कहना उचित है कि यह पुलिस और सुरक्षा दोनों को यह बताने के लिए एक पूर्व-खाली उपकरण है कि कहां जाना है, और इसे भविष्य में होने से भी बचाना है?

लालकृष्ण: विचार यह है कि अभी वे यह निर्धारित कर सकते हैं कि उन्हें सफलता मिली है या नहीं, देखें कि क्या अपराध जारी है या उन्होंने एक निश्चित संख्या में गिरफ्तारी की है। इसलिए, यदि वे बहुत से लोगों को गिरफ्तार करते हैं, तो अपराध दर बढ़ जाती है, है ना?

सही।

लालकृष्ण: अंत में, इसे नीचे जाना है - गिरफ्तारी को कम करने के लिए माना जाता है, लेकिन वे बार-बार एक ही स्थान पर वापस जाते रहेंगे। तो वे कहेंगे, 'हाँ, लेकिन जहाँ अपराध होता है।' और हम कहते हैं, 'हाँ, यह वह जगह है जहाँ अपराध घटित हुआ है, क्योंकि आपने अंतर्निहित कारण से छुटकारा नहीं पाया है कि यह वहाँ क्यों हो रहा है।' वहां, आपको उस स्थान पर होने वाली चीजों के आधार पर अपराध को संबोधित करने की कोशिश करने की आवश्यकता है। लुटेरों को गिरफ्तार करने के लिए एक पार्क में जाने के बजाय, आप मेट्रो स्टेशनों पर जाते हैं जहाँ डकैतियां वास्तव में हो रही हैं। अगला अपराध कहां होने वाला है, इस बारे में भविष्यवाणी जरूरी नहीं है। हम भविष्यवाणी करते हैं कि अपराध का सबसे अधिक जोखिम कहां है और संभावित अंतर्निहित कारण हैं।

विचार यह है कि आप बाद में वापस जा सकते हैं और मूल्यांकन कर सकते हैं कि आपने जो कुछ भी किया है या नहीं - जैसे कि सीसीटीवी लगाना या मेट्रो के प्रवेश द्वार पर अधिक पुलिस लगाना - केवल बार-बार गर्म स्थान का पीछा करने के बजाय।

जे.सी.: हम जो उदाहरण देते हैं वह खेल के मैदान का उदाहरण है। अगर मैं आपसे कहूं कि बच्चों का एक झुंड बार-बार एक ही जगह पर खेलता है, तो यह आपको कुछ बताता है कि ये बच्चे कहाँ खेल रहे हैं। लेकिन अगर आप बच्चों पर अपना ध्यान केंद्रित करते हैं, और पर्यावरण को देखते हैं, तो आप देख सकते हैं कि परिदृश्य की विशेषताएं हैं जो स्पॉट को खेल के मैदान के रूप में परिभाषित करते हैं: स्विंग, स्लाइड, सी-सॉ। हम बच्चों से इस स्थान के प्रति आकर्षित होने की अपेक्षा करेंगे, क्योंकि ऐसी अन्य जगहों के विपरीत जिनमें इस तरह के मनोरंजक गुण नहीं हैं। यह समझने की नैदानिक ​​प्रक्रिया के कारण कि इन बच्चों ने बार-बार क्या आकर्षित किया, हम उन प्रकार के व्यवहारों का अनुमान लगा सकते हैं जो हम समान परिस्थितियों वाले स्थानों पर उम्मीद करेंगे। इसलिए यदि हम नहीं चाहते कि बच्चे अब खेलें, हम स्लाइड को दूर ले जा सकते हैं और इसे उबाऊ बना सकते हैं।

यह समझने का प्रयास करते हुए कि हम ऐसा क्यों करते हैं, कुछ विशेष स्थानों को जारी रखने के लिए उपयुक्त क्यों हैं। बार-बार अपराध को आकर्षित करने वाली अंतर्निहित स्थितियों का निदान, सटीक पूर्वानुमान बनाता है - स्वाभाविक रूप से यह एक नैदानिक ​​प्रक्रिया है जो हमें सूचित करती है कि हमें न केवल जहां जाना है, लेकिन जब कानून प्रवर्तन वहां पर ध्यान केंद्रित करना है। यदि आप नहीं चाहते हैं कि लोग ऐसी जगह पर जाएं जो उन्हें आकर्षित करता है, तो पर्यावरण के बारे में कुछ ऐसा करें जो इसे कम आकर्षक बनाता है।

आपके द्वारा किया जाने वाला कार्य प्रौद्योगिकी की उन्नति पर आकस्मिक लगता है। क्या आप पाते हैं कि यह क्षेत्र तेजी से बदल रहा है? आप इस तरह के काम के भविष्य के रूप में क्या देखते हैं?

लालकृष्ण: यह एक दिलचस्प सवाल है। मुझे लगता है कि पुलिस एजेंसियों के बीच निश्चित रूप से एक जागरूकता है कि उन्हें सबूत-आधारित अभ्यास की आवश्यकता है और उन्हें इस प्रकार की तकनीकों के माध्यम से आगे बढ़ने की आवश्यकता है। संघीय सरकार ने वास्तव में आक्रामक तरीके से इन एजेंसियों को अपने डेटा संग्रह सिस्टम का निर्माण करने और अपने विश्लेषणात्मक कौशल में सुधार करने में मदद करने के लिए साधन प्रदान किए हैं। जवाब है: मुझे लगता है कि यह पेशेवर क्षेत्र में बहुत महत्वपूर्ण है। अकादमिक क्षेत्र में, यह संभवत: बहुत तेजी से बंद नहीं हुआ है, क्योंकि अकादमिक चिकित्सकों के बीच काफी सीखने की अवस्था है - यह जानने के लिए कि जीआईएस का उपयोग कैसे करें और इसे अपने विश्लेषण में एकीकृत करें। और यह क्षेत्र वास्तव में ऐसा नहीं है कि उनसे ऐसा करने की मांग की जा रही है - यह निश्चित रूप से इसे स्वीकार कर रहा है, लेकिन यह अन्य प्रकार के अनुसंधानों को भी स्वीकार कर सकता है। जो शायद एक बुरी चीज नहीं है, यह अलग-अलग दृष्टिकोणों को शामिल करता है।

लेकिन हां, यह शैक्षणिक क्षेत्र में उतनी तेजी से नहीं बढ़ रहा है जितना पेशेवर क्षेत्र में है। यह दिशा इतनी केंद्रीय है कि क्षेत्र में समग्र सैद्धांतिक अभिविन्यास 100 वर्षों के लिए क्या है। यह मूल रूप से लोगों को अपराध और जगह के बारे में पुराने, लंबे समय से स्थायी मुद्दों का परीक्षण करने के लिए उपकरण बनाने की अनुमति देता है। हालाँकि, इस देश की कई पुलिस एजेंसियां ​​अभी भी माइक्रो-मैनेजमेंट सिस्टम का उपयोग कर डेटा एकत्र नहीं करती हैं और पूरी तरह से स्वचालित नहीं हैं। वहाँ जाने के लिए एक लंबा रास्ता तय करना है - लेकिन उन्हें गति तक लाने के लिए एक बहुत मजबूत प्रतिबद्धता है। ऐसा इसलिए है क्योंकि आपके पास एकमात्र तरीका है जिससे आप यह जानने में सक्षम होंगे कि डेटा क्या है। यह न केवल अपराध को ट्रैक करने के लिए है, बल्कि इन समुदायों में पुलिस की गतिविधि को ट्रैक करने के लिए है।

जे.सी.: मैं इसमें जोड़ दूंगा - मैं पूरी तरह से आश्वस्त नहीं हूं कि प्रौद्योगिकी पुलिसिंग को नया रूप देने जा रही है। मैं वास्तव में सोचता हूं कि पुलिसिंग और पुलिसिंग संस्कृति की मानसिकता से भविष्य, या पुलिसिंग में नवाचार की अगली लहर आने वाली है। मुझे लगता है कि प्रौद्योगिकी ने उन्हें इस बात पर पुनर्विचार करने के लिए मजबूर किया है कि वे कैसे साक्ष्य का उपयोग करते हैं, कैसे साक्ष्य-आधारित अनुसंधान और प्रौद्योगिकी के परिणामों का उपयोग एक तरह से करते हैं जो कि उनकी आबादी के लिए प्रभावी और पारदर्शी है।

लेस और मैं अब बहुत कुछ कर रहे हैं जो पुलिस एजेंसियों के साथ काम करने के लिए किया गया है ताकि स्थानिक विश्लेषण के माध्यम से वे समस्याओं का जवाब विकसित कर सकें। यदि आप सभी एक सुंदर नक्शा बनाते हैं, तो आप जमीन पर लोगों के लिए बहुत कुछ नहीं कर रहे हैं। हमें उन्हें यह पता लगाने में मदद करने की आवश्यकता है कि उस जानकारी का क्या करना है। वास्तव में, जहां मुझे लगता है कि नवाचार की अगली लहर - मानसिकता आने वाली है।

इस साक्षात्कार को संपादित किया गया है और स्पष्टता के लिए संघनित किया गया है।