Profiling vs. Case-specific Evidence: A Probabilistic Analysis

Deze paper weerlegt de aanname dat profilers bewijs in strafzaken schuldigheidsaannames ondersteunen, en betoogt via een probabilistische analyse dat profilers slechts een generieke hypothese kunnen staven, terwijl ze geen bewijs vormen voor de specifieke schuld van de verdachte.

De kern

Profielonderzoek versus Specifiek Bewijs: Waarom "Iemand als jij" niet betekent "Jij"

Stel je voor dat je een detective bent die een diefstal moet oplossen. De politie heeft een verdachte: een man met een strafblad voor eerdere diefstallen. De vraag is: maakt het feit dat hij een "profiel" heeft (een strafblad, een bepaalde etnische achtergrond, of een specifieke levensstijl) hem waarschijnlijker de dader van deze specifieke diefstal?

Veel mensen denken van ja. Maar in dit artikel, geschreven door Di Bello, Cangiotti en Loi, wordt dat idee met een probabilistische (kansrekenende) bril onderzocht. Hun conclusie is verrassend: Profielbewijs is geen bewijs van schuld.

Hier is de uitleg in simpele taal, met een paar creatieve vergelijkingen.

1. Het Grote Misverstand: De "Statistische Koe"

Stel je voor dat 80% van alle inbrekers in een stad een strafblad heeft. Als je nu een man met een strafblad ziet bij een inbraak, denk je dan: "Aha, 80% kans dat hij de dader is!"

De auteurs zeggen: Nee, dat klopt niet.

Ze maken een belangrijk onderscheid tussen twee vragen:

1. De Algemene Vraag: "Is deze man waarschijnlijk ooit in zijn leven een inbreker?" (Antwoord: Ja, waarschijnlijk wel, vanwege zijn strafblad).
2. De Specifieke Vraag: "Is deze man de dader van deze inbraak, op dit tijdstip, in dit huis?"

Profielbewijs (zoals een strafblad of etniciteit) kan je helpen bij vraag 1, maar het zegt je niets over vraag 2.

De Vergelijking:
Stel je voor dat je een regenscherm hebt.

• Profielbewijs is als het zien van een bewolkte lucht. Als het bewolkt is, is de kans groot dat het ergens in de stad gaat regenen. Maar dat betekent niet dat het nu regent op jouw hoofd.
• Specifiek bewijs is als het voelen van een druppel water op je neus. Dat bewijst dat het nu regent op jou.

Als je iemand veroordeelt op basis van de bewolkte lucht (profiel), kun je hem onterecht straffen voor een regenbui die hij niet heeft veroorzaakt.

2. De "Wisselende Kansen" (De Verborgen Delen)

Waarom werkt de wiskunde niet zoals we denken? Omdat de wereld niet homogeen is.

Stel je voor dat alle inbraken in een stad worden verdeeld in vier soorten buurten:

1. Rijke buurt, overdag (veel dure horloges).
2. Rijke buurt, 's nachts.
3. Arme buurt, overdag.
4. Arme buurt, 's nachts.

Het totale gemiddelde zegt misschien: "80% van de inbrekers heeft een strafblad." Maar als je kijkt naar alleen de inbraken in de rijke buurt overdag, is dat percentage misschien maar 40%. Als je kijkt naar de arme buurt 's nachts, is het 95%.

Het Probleem:
Als de politie alleen weet dat de verdachte een strafblad heeft, maar niet weet welk type inbraak er precies is gebeurd (bijvoorbeeld: was het een luxe horloge of een goedkoop TV-toestel?), dan is de kansberekening onmogelijk. Je probeert een gemiddelde te gebruiken voor een situatie die misschien heel anders is.

De Vergelijking:
Het is alsof je een recept voor een cake gebruikt, maar je weet niet welke ingrediënten er precies in de bakkerij zijn.

• Het gemiddelde recept zegt: "Gebruik 100 gram suiker."
• Maar de specifieke taart die je wilt bakken (de specifieke misdaad) is een 'suikervrije taart'.
• Als je het gemiddelde recept volgt, maak je een fout. Je kunt niet zeggen dat de suiker (het profiel) de taart (de misdaad) maakt, omdat de context (de specifieke taart) anders is dan het gemiddelde.

3. Specifiek Bewijs: De "Vingerafdruk"

Wat is dan wel goed bewijs? Specifiek bewijs.
Dit is bewijs dat direct verbonden is met de tijd en plaats van de misdaad.

• Een vingerafdruk op het raam.
• Een getuige die de verdachte precies op dat moment ziet wegrennen.
• Stof van de verdachte's schoenen in de modder van de tuin.

Dit bewijs werkt omdat er een causaal verband is. De vingerafdruk is er omdat de verdachte het raam heeft geopend. Het profiel (strafblad) is er niet omdat hij de misdaad heeft gepleegd; het is er gewoon, ongeacht of hij schuldig is of niet.

De Vergelijking:

• Profielbewijs is als zeggen: "Hij is een goede kok, dus hij heeft de soep vergiftigd." (Misschien wel, misschien niet. Het zegt niets over deze specifieke soep).
• Specifiek bewijs is als zeggen: "Zijn vingers zaten in de soep en er zit gif op zijn vingers." (Dit is een direct bewijs van de daad).

4. Waarom is dit belangrijk? (Het Stereotyperings-Debat)

De auteurs zeggen dat dit niet alleen over rechtbanken gaat, maar ook over hoe we in het dagelijks leven denken.

Stel je voor dat je wordt beroofd. Je ziet twee mensen:

• Remus: Past bij het "profiel" van een crimineel (bijv. etniciteit, kleding, buurt).
• Dedus: Past niet bij het profiel.

Als je Remus direct verdacht maakt zonder dat je hem ziet stelen of een wapen bij hem ziet, maak je een epistemische fout. Je maakt een sprong van "Hij past bij de statistieken" naar "Hij heeft dit gedaan".

De auteurs zeggen: Je kunt statistieken gebruiken om voorzichtig te zijn (bijv. "Ik loop liever niet door deze buurt 's nachts"), maar je kunt ze niet gebruiken om iemand schuldig te verklaren voor een specifieke daad. Dat is als een gokje doen met iemands leven.

Samenvatting in één zin

Profielonderzoek vertelt je misschien dat iemand "in het algemeen" gevaarlijk is, maar het kan nooit bewijzen dat hij deze specifieke misdaad heeft gepleegd; daarvoor heb je bewijs nodig dat direct aan die misdaad is gekoppeld, zoals een vingerafdruk of een getuige.

De Gouden Regel:
Je mag iemand niet veroordelen omdat hij past in een plaatje (profiel). Je mag iemand alleen veroordelen als je kunt laten zien dat hij precies op dat moment en op die plek de dader was (specifiek bewijs).

Technische samenvatting

Titel: Profileringsbewijs versus zaakspecifiek bewijs: Een probabilistische analyse

1. Het Probleem

Het gebruik van profileringsbewijs (bewijs gebaseerd op statistische correlaties tussen demografische kenmerken, voorgeschiedenis of gedragspatronen en het plegen van bepaalde misdrijven) in strafzaken is een langdurig controversieel onderwerp in de juridische epistemologie.

• De gangbare aanname: Veel scholars en rechters gaan ervan uit dat profileringsbewijs, hoewel het op zichzelf niet voldoende is voor een veroordeling, wel degelijk probative (overtuigingskracht heeft) en de waarschijnlijkheid van schuld kan verhogen.
• De intuïtieve weerstand: Er bestaat een sterke intuïtieve weerstand tegen dit bewijs, vaak gemotiveerd door morele of beleidsredenen (bijv. het risico op onterechte veroordelingen of het niet-oordelen over iemands verleden).
• De kernvraag: Is deze weerstand gerechtvaardigd op epistemische gronden (kennis en waarschijnlijkheid), of is profileringsbewijs gewoon een geldige vorm van bewijs die we ten onrechte verwerpen? De auteurs stellen dat de huidige literatie de epistemische waarde van profileringsbewijs verkeerd inschat door aan te nemen dat het de waarschijnlijkheid van schuld verhoogt.

2. Methodologie

De auteurs hanteren een strikt probabilistische benadering (Bayesiaanse analyse) om de epistemische waarde van bewijs te evalueren, in plaats van te vertrouwen op morele argumenten of niet-probabilistische epistemische idealen (zoals "waarheid-tracking" of "kennis").

• Bayesiaans kader: Ze gebruiken de odds-form van de stelling van Bayes om te analyseren hoe bewijs ($E$) de prior odds van een schuldhypothese ($G$) beïnvloedt via de likelihood ratio: $\frac{P(E|G)}{P(E|I)}$.
• Distinction Hypotheses: De centrale methodologische innovatie is de strikte scheiding tussen twee soorten schuldhypothese:
  1. Generic guilt hypothesis ($G_g$): De hypothese dat de verdachte een misdrijf van een bepaald type heeft gepleegd (of zal plegen) op een willekeurig moment en een willekeurige plaats.
  2. Specific guilt hypothesis ($G_s$): De hypothese dat de verdachte het specifieke misdrijf heeft gepleegd waarvoor hij wordt vervolgd (met specifieke tijd, plaats en modus operandi).
• Analyse van Invariantie: De auteurs testen de "invariantie-aanneming": de veronderstelling dat de kans dat iemand in een profiel past, gegeven dat ze een specifiek misdrijf hebben gepleegd ($P(P|G_s)$), gelijk is aan de kans gegeven dat ze een misdrijf van dat type hebben gepleegd ($P(P|G_g)$). Ze tonen aan dat deze aanneming wiskundig onhoudbaar is zonder specifieke contextinformatie.

3. Belangrijkste Bijdragen

Het artikel levert drie fundamentele bijdragen aan de theorie van bewijsrecht en epistemologie:

1. De "Specificity" These: De auteurs betogen dat profileringsbewijs niet probative is voor de specifieke schuldhypothese. Hoewel het de waarschijnlijkheid verhoogt dat iemand een misdrijf van dat type heeft gepleegd ($G_g$), verhoogt het de waarschijnlijkheid niet dat de verdachte dit specifieke misdrijf heeft gepleegd ($G_s$).
2. Probabilistische Ontmaskering van de "Invariance Aanneming": Ze formaliseren waarom het overnemen van algemene statistieken naar een specifieke zaak foutief is. Omdat misdrijven variëren in locatie, tijdstip en methode, varieert de demografische samenstelling van daders per subpopulatie. Zonder kennis van de specifieke context van het misdrijf is de likelihood ratio voor de specifieke hypothese onbekend (en vaak dicht bij 1), waardoor het bewijs epistemisch waardeloos is voor de specifieke zaak.
3. Unificatie van Epistemische Kritieken: Ze tonen aan dat eerdere epistemische kritieken op profileringsbewijs (zoals het falen in "truth tracking", "normic support" of het uitsluiten van "relevante alternatieven") allemaal impliciet berusten op de eis van ruimtelijk-temporele specificiteit. Hun probabilistische model biedt een onderliggende verklaring voor deze diverse kritieken.

4. Resultaten en Analyse

• Het Burglary/Drug Trafficking Voorbeeld:

  • In het geval van de Vue-broers (Hmong afkomst in Minneapolis, waar 95% van de drugsmokkelaars Hmong is), lijkt het profiel een sterke likelihood ratio te hebben (ongeveer 15:1) voor de generieke hypothese dat ze drugs hebben gesmokkeld.
  • Echter, voor de specifieke hypothese (dat zij deze specifieke drugspartij hebben gesmokkeld), is de teller in de likelihood ratio ($P(P|G_s)$) onbekend. De specifieke omstandigheden van die transactie (tijdstip, locatie, methode) kunnen een subpopulatie vertegenwoordigen waar het profiel veel minder voorkomt dan het gemiddelde.
  • Conclusie: Zonder zaakspecifiek bewijs (zoals vingerafdrukken of DNA dat direct gekoppeld is aan de daad) blijft de specifieke waarschijnlijkheid van schuld ongewijzigd of slechts marginaal verhoogd, ondanks het sterke generieke profiel.

• Vergelijking met Zaakspecifiek Bewijs:

  • Zaakspecifiek bewijs (bijv. vingerafdrukken op het verpakkingsmateriaal) is causaal verbonden met het specifieke misdrijf. Het verhoogt direct de waarschijnlijkheid van $G_s$.
  • Profileringsbewijs is "voorspellend" en "generiek". Het mist de causale link met het specifieke tijdstip en de plaats.

• Appendix (Multi-level Nesting Model):

  • De auteurs tonen wiskundig aan dat de algemene prevalentie van een profiel een gewogen gemiddelde is van verschillende subpopulaties (bijv. rijke wijken overdag vs. arme wijken 's nachts).
  • Als een specifiek misdrijf plaatsvindt in een subpopulatie met een lage prevalentie van het profiel, maar men gebruikt de algemene statistiek (die hoog is door andere subpopulaties), leidt dit tot een ernstige overschatting van de bewijskracht. De "invariantie-aanneming" is epistemisch ongerechtvaardigd.

5. Betekenis en Implicaties

• Voor het Strafrecht: De auteurs concluderen dat profileringsbewijs (zoals een eerdere veroordeling of etnische achtergrond) in een strafproces geen bewijskracht heeft voor de specifieke schuld. Het kan wel gebruikt worden voor generieke risico-inschattingen (bijv. voor borgtocht of voorwaardelijke invrijheidstelling), maar niet om de specifieke daad te bewijzen. Dit ondermijnt de verdediging dat profileringsbewijs "probative" is en dat de weerstand ertegen puur moreel is.
• Voor Epistemologie: Het artikel biedt een nieuw perspectief op het debat over stereotypering. Het toont aan dat het epistemische probleem van stereotypering niet ligt in het gebruik van statistieken op zich, maar in de illegale overgang van een generieke statistische correlatie naar een oordeel over een specifieke, ruimtelijk-temporele gebeurtenis.
• Juridische Praktijk: De analyse ondersteunt de huidige praktijk in veel rechtsstelsels (zoals de VS) om profileringsbewijs uit te sluiten, maar geeft daarvoor een stevige, probabilistische onderbouwing in plaats van een puur morele of beleidsmatige. Het bevestigt dat het intuïtieve gevoel dat "profielen niet genoeg zijn" wiskundig correct is.

Samenvattend: Di Bello, Cangiotti en Loi bewijzen dat profileringsbewijs epistemisch faalt omdat het de waarschijnlijkheid van een generieke schuld verhoogt, maar niet die van de specifieke schuld die in een strafproces centraal staat. Zonder zaakspecifieke informatie is de likelihood ratio voor de specifieke hypothese onbepaald, waardoor het bewijs geen rol mag spelen bij het vaststellen van schuld.