Trong một bài báo đăng trên Tạp chí Tư pháp Hình sự, các nhà nghiên cứu do Maurizio Porfiri, Giáo sư Viện NYU Tandon và Giám đốc Trung tâm Khoa học và Tiến bộ Đô thị (CUSP) đứng đầu cho biết: bằng cách kết hợp dữ liệu của CDC với dữ liệu từ nhiều nguồn khác nhau, họ đã tạo ra một mô hình vượt trội so với các kỹ thuật hiện đang được sử dụng để dự đoán tỷ lệ giết người do súng hàng tháng. Một số nguồn dữ liệu khác của các nhà nghiên cứu là từ các sở cảnh sát thành phố, từ các bài viết trên báo và cơ sở dữ liệu Lưu trữ Bạo lực Súng từ những đóng góp của cộng đồng.
Theo Porfiri, các nhà phân tích và nghiên cứu về bạo lực súng đạn thường dựa vào dữ liệu chính xác về số người chết vì súng hàng năm của CDC, dữ liệu này thường được công bố vào tháng 12 và bao gồm cả năm dương lịch trước đó. Điều đó có nghĩa là dữ liệu tháng 1 trong đó đã gần hai năm tính đến thời điểm có sẵn. Mặc dù CDC cũng công bố dữ liệu súng hàng quý tạm thời 10 tháng sau khi kết thúc mỗi quý, nhưng dữ liệu đó có thể được sửa đổi, điều này làm giảm tính hữu dụng của nó.
Phương pháp đa nguồn dữ liệu của nhóm nghiên cứu liên ngành bù đắp cho những hạn chế của dữ liệu CDC và cung cấp phương tiện để không chỉ dự báo chính xác tỷ lệ giết người bằng súng hàng tháng mà còn xác định tỷ lệ đó cho các tháng trước, trước khi CDC công bố dữ liệu của mình. Các thành viên trong nhóm của dự án bao gồm Salvador Ramallo, Học giả Fulbright từ Đại học Murcia, Tây Ban Nha, đến thăm Porfiri tại CUSP, và các cộng tác viên lâu năm của Porifiri là Maximo Camacho và Manuel Ruiz Marin, Giáo sư tại Đại học Murcia và Đại học Kỹ thuật Cartagena, Tây Ban Nha.
Các nhà nghiên cứu đã áp dụng mô hình nhân tố động – một kỹ thuật thống kê được sử dụng để xác định và phân tích các mẫu cũng như mối quan hệ giữa các biến số thay đổi theo thời gian – đối với dữ liệu có giá trị hơn 20 năm. Họ đã sử dụng cả phân tích “dự báo” và “dự báo ngược” vào các ngày lịch sử bằng cách sử dụng dữ liệu tần số hỗn hợp có sẵn tại thời điểm đó, dự báo tối đa một năm và dự báo ngược gần đây nhất là tháng trước thời điểm phân tích. Các nhà nghiên cứu xác nhận mô hình của họ dự đoán tỷ lệ giết người hàng tháng chính xác hơn so với mô hình của đối thủ cạnh tranh, bằng cách so sánh kết quả của nó với dữ liệu trong báo cáo hàng năm của CDC cho những ngày lịch sử đó.
Ngoài CDC, các nguồn dữ liệu được phân tích trong nghiên cứu là Kho lưu trữ bạo lực súng đạn; Sở cảnh sát thành phố New York, Chicago và Philadelphia; The New York Times và The Washington Post; Xu hướng Google; Hệ thống kiểm tra lý lịch hình sự tức thời quốc gia (NCIS); Chỉ số Chính sách kinh tế Không chắc chắn; và dữ liệu Twitter theo địa lý.
Thông tin thêm: Salvador Ramallo và cộng sự, Một mô hình yếu tố động để dự đoán các vụ giết người bằng súng ở Hoa Kỳ, Tạp chí Tư pháp Hình sự (2023). DOI: 10.1016/j.jcrimjus.2023.102051
Ngọc Bích (lược dịch)
Nguồn: https://phys.org/news/2023-04-statistical-accurately-monthly-gun-homicides.html