A Justiça da Inteligência Artificial e Algoritmos de Apoio à Decisão em Sistemas de Gestão de Ofensores

• Autor(a) principal: Silva, Rafael Filipe Morais Pais da
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.6/13797
• topic: Adaboost Classifier; Algoritmos de Apoio à Decisão; Compas; Dataset; Equidade; Etnia; Genero; Gestão de Ofensores; Idade; Imparci- Alidade; Inteligência Artificial; Justiça; Logistic Regression; Lsi-R; Nij Recidivism Challange Dataset; Ofensores; Random Forest; Reincidência; Risco; Savry; Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática

Sistemas de gestão de ofensores (Offender Management Systems) têm vindo a ser adotados cada vez mais em inúmeros países como Estados Unidos da América[1], Singapura[2] Finlândia [3] entre outros países. A sua implementação permite que sistemas prisionais forneçam uma melhor experiência de reabilitação para os ofensores, uma monitorização mais detalhada e o calculo de fatores de risco durante e após a sua sentença. Porém a literatura existente descreve que no que toca ao calculo de risco de reincidência, estes sistemas tendem a descriminar alguns grupos étnicos e favorecer outros. Esta dissertação tem como objetivo em primeira instância, reunir e analisar resultados obtidos na literatura e posteriormente comparar diferentes métodos de machine learning para este calculo de reincidência para comparar resultados e combater a descriminação presente atualmente. A analise efetuada nesta dissertação, comparou 3 modelos de machine learning desenvolvidos com 3 métodos diferentes, Adaboost Classifier, Logistic Regression e Random Forest Classifier, cada um destes modelo visa o calculo de reincidência de um ofensor. Para a avaliação destes 3 modelos foram usadas as seguintes métricas Score, Precission, Recall e F1 Score e a comparação de características de entrada com maior importância na construção do modelo. Foi também feita a analise de dois datasets, COMPAS Score dataset e NIJ Recidivism Challange Dataset, em que foram comparadas e analisadas as características dos ofensores como a idade, género e etnia.