分析犯罪生涯的新科学方法

数据驱动集群

在开发该方法时，研究人员最初将所有犯罪行为分为21类，例如，包括腐败和性犯罪。CSH的GeorgeHeiler解释道：“随后，我们根据所提交的证据对挡泥板进行了分类。”

在这个匿名数据集中，科学家们提供了有关年龄和性别的社会人口统计信息，以及关于围栏委员会的性质和严重性以及围栏发生的地理区域的详细信息。Thurner说：“集群允许数据驱动犯罪分类，揭示犯罪行为模式。”

该方法的优点

无论犯罪类型和频率如何，该新方法的优点都是默认的，即每个聚类都包含不同数量的犯罪类型和犯罪类型。某些犯罪（如欺诈或持有毒品）比其他犯罪（如伪造或吸毒）发生得更频繁，这一事实并不影响这些结果

该方法还考虑到个人犯下特定类型罪行的频率。研究人员发现，除其他外，犯罪类型之间的敏感性比其他类型发生的频率高得多。Thurner指出：“这表明，由于某些类别的特殊性与其他类别无关。”例如，这些类别包括环境犯罪、恐怖主义或种族主义犯罪

执法部门和科学部门之间的密切合作已经在之前的项目中得到了体现，这表明了基于科学方法的工具的发展，可以支持资源分配、计划和行动执行方面的政策，以及结果的效率、相关性和质量。当然，这是在遵循所有法律标准的同时完成的，特别是国家和国际环境保护标准

Thurner总结道：“尽管这一数据集对未检测到或未解决的信息犯罪没有任何限制，但我们希望通过这种方法，我们可以从科学的角度支持执法人员的工作。”