Módulo 7 - Uso de datos y herramientas digitales para mejorar la respuesta a la violencia de género

¡Bienvenido! Al finalizar este módulo, usted:
  1. Comprenderá los conceptos básicos de la actuación policial predictiva y su aplicación en casos de violencia de género.
  2. Aprenderá cómo la justicia penal y los datos de múltiples organismos pueden mejorar las investigaciones de violencia de género y la predicción de riesgos.
  3. Habrá explorado las herramientas digitales actuales y su potencial para mejorar las respuestas a la violencia de género.

Vigilancia predictiva y evaluación moderna de riesgos

Actuación policial predictiva basada en sistemas informáticos

Evaluación moderna de riesgos en la justicia penal

Principales retos

Mejorar la evaluación del riesgo de VG

Principales métodos, impacto y retos

Importancia de los datos para las respuestas a la violencia de género

Ejemplos de distintas soluciones

Caso de éxito en España: el sistema VioGén II

Inteligencia de fuentes abiertas (OSINT) para casos de violencia de género

Aplicaciones móviles

Pulseras electrónicas

De la policía reactiva a la proactiva y predictiva

Policía reactiva tradicional: Se centra en responder a los delitos después de que se produzcan.

Vigilancia proactiva: Utiliza los datos para asignar recursos (por ejemplo, aumentar las patrullas en zonas de alta criminalidad), disuadir la delincuencia y mejorar los tiempos de respuesta.

Vigilancia predictiva: Analiza datos históricos para identificar momentos y lugares de alto riesgo, revelando patrones y circunstancias delictivas.

Beneficios clave:
  • Optimiza los recursos policiales.
  • Mejora las estrategias de prevención de la delincuencia.
  • Permite un despliegue más eficaz de los agentes.
Ejemplos: Asaltos tras el cierre de bares o robos durante las vacaciones.

Vigilancia predictiva informatizada

  • Los ordenadores ayudan a identificar patrones en los datos de la justicia penal que serían difíciles de detectar manualmente.
  • Los algoritmos analizan variables (por ejemplo, hora, lugar, tipo de zona) y determinan su importancia en la predicción de delitos.
  • Con los datos del mundo real, los algoritmos se ajustan para mejorar la precisión y pueden descubrir nuevos factores de predicción de la delincuencia.

Ejemplo:
Predecir los robos cerca de un nuevo bar puede implicar factores como la hora de cierre, los ingresos del vecindario, la densidad de viviendas o los bares cercanos.

Un mayor número de datos aumenta la precisión de las predicciones, lo que contribuye a mejorar las respuestas policiales.

Evaluación moderna del riesgo en la justicia penal

Objetivo: Predecir la probabilidad de que se cometan delitos contra personas concretas para fundamentar decisiones críticas, como la imposición de penas, la libertad condicional, la libertad vigilada y las órdenes de protección.

Por qué es importante:
Unas predicciones más fiables implican una asignación de recursos más eficaz y una mayor protección de las víctimas y las comunidades.

De lo tradicional a la alta tecnología:

  • Los métodos tradicionales se basaban en modelos de puntuación simples y subjetivos.
  • El aprendizaje automático mejora la precisión analizando múltiples variables y descubriendo patrones ocultos.

Aplicaciones prácticas:

  • Clasifica los niveles de riesgo (alto, medio, bajo) para una mejor toma de decisiones.
  • Mejora la precisión y la equidad en la evaluación de riesgos, lo que beneficia tanto a los funcionarios como a la seguridad pública.
Fuentes: Berk, R. A. (2021). Artificial intelligence, predictive policing, and risk assessment for law enforcement. Annual Review of Criminology, 4(1), 209-237.

Retos de la policía predictiva y la evaluación informatizada de riesgos

  • La exactitud de las predicciones no garantiza la mejora de la actuación policial: depende de cómo se utilicen los datos y de su adecuación a las prioridades.
  • Los fallos en los datos (por ejemplo, la infranotificación o la caracterización errónea de los delitos) pueden sesgar los resultados y llevar a una vigilancia excesiva o insuficiente.
  • El tratamiento de datos sensibles plantea problemas de privacidad.
  • Existe el riesgo de que se produzcan abusos, como acciones demasiado agresivas o la supresión de la disidencia: piense en la película de ciencia ficción Minority Report.

Fuentes:

  • Berk, R. A. (2021). Artificial intelligence, predictive policing, and risk assessment for law enforcement. Annual Review of Criminology, 4(1), 209-237.
  • Grogger, J., Gupta, S., Ivandic, R., & Kirchmaier, T. (2021). Comparing conventional and machine‐learning approaches to risk assessment in domestic abuse cases. Journal of Empirical Legal Studies, 18(1), 90-130.
  • Messing, J. T., & Thaller, J. (2013). The average predictive validity of intimate partner violence risk assessment instruments. Journal of interpersonal violence, 28(7), 1537-1558.

Mejorar la evaluación del riesgo de VG

Objetivo: Evaluar los niveles de peligro para orientar las medidas de protección.

Métodos:

  • Regla de puntuación: Los umbrales basados en puntos clasifican el riesgo.
  • Juicio estructurado: Combina las respuestas con el juicio profesional.

Impacto:
La mejora de las herramientas garantiza la identificación de los casos de alto riesgo, lo que permite a los funcionarios proteger eficazmente a las víctimas.

Desafíos:

  • La puntuación subjetiva y el uso incoherente reducen la precisión.
  • Los casos de alto riesgo pueden pasarse por alto debido a una mala administración.

Mejoras tecnológicas:

  • El aprendizaje automático mejora la precisión analizando los antecedentes penales.
  • La combinación de herramientas como DASH con el aprendizaje automático aumenta en un 20% la precisión de la predicción de la reincidencia en la violencia de género.

Fuentes:

  • Berk, R. A. (2021). Artificial intelligence, predictive policing, and risk assessment for law enforcement. Annual Review of Criminology, 4(1), 209-237.
  • Grogger, J., Gupta, S., Ivandic, R., & Kirchmaier, T. (2021). Comparing conventional and machine‐learning approaches to risk assessment in domestic abuse cases. Journal of Empirical Legal Studies, 18(1), 90-130.
  • Messing, J. T., & Thaller, J. (2013). The average predictive validity of intimate partner violence risk assessment instruments. Journal of interpersonal violence, 28(7), 1537-1558.

Importancia de los datos para las respuestas a la VG

La violencia de género suele ir en aumento, por lo que el contexto es fundamental para una actuación policial eficaz (por ejemplo, el riesgo se duplica a la tercera llamada, se triplica a la sexta y se cuadruplica a la octava).

Los funcionarios necesitan datos completos, incluidos los antecedentes no penales, para mejorar las respuestas.

Los sistemas conectados podrían proporcionar acceso a datos de justicia penal, servicios sociales y atención sanitaria.

Ejemplos: Patrones de lesiones en historiales médicos, informes de centros de apoyo a las víctimas o historiales de abuso de sustancias.

Ejemplos de distintas soluciones

VioGén Police Risk Assessment Protocol

Creado en España (2007) para coordinar las respuestas policiales a la violencia de género a través del Grupo de Estudios de Seguridad Interior.

Implica a múltiples partes interesadas: víctimas, agresores, testigos, técnicos y médicos.

Integra Policía Nacional, Guardia Civil y Policías Locales.

En 2024 se lanzó el Sistema VioGen II actualizado.

Principales objetivos del sistema VioGen II

Mejora de la coordinación

Mejorar la colaboración entre la policía, los servicios sociales y la asistencia sanitaria para dar una respuesta unificada a la violencia de género.

Evaluación precisa del riesgo

Perfeccionar las herramientas de riesgo para predecir mejor la reincidencia en la violencia y garantizar una protección proporcional de las víctimas.

Protección personalizada

Adapte las respuestas en función de la evolución del riesgo para cada víctima, adaptando las medidas según sea necesario.

Capacitación de las víctimas

Proporcionar información clara y planes de seguridad personalizados, garantizando que las víctimas comprendan su riesgo y sus opciones de protección.

Decisiones basadas en datos

Utilice tecnología y algoritmos avanzados para mejorar la toma de decisiones en tiempo real y garantizar medidas de protección precisas.

Las directrices del Protocolo policial de evaluación de riesgos incluyen:

Fuentes: González Álvarez, López Ossorio, Muñoz Rivas (2018)

Evaluación del riesgo de reincidencia en la violencia (VPR) – Categorías y factores de riesgo

Los indicadores VPR se agrupan en 4 dimensiones:

VPR – Niveles de riesgo y medidas de protección

Los casos se clasifican en cuatro niveles de riesgo: Bajo, Medio, Alto y Extremo. Sobre la base de la clasificación de riesgos, los funcionarios aplican medidas de protección obligatorias y opcionales, y estas medidas están diseñadas para ser proporcionales al nivel de riesgo.

Algunos ejemplos de medidas de protección son:

Bajo

Proporcionar contacto de apoyo las 24 horas del día y seguimiento telefónico periódico.

Vigilancia ocasional y controles regulares con el agresor.

Vigilancia frecuente y seguimiento electrónico del agresor.

Vigilancia constante de la víctima y control intensivo del agresor.

Formulario de evaluación del riesgo de evolución (VPER) 4.0

El EPERV incluye 43 indicadores:

34 de riesgo y 9 de protección, agrupados en 5 dimensiones:

  1. Gravedad del incidente
  2. Factores agresores
  3. Características de las víctimas
  4. Percepción del riesgo por parte de la víctima
  5. Situación de las medidas de protección aplicadas

Resultados:

Evolución positiva: Ningún incidente nuevo.

Evolución negativa: Nuevos incidentes, denunciados o no.

Lagunas del sistema VioGén II

Aunque el sistema VioGen II presenta mejoras con respecto a su predecesor, aún presenta algunas lagunas potenciales:

Estas lagunas ponen de manifiesto ámbitos susceptibles de mejora, como la mejora de la flexibilidad, la formación, la transparencia y la comunicación dentro del sistema.

El sistema español VioGén, aunque innovador en la coordinación de la respuesta policial y la evaluación de riesgos en casos de violencia de género, presenta importantes deficiencias que afectan a su eficacia. En primer lugar, se critica la transparencia y la rendición de cuentas del sistema. El algoritmo de VioGén asigna automáticamente un nivel de riesgo a cada caso, lo que influye en gran medida en las medidas de protección policial sin una rendición de cuentas clara. Las y los agentes de policía rara vez se desvían de las recomendaciones del algoritmo, lo que puede limitar el criterio profesional y dar lugar a una dependencia excesiva de la puntuación automatizada, lo que podría afectar a las respuestas específicas de cada caso y a la seguridad de las víctimas.


Otra cuestión importante es el propio cuestionario VioGén, que se utiliza para recopilar información en momentos de gran carga emocional. Las víctimas suelen relatar sus experiencias inmediatamente después de un incidente, lo que puede dar lugar a respuestas empañadas por el trauma o la confusión. Esto ha suscitado preocupaciones sobre la fiabilidad de los datos introducidos, ya que muchas mujeres tienen dificultades para proporcionar detalles precisos cuando se encuentran en una situación de angustia. El diseño del sistema también incluye una formación limitada para los agentes sobre cómo comunicar eficazmente el propósito del cuestionario, lo que da lugar a inconsistencias en la forma en que se administra y se entiende por parte de las víctimas.


Además, la comunicación con las víctimas sobre sus niveles de riesgo evaluados es mínima, ya que muchas víctimas afirman que desconocen la categoría de riesgo que se les ha asignado o los planes de protección correspondientes. Abordar estas deficiencias en materia de transparencia, coherencia e intercambio de información es fundamental para mejorar VioGén y prestar un mejor apoyo a las víctimas de la violencia de género.

Inteligencia de fuentes abiertas (OSINT) para casos de VG

  • La OSINT consiste en recopilar información de fuentes públicas como redes sociales, artículos de noticias, sitios web y registros públicos.
  • En los casos de VG, OSINT puede ayudar a descubrir patrones, rastrear comportamientos y recopilar información adicional para apoyar las investigaciones.
  • Permite a las fuerzas y cuerpos de seguridad acceder a información crítica sin necesidad de permisos especiales, pero es importante utilizar OSINT de forma responsable y seguir las directrices éticas y de privacidad.

Aplicaciones móviles para geolocalización e informes telemáticos en casos de violencia de género

Las aplicaciones móviles permiten a las víctimas denunciar discretamente la violencia de género y proporcionar a las autoridades información en tiempo real para una respuesta rápida. Las funciones suelen incluir:

Alertas de emergencia

Las víctimas pueden enviar un SOS con geolocalización a las fuerzas de seguridad.

Denuncias rápidas

Las aplicaciones simplifican la denuncia de actos de violencia pasados o en curso.

Recursos

Muchas aplicaciones ofrecen material educativo o conexiones con servicios de apoyo a las víctimas.

Ventajas para la policía:

  • Respuesta de emergencia más rápida.
  • Mejor conocimiento de la situación gracias a la geolocalización.
  • Aumento de la seguridad de las víctimas con métodos de denuncia discretos.

Aplicaciones móviles para geolocalización e informes telemáticos en casos de violencia de género

Ejemplos en Europa

España – AlertCops: Envía alertas geolocalizadas directamente a la policía para una asistencia inmediata.

Serbia – SOS App: Información multilingüe para emergencias, adaptada a usuarios con discapacidad visual.

Montenegro – Aplicación Be Safe: Alertas discretas para la seguridad de las víctimas.

Greece – Aplicación Botón del Pánico: Alerta de emergencia con geolocalización enviada a la policía.

Armenia – Aplicación Safe YOU: Envía alertas geolocalizadas y conecta a las víctimas con los recursos.

Pulseras electrónicas: Mejorar la respuesta a la VG

Beneficios

  1. Mayor seguridad de las víctimas: Alerta a las víctimas y a la policía si se infringen las restricciones.
  2. Disuasión: Reduce el riesgo de reincidencia al responsabilizar a los agresores.
  3. Seguimiento eficaz: Ahorra recursos con el seguimiento remoto.
  4. Respuesta en tiempo real: Las alertas inmediatas permiten una rápida actuación policial.

Propósitos

  • Rastrea a los agresores para hacer cumplir las órdenes de alejamiento y proteger a las víctimas.
  • Utiliza tecnología GPS o de radiofrecuencia para la vigilancia en tiempo real.

Ejemplos

  • España: Seguimiento del cumplimiento de las órdenes de alejamiento.
  • Francia y Suecia: Utilizado en casos de alto riesgo para prevenir la violencia.

Desafíos

  • Falsas alertas o manipulación del dispositivo.
  • Requiere una infraestructura GPS fiable.
  • Privacidad y consideraciones legales.

Utilización de datos y soluciones informáticas en el ámbito policial - Mensajes clave

  • Las soluciones informáticas ayudan a reducir la subjetividad y mejorar la precisión.
  • Mediante el uso de herramientas de evaluación de riesgos basadas en datos, podemos prevenir mejor la reincidencia y adaptar la protección de las víctimas a la evolución de la situación.
  • El análisis de datos y las soluciones informáticas agilizan el intercambio de información y facilitan la toma de decisiones.
  • Los sistemas de datos unificados y la aplicación coherente de protocolos proporcionan una base sólida para la colaboración y las respuestas coordinadas entre los distintos organismos.
  • El uso de los datos debe ser seguro, transparente y deliberado para proteger la privacidad de las víctimas y los testigos.
  • El cumplimiento de las políticas y normativas garantiza que el tratamiento de datos se realice de forma ética y legal.
  • Las soluciones tecnológicas y las herramientas de evaluación de riesgos evolucionan constantemente, por lo que es esencial que el personal policial reciba formación continua y apoyo en la aplicación de nuevas soluciones.
  • Las oportunidades de mejorar las competencias en el análisis de datos y el uso de herramientas digitales mejoran la eficiencia de toda la organización y refuerzan la protección de las víctimas.

Autoevaluación