Le machine learning révèle une forte correspondance entre le taux de violence domestique et l'activité d'un magasin d'alcool.
L'intelligence artificielle est une technologie qui s'applique à divers domaines de la vie quotidienne, allant du divertissement à la sécurité des gens. Elle permet d'analyser les énormes quantités de données générées partout dans le monde afin de faciliter leur interprétation. Cela aboutit à la découverte d'informations qui peuvent être essentielles comme les résultats de cette étude qui porte sur la violence domestique.
L'activité d'un magasin d'alcool contribue au taux de violence domestique
Des chercheurs de l'Université de Buffalo ont mené une étude basée sur le machine learning et les statistiques portant sur la relation entre les magasins d'alcool et la violence domestique. Les résultats, publiés dans un article, rapportent un important taux de correspondance entre ces deux éléments. Autrement dit, un taux de visite élevé dans un magasin d'alcool coïncide avec un plus grand taux de violence domestique.
En revanche, les autres variables, notamment les débits de boissons et les brasseries, ont des coefficients négatifs. Cela pourrait s'expliquer par le fait que les visiteurs de ces deux types de points de vente ont généralement un statut socio-économique plus élevé, d'après les chercheurs.
Le machine learning pour prédire et prévenir la violence domestique
Cette prédiction concernant le rôle des magasins d'alcool dans la violence domestique a été rendue possible grâce au machine learning. Et pour l'étude, les chercheurs se sont basés sur des données GPS anonymes de téléphones mobiles. Il commencé par établir une relation entre les données de localisations anonymes combinées avec les données statistiques criminelles.
Les chercheurs soulignent, néanmoins, qu'il n'y a aucun moyen de savoir si une visite a réellement conduit à un achat. D'autre part, le violence domestique est l'un des crimes les moins signalés. Par conséquent, l'étude reste approximative.
Pour analyser la relation entre les magasins d'alcool et la violence domestique, les chercheurs ont utilisé deux approches de machine learning et deux méthodes statistiques. Les algorithmes ML incluent un arbre décisionnel (Random Forest) et un réseau de neurones profond (DNN). Pour l'analyse statistique, ils ont opté pour la régression OLS et la régression pondérée géographiquement (GWR). L'étude a révélé une variation du taux de correspondance dans les différents quartiers observés. Toutefois, le taux de correspondance est élevé dans la plupart des cas.
Les résultats de l'étude ou d'approches similaires pourraient aider les autorités à améliorer les décisions politiques sur la réglementation des magasins d'alcool dans les régions concernées.
- Partager l'article :
