Spatial concentration of grave crime across the police sub-divisions of Chennai City, India, 2021: a descriptive analysis and the limits of area-normalised opportunity measures
Deze studie analyseert de ruimtelijke concentratie van zware criminaliteit over de 12 politieregio's van Chennai in 2021, waarbij wordt vastgesteld dat hoewel beroving de criminele mix domineert en centrale gebieden de hoogste last dragen, oppervlakte-genormaliseerde kansmaten statistisch onbetrouwbaar zijn vanwege collineariteit met de oppervlakte-noemer, wat suggereert dat reproduceerbare, noemer-stabiele beschrijvingen een meer verdedigbare bijdrage leveren dan het testen van kanseffecten op deze schaal.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je probeert uit te zoeken waarom sommige wijken in een stad gevaarlijker aanvoelen dan andere. Al heel lang weten wetenschappers die criminaliteit bestuderen een simpele regel: criminaliteit verspreidt zich niet gelijkmatig als boter op een toastje. In plaats daarvan klontert het samen. Net zoals een paar specifieke straathoeken de enige plekken kunnen zijn waar je een zwerm vogels ziet verzamelen, houden een klein aantal plekken in een stad vaak de meerderheid van de problemen in zich. Dit idee komt uit een vakgebied genaamd omgevingscriminologie, wat suggereert dat criminaliteit plaatsvindt waar drie dingen samenkomen: iemand die iets slechts wil doen, een doelwit dat ze kunnen aanvallen, en een gebrek aan iemand die hen tegenhoudt. Het is als een recept; als je de ingrediënten op de juiste plek op het juiste moment hebt, wordt de "criminele taart" gebakken. Maar hier komt het lastige deel bij: wanneer we dit proberen te meten in enorme, drukke steden in plaatsen zoals India, wordt de wiskunde een rommeltje. Als je probeert criminaliteitscijfers te vergelijken door simpelweg het aantal misdaden te delen door de grootte van de buurt, kun je jezelf er per ongeluk in vergissen dat er een verband is waar dat niet is. Deze studie duikt in deze ingewikkelde wiskunde om te zien of de gebruikelijke aanwijzingen over criminaliteit in Chennai, India, daadwerkelijk standhouden.
De onderzoekers in dit onderzoek besloten een frisse blik te werpen op "zware criminaliteit" in Chennai voor het jaar 2021. Beschouw "zware criminaliteit" als de serieuze zaken: moord, beroving en ernstige diefstal. Ze keken niet naar individuele straathoeken, maar naar de 12 grote politiezones die de stad beslaan. Hun doel was tweeledig: eerst wilden ze in kaart brengen waar deze misdaden daadwerkelijk plaatsvonden, en tweede wilden ze een populaire theorie testen. De theorie stelt dat criminaliteit hoger moet zijn in gebieden met veel drukke wegen en beweging, omdat dat de plekken zijn waar de "gelegenheid" voor criminaliteit bestaat. Het is alsoort als zeggen dat een winkel eerder beroofd zal worden als deze aan een drukke snelweg ligt dan in een rustig doodlopend straatje.
Toen ze de misdaden telden, vonden ze 870 ernstige incidenten in de hele stad. De grootste verrassing? Beroving was de ster van de show, goed voor een enorme 70,0 procent van al deze misdaden. Moord was de tweede meest voorkomende, maar lag daar ver achter. Wanneer ze naar de ruwe aantallen keken, leken de grote, uitgestrekte wijken aan de rand van de stad de meeste criminaliteit te hebben. Maar de onderzoekers wisten dat grote gebieden van nature meer criminaliteit hebben simpelweg omdat ze groot zijn. Dus deden ze wat wiskunde om de gegevens te "normaliseren", wat in feite de vraag stelde: "Als we elke buurt naar dezelfde grootte verkleinen, waar leeft de criminaliteitsdichtheid dan eigenlijk?"
Zodra ze de gegevens voor de grootte aanpasten, draaide het beeld om. De criminaliteitslast bleef niet aan de randen; het verplaatste zich naar het compacte, drukke centrum van de stad. De kleine, centrale politiezones werden de hotspots. Bijvoorbeeld, één centraal gebied genaamd Kilpauk had de hoogste criminaliteitsdichtheid, met ongeveer 11,06 misdaden per vierkante kilometer. Een ander centraal punt, Pulianthope, was interessant omdat het weliswaar niet de meeste totale misdaden had, maar wel een veel groter aandeel moorden had in vergelijking met andere plaatsen. Het was een ander soort gevarenzone.
De belangrijkste bevinding van het artikel is echter een "nee". De onderzoekers wilden zien of deze criminaliteitshotspots werden veroorzaakt door de dichtheid van wegen, wat de "gelegenheid" voor criminelen vertegenwoordigt om rond te bewegen. Op het eerste gezicht zagen de cijfers er veelbelovend uit: de gebieden met de meeste criminaliteit hadden ook de meeste wegen. Het leek een perfecte match. Maar de auteurs realiseerden zich dat ze in een wiskundige val waren gelopen. Ze deelden namelijk twee dingen door hetzelfde getal: het aantal misdaden werd gedeeld door het oppervlak, en de wegbreedte werd ook gedeeld door het oppervlak. Het is alsoك als je probeert te bewijzen dat langere mensen meer appels eten door zowel het aantal gegeten appels als de lengte van de persoon door hun gewicht te delen. Als het gewicht verandert, veranderen beide getallen, wat een vals verband creëert.
Wanneer de onderzoekers speciale statistische instrumenten gebruikten om de invloed van de "oppervlakte" uit de vergelijking te verwijderen, verdween de magische verbinding. De schijnbare link tussen de wegendichtheid en criminaliteit was slechts een illusie gecreëerd door de wiskunde. Het artikel concludeert dat we, op de schaal van het bekijken van hele wijken, niet kunnen zeggen dat drukke wegen meer criminaliteit veroorzaken. De gegevens ondersteunen dat idee simpelweg niet zodra we de wiskunde corrigeren. In plaats daarvan biedt de studie een betrouwbare kaart van waar de criminaliteit geconcentreerd is en waarschuwt ons dat we heel voorzichtig moeten zijn met hoe we het meten, omdat de manier waarop we de stad opdelen ons in de maling kan nemen door ons patronen te laten zien die er eigenlijk niet zijn.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.