Uno studio pionieristico utilizza il Machine Learning per la violenza domestica per mappare i diversi profili degli autori di violenza domestica, rivelando gruppi finora invisibili e indicando priorità per interventi mirati.
Un innovativo studio interdisciplinare, pubblicato su Policing: A Journal of Policy and Practice, ha utilizzato tecniche di machine learning non supervisionato per analizzare i dati della polizia dell’Essex (Regno Unito) e tracciare una mappa dettagliata dei profili degli autori di violenza domestica. La ricerca, condotta da Katerina Hadjimatheou e colleghi, ha esaminato oltre 40.000 sospetti all’interno di un dataset longitudinale (2016–2020), facendo emergere strutture latenti e tipologie di abuso che non risultavano evidenti nelle analisi tradizionali.
Il metodo: lasciare che i dati “parlino” da soli
A differenza di molti studi precedenti, basati su apprendimento supervisionato (ad esempio per prevedere la recidiva), l’approccio adottato è di tipo esplorativo. Attraverso algoritmi di clustering gerarchico sono state analizzate simultaneamente dodici variabili relative a sospetti, vittime e incidenti (tra cui tipo di reato, relazione, età, genere, livello di rischio e numero di vittime), consentendo il raggruppamento automatico dei soggetti in cluster omogenei internamente ma distinti tra loro.
Questo metodo di Machine Learning per la violenza domestica, privo di ipotesi preconcette, ha permesso di individuare pattern latenti nei dati di polizia, offrendo una “fotografia di base” del fenomeno a livello locale.
Cluster e profili degli autori di violenza domestica
L’analisi ha identificato tre principali gruppi di sospetti, ciascuno con caratteristiche specifiche.
1. Violenza di coppia maschile ripetuta e seriale (45% dei casi)
Profilo: uomini bianchi, cittadini britannici, con un numero elevato di reati (oltre cinque) e più vittime (più di due). La violenza è prevalentemente fisica ed esercitata contro partner intime di sesso femminile.
Sottogruppo critico: un cluster specifico comprende sospetti e vittime più giovani della media (sotto i 32 anni), con episodi valutati a rischio medio-alto. Questo profilo giovanile non era precedentemente emerso nei radar dei servizi locali.
2. Violenza di coppia femminile (12,5% dei casi)
Profilo: donne bianche, cittadine britanniche, che agiscono violenza nei confronti di partner intimi maschili. Gli episodi si distribuiscono in modo equilibrato tra reati violenti e “non-reati” o reati di ordine pubblico. Il livello di rischio è più frequentemente classificato come “standard” rispetto ai cluster maschili.
Dato rilevante: tra il 60% e il 70% delle sospette in questo gruppo risulta anche vittima in altri episodi registrati, suggerendo dinamiche complesse quali violenza difensiva, resistenza violenta, abuso situazionale o contro-denunce.
3. Abuso familiare ripetuto e seriale (11,5% dei casi)
Profilo: sospetti mediamente più giovani che abusano di vittime più anziane. Solo il 10% dei casi rientra nella violenza di coppia, indicando una prevalenza di abuso in ambito familiare (ad esempio figlio-genitore). È elevata la percentuale di soggetti con numerosi reati e più vittime. Il 65% dei sospetti è di sesso maschile, mentre l’80% delle vittime è di sesso femminile.
Caratteristica distintiva: un’alta incidenza di “non-reati” e reati di ordine pubblico, che suggerisce la presenza di abusi verbali, emotivi o finanziari.
Raccomandazioni operative e applicazioni investigative
I risultati del Machine Learning per la violenza domestica evidenziano priorità per interventi mirati e supporto specializzato.
Priorità 1: interventi rivolti ai giovani
Il cluster di giovani autori e vittime ad alto rischio evidenzia una carenza di prevenzione e supporto specialistico per gli under 25 nell’Essex. Emergerebbe la necessità di IDVA specializzati per giovani e di programmi di prevenzione precoce in ambito scolastico.
Priorità 2: supporto per autrici femminili e vittime maschili
Il cluster femminile mette in luce la mancanza di servizi basati su evidenze scientifiche per le donne che agiscono violenza e per le vittime maschili. I programmi pensati per uomini autori di reato risultano inadeguati. Lo studio suggerisce:
- programmi di intervento specifici e informati sul trauma per le autrici femminili;
- maggiore formazione per polizia e servizi di probation, al fine di distinguere tra violenza primaria, resistenza violenta e contro-denunce;
- servizi di supporto locali dedicati alle vittime maschili.
Priorità 3: comprendere l’abuso familiare
Il cluster di abuso familiare, probabilmente riconducibile a dinamiche figlio-genitore, richiede ulteriori approfondimenti per chiarire fattori di rischio come salute mentale e uso di sostanze. Lo studio suggerisce l’integrazione di screening per la violenza domestica nelle valutazioni dei servizi di giustizia minorile.
Conclusioni sul Machine Learning per la violenza domestica
Questa ricerca dimostra come il Machine Learning per la violenza domestic possa rappresentare una risorsa rilevante per le forze di polizia e per gli enti locali, offrendo una solida base empirica per:
- comprendere la reale estensione e le molteplici forme della violenza domestica in un territorio;
- individuare lacune conoscitive e operative nei servizi, come nel caso dei giovani e delle autrici femminili;
- orientare in modo più efficace l’allocazione delle risorse e la progettazione degli interventi;
- avviare ricerche successive più mirate.
Lo studio condotto nell’Essex propone dunque un modello replicabile per trasformare i big data della polizia in conoscenza operativa, favorendo il passaggio da risposte generiche e reattive a interventi proattivi, mirati e basati sulle evidenze.
Dalla ricerca all’attività investigativa
Studi come quello condotto da Hadjimatheou et al. mostrano come l’analisi avanzata dei dati e l’intelligenza artificiale possano contribuire a una comprensione più profonda dei fenomeni di violenza domestica, andando oltre categorie rigide e semplificazioni. Anche nell’attività investigativa privata, un approccio basato sull’analisi strutturata delle informazioni, sull’osservazione dei pattern comportamentali e sulla valutazione del contesto relazionale è essenziale per ricostruire situazioni complesse e fornire elementi utili in ambito giudiziario.
L’agenzia Lumen Investigazioni opera in questa direzione, integrando strumenti investigativi tradizionali con metodologie analitiche avanzate, nel pieno rispetto della normativa vigente e della tutela delle persone coinvolte. La comprensione delle diverse dinamiche della violenza domestica – incluse quelle meno evidenti o atipiche – rappresenta un passaggio fondamentale per supportare avvocati, consulenti e autorità competenti con informazioni accurate, documentate e contestualizzate.
Lumen Investigazioni è un’agenzia investigativa con sede a Milano, specializzata in indagini private, aziendali e penali basate su metodo scientifico e ricerca.