El uso de la información ciudadana en la investigación criminal mediante un proceso de innovación tecnológico colaborativo para contrarrestar el hurto a personas en Bogotá
DOI:
https://doi.org/10.47741/17943108.522Palabras clave:
Investigación criminal, Diseño, denuncia ciudadana del delito, hurto, innovación en policía y en tecnologíasResumen
El hurto a personas es uno de los delitos de mayor impacto en temas de seguridad para Bogotá con una participación a nivel nacional del 38 % aproximadamente. Este delito puesto en conocimiento de las autoridades es denominado por académicos como criminalidad registrada o denunciada y es utilizada por la institución policial para diferentes fines, en especial para la investigación criminal, pero con resultados poco eficientes en la identificación de victimarios. Por lo tanto, el tipo de investigación es cualitativa y tiene como objetivo vincular al ciudadano mediante un proceso de innovación tecnológico colaborativo, con el propósito de recolectar, tratar y analizar información denunciada y no denunciada (criminalidad oculta) de manera oportuna, anónima y eficiente con tecnologías disruptivas priorizadas para el proyecto. La metodología empleada inicia con la etapa de descubrir mediante la identificación de actores claves y la construcción de historias de usuario. Luego, en la etapa comprender se plantea la propuesta de valor mediante una hipótesis que se valida en un proceso de experimentación, y por último en la etapa construir, se realiza un análisis de vigilancia tecnológica y se plantea la propuesta del sistema colaborativo entre el ciudadano y la policía con enfoque tecnológico. Los resultados se basan en la identificación y priorización de cinco tecnologías, dos actores, tres variables y aplicación de seis prototipos de baja y mediana fidelidad, así como la aceptación de la ciudadanía en recolectar y compartir información oportuna en un 87 %, esa información se centra en videos, audios, fotos y localización con un 55 %. Por otro lado, con la entrada en funcionamiento del sistema colaborativo, los investigadores indican que optimizaría la investigación en un 50 % mediante la identificación oportuna de los victimarios. En cuanto a la conclusión, la información analizada y obtenida de los resultados, permite llegar en una primera fase, a validar la hipótesis establecida, pero a la vez, la importancia de incluir metodologías como la Dinámica de Sistemas que permita el análisis sistémico de la información establecida por otros actores y su impacto en el sistema colaborativo propuesto.
Descargas
Citas
Arenas, R. H. (2013). Satellite technology innovation for crime prevention in the State of Mexico. Journal del Instituto de Ciencias Jurídicas de Puebla, 7(31), 7-27.
Aunger, R. (2010). Types of technology. Technological Forecasting and Social Change, 77(5), 762-782. https://doi.org/10.1016/j.techfore.2010.01.008
Azhar, A. (2021). Exponential, 1. Order and Chaos in an Age of Accelerating Technology: Random House. https://shre.ink/rNx1
Becker, G. S. (1968). Crime and Punishment: An economic approach. Journal of Political Economy, 76(2), 169.- 217. https://doi.org/10.1086/259394
Bland, D. J., & Osterwalder, A. (2019). Testing Business Ideas. A Field Guide for Rapid Experimentation (A. Smith, & T. Papadakos, eds.). Wiley.
Boyd, D., & Goldenberg, J. (2014). Inside the box: A proven system of creativity for breakthrough results.
Caceres, O. R. (2017). El sistema de informacion e inteligencia Plataforma Mexico. URVIO - Revista Latinoamericana de Estudios de Seguridad, 21, 175. https://doi.org/10.17141/urvio.21.2017.2916
Caminha, C., Furtado, V., Pequeno, T. H. C., Ponte, C., Melo, H. P. M., Oliveira, E. A., & Andrade, J. S. (2017). Human mobility in large cities as a proxy for crime. PLOS ONE, 12(2), e0171609. https://doi.org/10.1371/journal.pone.0171609
Ceballos-Espinoza, F. (2021). From classical criminology to modern criminology: Multifactorial criminal investigation in the digital age. Formación y Desarrollo Policial, 3(1), 59-85.
Cheng, T., & Williams, D. (2012). Space-time analysis of crime patterns in central London. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 39, 47-52. https://doi.org/10.5194/isprsarchives-XXXIX-B2-47-2012
Chun-Young, C., Lin-Chien, C., Yo-Hao, C., En-Chun, K., & Yuh-Shyan, H. (2019). A smart public security strategy: The new Taipei city technology defense plan. Procedia Computer Science, 159, 1715-1719. https://doi.org/10.1016/j.procs.2019.09.342
De Guzman, J. B., De Guzman, R. C. C., & Ado, R. G. (2014). Mobile Emergency response application using geolocation for command centers. International Journal of Computer and Communication Engineering, 3(4), 235-238. https://doi.org/10.7763/ijcce.2014.v3.327
Demestichas, K., Alexakis, T., Peppes, N., Remoundou, K., Loumiotis, I., Muller, W., & Avgerinakis, K. (2020). Prediction and visual intelligence platform for detection of irregularities and abnormal behaviour. Detection Machine Learning for Trend and Weak Signal Detection in Social Networks and Social Media, 2606, 25-30.
Diamandis, P. H., & Kotler, S. (2020). The future is faster than you think: How converging technologies are transforming business, industries, and our lives. Simon & Schuster. https://shre.ink/2vV4
Elnas, J. B., Duran, E. C., Mayol, J. L. E., & Lavilles, R. Q. (2015). Location-based reporting and mapping of crimes using Google Maps. Lecture Notes on Software Engineering, 3(1), 44-48. https://doi.org/10.7763/lnse.2015.v3.163
Feng, M., Zheng, J., Ren, J., Hussain, A., Li, X., Xi, Y., & Liu, Q. (2019). Big data analytics and mining for effective visualization and trends forecasting of crime data. IEEE Access, 7, 106111.-106123. https://doi.org/10.1109/ACCESS.2019.2930410
Gaver, B., Dunne, T., & Pacenti, E. (1999). Design: Cultural probes. Interactions, 6(1), 21-29. https://doi.org/10.1145/291224.291235
Crime Information Group (2022). Thefts from persons in the form of robbery and arrests by the National Police, years 2007 to 2022. 2022.
Kamthan, P., & Shahmir, N. (2017). Effective user stories are affective. Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 10586 LNCS, 605-611. https://doi.org/10.1007/978-3-319-67585-5_59
Keatley, D. A., Arntfield, M., Gill, P., Clare, J., Oatley, G., Bouhana, N., & Clarke, D. D. (2021). Behaviour tracking: Using geospatial and behaviour sequence analysis to map crime. Security Journal, 34(1), 184-201. https://doi.org/10.1057/s41284-019-00216-3
Kiran, C., Suresh, S., & Suresh, S. (2022). Intelligent vehicle license plate recognition by deploying deep learning model for smart cities. International Journal of Mechanical Engineering, 7(1), 6739-6744.
Lin, Y. L., Yen, M. F., & Yu, L. C. (2018). Grid-based crime prediction using geographical features. International Journal of Geo-Information, 7(8), 1-16. https://doi.org/10.3390/ijgi7080298
Lira, A. L., & Fuentes, C. (2021). Artificial Intelligence models for crime prediction in urban spaces. Machine Learning and Applications: An International Journal, 8(1), 1-13. https://doi.org/10.5121/mlaij.2021.8101
Lopez, J., & Carmina, L. (2020). Citizen security and technology: Use, planning and regulation of video surveillance in Latin America. Revista de Investigación en Derecho, Criminología y Consultoría Jurídica, 27, 1-15.
Martin, B., & Hanington, B. (2012). Universal methods of design: 100 ways to research complex problems, develop innovative ideas, and design effective solutions. Rockport Publishers.
Mondal, S., Singh, D., & Kumar, R. (2022). Crime hotspot detection using statistical and geospatial methods: A case study of Pune City, Maharashtra, India. GeoJournal, 1-18. https://doi.org/10.1007/s10708-022-10573-z
Muller, W., Pallmer, D., Muhlenberg, D., Loumiotis, I., Remoundou, K., Kosmides, P., & Demestichas, K. (2020). Machine learning for discovery analytics to support criminal investigations. SPIE-Intl Soc Optical Eng. https://doi.org/10.1117/12.2557541
O’Connor, G. C., Leifer, R., Paulson, A. S., & Peters, L. S. (2008). Grabbing lightning: Building a capability for breakthrough innovation (vol. 1.). Jossey-Bass.
Olaya, C. (2013). More engineering and less science please. In C. Olaya (ed.), XI Latin American Congress of System Dynamics Instituto Tecnológico y de Estudios Superiores (pp. 1-6). Universidad de los Andes.
Patil, G. P. (2010). Digital governance, hotspot geoinformatics, and sustainable development: A preface. Environmental and Ecological Statistics, 17(2), 133-147. https://doi.org/10.1007/s10651-010-0144-x
Perez, F. J., Garrido, V. J., Garcia, A., Zambrano, M., Kozik, R., Choraś, M., Muhlenberg, D., Pallmer, D., & Muller, W. (2021). Multimedia analysis platform for crime prevention and investigation: Results of MAGNETO project. Multimedia Tools and Applications, 80(15), 23681-23700. https://doi.org/10.1007/s11042-020-10206-y
Pokharel, P., & Vaidya, P. (2020). “A Study of Userb Story in Practice,” 2020 International Conference on Data Analytics for Business and Industry: Way Towards a Sustainable Economy (ICDABI), Sakheer, Bahrain, 2020, pp. 1-5, https://doi.org/10.1109/ICDABI51230.2020.9325670
National Police (2023). Crime statistics. https://www.policia.gov.co/grupo-informacion-criminalidad/estadistica-delictiva
Pramanik, M. I., Lau, R. Y. K., Yue, W. T., Ye, Y., & Li, C. (2017). Big data analytics for security and criminal investigations. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 7(4), 1-19. https://doi.org/10.1002/widm.1208
Rahmani, A. M., Azhir, E., Ali, S., Mohammadi, M., Ahmed, O. H., Ghafour, M. Y., Ahmed, S.H., & Hosseinzadeh, M. (2021). Artificial intelligence approaches and mechanisms for big data analytics: A systematic study. PeerJ Computer Science, 7, 1-28. https://doi.org/10.7717/peerj-cs.488
Rawashdeh, M., Al Zamil, M. G. H., Samarah, S. M., Obaidat, M., & Masud, M. (2021). IoT- based service migration for connected communities. Computers and Electrical Engineering, 96. https://doi.org/10.1016/j.compeleceng.2021.107530
Razzouk, R., & Shute, V. (2012). What is design thinking and why is it important? Review of Educational Research, 82(3), 330.-348. https://doi.org/10.3102/0034654312457429
Restrepo, J. (2008). Fifty years of criminality recorded by the National Police. Revista Criminalidad, 50(1), 27-36.
Rodríguez, J. D., Mejía, D., Caro, L. del P., Romero, M., & Campos, F. (2018). Implications of the process of integration of administrative crime records between the SPOA of the Attorney General’s Office and the SIEDCO of the National Police of Colombia, and the implementation of the “!ADenunciar!” application on crime figures. Revista Criminalidad, 60(3), 9-27. https://revistacriminalidad.policia.gov.co:8000/index.php/revcriminalidad/article/view/28/23
Schilling, M. A. (2020). Strategic management of technological innovation (6th ed., vol. 1). McGraw-Hill Education.
Tundis, A., Kaleem, H., & Muhlhauser, M. (2020). Detecting and tracking criminals in the real world through an IoT-based system. Sensors, 20(13), 1-27. https://doi.org/10.3390/s20133795
Tundis, A., Uzair, M., & Muhlhauser, M. (2021). An IoTbased context-aware model for danger situations detection. Computers and Electrical Engineering, 96. https://doi.org/10.1016/j.compeleceng.2021.107571
Valderrama-Cumbe, J. M., Arboleda-Cardenas, Y. C., Criollo-Rey, P. A., & Ospina-Baena, J.H. (2021). Recurrence as a tool in the judge’s assessment when imposing a preventive detention measure in a prison in Colombia. Revista Criminalidad, 63(2), 53-66. https://doi.org/10.47741/17943108.316
Van der Meij, M. G., Kupper, F., Beers, P. J., & Broerse, J. E. W. (2016). Hybrid e-learning tool TransLearning: Video storytelling to foster vicarious learning within multi-stakeholder collaboration networks. International Journal of Lifelong Education, 35(4), 413-429. https://doi.org/10.1080/02601370.2016.1197331
Villalobos, H. (2020). Technological development in policing: A recipe for success in crime prevention. Journal of International Relations, Strategy and Security, 15(1), 79-97. https://doi.org/10.18359/ries.4243
Wang, D., Ding, W., Lo, H., Stepinski, T., Salazar, J., & Morabito, M. (2013). Crime hotspot mapping using the crime related factors - A spatial data mining approach. Applied Intelligence, 39(4), 772-781. https://doi.org/10.1007/s10489-012-0400-x
Yin, H. (2022). Public security video image detection system construction platform in cloud computing environment. Computational Intelligence and Neuroscience, 2022, 1- 13. https://doi.org/10.1155/2022/4113803
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Revista Criminalidad
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Licencia creative commons CC BY NC ND https://creativecommons.org/licenses/by-nc-nd/2.0/
