استثمار الإحصاءات الجنائية للتنبؤ بقيم الجريمة من خلال السلاسل الزمنية

Wadhah Alheni; Slim Masmoudi

doi:10.35516/hum.v52i2.6071

المؤلفون

Wadhah Alheni قسم علم الإجرام، كلية علوم الجريمة، جامعة نايف العربية للعلوم الأمنية، الرياض، المملكة العربية السعودية. https://orcid.org/0009-0004-2468-8943
Slim Masmoudi قسم الوقاية من الجريمة، كلية علوم الجريمة، جامعة نايف العربية للعلوم الأمنية، الرياض، المملكة العربية السعودية. https://orcid.org/0000-0001-8835-4943

DOI:

https://doi.org/10.35516/hum.v52i2.6071

الكلمات المفتاحية:

اتجاهات الجريمة، الإحصاء الجنائي، بوكس جينكينز، التنبؤ، السلاسل الزمنية

الملخص

الأهداف: هدفت الدراسة الحالية إلى تحديد الاتجاه العام للجريمة في ولاية سوسة التونسية خلال إحدى عشر عامًا من يناير 2011 إلى غاية ديسمبر 2021، والتنبؤ بقيمها خلال الستة والثلاثين شهرا اللّاحقة، قصد استشراف توجهاتها المستقبلية، وتفسير ذلك. وقد تمثلت مشكلة الدراسة في استثمار الإحصاءات الجنائية لإيجاد نموذج إحصائي ملائم لتحديد الاتجاه العام للجريمة في هذه الولاية واستشراف توجهاتها المستقبلية.

المنهجية: استخدمت الدراسة الحالية المنهج الوصفي التحليلي، واعتمدت برامج الحزمة الإحصائية للعلوم الاجتماعية SPSS V.21 وبرنامج Eviews V.13 لتحليل السلسلة الزمنية على طريقة Box-Jenkins لإجمالي الجرائم في ولاية سوسة، البالغ عددها 155829 جريمة من 2011 إلى 2021 بمتوسط 14166 جريمة سنويا، وتحديد النموذج المناسب واستخدامه للتنبؤ بالقيم المستقبلية.

النتائج: بيّنت النتائج أن الاتجاه العام للجرائم في سوسة في تزايد مطرد. كما توصلت عملية تحليل السلسلة الزمنية لإجمالي الجرائم بالولاية إلى تحديد النموذج الأمثل والمتمثل في SARIMA (3,1,2) (0,1,1)₁₂ الذي تم اعتماده في توليد التنبؤات المستقبلية لإجمالي الجرائم إلى نهاية سنة 2024. وأظهرت مركبة الاتجاه العام للسلسلة المتنبئ بها انخفاضًا في قيم الجريمة عبر الزمن. وتم تفسير هذ الانخفاض بالاستقرار السياسي والأمني الذي تعيشه البلاد التونسية.

الخلاصة: أثبتت الدراسة الحالية أن السلاسل الزمنية باستخدام طريقة بوكس جنكينز تعد من أفضل وأدق طرائق البحث الإحصائي في تقدير القيم المستقبلية على المدى المتوسط والقصير لبعض الظواهر الاجتماعية كالجريمة. واختتمت الدراسة الحالية بتوصيات تخدم صانعي القرار الأمني وتعزز السياسات والخطط الأمنية. ومن بين هذه التوصيات، الحاجة إلى مزيد العمل على استخدام السلاسل الزمنية كأداة لدراسة اتجاهات الظواهر الإجرامية والتنبؤ بها في الدول العربية.

التنزيلات

بيانات التنزيل غير متوفرة بعد.

المراجع

Bourbonnais, R. (2018). Économétrie: Cours et exercices corrigés. Paris: Dunod.

Galbraith, C. (2020). Statistical Methods for the Forensic Analysis of User-Event Data. University of California, Irvine.

GI-TOC. (2023). Global Organized Crime Index 2023. 1-246.

INTERPOL. (2022). Interpol Global Crime Trend Summary Report. 1-12.

Jenkins, G. E. (1976). Time Series Analysis: Forecasting and Control (5th ed.). Minneapolis: Holden-Day.

Jha, S. (2020). Comparative analysis of time series model and machine testing systems for crime forecasting. Neural Computing & Applications, 33, 10621-10636

Maguire, M., & McVie, S. (2017). Crime data and criminal statistics: A critical reflection, 1, 163-189. Oxford: Oxford University Press.

Masmoudi, S. (2022). Recent trends in crime prevention: how are the classical approaches renewed in the digital era? Arab Journal of Forensic Sciences & Forensic Medicine, 2(4), 193-167.

Rezaee, Z., Dorestani, A., & Aliabadi, S. (2018). Application of time series analyses in forensic accounting. International Journal of Forensic Sciences, 3(3), 1-11.

Rousseeuw, P., Perrotta, D., Riani, M., & Hubert, M. (2019). Robust monitoring of time series with application to fraud detection. Econometrics and statistics, 9, 108-121.

Sarpong, S. (2012, June). Time-Series Analysis of Crimes in Upper East Region of Ghana. SPIRI. Tamale: University for Development Studies.

Thomas, A., & Sobhana, N. V. (2022). A survey on crime analysis and prediction. Materials Today: Proceedings, 58, 310-315.

UN. (2017). World crime trends and emerging issues and responses in the field of crime prevention and criminal justice. E/CN.15/2017/10.

Utomo, P., & Fanani, A. (2020). Forecasting the Number of Train Passengers in Indonesia Using Methode Seasonal Autoregressive Integrated Moving Average (SARIMA). Jurnal Mahasiswa Matematika ALGEBRA, 1(1), 169-178.

Weisburd, D., Wooditch, A., Britt, C., Wilson, D. B. (2022). Advanced Statistics in Criminology and Criminal Justice. Suisse: Springer International Publishing.

Zhai, Y., Lv, H., & Ding, N. (2023). Trend analysis and prediction of heritage crime in China using prophet model. International Conference on Statistics, Data Science, and Computational Intelligence (CSDSCI 2022) , 12510, 312-317.