获奖者的论文展示了因果推论如何可以理解有偏见的警务数据

2021年首届NOMIS与科学青年探索奖的获得者，Dean Knox，主张在识别和解决执法中的种族差异方面缺乏进展，部分原因在于记录保存的不一致和对不完整数据的误导性统计分析。在他的获奖论文中，Knox说明了将新工具和统计技术应用于不完美的数据以揭示警务中种族偏见的程度和严重程度的价值。尽管数十年来美国针对少数族裔的过度武力事件备受瞩目，并且对警察改革的要求不断提高，但许多政策制定者和学者仍难以理解问题的性质。据 Knox 称，这迫切需要新方法来理解警务数据，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，大多数关于警民互动的数据是由警察机构自己收集和分享的，许多互动没有向公众报告。使用此类不完善或有偏见的数据可能会导致相互矛盾的结果，并且破坏我们对警务的理解。在这里，Knox展示了如何应用因果推论（一个越来越重要的统计学子领域，注重于数据的可能解读范围，而不是单一的因果结果）可以被用来理解有问题的警务数据。在具有类似数据挑战的其他学科中，因果推理框架已被证明对这些目标非常宝贵。然而，根据Knox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。