کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4932190 1433309 2017 36 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Using administrative data to identify U.S. Army soldiers at high-risk of perpetrating minor violent crimes
ترجمه فارسی عنوان
با استفاده از داده های اداری برای شناسایی سربازان ارتش ایالات متحده در معرض خطر ارتکاب جنایات خشونت آمیز کوچک
کلمات کلیدی
جرم و جنایت، خشونت نظامی، مدل پیش بینی، مدل ریسک، پیش بینی خشونت،
ترجمه چکیده
نگرانی های در حال افزایش در مورد جنایات خشونت آمیز توسط پرسنل نظامی ایالات متحده وجود دارد. اگرچه مداخلات برای کاهش جرائم خشونت آمیز در جمعیت های پر خطر وجود دارد، اجرای مطلوب به هدف گیری مبتنی بر شواهد نیاز دارد. هدف از مطالعه حاضر، استفاده از روش های یادگیری ماشین (رگرسیون گام به گام و جریمه شده و جنگل های تصادفی) برای ایجاد مدل های پیش بینی جرم و جنایت خشونت آمیز در میان سربازان ارتش ایالات متحده است. پیش بینی کنندگان از داده های اداری موجود برای همه 975،057 سرباز در ارتش ایالات متحده آمریکا در سال های 2004-2009 بیرون رانده شدند که بین آنها 25،966 مرد و 2728 زن مرتکب جرم خشونت آمیز دیگری شدند (اعمال ساده، تهدید اخاذی، اخاذی، شورش، آزار و اذیت). به طور موقت، سوابق اداری که از نظر اجتماعی-دموگرافی اندازه گیری شده بودند، حرفه ارتش، عدالت کیفری، پزشکی / داروسازی و متغیرهای متنی برای ساخت مدل های پیش بینی منسجم مردانه و زنانه مورد استفاده قرار گرفت و سپس در یک نمونه مستقل 2011-2013 مورد آزمایش قرار گرفتند. پیشگامان مدل نهایی شامل سن جوان، تحصیلات کم، مرحله شغلی اولیه، مشارکت جرایم قبل از ازدواج و درمان سرپایی برای مشکلات مختلف هیجانی و مصرف مواد بود. محدوده تحت منحنی مشخصه عملکرد گیرنده 0.79 (برای مردان و زنان) در نمونه آموزش تمرین 2004-2009 و 0.74-0.82 (مردان و زنان) در نمونه آزمون 2011-2013 بود. 5٪ -29.5٪ (مردان و زنان) از همه جنایات ثبت شده توسط اداره در سال های 2004-2009 توسط 5٪ از سربازانی که دارای بیشترین خطر پیش بینی شده بودند، با نسبت های مشابه (29.5-29.0٪)، زمانی که ضرایب 2004-2009 به اعمال شد نمونه آزمون 2011-2013. این نتایج نشان می دهد که ممکن است هدف قرار دادن سربازان در معرض خطر ابتلا به خشونت برای مداخلات پیشگیرانه قرار گیرد، اگرچه تصمیمات نهایی در مورد چنین مداخلات، نیازمند اثربخشی پیش بینی شده در برابر هزینه های مداخله و خطرات رقابت است.
موضوعات مرتبط
علوم زیستی و بیوفناوری علم عصب شناسی روانپزشکی بیولوژیکی
پیش نمایش مقاله
با استفاده از داده های اداری برای شناسایی سربازان ارتش ایالات متحده در معرض خطر ارتکاب جنایات خشونت آمیز کوچک
چکیده انگلیسی
Growing concerns exist about violent crimes perpetrated by U.S. military personnel. Although interventions exist to reduce violent crimes in high-risk populations, optimal implementation requires evidence-based targeting. The goal of the current study was to use machine learning methods (stepwise and penalized regression; random forests) to develop models to predict minor violent crime perpetration among U.S. Army soldiers. Predictors were abstracted from administrative data available for all 975,057 soldiers in the U.S. Army 2004-2009, among whom 25,966 men and 2728 women committed a first founded minor violent crime (simple assault, blackmail-extortion-intimidation, rioting, harassment). Temporally prior administrative records measuring socio-demographic, Army career, criminal justice, medical/pharmacy, and contextual variables were used to build separate male and female prediction models that were then tested in an independent 2011-2013 sample. Final model predictors included young age, low education, early career stage, prior crime involvement, and outpatient treatment for diverse emotional and substance use problems. Area under the receiver operating characteristic curve was 0.79 (for men and women) in the 2004-2009 training sample and 0.74-0.82 (men-women) in the 2011-2013 test sample. 30.5-28.9% (men-women) of all administratively-recorded crimes in 2004-2009 were committed by the 5% of soldiers having highest predicted risk, with similar proportions (28.5-29.0%) when the 2004-2009 coefficients were applied to the 2011-2013 test sample. These results suggest that it may be possible to target soldiers at high-risk of violence perpetration for preventive interventions, although final decisions about such interventions would require weighing predicted effectiveness against intervention costs and competing risks.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Psychiatric Research - Volume 84, January 2017, Pages 128-136
نویسندگان
, , , , , , , , , , , ,