编辑推荐：
2021年首届NOMIS & Science Young Explorer奖得主迪恩·诺克斯(Dean Knox)认为，在识别和解决执法中种族差异方面缺乏进展，部分原因是记录保存不一致，以及对不完整数据的误导性统计分析。在他获奖的文章中，诺克斯阐述了将新工具和统计技术应用于不完善数据的价值，以揭示警察中种族偏见的程度和严重程度。尽管美国几十年来发生的针对少数族裔的过度暴力事件备受瞩目，警察改革的呼声也越来越高，但许多政策制定者和学者仍在努力理解这一问题的本质。诺克斯表示，目前迫切需要新的方法来理解监管数据的意义，因为这些数据通常充斥着不准确、选择性报告和误导性信息。此外，大部分警察与平民互动的数据是由警察机构自己收集和共享的，许多互动没有向公众报告。使用这些不完美或有偏见的数据可能会导致矛盾的结果，并削弱我们对警务的理解。在这里，Knox展示了如何应用因果推理——一个日益重要的统计子领域，关注数据的可能解释范围，而不是单一的因果结果——来理解有问题的监管数据。在其他具有类似数据挑战的学科中，因果推理框架在这些方面被证明是无价的。然而，根据诺克斯的说法，在警务研究中，仔细的因果分析仍然是例外，而不是规则。
2021年首届NOMIS & Science Young Explorer奖得主迪恩·诺克斯(Dean Knox)认为，在识别和解决执法中种族差异方面缺乏进展，部分原因是记录保存不一致，以及对不完整数据的误导性统计分析。在他获奖的文章中，诺克斯阐述了将新工具和统计技术应用于不完善数据的价值，以揭示警察中种族偏见的程度和严重程度。尽管美国几十年来发生的针对少数族裔的过度暴力事件备受瞩目，警察改革的呼声也越来越高，但许多政策制定者和学者仍在努力理解这一问题的本质。诺克斯表示，目前迫切需要新的方法来理解监管数据的意义，因为这些数据通常充斥着不准确、选择性报告和误导性信息。此外，大部分警察与平民互动的数据是由警察机构自己收集和共享的，许多互动没有向公众报告。使用这些不完美或有偏见的数据可能会导致矛盾的结果，并削弱我们对警务的理解。在这里，Knox展示了如何应用因果推理——一个日益重要的统计子领域，关注数据的可能解释范围，而不是单一的因果结果——来理解有问题的监管数据。在其他具有类似数据挑战的学科中，因果推理框架在这些方面被证明是无价的。然而，根据诺克斯的说法，在警务研究中，仔细的因果分析仍然是例外，而不是规则。
科学
揭示种族偏见
5 - 11月- 2021
生物通微信公众号
生物通 版权所有
