Hvorfor det er svært at sige, hvor politiet behandler minoriteter uretfærdigt

Donald Trump har viftet med ordene "stop og frisk" rundt som et banner for at kurere voldelig kriminalitet i amerikanske byer.

Det betyder, at det er tid til at tage et tilbageblik på en af ​​de primære kritikpunkter af denne politipraksis:raceprofilering.

American Civil Liberties Union definerer raceprofilering som "den diskriminerende praksis fra retshåndhævende embedsmænd med at målrette individer for mistanke om kriminalitet baseret på individets race, etnicitet, religion eller national oprindelse." Dette inkluderer politi, der bruger race til at bestemme, hvilke bilister der skal stoppe for rutinemæssige trafikovertrædelser, eller hvilke fodgængere der skal søge efter ulovlig smuglergods.

Det uundgåelige spørgsmål er, hvor mange procent af minoriteterne politiet skal stoppe, statistisk set. Men standardmetoderne til at afgøre, hvem der er skyldig i raceprofilering, er ikke statistisk forsvarlige. Vi arbejder sammen med Bureau of Research and Analysis ved St. Louis County Police Department for at skabe en stærkere metrik.

Folketællingsbaseret benchmarking

Generelt, der er to typer test, der bruges til at identificere mønstre for raceprofilering.

Den første, "benchmarking, " involverer simpelthen at sammenligne procentdelen af ​​stop for personer af en specifik race med procentdelen af ​​den minoritet i det geografiske område.

Benchmarking blev brugt i en ofte citeret rapport fra 1999 af New Yorks justitsminister om New York City Police Department's stop-and-frisk-praksis. Betjentene patruljerede i og omkring private beboelsesbygninger og stoppede personer, som de mente var ved at trænge ind. I 1999 25,6 procent af byens befolkning var sorte, dog omfattede 50,6 procent af alle stoppede personer. I en føderal retssag fra 2013, dommeren fastslog, at stop og frisk var blevet brugt på en forfatningsstridig måde.

Imidlertid, i benchmarking, tallene er baseret på folketællingsdata, hvilket kan give en meget misvisende opfattelse. For eksempel, tag By og Land, Missouri, en by med kun 12,2 procent ikke-hvid befolkning. Mere end 20 procent af sidste års trafikstop involverede minoriteter. Imidlertid, Town and Country har to store motorveje, der løber gennem det. Hvordan er de titusindvis af bilister, der kører på disse mellemlande, fanget i benchmark?

Folketællingsdata tager ikke højde for nogen ikke-residenter. For alle patruljeområder i St. Louis County Police Department, kun 44,6 procent af bilister stoppet af politiet boede faktisk i St. Louis County. Dette alene viser, at folketællingsdata ikke er en levedygtig kilde til at bestemme raceprofilering.

Hvad mere er, betjente bliver ofte beordret til at patruljere områder med "høj kriminalitet". Statistisk set, disse er overvejende minoritetsområder. Så, uundgåeligt, der vil være flere stop i de udpegede områder med høj kriminalitet. Da data normalt observeres på en by, amts- eller distriktsniveau, demografien i disse områder med høj kriminalitet er sløret.

Hit rate

En anden type test ser på stop-and-frisks "hitrate" – dvs. procentdelen af ​​søgninger, der rent faktisk fører til opdagelse af våben, stoffer eller andet smuglergods.

I nogle stater, ligesom North Carolina, mens en højere procentdel af en minoritet blev søgt, der var faktisk en mindre sandsynlig chance for, at betjentene opdagede ulovlig smuglergods. Dette blev vist som bevis på raceprofilering.

Et problem her er, at de fleste hitrater involverer alle søgninger, uanset typen. Dette omfatter ransagninger efter arrestationer for udestående arrestordrer. Det betyder, at den endelige hitrate kan være vildledende, herunder søgninger udført som led i rutinemæssig behandling.

I 2016 forskere ved Stanford offentliggjorde en ny type test, der analyserer fire variabler:førerens race, officersafdelingen stopper, hvis stoppet resulterede i en eftersøgning, og hvis der blev fundet ulovlig smuglergods. Denne metrik er designet til at give et "øjebliksbillede af betjentens tærskel for mistanke før søgning af person af en given race."

Imidlertid, som forfatterne især diskuterer, der er ingen måde at konkludere endeligt på, at de forskelle, som denne metrisk viser, nødvendigvis stammer fra racemæssig skævhed. Hvad mere er, Stanford's metric is too complicated for every precinct in the U.S. to use due to lack of detailed data and the complex analysis required.

A proposed metric

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. Men, 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.

Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs den originale artikel.