Cluster Computationele Criminologie

Het cluster Computationele Criminologie maakt gebruik van computationele (met behulp van een computer) modellen om menselijk gedrag in kaart te brengen en crimineel gedrag te onderzoeken. Hierbinnen zijn twee benaderingen te onderscheiden: knowledge-driven (top-down) en data-driven (bottom-up) methoden.

Knowledge-driven methoden

Knowledge-driven methoden gebruiken bestaande kennis uit de gedragswetenschappen als input en proberen deze kennis in dynamische rekenmodellen te formaliseren. Met behulp van de juiste software kunnen deze modellen worden gebruikt om menselijk gedrag na te bootsenin de tijd, met virtuele scenario’s. Deze computersimulaties bieden mogelijkheden om innovatieve methoden en hulpmiddelen te ontwikkelen om afwijkend gedrag beter te begrijpen, te voorspellen en mogelijk zelfs te voorkomen. Voorbeelden hiervan zijn het voorspellen van de dynamiek van een menigte, het nabootsen van het gedrag van overvallers of het simuleren van agressiemanagementstrategieën voor trainingsdoeleinden in het openbaar vervoer.

Data-driven methoden

Data-driven methoden nemen een grote hoeveelheid bestaande empirische data als input en proberen automatisch (zonder tussenkomst van een menselijke gebruiker) patronen op te sporen. Omdat computers veel meer rekenkracht bezitten dan mensen, biedt deze aanpak grote mogelijkheden om nieuwe inzichten te ontdekken en nieuwe theorieën te ontwikkelen. Voorbeelden van deze aanpak zijn het opsporen van patronen in berichten op social media, of het vinden van correlaties tussen bepaalde risicofactoren en afwijkend gedrag.

Interdisciplinaire samenwerking

Het cluster Computationele Criminologie werkt intensief samen met de afdeling Kunstmatige Intelligentie van de Vrije Universiteit Amsterdam. Vanwege de direct toepasbare praktische waarde van het interdisciplinaire onderzoek zijn er ook veel samenwerkingsverbanden met maatschappelijke partners, waaronder de Nederlandse Politieacademie, GVB en G4S, en met het ministerie van Justitie en Veiligheid.