این پژوهش به دنبال ارائه یک روش دادهمحور برای ارزیابی سوگیری‌های نژادی در سیستم‌های چندمرحله‌ای اجرای قانون است. در حالی که تحقیقات پیشین اغلب بر روی خروجی نهایی تعاملات پلیس با شهروندان متمرکز بوده‌اند، این پایان‌نامه با ارائه یک چارچوب علی جامع، گامی فراتر نهاده و کل زنجیره علّی تعاملات، از لحظه گزارش یک حادثه تا اعمال اقدامات انتظامی را مدنظر قرار می‌دهد. نوآوری اصلی این پژوهش، گنجاندن مفهوم «مجرمیت» در تحلیل است که در بسیاری از کارهای قبلی به دلیل پیچیدگی‌های اندازه‌گیری، نادیده گرفته شده بود. این رویکرد نوین به ما امکان می‌دهد تا تصویر کامل‌تری از چگونگی شکل‌گیری نابرابری‌های نژادی در فرآیندهای اجرای قانون به دست آوریم و از سطحی‌نگری در تحلیل آمارهای انتظامی پرهیز کنیم.

مشکل اساسی در ارزیابی سوگیری نژادی این است که صرفاً نگاه به آمار توقیف یا برخوردهای فیزیکی، بدون در نظر گرفتن میزان جرم واقعی در میان گروه‌های نژادی مختلف، می‌تواند گمراه‌کننده باشد. برای نمونه، اگر در یک منطقه خاص، میزان وقوع جرم در میان یک گروه نژادی بیشتر باشد، طبیعی است که آمار توقیف‌ها و برخوردهای پلیس با آن گروه نیز بیشتر باشد. بنابراین، برای تشخیص وجود سوگیری، باید این پرسش کلیدی را مطرح کرد که آیا با وجود کنترل کردن میزان جرم، باز هم رفتار متفاوتی با گروه‌های نژادی مختلف صورت می‌گیرد یا خیر. برای پاسخ به این پرسش، پژوهشگران فرضیه کلیدی و معقولی را مطرح می‌کنند: با در نظر گرفتن بافت اجتماعی-اقتصادی و محیطی، نژاد یک فرد و ارتکاب جرم توسط او به صورت شرطی مستقل از یکدیگر هستند. به عبارت دیگر، این شرایط محیطی است که تعیین می‌کند فردی مرتکب جرم شود یا خیر، نه نژاد او. این فرضیه که ریشه در نظریه‌های جامعه‌شناسی جنایت دارد، به ما اجازه می‌دهد تا با وجود نامشخص بودن مجرمیت افراد، شاخص‌های آماری معتبری برای کشف وجود نابرابری نژادی تنها با استفاده از داده‌های قابل مشاهده ارائه دهیم. این یک پیشرفت چشمگیر در حوزه مطالعات تبعیض نژادی محسوب می‌شود، زیرا محققان را از شرط دشوار دسترسی به داده‌های مجرمیت که معمولاً محرمانه و ناقص هستند، بی‌نیاز می‌سازد.

یکی از مهم‌ترین دستاوردهای این پژوهش، شناسایی سه سناریوی متعارف است که در آن‌ها می‌توان منبع اصلی سوگیری مشاهده‌شده را تشخیص داد. این سناریوها بر اساس نسبت افراد بی‌گناه در میان افرادی که توسط سیستم گزارش می‌شوند، طبقه‌بندی می‌شوند. در سناریوی اول که مشابه بازرسی‌های امنیتی فرودگاه‌هاست، اکثر افراد گزارش‌شده بی‌گناه هستند و هدف اصلی، پیشگیری از وقوع جرم است. در این حالت، هرگونه سوگیری مشاهده‌شده علیه یک نژاد خاص، عمدتاً ناشی از برخوردهای تبعیض‌آمیز با بی‌گناهان آن نژاد توسط مأموران اجرای قانون است. این وضعیت نشان می‌دهد که اگر سیستم به گونه‌ای طراحی شود که همه افراد را بدون غربالگری اولیه بررسی کند، هرگونه نابرابری نژادی در خروجی، به وضوح به رفتار تبعیض‌آمیز مأموران بازمی‌گردد. سناریوی دوم مربوط به سیستم‌های پلیسی مبتنی بر هوش مصنوعی است که با دقت بالا افراد مجرم را شناسایی می‌کنند؛ در اینجا چون سیستم عمدتاً مجرمان واقعی را گزارش می‌دهد، سوگیری موجود عمدتاً معطوف به برخورد با مجرمان یک نژاد خاص می‌شود. این موضوع از منظر عدالت کیفری بسیار مهم است، زیرا نشان می‌دهد حتی اگر یک سیستم هوش مصنوعی از نظر آماری دقیق باشد، ممکن است به طور ناخواسته بر اساس داده‌های آموزشی تبعیض‌آمیز، نابرابری‌های موجود را بازتولید کند. اما جالب‌ترین مورد، سناریوی سوم یعنی تعاملات روزمره پلیس با شهروندان است که در آن هم مجرمان و هم بی‌گناهان توسط مردم گزارش می‌شوند. این سناریو پیچیده‌ترین حالت است، زیرا چندین عامل انسانی و سیستمی در آن دخیل هستند و تشخیص منبع اصلی سوگیری نیازمند تحلیل عمیق‌تر و دقیق‌تری است.

در این سناریوی پیچیده، پژوهش به یک یافته شگفت‌آور و متناقض‌نما دست می‌یابد. بر اساس آزمون آماری طراحی‌شده که «نابرابری مشاهده‌ای» نام دارد، در شهر نیویورک سوگیری واضحی علیه اقلیت‌های نژادی (سیاه‌پوستان و اسپانیایی‌تباران) مشاهده می‌شود که منبع آن را می‌توان در اقدامات تبعیض‌آمیز پلیس جستجو کرد. اما در شهر نیواورلئان، نتایج دقیقاً برعکس است و سوگیری مشاهده‌شده علیه اکثریت نژادی (سفیدپوستان) دیده می‌شود. این یافته در نگاه اول بسیار تعجب‌برانگیز است، زیرا با تصور رایج از تبعیض نژادی در ایالات متحده که معمولاً علیه اقلیت‌هاست، در تضاد قرار دارد. اما تحلیل عمیق‌تر با استفاده از چارچوب علی پژوهش نشان می‌دهد که در نیواورلئان، منبع این سوگیری معکوس، نه عملکرد پلیس، بلکه گزارش‌دهی بیش از حد مردم (از طریق تماس‌های ۹۱۱) علیه اقلیت‌های نژادی است که به طور متناقضی در آمار نهایی، به نفع اقلیت و علیه اکثریت جلوه می‌کند. به عبارت دیگر، شهروندان نیواورلئانی تمایل بیشتری به گزارش فعالیت‌های مشکوک افراد اقلیت دارند، و همین امر باعث می‌شود که پلیس بیشتر با افراد اقلیت برخورد داشته باشد و در نتیجه در آمار کلان، به نظر برسد که افراد اکثریت کمتر تحت نظارت قرار گرفته‌اند و این سوگیری علیه اکثریت تفسیر می‌شود. این کشف اهمیت در نظر گرفتن کل زنجیره علّی را به خوبی نشان می‌دهد و هشدار می‌دهد که تمرکز صرف بر یک مرحله از فرآیند (مانند عملکرد پلیس) می‌تواند به نتیجه‌گیری‌های کاملاً اشتباه منجر شود.

برای دستیابی به این نتایج، پژوهشگران داده‌های مربوط به بیش از ۲۱ میلیون تماس ۹۱۱ و ۳۸۰ هزار پرونده توقیف در شهرهای نیویورک و نیواورلئان را در طی چندین سال گردآوری و پردازش کرده‌اند. این حجم عظیم از داده‌ها، که حاصل سال‌ها ثبت و ضبط دقیق فعالیت‌های پلیس و تماس‌های اضطراری است، امکان انجام تحلیل‌های آماری قدرتمند و قابل اتکا را فراهم آورده است. آن‌ها با ارائه روشی نوآورانه، نژاد افرادی را که تماس گرفته‌اند اما توقیف نشده‌اند، با استفاده از الگوریتم‌های استنتاج آماری بر اساس موقعیت جغرافیایی و نوع تماس تخمین زده‌اند. این روش ابتکاری که در مطالعات پیشین سابقه نداشته است، شکاف مهمی را در داده‌های موجود پر می‌کند و امکان مطالعه کل زنجیره رویدادها را فراهم می‌سازد. تصویر دقیق‌تری از نحوه شکل‌گیری نابرابری‌ها در سیستم قضایی ارائه می‌دهد. بدین ترتیب، این مطالعه نشان می‌دهد که سوگیری می‌تواند در هر مرحله از فرآیند، از گزارش‌گیری توسط مردم تا تصمیمات پلیس، ریشه داشته باشد و راهکارهای اصلاحی باید متناسب با همان مرحله طراحی شوند. این رویکرد سیستمی، دیدگاهی جامع‌تر و واقع‌بینانه‌تر نسبت به مسئله تبعیض نژادی ارائه می‌دهد که برای تدوین راهکارهای مؤثر و پایدار، ضروری است.

پیامدهای این یافته‌ها برای سیاست‌گذاری بسیار عمیق است و می‌تواند مسیر اصلاحات در سیستم‌های اجرای قانون را به طور اساسی تغییر دهد. اگر منبع اصلی سوگیری، تبعیض در عملکرد پلیس باشد، برنامه‌های اصلاحی باید بر آموزش و نظارت بر رفتار مأموران متمرکز شوند و اقداماتی مانند تغییر رویه‌های توقیف، بازنگری در دستورالعمل‌های استفاده از زور، و تقویت مکانیسم‌های پاسخ‌گویی در اولویت قرار گیرند. اما اگر سوگیری از مرحله گزارش‌دهی مردم سرچشمه می‌گیرد، صرفاً اصلاح رفتار پلیس کافی نخواهد بود و باید به آگاه‌سازی عمومی و اصلاح کلیشه‌های نژادی در جامعه پرداخت. این یافته بسیار مهم است، زیرا نشان می‌دهد که ریشه بسیاری از نابرابری‌های به ظاهر نژادی در سیستم قضایی، ممکن است خارج از حوزه اختیارات پلیس و ریشه در رفتارهای اجتماعی و کلیشه‌های فرهنگی داشته باشد. بنابراین، راهکارهای اصلاحی باید فراتر از نهاد پلیس رفته و به آموزش شهروندی، افزایش آگاهی عمومی درباره سوگیری‌های ناخودآگاه، و ترویج گزارش‌دهی منصفانه و مبتنی بر شواهد بپردازند. نکته کلیدی این است که هدف از این تحلیل، سرزنش کردن هیچ گروهی نیست، بلکه ارائه شواهدی دقیق و مبتنی بر داده برای کمک به تصمیم‌گیران در انتخاب مؤثرترین مسیرهای اصلاحی است. این رویکرد علمی و بی‌طرفانه، می‌تواند از قطبی شدن بحث‌های اجتماعی در مورد نژاد و پلیس جلوگیری کرده و راه را برای همکاری سازنده میان جوامع مختلف و نهادهای انتظامی هموار سازد.

در نهایت، این پژوهش با تأکید بر اهمیت داده‌های باز و شفافیت، یک «مرکز داده باز» برای دسترسی محققان و سیاست‌گذاران به داده‌های مرتبط با اجرای قانون راه‌اندازی کرده است. این ابتکار عمل، گامی اساسی در جهت دموکراتیک کردن دسترسی به اطلاعات و افزایش پاسخ‌گویی نهادهای عمومی محسوب می‌شود. چارچوب ارائه‌شده در این پایان‌نامه، نه تنها برای ارزیابی سوگیری در سیستم قضایی کاربرد دارد، بلکه می‌تواند به عنوان یک الگو برای تحلیل و شبیه‌سازی فرآیندهای چندمرحله‌ای در سایر حوزه‌های اجتماعی مانند استخدام، آموزش، بهداشت و درمان، و تأمین مسکن نیز مورد استفاده قرار گیرد. به عنوان مثال، در حوزه استخدام، می‌توان از این چارچوب برای بررسی اینکه آیا سوگیری در فرآیند جذب نیرو، ناشی از مرحله اعلام نیاز، غربالگری رزومه، مصاحبه، یا انتخاب نهایی است، استفاده کرد. این قابلیت تعمیم‌پذیری، نشان از قدرت تحلیلی بالای این رویکرد دارد و آن را به ابزاری ارزشمند برای پژوهشگران علوم اجتماعی و سیاست‌گذاران در سراسر جهان تبدیل می‌کند. این رویکرد یک گام مهم به سوی ساختن جوامعی عادلانه‌تر است که در آن تصمیمات بر اساس شواهد دقیق و با هدف کاهش نابرابری‌های سیستمی هدایت می‌شوند.

آیا پلیس مقصر است؟ یا ما شهروندان؟ کشف منبع پنهان نابرابری نژادی در تماس‌های ۹۱۱

تصور کنید سیستمی که برای حفظ امنیت ما طراحی شده، خود به منبعی برای نابرابری تبدیل شود. سال‌هاست که آمارها نشان می‌دهند اقلیت‌های نژادی در برخورد با پلیس، توقیف‌ها و حتی خشونت، سهمی نامتناسب دارند. اما سوال کلیدی اینجاست: آیا این نابرابری همیشه به رفتار پلیس مربوط است؟ تحقیقات جدید با نگاهی فراتر از ایستگاه‌های پلیس، پرده از یک حقیقت شگفت‌انگیز برمی‌دارد: گاهی منبع اصلی سوگیری، نه در عملکرد مأموران، که در گوشی تلفن همراه ما و تماس‌های ۹۱۱ پنهان است.

🔍 چارچوبی علی برای حل معمای نژاد و مجرمیت

نقطه قوت این پژوهش، ارائه یک «چارچوب علی» است که کل زنجیره تعاملات را بررسی می‌کند. برخلاف مطالعات قبلی که تنها به برخورد نهایی پلیس نگاه می‌کردند، اینجا از لحظه ثبت یک تماس ۹۱۱ تا توقیف و اعمال قانون، همه چیز تحلیل می‌شود. نکته هوشمندانه پژوهش این است که مفهوم «مجرمیت» را وارد معادله می‌کند. آن‌ها با یک فرضیه ساده اما قدرتمند، مشکل داده‌های ناقص را حل می‌کنند: نژاد یک فرد به تنهایی تعیین‌کننده جرم نیست، بلکه بافت اجتماعی-اقتصادی است که این نقش را ایفا می‌کند. این یعنی اگر شرایط محیطی یکسان باشد، نباید تفاوتی در میزان جرم بین نژادها وجود داشته باشد؛ پس هر تفاوتی در برخوردها، ناشی از سوگیری است.

⚖️ سه سناریو؛ سه داستان متفاوت

پژوهشگران سه سناریوی اصلی را شناسایی می‌کنند که به ما کمک می‌کند بفهمیم سوگیری از کجا آب می‌خورد:

• ✈️ سناریوی فرودگاه: جایی که همه افراد (چه مجرم و چه بی‌گناه) غربالگری می‌شوند. در این حالت، هر سوگیری علیه یک نژاد، قطعاً تقصیر مأموران امنیتی است.
• 🤖 سناریوی پلیس هوشمند: سیستم‌های AI تنها مجرمان واقعی را گزارش می‌دهند. در اینجا، سوگیری یعنی الگوریتم علیه مجرمان یک نژاد خاص تصمیم می‌گیرد.
• 🚔 سناریوی تعامل روزمره: پیچیده‌ترین حالت که هم مجرم و هم بی‌گناه گزارش می‌شوند. این جایی است که کشف اصلی پژوهش رخ می‌دهد و نشان می‌دهد سوگیری می‌تواند از مرحله گزارش‌دهی مردم شروع شود.

🔄 پارادوکس نیواورلئان: سوگیری علیه اکثریت!

در یک یافته شگفت‌انگیز، پژوهش نشان می‌دهد که در شهر نیویورک، سوگیری آشکارا علیه اقلیت‌های نژادی است و منبع آن در عملکرد پلیس شناسایی می‌شود. اما در نیواورلئان، آمار خلاف این را نشان می‌دهد: ظاهراً سوگیری علیه جمعیت سفیدپوست وجود دارد! اما تحلیل عمیق چارچوب علی، معمای این تناقض را حل می‌کند. در نیواورلئان، مردم تمایل بیشتری به گزارش فعالیت‌های مشکوک اقلیت‌ها (سیاه‌پوستان) از طریق ۹۱۱ دارند. این گزارش‌دهی بیش از حد باعث می‌شود پلیس بیشتر با اقلیت‌ها برخورد کند و در نتیجه در آمار کلان، به نظر برسد که اکثریت کمتر تحت نظارت هستند و این به عنوان «سوگیری علیه اکثریت» تفسیر می‌شود. در واقع، سوگیری اصلی علیه اقلیت در مرحله گزارش‌دهی رخ می‌دهد، اما خود را به شکلی وارونه در خروجی نهایی نشان می‌دهد!

💡 چرا این یافته برای سیاست‌گذاری حیاتی است؟

این کشف، استراتژی اصلاح سیستم قضایی را متحول می‌کند. اگر سوگیری در رفتار پلیس باشد، راهکارهایی مانند آموزش مأموران و نظارت بر عملکردشان مؤثر است. اما اگر ریشه سوگیری در تماس‌های ۹۱۱ مردم باشد، تنها اصلاح پلیس کافی نیست؛ باید کلیشه‌های نژادی در جامعه را هدف گرفت و آگاهی عمومی را افزایش داد. این پژوهش با ظرافت تمام نشان می‌دهد که حل مسئله نابرابری، نیازمند نگاه سیستمی است و نمی‌توان یک بخش از زنجیره را به تنهایی اصلاح کرد. به قول یکی از پژوهشگران: هدف، سرزنش نیست، بلکه ارائه شواهد دقیق برای انتخاب مؤثرترین مسیر اصلاحی است.

🌐 گامی به سوی شفافیت با «داده‌باز»

این پژوهش فقط به تئوری ختم نمی‌شود. محققان با راه‌اندازی یک مرکز «داده‌باز»، دسترسی عموم به داده‌های مرتبط با اجرای قانون را فراهم کرده‌اند. این ابتکار، گامی اساسی در جهت دموکراتیک کردن اطلاعات و افزایش پاسخ‌گویی است. چارچوب ارائه‌شده همچنین قابلیت تعمیم به سایر حوزه‌های اجتماعی مانند استخدام، آموزش و سلامت را دارد. این یعنی ابزاری که برای تحلیل سوگیری نژادی در پلیس ساخته شده، می‌تواند به ما در شناسایی نابرابری‌های پنهان در سیستم‌های استخدام یا پذیرش دانشگاه نیز کمک کند و این ارزش مضاعف یک پژوهش اجتماعی است.