ETD

• criminologia
• criminologia e intelligenza artificiale
• criminologia predittiva
• criminology
• criminology and Artificial Intelligence
• hotspot policing
• IA
• polizia di prossimità
• polizia predittiva
• predictive criminology
• predictive policing

La tesi analizza come l’uso di big data e intelligenza artificiale stia trasformando la criminologia, spostando l’attenzione dal “perché” del crimine alla possibilità di anticiparlo tramite modelli probabilistici. Dopo un inquadramento storico della disciplina e delle radici statistiche della predittività, il lavoro descrive il predictive policing e i principali modelli utilizzati, cioè l’adozione di algoritmi specifici per migliorare la sicurezza e prevenire fenomeni criminali. Vengono presentati esempi e casi reali, come KeyCrime a Milano e strumenti internazionali come COMPAS e HART, evidenziandone i limiti, le zone d’ombra e la dipendenza dalla qualità dei dati. La parte centrale valuta l’influenza dei big data sulla criminologia predittiva, con particolare attenzione ai rischi connessi ai bias nei dataset e al pericolo di nuovi “determinismi”. Vengono individuate inoltre questioni delicate legate alla privacy e ai diritti delle persone. Al termine viene condotta un’analisi personale nella quale si ritiene che questi sistemi possano supportare la prevenzione e le indagini, ma solo con una supervisione umana, evitando che l’algoritmo sostituisca il giudizio umano.

The thesis examines how big data and artificial intelligence are transforming criminology, shifting attention from explaining the “why” of crime to anticipating it through probabilistic models. After outlining the historical development of the discipline and the statistical foundations of prediction, it discusses predictive policing and the main models used, which rely on specific algorithms to enhance security and prevent crime. It then presents real-world examples, including KeyCrime in Milan and international tools such as COMPAS and HART, highlighting their limitations, opaque aspects, and dependence on data quality. The central section assesses the impact of big data on predictive criminology, focusing on dataset bias and the risk of new forms of “determinism.” It also addresses sensitive issues related to privacy and individual rights. The thesis concludes with a personal assessment suggesting that these systems can support prevention and investigations, but only under meaningful human oversight, so that algorithms do not replace human judgment.