Vietnam luncurkan kartu identitas berbasis chip untuk warga – OpenGov Asia

Komisi Hukuman Pidana Ohio adalah sebuah pekerjaan Dengan University of Cincinnati untuk membangun Ohio Governance Data Platform (OSDP). OSDP dirancang untuk membantu hakim menerapkan masukan penilaian standar dan metode keyakinan dan untuk memberdayakan pengadilan dengan informasi yang dapat diakses dan dapat diandalkan. OSDP akan mencapai tujuan yang meliputi: menggunakan data untuk menginformasikan pengambilan keputusan; meningkatkan transparansi; Membuat data tersedia untuk publik, praktisi dan penelitian.

Pengumpulan data putusan dalam basis data yang komprehensif dan dapat ditelusuri akan menginformasikan proses pengambilan keputusan dan memberi hakim alat dan informasi yang dibutuhkan untuk menegakkan hukuman sesuai dengan tujuan dan prinsip penilaian pidana..

Pengadilan, kota, dan pembuat kebijakan tingkat negara bagian dapat menggunakan data ini untuk membuat keputusan yang masuk akal dan hemat biaya, mempromosikan penggunaan sumber daya yang cerdas dan efisien, dan memastikan tanggapan yang proporsional dan terukur. Selain itu, mengandalkan data menciptakan peluang untuk memantau dan mengevaluasi hasil dari perubahan tersebut, untuk menentukan apakah efek yang diinginkan telah tercapai, dan untuk mengevaluasi konsekuensi yang tidak diinginkan.

OSDP akan membuat format data standar untuk menyusun dan melacak hukuman pidana di 88 negara bagian Ohio. Dibuat dengan $800.000 dalam pendanaan pengadilan, database akan memungkinkan pengguna untuk membandingkan hukuman di seluruh negara bagian dan melihat demografi yang lebih luas dari mereka yang telah dijatuhi hukuman untuk mengidentifikasi perbedaan berdasarkan ras atau pendapatan, misalnya.

Kita yang memiliki tugas untuk memimpin dan berpartisipasi dalam sistem peradilan pidana memiliki kewajiban untuk memastikan bahwa ada kepercayaan publik terhadap sistem itu dan bahwa sistem itu memberikannya. Keadilan yang beragam untuk semua. Mengumpulkan data akan membuat ini terjadi.

— Maureen O’Connor, Ketua Mahkamah Agung Negara Bagian Ohio

Sejauh ini, 34 dari 244 hakim banding negara telah memilih program tersebut, yang mengharuskan mereka untuk mengisi formulir rinci untuk hukuman mereka. Lebih banyak hakim terdaftar setiap minggu. Platform ini merupakan langkah pertama dalam menyediakan informasi yang dapat diakses dan dicari oleh hakim yang membuat keputusan hukuman dan meningkatkan transparansi dan aksesibilitas bagi publik, jurnalis, dan peneliti.

Menyediakan praktisi sistem peradilan, termasuk hakim, pengacara, dan pejabat pengadilan, dengan informasi terbaik yang tersedia untuk digunakan selama proses hukuman tanpa beban administrasi atau keuangan, memungkinkan mereka untuk melakukan tugas pelayanan publik mereka dengan cara yang paling efektif.

Sampai saat ini, Ohio tidak memiliki indeks hukuman pusat, sehingga sulit untuk menemukan berapa banyak orang yang dijatuhi hukuman kejahatan tertentu pada tahun tertentu, hukuman untuk setiap kejahatan, dan berapa banyak yang dijatuhkan sebagai hasil dari tawar-menawar pembelaan. atau sejumlah Pelanggar yang ditempatkan di bawah pengawasan masyarakat.

Proyek OSDP berbasis data dirancang untuk “menceritakan kisah” hukuman di Ohio dengan memberikan pemahaman dan analisis sistem peradilan pidana dengan menyediakan informasi yang dapat diakses di seluruh negara bagian tentang hasil hukuman.

Seperti dilansir OpenGov Asia, sistem peradilan, bank, dan perusahaan swasta menggunakan algoritme untuk membuat keputusan yang berdampak besar pada kehidupan masyarakat. Sayangnya, algoritme ini terkadang bias — secara tidak proporsional memengaruhi orang kulit berwarna serta individu dalam kelompok berpenghasilan rendah saat mengajukan pinjaman atau pekerjaan, atau bahkan ketika pengadilan memutuskan jaminan apa yang harus ditetapkan saat seseorang menunggu persidangan.

Peneliti AS telah mengembangkan bahasa pemrograman kecerdasan buatan (AI) baru yang dapat menilai keadilan algoritme lebih akurat dan lebih cepat daripada alternatif yang tersedia. Sum-Product Language (SPPL) adalah sistem pemrograman probabilistik.

SPPL menunjukkan bahwa inferensi probabilistik yang tepat adalah praktis, tidak hanya layak secara teoritis, untuk kelas program probabilistik yang luas. Para peneliti menerapkan SPPL ke program probabilistik yang dipelajari dari database dunia nyata, untuk menentukan kemungkinan kejadian langka, menghasilkan data proxy sintetis karena kendala, dan secara otomatis memindai data untuk potensi anomali.