KFN-MethodLab Herbst-/Wintertagung

 

Die Kriminologie durchläuft, wie viele empirische Disziplinen, einen tiefgreifenden Wandel durch den Einsatz computergestützter Methoden. Die Techniken maschinellen Lernens ermöglichen die Exploration großer unstrukturierter Datenmengen und können wichtige Anstöße für die Grundlagenforschung und die Präzisierung diagnostischer und prognostischer Instrumente zu geben. Durch die Identifikation verborgener Muster können sich einerseits neue Wege für die kriminologische Modellbildung und Überprüfung von Theorien ergeben und Forschende können durch die Simulation komplexer sozialer Phänomene spezifische Hypothesen testen und erklärende Mechanismen weiter verstehen lernen. Zudem tragen diese Methoden zu einem besseren Verständnis der Eigenschaften von Messinstrumenten und spezifischen Analyseproblemen bei. Im besten Fall liefern computergestützte Methoden somit wichtige Bausteine für eine theoriegeleitete Erklärung von Kriminalität sowie auch Einsichten in die Optimierung evidenzbasierter Präventions- und Interventionsstrategien.

Zum Zweck des Austauschs über die vielfältigen Möglichkeiten, die sich aus den datengetriebenen und computergestützten Analysetechniken für die kriminologische (Grundlagen-)Forschung und Praxis ergeben, lädt das Kriminologische Forschungsinstitut Niedersachsen e.V. (KFN) zu einer Tagung ein.

Aufgrund der positiven Resonanz zur KFN-MethodLab Herbst-/Wintertagung “Maschinelles Lernen und computergestützte Methoden in der Kriminologie” und des gleichzeitig sehr begrenzten Platzangebots am KFN haben wir uns dazu entschieden, die Tagung vollständig online abzuhalten und auf einen Tag zu beschränken – Montag, den 2. Dezember 2024. Die Teilnahme an der Tagung ist kostenlos.

 

– Ablauf der Tagung –

02.12.2024
10:00-10:15 Begrüßung
10:15-11:00 „Model-Based Tree Algorithms“ und die itembasierte Analyse von Messinvarianz in ländervergleichenden Studien

Seddig, Leitgöb, Classe

11:00-11:45 A study on the impact of open doors: Kontrolle von Selektionseffekten mit Hilfe von Conditional Inference Forests und Statistical Balancing bei der Analyse des Effektes von vollzugsöffnenden Maßnahmen auf die Rückfälligkeit

Neumann, Schüttler, Klatt

11:45-12:30 Vorhersage des Zielerreichungsgrades vollzuglicher Behandlungsmaßnahmen bei inhaftierten Frauen mittels Multi-Layer Perceptron und nichtlinearer Regression

Stegl

12:30-13:30 Mittagspause
13:30-14:15 Beyond Proximity: Investigating Crime with Organic Neighborhoods and a Two-Stage Unsupervised Learning Approach

Ostermann

14:15-15:00 Computing Crime. Anwendungsbeispiele computergestützter Methoden in der Kriminalistisch-Kriminologischen Forschungsstelle des Landeskriminalamtes Nordrhein-Westfalen

Seidensticker

15:00-15:15 Kaffeepause
15:15-16:00 Topic-Modeling von 84.484 YouTube-Kommentaren zum Thema „Clankriminalität“

Boll, Pullen

16:00-16:45 Improved mass analysis of communication analysis in official reports through deep syntactic and semantic analysis

Foth, Hestermann

16:45-17:00 Verabschiedung