ارائه چارچوب برای سنجش و ارزیابی مطالعات داده های شبکه ای در مبارزه با ناهنجاری های اجتماعی

هدف: هدف پژوهش پیش رو ارائه چارچوبی برای سنجش و ارزیابی مطالعات داده های شبکه ای در مبارزه با ناهنجاری های اجتماعی است.روش شناسی: این پژوهش ازنظر هدف کاربردی است و با استفاده از روش اسنادی، تحلیل محتوا و داده کاوی انجام شده است. جامعه آماری این پژوهش شامل اطلاعات مرتبط به جرم سرقت ثبت شده در سازمان های انتظامی و پلیسی در سال ۱۳۹۹ است. برای تحلیل اطلاعات از روش های تحلیل داده های شبکه های دیجیتال به خوشه بندی (کای میانگین)، شناسایی انواع جرم سرقت و دسته بندی (شبکه ها شبکه های عصبی، قوانین بیزی، ناو بیزی و ماشین بردار پشتیبان) به منظور پیش بینی جرم سرقت استفاده شده است.یافته ها: یافته های پژوهش نشان داد دقت مدل بیزی در پیشبینی و تشخیص نوع جرم برابر با ۴۱۲.۰ درصد است و بیشترین درصد پیش بینی برای جرم سرقت از خانه برابر با ۷۳ درصد و کمترین درصد پیش بینی سرقت از اماکن خصوصی برابر با ۲۷ درصد است. همچنین میزان دقت هریک از روشهای انجام شده باهم مقایسه شده اند. یافته های Roc نشان داد دقت روش قوانین بیزین، شبکه های عصبی (MPL) و بردار ماشین پشتیبان در پیش بینی جرم سرقت از اماکن عمومی نسبت به سایر سرقت ها بیشتر و در موارد مشابه در پیش بینی سرقت از منزل دارای دقت کمتری نسبت به سایر سرقت ها است. همچنین دقت پیش بینی روش بردار ماشین پشتیبان (حدود ۹۱ درصد) در پیش بینی سرقت از اماکن عمومی بهتر از قوانین بیزین (حدود ۷۳ درصد) و شبکه ها - شبکه های عصبی (حدود ۹۰ درصد) است. علاوه بر این نمودار Roc در روش بردار ماشین پشتیبان نشان داد در پیش بینی جرم جیب بری نسبت به سایر سرقت ها دقت کمتری (۷ درصد) دارد.نتیجه گیری: نتایج این پژوهش نشان داد که ارزیابی و سنجش با استفاده از روش قوانین بیزین مناسب ترین روش در تشخیص و پیش بینی یک الگوی مناسب از جرم سرقت (نوع جرم) است و نسبت به سایر روش ها دقت بیشتری دارد؛ اما به طور خاص، برای پیش بینی سرقت از اماکن عمومی، استفاده از ارزیابی و سنجش به وسیله روش بردار پشتیبان توصیه میشود.

کلیدواژه ها:

ناهنجاریه ای اجتماعی ، جرم سرقت ، داده کاوی ، مبارزه ، تحلیل شبکه