卡内基梅隆大学(CMU)、哈佛大学和宾夕法尼亚大学的科学家们认为，由社会变革驱动的同龄人偏见破坏了用于评估犯罪可能性的风险评估工具(RAIs)。
研究人员在25年内检查了芝加哥个人的犯罪记录，确定了一种机器学习工具，该工具预测了上世纪80年代出生队列在17岁到24岁之间被逮捕的可能性，结果发现该工具对于上世纪90年代中期出生的队列高估了89%的可能性。
他们还发现，在种族和民族群体中存在重大的同龄人偏见，即使包括预期逮捕年龄之前的逮捕措施以及限制在高风险人群中。
卡内基梅隆大学的Erika Montana解释说，“我们的研究结果表明，风险因素与未来逮捕之间的关系随时间不稳定。因此，依赖这些风险因素的预测模型容易出现系统性和重大的误差。”来自卡内基梅隆大学海因茨学院查看完整文章
摘要版权所有©2023 SmithBucklin，华盛顿特区，美国 