Polis memurları, siyah topluluk üyeleriyle sürekli olarak daha az saygılı bir dil kullanıyorlar, vücut kamera görüntülerinin ilk sistematik analizi gösteriyor.

Araştırmacılar, incelikli olmasına rağmen, memurların dil kullanımındaki yaygın ırksal eşitsizliklerin polis-topluluk ilişkilerini aşındırabileceği uyarısında bulundu.

“… Topluluk üyeleriyle konuşma biçimindeki küçük farklar, yaygın ırksal eşitsizliklere neden oldu.”

Stanford Üniversitesi'nde psikoloji profesörü ve araştırmanın ortak yazarlarından Jennifer Eberhardt, “Bulgularımız, genel olarak, siyah topluluk üyeleriyle polis etkileşimlerinin, beyaz topluluk üyeleriyle olan etkileşimlerinden daha zayıf olduğunu” vurgulamaktadır. Ulusal Bilimler Akademisi Tutanakları.

Saygılı konuşmadaki ırksal eşitsizliklerle ilgili bulgular, memurun ırkı, ihlalin ciddiyeti ve durgunluğun yeri ve sonucu için kontrol edilen araştırmacılardan sonra bile geçerlidir.

Vücut kamera görüntülerini analiz etmek için, araştırmacılar önce memurların dilindeki saygı seviyelerini ölçmek için yapay bir zeka tekniği geliştirdiler ve daha sonra 981 trafiğinden yapılan transkriptlere uygulandılar, Oakland, California Polis Departmanı'nı bir ay içinde durdurdu.

Veriler, beyaz sakinlerin, 57'in, siyah polis sakinlerinin, polis memurlarının özür dileme ve şükran ifadeleri gibi en saygın ifadeleri söylediklerini duyma ihtimalinden yüzde yüzde daha fazla olduğunu gösteriyor.

Siyah topluluk üyeleri, bir memurun “ahbap” ve “kardeş” gibi gayri resmi unvanlar ve “el çarkı” gibi komutlar gibi en saygısız ifadeleri söylediğini duyma ihtimaline karşı beyaz sakinlerin yüzde 61'inin daha fazla olduğu görülüyordu.

Dilbilim ve bilgisayar bilimleri profesörü olan Dan Jurafsky, “Açık olmak gerekirse: küfür yok” dedi. “Bunlar iyi kalpli memurlardı. Ancak topluluk üyeleriyle konuşma biçimindeki birçok küçük farklılık, yaygın ırksal eşitsizliklere neden oldu. ”

Bir dilbilim doktora öğrencisi ve çalışmanın baş yazarı Rob Voigt, “Şimdi bu kalıpları gösterecek teknolojiye ve yöntemlere sahip olmamız davranış bilimi, bilgisayar bilimi ve polislik endüstrisi için büyük bir ilerlemedir” diyor. “Polis departmanları bu araçları yalnızca polis-toplum ilişkilerinde sorunları teşhis etmek için değil, aynı zamanda çözümler geliştirmek için de kullanabilirler.”

Oakland Polis Departmanı, ülke çapındaki birçok polis departmanı gibi, polis-topluluk etkileşimlerini izlemek için vücuda giyilen kameraları kullanıyor. Eberhardt, ancak yüzlerce saatlik çekimlerden doğru sonuç çıkarmanın zor olabileceğini söylüyor. Örneğin, sadece “kiraz toplama” olumsuz ya da pozitif bölümleri, genel olarak polis-topluluk ilişkilerinin yanlış izlenmesine yol açabilir.

“Polis zaten onlara karşı kullanılan çekimlere karşı temkinli. Aynı zamanda, birçok bölüm eylemlerinin halka açık olmasını istiyor. ”

183 saatlik çekim

Hem gizlilik hem de şeffaflık taleplerini karşılamak için, araştırmacıların çekime herhangi bir durakta yanlış yapmayı ortaya koyan kanıtlardan ziyade genel kalıpları gösteren veriler olarak yaklaşma yoluna ihtiyaçları vardı.

Ancak “araştırmacılar her durakta oturamaz ve izleyemez” diyor Eberhardt. “Çok uzun sürer. Ayrıca, kendi önyargıları etkileşimler hakkındaki yargılarını etkileyebilir. ”

Bu nedenle, araştırmacılar, 183 saatinde yapılan 981 saatli vücut kamera çekimlerinin transkriptlerini, 245 Nisan ayında yapılan 2014 farklı OPD görevlileri tarafından yapılan XNUMX duraklarından inceledi.

Çalışmanın ilk aşamasında, insan katılımcılar, memurlar ve topluluk üyeleri arasındaki, her ikisinin de ırkını veya cinsiyetini bilmeden, transkripsiyonel konuşmaların alt örneğini inceledi ve memurların dilinin ne kadar saygılı, kibar, arkadaşça, resmi ve tarafsız olduğunu değerlendirdi. .

İkinci aşamada, araştırmacılar, bu puanları, konuşmacıların özür dileme, yumuşatma komutları ve dinleyicilerin refahı için endişelerini ifade etme gibi saygı duydukları hakkında hesaplı bir dilbilimsel model geliştirmek için kullandılar. Daha sonra bu sözcükleri, cümleleri ve dilbilimsel kalıpları memurların dilinin transkriptlerinde otomatik olarak tanımlayan yazılımlar yarattılar.

Üçüncü aşamada, araştırmacılar bu yazılımı kalan transkriptleri analiz etmek için kullandılar - toplam 36,000 görevlisi ifadeleri 483,966 kelimelerle. Ekip çok fazla veriye sahip olduğu için, memurun ırkını, suçun ciddiyetini ve memurun dilini etkileyebilecek diğer faktörleri istatistiksel olarak açıklayabilir.

Jurafsky, “Polis ve hizmet ettikleri topluluklar arasındaki etkileşimi anlamak ve geliştirmek inanılmaz derecede önemlidir, ancak etkileşimleri araştırmak zor olabilir” diyor. “Hesaplamalı dilbilim, gündelik dilin bazen kendi farkındalığımızın dışında olan tutumlarımızı, düşüncelerimizi ve duygularımızı yansıtabildiğini algılamak için birçok konuşmacı ve birçok etkileşimi bir araya getirmenin bir yolunu sunar.”

Eberhardt, “Bulgularımız, bireysel subaylar için önyargı veya yanlışlığın kanıtı değildir” diyor. “Saygılı konuşmada birçok faktör ırksal eşitsizliği artırabilir.”

Ses tonu

Araştırma ekibi şu anda topluluk üyelerinin trafik durakları sırasında kullandıkları dili analiz etmek ve ses tonu da dahil olmak üzere vücut kameraları tarafından yakalanan diğer dil özelliklerini incelemek için çalışmalarını genişletiyor. Ayrıca, zaman içinde ortaya çıkan subay ve topluluk üyelerinin konuşmasının etkileşimini keşfetmeyi de planlıyorlar.

Eberhardt “Bu çekimlerde yapabileceğin çok şey var,” diyor. “Olanaklar konusunda çok heyecanlıyız.”

Eberhardt, Oakland Şehri'ne ve OPD'ye, verilerinin incelenmesine açık olduğu için övgüde bulundu ve ülke çapındaki diğer bölümlerin benzer işbirlikleri davet etmeyi umduğunu söyledi.

“Bizimki gibi hesaplama araçlarının gelişmesiyle birlikte, daha fazla kolluk kuvvetinin vücut kamera görüntülerine, suçlama ya da kınama kanıtı olarak değil, anlama için veri olarak yaklaşacağını umuyorum. Birlikte araştırmacılar ve polis departmanları bu araçları polis-toplum ilişkilerini geliştirmek için kullanabilir. ”

Kaynak: Stanford Üniversitesi

İlgili Kitaplar:

at InnerSelf Pazarı ve Amazon