Kroppskameror Visa polisen är politer mot vita drivrutiner

Poliser använder konsekvent mindre respektfullt språk med svarta medlemmar i samhället än med vita medlemmar i samhället, den första systematiska analysen av kroppskamerafilm visar.

Även om subtila, omfattande rasskillnader i tjänstemänens språkanvändning kan utplåna polisgemenskapsrelationer, varnar forskare.

"... de många små skillnaderna i hur de pratade med medlemmar i samhället lade upp till genomgripande rasskillnader."

"Våra resultat lyfter fram att polisväxlingar med svarta medlemmar i samhället är mer fyllda än deras samspel med vita medlemmar i samhället", säger Jennifer Eberhardt, professor i psykologi vid Stanford University och medförfattare av studien i Proceedings of the National Academy of Sciences.

Funnen om rasskillnader i respektfullt tal hölls sanna även efter att forskare kontrolleras för officerens ras, svårighetsgraden av överträdelsen och platsen och resultatet av stoppet.


innerself prenumerera grafik


För att analysera kroppens kamerafotografi, utvecklade forskare först en artificiell intelligenssteknik för att mäta nivåer av respekt i officers språk som de sedan tillämpade på transkript från 981-trafik stannar Oakland, California Police Department gjort i en enda månad.

Uppgifterna visar att vita invånare var 57-procent mer sannolikt än svarta invånare för att höra en polis säger de mest respektfulla uttalandena, till exempel ursäkta och tacksamhet som "tack".

Svarta medlemmar i samhället var 61-procent mer sannolikt än vita invånare för att höra en officer säga de minst respektfulla uttalandena, såsom informella titlar som "man" och "bro" och kommandon som "händer på hjulet".

"För att vara tydlig: Det var ingen svär," säger medförfattare Dan Jurafsky, professor i lingvistik och datavetenskap. "Dessa var välskötta officerare. Men de många små skillnaderna i hur de pratade med medlemmar i samhället gav upphov till allvarliga rasskillnader. "

"Det faktum att vi nu har tekniken och metoderna för att visa dessa mönster är ett stort framsteg för beteendevetenskap, datavetenskap och polisindustrin", säger Rob Voigt, en doktorand för lingvistik och studiens ledande författare. "Polisavdelningarna kan använda dessa verktyg för att inte bara diagnostisera problem i relationerna mellan polis och samhälle utan också att utveckla lösningar."

Oaklands polisavdelning, som många polisavdelningar i hela landet, har använt kroppsbärda kameror för att övervaka samspel mellan polis och samhälle. Men att dra exakta slutsatser från hundratals timmars bildmaterial kan vara utmanande, säger Eberhardt. Bara "kirsebärplockning" negativa eller positiva episoder kan till exempel leda till felaktiga intryck av polisgemenskapsrelationerna övergripande.

"Polisen är redan försiktig med att fotografier används mot dem. Samtidigt vill många avdelningar att deras handlingar är öppna för allmänheten. "

183 timmar av uppspelning

För att tillgodose kraven på både integritet och insyn behövde forskarna ett sätt att närma sig bilderna som data som visar allmänna mönster, snarare än som bevis som avslöjar felaktigheter vid ett enda stopp.

Ändå kan "forskare inte bara sitta och titta på varje stopp", säger Eberhardt. "Det skulle ta för lång tid. Dessutom kan deras egna fördomar påverka deras bedömningar av interaktionerna. "

Så undersökte forskare transkript från 183 timmar av kroppskamerafilm från 981-stopp, vilka 245 olika OPD-officerare utförde i april 2014.

I den första fasen av studien undersökte de mänskliga deltagarna en undersökning av de transkriberade konversationerna mellan officerare och medlemmar i samhället - utan att känna till ras eller kön av antingen - och betygsatta hur respektfull, artig, vänlig, formell och opartisk tjänstemannens språk var .

I andra fasen använde forskarna dessa betyg för att utveckla en beräkningsmässig språklig modell för hur högtalare visar respekt, inklusive ursäkt, mjukningskommandon och uttrycka oro för lyssnararnas välbefinnande. De skapade sedan programvara som automatiskt identifierade dessa ord, fraser och språkliga mönster i utskrift av officerarnas språk.

I den tredje fasen använde forskare den här programvaran för att analysera de återstående transkripten - totalt 36,000 officers uttalanden med 483,966 ord. Eftersom laget hade så mycket data kunde de statistiskt redogöra för officerens ras, överträdelsens allvar och andra faktorer som kan påverka tjänstemänens språk.

Att förstå och förbättra samspelet mellan polisen och de samhällen som de tjänar är otroligt viktigt, men interaktionerna kan vara svåra att studera, säger Jurafsky. "Computational lingvistik erbjuder ett sätt att samla på många talare och många interaktioner för att upptäcka hur det vardagliga språket kan återspegla våra attityder, tankar och känslor - som ibland ligger utanför vår egen medvetenhet."

"Våra resultat är inte bevis på partiskhet eller felaktighet hos enskilda tjänstemän," försäkrar Eberhardt. "Många faktorer kan driva rasskillnader i respektfullt tal."

Röstton

Forskargruppen utökar för närvarande sitt arbete för att analysera språket som används av gemenskapens medlemmar under trafikstopp och för att studera andra språkliga egenskaper som fångats av kroppskamerorna, inklusive tonfall. De planerar också att utforska samspelet mellan tjänstemän och medlemmar i samhällets medlemmar, eftersom de utvecklas över tiden.

"Det finns så mycket du kan göra med den här filmen", säger Eberhardt. "Vi är mycket glada över möjligheterna."

Eberhardt lovordade staden Oakland och OPD för att vara öppen för att ha sina uppgifter granskade och sa att hon hoppas att andra avdelningar över hela landet kommer att bjuda in liknande samarbeten.

"Jag är hoppfull att, med utvecklingen av beräkningsverktyg som vår, kommer fler brottsbekämpande myndigheter att närma sig sin kroppskamerafilm som data för förståelse, snarare än som bevis för skyller eller befriar. Tillsammans kan forskare och polisavdelningar använda dessa verktyg för att förbättra relationerna mellan polis och samhälle. "

Källa: Stanford University

Relaterade böcker:

at InnerSelf Market och Amazon