Doorontwikkeling Prognosemodel Justitiële Ketens
Het Prognosemodel Justitiële Ketens (PMJ) is ontwikkeld voor het maken van ramingen van de capaciteitsbehoefte van de justitiële ketens. Het model is enige tijd geleden ontwikkeld door het WODC en ondertussen onderhouden met kleine verbeteringen en aanvullingen. Er is nu onderzocht in hoeverre het haalbaar en nuttig is om nieuwe ontwikkelingen op het gebied van data en algoritmen toe te passen in het PMJ. Daarmee zou het model een hogere voorspelkwaliteit kunnen krijgen.
Gebruik PMJ
Momenteel worden prognoses over geregistreerde criminaliteit, verdachten en alles wat erop volgt, en conflictbeslechting gemaakt met het PMJ. Dit model omvat vrijwel de hele veiligheidsketen, waaronder opsporing, vervolging en berechting, straffen en maatregelen, gevangeniswezen, justitiële jeugdinrichtingen, reclassering, gesubsidieerde rechtsbijstand in strafzaken en slachtofferzorg. Daarnaast bevat het model ook de civiele rechtspraak, de bestuursrechtspraak, rechtsbijstand in civiele en bestuurszaken en vreemdelingenbewaring.
Zie voor meer info over PMJ.
Bekeken technieken
De bekeken technieken zijn afkomstig uit de machine learning en de econometrie. Een recente ontwikkeling is de groeiende aandacht voor causale en uitlegbare machine learning technieken, de zogenaamde ‘explainable artificial intelligence’ (XAI). Daarmee groeien de machine learning modellen en de econometrische modellen naar elkaar toe. Dit lijkt ook de meest belovende ontwikkelingsrichting voor het PMJ te zijn, maar XAI is op dit moment nog wel een kennisgebied in ontwikkeling.
Gegeven de aard van de data, het doel van PMJ en de randvoorwaarden die vooral voortkomen uit het begrotingsproces en de wensen van de eindgebruikers van de PMJ-ramingen, zijn er een aantal veel belovende alternatieve algoritmes vastgesteld.
Vervolgstap
In vervolgonderzoek zal een aantal pilots met de veel belovende algoritmes worden uitgevoerd om te kijken of deze algoritmes ook daadwerkelijk tot een hogere voorspelkwaliteit van het PMJ leiden.