Incidentes Asociados
Evaluamos los impactos de la adopción de evaluaciones de riesgo algorítmicas como una ayuda para la discreción judicial en la sentencia por delitos graves. Encontramos que las decisiones de los jueces están influenciadas por el puntaje de riesgo, lo que lleva a sentencias más largas para los acusados con puntajes más altos y sentencias más cortas para aquellos con puntajes más bajos. Sin embargo, a pesar de las instrucciones explícitas de que se suponía que la evaluación de riesgos reduciría la población carcelaria, no hubo una reducción neta en el encarcelamiento. Tampoco detectamos ningún beneficio de seguridad pública de su uso. Documentamos disparidades raciales tanto en la puntuación de riesgo como en su aplicación: es más probable que los jueces sigan las recomendaciones de clemencia asociadas con la puntuación de riesgo para los acusados blancos que para los negros. Sin embargo, las sentencias en Virginia ya eran bastante dispares racialmente y el uso de la evaluación de riesgos no exacerbó ni mejoró las diferencias. Sin embargo, la evaluación de riesgos aumentó las sentencias relativas para los jóvenes acusados. Exploramos varias teorías sobre la interacción hombre-máquina para comprender mejor nuestros resultados: objetivos en conflicto, aprendizaje a través del uso, adoptantes versus no adoptantes y uso ineficaz de la información.
Palabras clave: evaluación de riesgos, algoritmos, sentencia