Profiling vs. Case-specific Evidence: A Probabilistic Analysis

Este artigo rejeita a premissa de que evidências de perfilagem são probatórias de culpa específica, argumentando, por meio de uma análise probabilística, que tais evidências sustentam apenas hipóteses genéricas em contraste com as evidências específicas do caso, e explora as implicações dessa distinção para os debates sobre estereótipos.

O essencial

O Grande Engano: Por que "Encaixar no Perfil" não prova que você é o culpado

Imagine que você está tentando adivinhar quem roubou um cofre em um banco. A polícia tem duas pistas:

1. A Pista do Perfil (Profilagem): Eles sabem que 90% dos ladrões de cofres daquela cidade são homens de 30 anos, com tatuagens no braço e que já foram presos antes. O suspeito, João, é um homem de 30 anos, tem tatuagens e já foi preso.
2. A Pista Específica (Evidência do Caso): Eles acharam uma pegada de sapato tamanho 42, exatamente do tamanho do João, colada na parede do cofre, com o cheiro do café que ele bebeu naquela manhã.

O artigo de Marcello Di Bello e seus colegas diz algo surpreendente: A Pista 1 (o perfil) quase não ajuda a provar que o João roubou aquele cofre específico. Ela só prova que o João é o tipo de pessoa que poderia roubar cofres em geral.

Vamos usar analogias para entender por que isso acontece.

1. A Analogia da "Caixa de Ferramentas" vs. "O Martelo Quebrado"

Pense no crime como uma caixa de ferramentas gigante que contém milhões de ferramentas (crimes) espalhadas pelo mundo.

• A Evidência de Perfil é como olhar para a caixa inteira e dizer: "A maioria das ferramentas aqui são martelos vermelhos". Se você pega um martelo vermelho, é provável que ele venha dessa caixa. Isso é útil para saber que "martelos vermelhos são comuns".
• A Evidência Específica é como olhar para o martelo quebrado que está na sua mão agora e ver que ele tem a sua marca de dedo e um pedaço de tecido da sua camisa preso na ponta.

O problema é que os tribunais precisam saber quem quebrou aquele martelo específico, não apenas quem costuma usar martelos vermelhos. O fato de o João usar martelos vermelhos (perfil) não significa que ele foi o único a pegar o martelo quebrado naquele dia.

2. O Mistério do "Quem fez o quê?" (Genérico vs. Específico)

Os autores explicam que existe uma confusão entre duas perguntas diferentes:

• Pergunta Genérica: "É provável que o João cometa um roubo de banco algum dia?"
  • Resposta: Sim! Se ele se encaixa no perfil de ladrões recorrentes, a chance é alta. A evidência de perfil funciona bem aqui.
• Pergunta Específica: "É provável que o João tenha roubado este banco, nesta terça-feira às 14h?"
  • Resposta: A evidência de perfil não responde a isso.

A Metáfora do "Cardápio do Dia":
Imagine que você vai a um restaurante.

• Perfil: Você sabe que 80% dos clientes que pedem "Prato Especial" são vegetarianos. Você vê um homem vegetariano entrando.
  • Conclusão Genérica: É muito provável que ele peça o Prato Especial.
• Caso Específico: Mas o prato especial de hoje é servido apenas no comedor VIP às 19h. O homem vegetariano está no comedor comum às 12h.
  • Conclusão Específica: O fato de ele ser vegetariano (perfil) não diz nada sobre se ele vai comer o Prato Especial de hoje. Ele pode estar lá para comer uma salada simples.

O artigo diz que usar apenas o perfil é como tentar adivinhar o prato do dia olhando apenas para a dieta da pessoa, ignorando o horário e o local.

3. Por que a Matemática (Probabilidade) nos Engana?

Muitos pensam: "Se 90% dos ladrões têm perfil X, e o suspeito tem perfil X, então a chance dele ser o culpado é de 90%!"

Os autores dizem: Não é assim que funciona para crimes específicos.

Eles usam uma analogia com impressões digitais:

• Se achamos a impressão digital do João na arma, sabemos que ele tocou nela. Isso é uma conexão direta (causal) com o crime.
• Se sabemos que o João é um "ladrão de carteiras" (perfil), isso não significa que ele estava na cena do crime.

Imagine que você está em uma multidão. Você sabe que 1 em cada 100 pessoas ali é um ladrão de carteiras. Se você aponta para uma pessoa aleatória e diz "Ele é um ladrão porque se parece com os outros ladrões", você está errado. O fato de ele se parecer com o grupo não o conecta ao crime que acabou de acontecer.

Para provar a culpa, precisamos de uma ponte causal. A evidência de perfil é como uma ponte que leva a um lago gigante (todos os crimes possíveis). A evidência específica é a ponte que leva diretamente à casa onde o crime aconteceu.

4. O Perigo de "Pular" para a Culpa

O artigo alerta sobre um erro mental comum: Pular do Geral para o Específico.

• Cenário A (Segurança): Um guarda de segurança vê alguém com um perfil "suspeito" (ex: roupas escuras, andando devagar à noite) e decide vigiá-lo de perto. Isso é aceitável porque é uma medida preventiva baseada em risco geral.
• Cenário B (Julgamento): O mesmo guarda vê um roubo acontecer e, sem ver o rosto do ladrão, aponta para a pessoa com o perfil "suspeito" e diz: "Foi ele, porque ele se encaixa no perfil".

O artigo diz que o Cenário B é um erro epistemológico (de conhecimento). Você não pode usar estatísticas de grupo para condenar um indivíduo por um ato específico. É como culpar um time de futebol inteiro porque um jogador jogou mal, sem saber qual deles errou a defesa.

Resumo Final: A Lição do Dia

O artigo conclui que:

1. Evidência de Perfil (histórico criminal, idade, etnia, etc.) é boa para prever riscos gerais ou para investigações iniciais, mas não serve para provar culpa em tribunal.
2. Evidência Específica (pegadas, DNA, testemunhas que viram o rosto, objetos encontrados) é necessária porque conecta o suspeito ao crime específico (tempo e lugar).
3. O Perigo: Condenar alguém apenas porque eles "se encaixam no perfil" é como tentar adivinhar quem ganhou na loteria apenas porque a pessoa tem o mesmo número de sapato que o vencedor. Pode ser uma coincidência estatística, mas não é prova de que ela ganhou.

Em suma: O perfil diz quem pode ter feito o crime. A evidência específica diz quem fez o crime. E no tribunal, só a segunda conta.

Resumo técnico

Resumo Técnico: Profiling vs. Evidência Específica do Caso

1. O Problema

O uso de evidência de perfilamento (profiling evidence) em julgamentos criminais é um tema controverso na epistemologia jurídica e na teoria da prova. O perfilamento ocorre quando se utiliza características estáveis do réu (como histórico criminal, idade, origem étnica ou antecedentes) que estatisticamente correlacionam-se com a prática de um certo tipo de crime, para inferir a culpa do réu no crime específico em julgamento.

A literatura acadêmica e jurídica geralmente aceita duas premissas:

1. O perfilamento não pode, por si só, estabelecer a culpa além de uma dúvida razoável.
2. No entanto, o perfilamento é probativo (tem valor probatório) e pode fortalecer a acusação, aumentando a probabilidade de culpa do réu.

Os autores desafiam a segunda premissa. Eles argumentam que, embora a evidência de perfilamento possa apoiar uma hipótese genérica (que o réu cometeu ou cometerá um crime desse tipo), ela não é probativa da hipótese específica de culpa (que o réu cometeu este crime específico, no tempo e local determinados). A resistência intuitiva dos tribunais a esse tipo de evidência não é apenas moral ou política, mas epistemicamente fundamentada na falha de probabilidade.

2. Metodologia

Os autores utilizam uma análise probabilística rigorosa, baseada no Teorema de Bayes, para avaliar o valor probatório da evidência. Diferentemente de críticas epistêmicas anteriores que rejeitam o modelo probabilístico em favor de conceitos como "rastreamento da verdade" (truth tracking), "suporte normic" ou "conhecimento", este artigo opera inteiramente dentro da estrutura de atualização de graus de crença (probabilidades).

A metodologia central envolve:

• Distinção entre Hipóteses: Separar a hipótese de culpa genérica ($G_g$: o réu cometeu um crime do tipo X em algum momento) da hipótese de culpa específica ($G_s$: o réu cometeu este crime específico no tempo e local $t, l$).
• Cálculo de Razões de Verossimilhança (Likelihood Ratios): Analisar como a evidência de perfilamento ($P$) altera a probabilidade de $G_g$ versus $G_s$.
• Modelo de Aninhamento Multinível (MNM): Um modelo formal apresentado no apêndice para demonstrar matematicamente por que a distribuição de perfis em uma população geral de criminosos não se mantém invariante quando se restringe a um subconjunto específico de crimes (baseado em local, hora, modus operandi).

3. Contribuições Chave

A. A Falácia da Invariância
A principal contribuição teórica é a refutação da suposição de que a probabilidade de um réu possuir um perfil dado que cometeu um crime específico é igual à probabilidade de possuir esse perfil dado que cometeu algum crime desse tipo ($P(P | G_s) \approx P(P | G_g)$).
Os autores demonstram que crimes específicos variam drasticamente em circunstâncias (ex: bairro rico vs. pobre, dia vs. noite, método sofisticado vs. oportunista). Essas variações alteram a composição demográfica dos criminosos. Portanto, sem informações específicas sobre o crime, o numerador da razão de verossimilhança específica ($P(P | G_s)$) é desconhecido, tornando a razão de verossimilhança específica indeterminada.

B. Definição de Evidência Específica do Caso (Case-Specific Evidence)
Os autores propõem uma definição técnica para evidência probativa:

• Evidência de Perfilamento: Baseia-se em generalizações estatísticas sobre grupos. Não estabelece uma conexão causal espaço-temporal com o crime específico.
• Evidência Específica do Caso: Consiste em fatos ancorados no tempo e espaço (ex: impressões digitais no local, testemunho de fuga no momento do crime). Ela suporta uma narrativa causal que liga o réu ao evento específico.
  A probatividade da evidência reside na sua capacidade de sustentar uma narrativa causal espaço-temporal, não na sua capacidade de identificar o réu de forma única (o que é impossível para qualquer evidência isolada).

C. Reinterpretação de Críticas Epistêmicas
O artigo mostra que críticas epistêmicas tradicionais (como a falta de "rastreamento da verdade" ou a incapacidade de eliminar alternativas relevantes) são, na verdade, manifestações da falta de especificidade.

• Rastreamento da Verdade: O perfilamento não co-varia com o fato específico do crime (o perfil existiria independentemente da culpa no caso específico).
• Alternativas Relevantes: O perfilamento não reduz a probabilidade de alternativas específicas (ex: "alguém com o mesmo perfil, mas diferente, cometeu o crime").

4. Resultados e Análise Formal

• Caso Genérico vs. Específico:
  • Para a hipótese genérica ($G_g$), a razão de verossimilhança pode ser alta (ex: 80:1), indicando que o perfilamento é probativo de que o réu é um criminoso desse tipo.
  • Para a hipótese específica ($G_s$), a razão de verossimilhança tende a 1 (ou é indefinida). Se a crime ocorreu em um contexto onde a prevalência do perfil é baixa (ex: um roubo sofisticado em área rica, onde a maioria dos ladrões não tem antecedentes, mas a estatística geral de roubos inclui muitos ladrões com antecedentes), o perfilamento pode até ser enganoso.
• Exemplo Numérico (Apêndice):
  • Suponha 4 subpopulações de ladrões com prevalências de antecedentes criminais de 40%, 70%, 90% e 95%. A média geral ($G_g$) é ~74%.
  • Se o crime específico ocorreu no contexto da subpopulação 1 (40%), a probabilidade condicional específica ($G_s$) cai para 40%.
  • Usar a estatística geral (74%) para julgar o caso específico (40%) introduz um erro epistêmico grave. Sem saber o contexto específico, não se pode estimar $P(P | G_s)$.
• Conclusão Probabilística: A evidência de perfilamento não aumenta a probabilidade da hipótese de culpa específica ($G_s$) de forma confiável, pois não fornece informações sobre a distribuição do perfil dentro do subconjunto relevante de crimes.

5. Significado e Implicações

• Para o Direito Penal: O artigo fornece uma base técnica para a exclusão de evidência de perfilamento (como antecedentes criminais ou características demográficas) para provar a autoria de um crime específico. A resistência legal não é apenas uma proteção contra preconceito, mas uma necessidade epistêmica para garantir que a decisão seja baseada em fatos que aumentem a probabilidade da culpa específica.
• Para a Epistemologia Jurídica: O trabalho reconcilia a intuição de que "não devemos julgar pelo passado" com a teoria probabilística, mostrando que o problema não é a probabilidade em si, mas a especificidade da hipótese que a probabilidade deve suportar.
• Para o Debate sobre Estereótipos: A análise estende-se para além dos tribunais, aplicando-se a situações de estereotipagem no cotidiano (ex: suspeitar de alguém baseado em perfil demográfico após um roubo). Os autores argumentam que a atribuição de culpa baseada em estereótipos é epistemicamente injustificada porque salta indevidamente de padrões estatísticos grupais para hipóteses espaço-temporais específicas, sem evidência causal intermediária.

Em suma, o artigo conclui que a evidência de perfilamento é probativa de genericidade, mas não de especificidade. Em um julgamento criminal, onde a hipótese a ser provada é estritamente específica (quem fez o quê, quando e onde), a evidência de perfilamento falha em cumprir o requisito de probatividade, independentemente de considerações morais ou políticas.