O Uso de Algoritmos para Determinar a Pena pode Reduzir a Duração das Sentenças de Prisão

As prisões norte-americanas mantêm atualmente cerca de 2 milhões de detidos – muitos deles detidos enquanto aguardam julgamento e outros cumprindo penas de prisão extremamente longas. Uma nova pesquisa do professor Christopher Slobogin, Milton R. Underwood, cadeira de Direito na Vanderbilt Law School, indica que um algoritmo de previsão de risco pode ajudar a reduzir drasticamente esses números.

Segundo o professor, nos Estados Unidos existe um grande problema com o encarceramento, pois nenhuma das soluções atuais funciona. Para resolver o problema, ele sugere o uso de algoritmos para ajudar a descobrir quem representa um perigo para a comunidade se for libertado.

Os Estados Unidos atualmente encarceram 0,6% de sua população – uma taxa seis vezes maior do que nos países europeus.

“A pesquisa mostra que medidas como a descriminalização e eliminação das sentenças mínimas obrigatórias mal afetaram a taxa de encarceramento”, disse Slobogin. “Dito isso, o público não comprará nenhuma reforma a menos que você possa garantir a segurança deles.”

Um algoritmo ideal indicaria a probabilidade de um determinado indivíduo cometer um crime grave durante um período de tempo, na ausência de intervenção.

Em uma pesquisa publicada recentemente, Slobogin explicou que, ao tornar as decisões de punição criminal mais transparentes, os algoritmos podem forçar um antigo reexame dos propósitos e objetivos do sistema de justiça criminal. Ele argumenta que os algoritmos de avaliação de risco podem:

• ajudar a reduzir a prisão preventiva e a duração das sentenças de prisão sem aumentar o risco para o público – um objetivo particularmente importante, visto que o COVID-19 atualmente se espalha por estabelecimentos penais;
• mitigar fianças e sentenças excessivamente punitivas, que afetam desproporcionalmente as pessoas de baixa renda;
• alocar recursos correcionais de forma mais eficiente e consistente;
• fornecer o trampolim para programas de reabilitação com base em evidências que visam reduzir a reincidência para desviar os candidatos com maior probabilidade de sucesso na prisão.

Mesmo com suas vantagens, o uso de algoritmos para decidir o destino de uma vida humana é controverso. Os críticos dizem que os algoritmos não são eficazes para identificar quem vai ofender e quem vai responder aos esforços de reabilitação. Os críticos também argumentam que os algoritmos podem ser racialmente preconceituosos, desumanizantes e antitéticos aos princípios da justiça criminal.

Slobogin disse que embora as críticas tenham mérito, os métodos atuais de previsão de risco poderiam ser piores. “Pelo menos algoritmos estruturam a análise de forma consistente.”

A tomada de decisão não estruturada por juízes, oficiais de liberdade condicional e profissionais de saúde mental é comprovadamente tendenciosa e reflexiva, acrescentou ele, e muitas vezes se baseia em estereótipos e generalizações que ignoram os objetivos do sistema de justiça. Os algoritmos podem ter um desempenho melhor, disse ele, nem que seja até certo ponto, e se forem projetados para compensar a influência do policiamento racializado e das práticas de promotoria.

Se os algoritmos forem validados de forma proativa e usados ​​durante o processo pré-julgamento, a maioria das pessoas presas ” pode manter seus empregos, manter suas famílias intactas e ajudar seu advogado com sua defesa, ajudando a rastrear testemunhas ” , disse Slobogin. “ Usando algoritmos para relatar a sentença, podemos libertar as pessoas mais cedo, o que pode ajudá-las a se tornarem produtivas, em vez de definhar na prisão, onde perdem toda a esperança e aprendem como ser um criminoso melhor”.

Este post foi publicado pela primeira vez no  Phys .

Mais informações:  Christopher Slobogin, Just Algorithms: Using Science to Reduce Encarceration and Inform a Jurisprudence of Risk,  www.cambridge.org/us/academic/… dence-risk? Format = PB