پیش بینی بزهکاری نوجوانان با بهره گیری از مدلهای یادگیری ماشین مبتنی بر شاخصهای شناختی هیجانی تلفیق آزمونهای روان شناختی داده های رفتاری و سامانه های هوش مصنوعی

بزهکاری نوجوانان به عنوان یکی از پدیده های پیچیده اجتماعی حقوقی تحت تاثیر مجموعه ای از عوامل شناختی هیجانی رفتاری و محیطی قرار دارد و شناسایی زودهنگام عوامل خطر می تواند نقش موثری در پیشگیری، مداخله و سیاستگذاری کیفری ایفا کند. در سال های اخیر توسعه روش های مبتنی بر هوش مصنوعی و یادگیری ماشین امکان تحلیل هم زمان داده های چند بعدی و پیش بینی الگوهای رفتاری پرخطر را فراهم ساخته است. مقاله حاضر با هدف بررسی ظرفیت مدل های یادگیری ماشین در پیش بینی بزهکاری نوجوانان مبتنی بر شاخص های شناختی هیجانی به مرور و تحلیل ادبیات علمی موجود در حوزه تلفیق آزمون های روان شناختی، داده های رفتاری و سامانه های هوش مصنوعی می پردازد. در این مطالعه پژوهش های مرتبط با کاربرد الگوریتم های یادگیری ماشین در شناسایی رفتارهای بزهکارانه، ارزیابی عوامل روان شناختی نظیر تنظیم هیجان، کنترل، تکانه، همدلی، سبک تصمیم گیری و نیز داده های رفتاری و اجتماعی مورد بررسی قرار گرفته اند. یافته ها نشان می دهد که مدل های ترکیبی مبتنی بر ادغام داده های روان شناختی، رفتاری و زمینه ای در مقایسه با روش های آماری سنتی از دقت و توان پیش بینی بالاتری برخوردارند. با وجود این، چالش هایی نظیر سوگیری الگوریتمی، حفظ حریم خصوصی نوجوانان، تفسیر پذیری مدل ها و ملاحظات حقوقی مرتبط با برچسب زنی پیش بینانه محدودیت های مهمی در به کارگیری این فناوری ها ایجاد می کند. نتایج مقاله بر ضرورت توسعه مدل های شفاف، تبیین پذیر و مبتنی بر نظارت انسانی در کاربردهای عدالت کیفری نوجوانان تاکید دارد و پیشنهاد می کند بهره گیری از رویکردهای میان رشته ای در پیوند روان شناسی، جرم شناسی و هوش مصنوعی می تواند به ارتقای نظام های پیشگیری و مداخله زودهنگام کمک کند.

کلیدواژه ها:

بزهکاری ، نوجوانان ، یادگیری ماشین ، هوش مصنوعی ، شاخص های شناختی هیجانی ، آزمون های روان شناختی ، داده های رفتاری ، پیش بینی ، جرم ، عدالت کیفری نوجوانان