Hace una década, el entonces presidente Barack Obama propuso gastar 75 millones de dólares en tres años para ayudar a los estados a comprar cámaras corporales de policía para ampliar su uso. La medida se produjo a raíz del asesinato del adolescente Michael Brown, del cual no existían imágenes de la cámara corporal, y fue diseñada para aumentar la transparencia y generar confianza entre la policía y las personas a las que servían.
Desde se asignaron los primeros fondos En 2015, decenas de millones de paradas de tráfico y accidentes, paradas en la calle, detenciones y similares se registraron con estos pequeños dispositivos digitales, que la policía coloca en su uniforme o chaqueta de invierno. Las imágenes se consideraron útiles como prueba en incidentes controvertidos como el que provocó la muerte de George Floyd en Minneapolis en 2020. El uso de las cámaras puede también disuadir el mal comportamiento por la policía en sus interacciones con el público.
Pero, a menos que suceda algo trágico, las imágenes de las cámaras corporales generalmente no se ven. “Gastamos mucho dinero recopilando y almacenando estos datos, pero casi nunca se utilizan para nada”, dice Benjamin Graham, politólogo de la Universidad del Sur de California.
Sobre el apoyo al periodismo científico
Si está disfrutando este artículo, considere apoyar nuestro periodismo galardonado al suscribiéndose. Al comprar una suscripción, ayudas a garantizar el futuro de historias impactantes sobre los descubrimientos y las ideas que dan forma a nuestro mundo actual.
Graham se encuentra entre un pequeño número de científicos que están reimaginando este metraje como datos en lugar de solo evidencia. Su trabajo aprovecha los avances en el procesamiento del lenguaje natural, que se basa en la inteligencia artificial, para automatizar el análisis de transcripciones de vídeo de las interacciones entre ciudadanos y policías. Los hallazgos han permitido a los departamentos de policía detectar problemas policiales, encontrar formas de solucionarlos y determinar si las correcciones mejoran el comportamiento.
Hasta ahora, sólo un pequeño número de agencias policiales han abierto sus bases de datos a los investigadores. Pero si estas imágenes se analizaran de forma rutinaria, supondrían un “verdadero cambio de juego”, afirma Jennifer Eberhardt, psicóloga de la Universidad de Stanford, pionera en esta línea de investigación. “Podemos ver paso a paso, momento a momento, cómo se desarrolla una interacción”.
En artículos publicados durante los últimos siete años, Eberhardt y sus colegas examinaron imágenes de cámaras corporales para revelar cómo la policía habla de manera diferente a los blancos y a los negros y qué tipo de conversación es probable que gane la confianza de una persona o presagie un resultado indeseable, como esposar o arrestar. Los hallazgos han perfeccionado y mejorado la formación policial. En un estudio publicado en Nexo PNAS En septiembre, los investigadores demostraron que El nuevo entrenamiento cambió el comportamiento de los oficiales..
“Al realizar este tipo de estudios y realizar mejoras en su departamento, ayuda a generar confianza en comunidades que tienen niveles de confianza realmente bajos”, dice LeRonne Armstrong, exjefe de policía del Departamento de Policía de Oakland en California, que ha tenido una larga trayectoria -colaboración permanente con el equipo de Stanford.
El enfoque se está imponiendo poco a poco. Inspirada por los hallazgos de Stanford, la Junta de Comisionados de Policía de Los Ángeles, que supervisa el Departamento de Policía de Los Ángeles (LAPD), pidió ayuda a la USC para entender las imágenes del departamento. Actualmente está en marcha un proyecto para analizar 30.000 vídeos de cámaras corporales que abarcan un año de paradas de tráfico. Y el grupo de Stanford también se está asociando con el Departamento de Policía de San Francisco para utilizar imágenes de cámaras corporales para evaluar un programa en el que sus agentes viajan a Birmingham, Alabama, para aprender sobre el Movimiento por los Derechos Civiles y los principios de la no violencia.
El trabajo en Stanford comenzó en 2014 a raíz de un escándalo que involucró al Departamento de Policía de Oakland. Cuatro agentes de policía de Oakland, California, conocidos como “los Jinetes”, habían sido acusados de maltratar y arrestar a personas inocentes y de colocarles drogas, entre otros delitos, allá por finales de los años noventa. De los 119 demandantes, 118 eran negros. Entonces, como parte del acuerdo de conciliación de $10,9 millones, se requirió que el departamento recopilara datos sobre detenciones de vehículos y peatones y los analizara por raza. Más de una década después de que se alcanzara el acuerdo, el supervisor federal del departamento pidió ayuda a Eberhardt.
Los abogados de los demandantes le dijeron a Eberhardt que lo que más querían saber era qué pasó después del se encendieron las luces del crucero—Por qué los agentes detenían a la gente y cómo se producían las interacciones. El departamento fue uno de los primeros en adoptar cámaras corporales, que había puesto en servicio unos cinco años antes. “En realidad tienen imágenes”, recuerda Eberhardt que les dijo, aunque a nadie en el departamento se le había ocurrido utilizarlas para ese propósito.
Eberhardt reclutó a Dan Jurafsky, un lingüista e informático de Stanford, y a su entonces alumno Rob Voigt, ahora lingüista computacional en la Universidad Northwestern, para desarrollar una forma automatizada de analizar transcripciones de vídeo de casi 1.000 paradas de tráfico. Los investigadores decidieron medir si los agentes hablaban con menos respeto a los conductores negros que a los blancos. Primero hicieron que las personas calificaran el respeto de extractos de las transcripciones. Luego construyeron un modelo computacional que asociaba las calificaciones con varias palabras o frases y le daban pesos numéricos a esas expresiones. Expresar preocupación por el conductor, por ejemplo, se consideró muy respetuoso, mientras que dirigirse a él por su nombre fue menos respetuoso.
Luego, el modelo dio una puntuación de respeto a todo el lenguaje de los agentes en un mes de detenciones de tráfico, y los investigadores asociaron estas puntuaciones con la raza de la persona detenida, entre otras variables. Encontraron una clara disparidad racial en el respeto del lenguaje de los oficiales. Al hablar con conductores negros, era menos probable que los agentes indicaran el motivo de la parada, ofrecieran tranquilidad o expresaran preocupación por la seguridad del conductor, por ejemplo. La brecha de respeto existió durante toda la interacción y no dependió de la raza del oficial, el motivo de la parada, ni su ubicación o resultado.
Esos resultados iniciales, publicados en 2017, tuvieron un profundo impacto en Oakland. “Cuando Stanford publicó los hallazgos, fue casi como un suspiro de alivio para las comunidades minoritarias”, dice Armstrong. “Esto validó las preocupaciones que la gente siempre había sentido e hizo que el departamento reexaminara cómo capacitamos a nuestros oficiales para comunicarse con nuestra comunidad”.
El equipo de Stanford utilizó los hallazgos para desarrollar un módulo de “respeto” para un programa de capacitación en justicia procesal que impartió el departamento. La justicia procesal busca incorporar equidad en los procedimientos policiales. Además de enfatizar el respeto, puede implicar que la policía explique sus acciones a otros y les dé a esas personas la oportunidad de brindar su perspectiva. Como parte de ese esfuerzo, el equipo utilizó su modelo computacional para extraer interacciones reales que eran particularmente respetuosas e irrespetuosas. “Como ejemplo de capacitación, esto parece mucho más legítimo para alguien que está siendo capacitado” que escenarios inventados, dice Jurafsky. “[Officers] reconocer su propia lengua”.
Después de que el entrenamiento entró en vigor, los investigadores realizaron otro estudio con cámara corporal para determinar si los agentes utilizaron lo que habían aprendido. El equipo de Stanford comparó características clave del lenguaje de los oficiales en 313 detenciones que ocurrieron hasta cuatro semanas antes del entrenamiento con las de 302 detenciones realizadas en las cuatro semanas posteriores al entrenamiento. Los investigadores encontraron que los agentes que habían recibido capacitación eran más propensos a expresar preocupación por la seguridad de los conductores, ofrecer tranquilidad y dar razones explícitas para la parada, informaron en su informe de septiembre. Nexo PNAS estudiar.
El análisis sistemático de las imágenes de las cámaras corporales, dice Eberhardt, proporciona una manera prometedora de comprender qué tipos de entrenamiento policial son efectivos. “Muchas de las capacitaciones que reciben ahora simplemente no se evalúan rigurosamente”, afirma. “No sabemos si lo que están aprendiendo en esas capacitaciones… en realidad se traduce en interacciones reales con personas reales en la calle”.
En un estudio publicado el año pasado, los investigadores de Stanford analizaron imágenes de cámaras corporales para encontrar lenguaje asociado con un “resultado intensificado” para una parada de tráfico, como esposar, registrar o arrestar. Utilizando imágenes de 577 paradas de conductores negros en una ciudad no revelada, encontraron lo que Eberhardt llama una “firma lingüística” de escalada en las primeras 45 palabras pronunciadas por un oficial: dar órdenes al conductor desde el principio y no dar el motivo de la detener. “La combinación de esos dos era una buena señal de que la parada terminaría con el conductor esposado, registrado o arrestado”, dice.
Ninguna de las paradas del estudio implicó el uso de la fuerza. Pero los investigadores tenían curiosidad por saber si la firma que encontraron estaría presente en las imágenes de la interacción policial que condujo a la muerte de Floyd. Fue. En los primeros 27 segundos del encuentro (aproximadamente el tiempo que les toma a los oficiales de policía pronunciar 45 palabras durante las paradas), el oficial dio solo órdenes y no le dijo a Floyd por qué lo detuvieron.
El equipo de la USC ha reclutado a un grupo diverso de personas, incluidos algunos que han estado previamente encarcelados y policías retirados, para juzgar las interacciones capturadas por las cámaras corporales del LAPD en cuanto a cortesía, respeto y otros aspectos de la justicia procesal. El equipo planea utilizar los avances en inteligencia artificial para capturar estas perspectivas de manera que puedan revelar, por ejemplo, por qué una declaración intencionada como divertida o deferente puede percibirse como sarcástica o irrespetuosa. “La mayor esperanza es que nuestro trabajo pueda mejorar la capacitación de los oficiales de LAPD, para tener una forma basada en datos de actualizar y cambiar el procedimiento de capacitación para que se adapte mejor a las poblaciones a las que atienden”, dice Morteza Dehghani, científico cognitivo de la USC. , quien codirige el proyecto con Graham.
La política puede disuadir a los departamentos de policía de compartir imágenes con académicos. En algunos casos, los departamentos pueden mostrarse reacios a sacar a la luz problemas sistemáticos. Sin embargo, en el futuro, es posible que los departamentos puedan analizar las imágenes por sí mismos. Algunas empresas privadas, como TRULEO y Soluciones Polis—ya ofrecemos software para ese propósito.
“Estamos cada vez más cerca de que los departamentos puedan utilizar estas herramientas y no solo convertirlas en un ejercicio académico”, dice Nicholas Camp, psicólogo social de la Universidad de Michigan, que ha trabajado en el equipo de Eberhardt. Pero los modelos comerciales tienden a no ser completamente transparentes (los usuarios no pueden inspeccionar los módulos que los componen), por lo que algunos académicos, incluidos Camp y Dehghani, desconfían de su producción.
El equipo de la USC planea poner a disposición del LAPD y otros departamentos de policía los modelos de lenguaje que construye, que estarán abiertos a inspección, para que puedan monitorear rutinariamente las interacciones de los oficiales con el público. “Deberíamos tener información mucho más detallada sobre cómo se desarrollan estas interacciones cotidianas. Esa es una gran parte de la gobernancia democrática”, dice Graham.