Lutte contre l'esclavage : la traite des êtres humains est la cible du projet de modélisation informatique du NCSU

Note de l'éditeur : chaque semaine, WRAL TechWire concentre ses Jeudi de l'innovation rapport sur les entreprises, les personnes et la technologie qui pourraient faire une grande différence dans notre avenir collectif.

+ + +

RALEIGH – Des chercheurs de l’Université d’État de Caroline du Nord ont collaboré avec une organisation de lutte contre la traite des êtres humains, Réseau mondial d'émancipation, pour développer des modèles informatiques pouvant aider à lutter contre la traite des êtres humains. Les modèles s'appuient sur des données accessibles au public pour identifier les entreprises de massage les plus susceptibles de violer les lois relatives au trafic sexuel et au trafic de main-d'œuvre.

"Il est bien établi que les entreprises de massage peuvent être utilisées comme couverture pour des opérations illégales impliquant du trafic sexuel et du trafic de main-d'œuvre", explique Margaret Tobey, titulaire d'un doctorat. étudiant à NC State et auteur correspondant d'un article sur le travail. « Cependant, la plupart des entreprises de massage sont légitimes. Et il est difficile pour les forces de l’ordre ou d’autres organisations de déterminer quelles entreprises sont légitimes et lesquelles servent de façade à des activités illégales.

[Contenu intégré]

"Notre objectif était de créer des outils statistiques qui pourraient aider les autorités compétentes à déterminer quelles entreprises présentent des facteurs de risque liés au trafic, afin qu'elles puissent déterminer sur quels sites concentrer leurs efforts d'enquête", explique Maria Mayorga, co-auteure de l'article et chercheuse. professeur au département Edward P. Fitts d'ingénierie industrielle et des systèmes de NC State.

«Nous voulions également nous assurer que les outils que nous avons développés sont suffisamment conviviaux pour être pratiques à la fois pour les forces de l'ordre et les organisations qui se concentrent sur l'aide aux victimes du trafic sexuel et du trafic de main-d'œuvre», explique Tobey.

Pour développer ces outils, les chercheurs ont d'abord interrogé les forces de l'ordre, des représentants du gouvernement et des experts d'organisations qui travaillent avec des survivants du trafic sexuel et du travail forcé. Les entretiens visaient à identifier les variables associées à une probabilité accrue qu'une entreprise de massage puisse se livrer à des activités illégales. Par exemple, les entreprises qui s’adressaient presque exclusivement à une clientèle masculine étaient plus susceptibles d’être associées au trafic sexuel.

Une fois que les chercheurs ont identifié une série de variables pertinentes, ils ont recherché des sources de données accessibles au public liées à ces variables. Par exemple, les sites d’avis clients en ligne ont permis aux chercheurs d’estimer la proportion d’hommes parmi les clients d’une entreprise. D'autres sources de données comprenaient des données de recensement sur le quartier où se trouvait une entreprise, la proximité géographique de diverses autres entreprises et centres de transport, etc.

En fin de compte, les chercheurs ont développé deux modèles informatiques qui fournissent aux utilisateurs des scores de probabilité sur la probabilité qu'une entreprise de massage donnée se livre à des activités illégales.

"Nous avons formé et validé ces modèles à l'aide de données provenant de Floride et du Texas, car nous avons pu collecter des ensembles de données robustes dans ces États", explique Tobey. "Nous avons constaté que chaque modèle possédait des atouts susceptibles de plaire à différents utilisateurs en fonction de leurs objectifs."

Un modèle – appelé modèle de score de risque – comportait moins de faux positifs, ce qui signifie que si le modèle indiquait qu'une entreprise était susceptible de se livrer à des activités illégales, il était plus susceptible d'être correct. Mais ce modèle était également plus susceptible de répertorier certaines entreprises illicites comme légitimes.

En revanche, le deuxième modèle – appelé modèle d’arbre de décision – présentait moins de faux négatifs. En d’autres termes, si le modèle d’arbre de décision indiquait qu’il était peu probable qu’une entreprise se livre à des activités illégales, il était plus probable qu’il soit correct. Mais il était également plus susceptible de classer les entreprises légitimes comme suspectes.

"C'est un compromis", dit Tobey. « Si vous disposez de ressources très limitées, vous souhaiterez probablement utiliser le modèle de score de risque, car vous êtes plus susceptible de trouver des entreprises engagées dans des activités illégales. Cependant, vous risquez également d’en manquer. Si vous disposez de suffisamment de ressources, vous souhaiterez probablement utiliser le modèle d’arbre de décision, car vous risquez moins de manquer une opération illégale.

« En fin de compte, ces deux modèles peuvent être utilisés par les parties concernées pour prioriser les entreprises qui méritent une enquête. »

Les chercheurs sont actuellement en train de développer un outil d'aide à la décision convivial qui peut être déployé auprès des forces de l'ordre et des organisations à but non lucratif pour faciliter les enquêtes sur le trafic sexuel et humain.

"Nous sommes optimistes que cet outil pourra responsabiliser les victimes de la traite, améliorer la sécurité publique et contribuer au développement de politiques publiques fondées sur des preuves qui abordent ces problèmes", déclare Sherrie Caltagirone, co-auteure du document et directrice exécutive du Global Emancipation Network. .

Le papier, "Modèles interprétables pour la détection automatisée de la traite des êtres humains dans les entreprises de massage illicites, »Est publié dans la revue Transactions IISE. L'article a été co-écrit par Ruoting Li, titulaire d'un doctorat. étudiant à NC State ; et Osman Özaltın, professeur agrégé au département Edward P. Fitts d'ingénierie industrielle et des systèmes de NC State.

Le travail a été réalisé avec le soutien de la National Science Foundation, sous le numéro de subvention 1936331.

(C) NCSU