Donald Trump heeft de woorden "stop en fouilleer" rondgezwaaid als een spandoek om gewelddadige misdaad in Amerikaanse steden te genezen.

Dat betekent dat het tijd is om terug te blikken op een van de belangrijkste punten van kritiek op deze politiepraktijk:raciale profilering.

De American Civil Liberties Union definieert raciale profilering als "de discriminerende praktijk door wetshandhavers om individuen aan te vallen voor verdenking van misdaad op basis van hun ras, etniciteit, religie of nationale afkomst." Dit omvat de politie die race gebruikt om te bepalen welke chauffeurs moeten stoppen voor routinematige verkeersovertredingen of welke voetgangers moeten zoeken naar illegale smokkelwaar.

De onvermijdelijke vraag is hoeveel procent van de minderheden de politie moet stoppen, statistisch. Maar de standaardmethoden om te bepalen wie zich schuldig maakt aan raciale profilering zijn statistisch niet correct. We werken samen met het Bureau voor Onderzoek en Analyse van de St. Louis County Police Department om een ​​sterkere maatstaf te creëren.

Op volkstelling gebaseerde benchmarking

In het algemeen, er zijn twee soorten tests die worden gebruikt om patronen van raciale profilering te identificeren.

De eerste, "benchmarken, " houdt simpelweg in dat het percentage stops voor mensen van een specifiek ras wordt vergeleken met het percentage van die minderheid in dat geografische gebied.

Benchmarking werd gebruikt in een vaak geciteerd rapport uit 1999 van de procureur-generaal van New York over de stop-and-frisk-praktijken van de politie van New York City. Officieren patrouilleerden in en rond particuliere woongebouwen en hielden personen tegen waarvan ze dachten dat ze op verboden terrein waren. In 1999, 25,6 procent van de bevolking van de stad was zwart, maar omvatte 50,6 procent van alle gestopte personen. In een federale rechtszaak uit 2013 de rechter oordeelde dat stoppen en fouilleren op ongrondwettelijke wijze was gebruikt.

Echter, bij benchmarken, de cijfers zijn gebaseerd op volkstellingsgegevens, wat een zeer misleidend beeld kan geven. Bijvoorbeeld, neem stad en land, Missouri, een stad met slechts 12,2 procent niet-blanke bevolking. Bij meer dan 20 procent van de verkeersopstoppingen van vorig jaar waren minderheden betrokken. Echter, Town and Country heeft twee grote snelwegen die er doorheen lopen. Hoe worden de tienduizenden automobilisten die op die snelwegen rijden vastgelegd in de benchmark?

Censusgegevens houden geen rekening met niet-ingezetenen. Voor alle patrouillegebieden van de politie van St. Louis County, slechts 44,6 procent van de door de politie aangehouden chauffeurs woonde in St. Louis County. Dit alleen al toont aan dat volkstellingsgegevens geen levensvatbare bron zijn voor het bepalen van raciale profilering.

Bovendien, officieren worden vaak bevolen om "high crime"-gebieden te patrouilleren. statistisch gezien, dit zijn overwegend minderheidsgebieden. Dus, onvermijdelijk, er zullen meer haltes zijn in de aangewezen gebieden met veel criminaliteit. Aangezien gegevens meestal over een stad worden waargenomen, op provinciaal of districtsniveau, de demografie van deze gebieden met veel criminaliteit is verduisterd.

Hitratio

Een ander type test kijkt naar de "hit rate" van stop-and-frisk - dat wil zeggen, het percentage zoekopdrachten dat daadwerkelijk leidt tot de ontdekking van wapens, drugs of andere smokkelwaar.

In sommige staten, zoals Noord-Carolina, terwijl een hoger percentage van een minderheid werd gezocht, er was eigenlijk een kleinere kans dat de agenten illegale smokkelwaar ontdekten. Dit werd getoond als bewijs van raciale profilering.

Een probleem hierbij is dat de meeste treffers betrekking hebben op alle zoekopdrachten, ongeacht de soort. Dit omvat huiszoekingen na arrestaties voor openstaande arrestatiebevelen. Dat betekent dat het uiteindelijke hitpercentage misleidend kan zijn, inclusief zoekopdrachten gedaan als onderdeel van routinematige verwerking.

in 2016, onderzoekers van Stanford publiceerden een nieuw type test die vier variabelen analyseert:race van de coureur, afdeling van de officier die de stop maakt, als de aanhouding tot een huiszoeking heeft geleid en of er illegale smokkelwaar is gevonden. Deze statistiek is ontworpen om een ​​"momentopname van de drempel van verdenking van de officier te geven alvorens een persoon van een bepaald ras te fouilleren."

Echter, zoals de auteurs met name bespreken, er is geen manier om definitief te concluderen dat de ongelijkheden die door deze metriek worden getoond, noodzakelijkerwijs voortkomen uit raciale vooroordelen. Bovendien, De metriek van Stanford is te ingewikkeld voor elk district in de VS om te gebruiken vanwege een gebrek aan gedetailleerde gegevens en de complexe analyse die nodig is.

Een voorgestelde statistiek

Given the drawbacks of current methods used to detect racial profiling, the U.S. needs a new way to detect racial profiling among police officers. We suggest something that is simple, understandable and easily applied across the country:a method called intrapopulation comparison.

Say one precinct has 100 police officers. Some officers stop fewer minorities, some stop more, while most officers are somewhere in the middle. Each officer is assigned a score, showing how far he or she individually deviates from the average. If the officer deviates too far, he or she is flagged and that case is looked at more carefully.

This concept was first introduced in the early 2000s. Why aren't more precincts using this method? Most likely the same reason most practices stay in place past their prime:habit. We're currently collecting data and studying how this metric might work for the St. Louis County Police Department.

Intrapopulation comparison allows us to flag individual officers, while addressing the issues that come with benchmarks or hit rates, like commuters and census data. The officers are compared with other officers in similar situations. The basis for identifying an officer in this system is that he or she is statistically different from the peer group.

A glaring issue with this approach is that an entire precinct could be racially biased. Maar, inevitably, there will be major outliers.

Racial profiling is a critical issue for law enforcement and the nation. Police departments have to demonstrate that they serve citizens in an impartial manner. We believe that this metric is simple and understandable, and it serves as an early warning system that will get closer to the root of the problem – individual officers who racially profile.

This article is republished from The Conversation under a Creative Commons license. Lees het originele artikel.