Predicción de la violencia local en Liberia

Predicción de la violencia local en Liberia

Plantilla G Bloques de contenido
Subeditor

Resumen

Muchos países que salen de un conflicto sufren altas tasas de delincuencia, violencia y disturbios. Los sistemas de alerta temprana, si son viables, ayudarían a la policía y al personal de mantenimiento de la paz a anticipar la violencia antes de que suceda. Pero, ¿es posible predecir dónde ocurrirá la violencia? En respuesta a esta pregunta, los investigadores construyeron un modelo estadístico basado en datos recopilados por IPA durante cuatro años en las áreas más propensas a conflictos de Liberia. El modelo predijo correctamente el 88 por ciento de la violencia dentro de dos años, aunque a expensas de muchas predicciones incorrectas de que ocurriría la violencia. El estudio también encontró que de los 56 factores de riesgo potenciales, solo un puñado predijo consistentemente la violencia a lo largo del tiempo, especialmente la diversidad étnica y la polarización. El estudio debe replicarse para determinar si estos resultados se generalizan más allá de estas comunidades y períodos de tiempo.

Tema de política

Los estados débiles y devastados por la guerra son especialmente vulnerables a la violencia y la inestabilidad política. Los gobiernos frágiles generalmente se quedan cortos en la prestación de servicios a los ciudadanos, en el control de la corrupción y en responsabilizar a los infractores de la ley, y muchos castigos por malas acciones ocurren fuera de la ley.1  En entornos posteriores a un conflicto, los gobiernos a menudo concentran sus esfuerzos y recursos en las comunidades que se perciben como de alto riesgo de violencia en base a su historia pasada. En algunos entornos, esta puede ser una regla práctica sensata. Sin embargo, ¿es la violencia previa el mejor predictor de la violencia futura? ¿Qué factores de riesgo, si los hay, predicen la violencia futura? Responder a estas preguntas podría ayudar en el desarrollo de sistemas de alerta temprana que identifiquen puntos críticos y anticipen la violencia antes de que ocurra. Dichos sistemas podrían ayudar a la policía y las fuerzas de mantenimiento de la paz a asignar recursos escasos a los lugares que más los necesitan.

Contexto de la Evaluación

En 2014, Liberia celebró más de una década de paz tras 14 años de guerra civil. Sin embargo, los incidentes de violencia local continúan amenazando la vida y la propiedad, e incluso las disputas aparentemente a pequeña escala se salen fácilmente de control. Si bien la violencia ha disminuido constantemente desde 2008, la disminución se ha desacelerado en los últimos dos años y la prevalencia de la violencia sigue siendo de moderada a alta. Diecisiete por ciento de las comunidades en este estudio sufrieron al menos un incidente desestabilizador de violencia en 2012.

Detalles de la Intervención

Los investigadores probaron la viabilidad de un sistema de alerta temprana para predecir la violencia en Liberia utilizando datos recopilados en tres oleadas (2008, 2010 y 2012) de 242 pueblos y aldeas de Liberia en tres condados propensos a conflictos: Lofa, Nimba y Grand Gedeh. Los investigadores, de la Universidad de Columbia y la Universidad de Yale, se centraron en las formas más desestabilizadoras de violencia local:2 huelgas y protestas violentas, enfrentamientos violentos entre etnias, asesinatos, violaciones, peleas o agresiones con armas y castigos extrajudiciales.  

En cada año de encuesta, IPA entrevistó un promedio de 20 residentes seleccionados al azar por comunidad y cuatro líderes locales seleccionados no al azar, generalmente un jefe de pueblo, un líder juvenil, un líder de grupo minoritario y un líder de grupo de mujeres. IPA recopiló datos sobre siete tipos de violencia y 56 factores de riesgo potenciales, incluidos datos demográficos, disponibilidad de servicios sociales, presencia de recursos naturales, exposición a la violencia en tiempos de guerra e incidencia de impactos económicos adversos, como sequías e inundaciones.

Los investigadores utilizaron las dos primeras oleadas de datos de encuestas, de 2008 y 2010, y una variedad de técnicas estadísticas diferentes para construir modelos para predecir la violencia. Luego usaron los modelos para generar predicciones sobre dónde era más probable que ocurriera la violencia dos años después, en 2012. Luego, en 2012, IPA recopiló datos de las mismas 242 comunidades para ver dónde había ocurrido realmente la violencia, y los investigadores compararon los modelos. predicciones a la realidad.

Los modelos se diseñaron intencionalmente para predecir en exceso la violencia, ya que si un modelo predijo que la violencia ocurriría en algún lugar y no sucedió, el costo podría ser el desperdicio de recursos (por ejemplo, de enviar a la policía de manera preventiva a un área). Mientras que, si un modelo predijo que la violencia no ocurriría y ocurrió, la consecuencia podría ser la pérdida de vidas, la destrucción de propiedad y tensiones persistentes entre grupos. Para gestionar esta compensación, el objetivo de los investigadores era maximizar las predicciones correctas de violencia ("verdaderos positivos"), manteniendo al mismo tiempo una tasa de precisión de al menos el 50 por ciento.

Resultados y lecciones de política

La el mejor El modelo estadístico predijo correctamente el 88 por ciento de la violencia dentro de dos años, aunque este desempeño tuvo un alto precio en términos de predicciones excesivas. El modelo predijo la violencia cuatro veces más a menudo de lo que ocurrieron los incidentes reales.Los investigadores creen que con más investigación, este modelo o uno similar puede mejorarse, generando menos "falsos positivos" y prediciendo correctamente la mayoría de los incidentes reales de violencia.

El modelo también encontró cinco factores de riesgo de 56 que predijeron la violencia de manera confiable:

1)    Reparto del poder, medido por un indicador de si las tribus y religiones minoritarias están o no representadas en el liderazgo local

2)    Población de la ciudad

3)    Polarización étnica, medido como la proporción de residentes que describen a otros grupos étnicos como “violentos”

4)    Diversidad étnica, medido como la proporción de residentes que pertenecen al grupo étnico mayoritario en la ciudad

5)    Acción colectiva, medido como la proporción de residentes que reportan contribuir con dinero o trabajo a las instalaciones públicas

La violencia era más probable que ocurriera en comunidades que eran más grandes, más diversas y más polarizadas. Más sorprendente para los investigadores, la violencia también era más probable cuando múltiples grupos étnicos y religiones estaban representados en el liderazgo local (es decir, poder compartido). De hecho, compartir el poder a nivel local fue el mejor predictor individual de violencia en el mejor modelo. Sin embargo, es importante señalar que este hallazgo es una correlación, no evidencia de que compartir el poder cause conflicto. (Uno debe considerar que compartir el poder a veces es el resultado de negociaciones posteriores a un conflicto, por ejemplo). Investigar las raíces de esta correlación debe ser una prioridad para futuras investigaciones.

Si bien no está claro si estos modelos funcionarían bien en otros períodos o entornos,los resultados sugieren que los modelos estadísticos relativamente simples para predecir la violencia pueden ser factibles. Los investigadores y profesionales de la consolidación de la paz deben replicar ejercicios similares para identificar qué factores de riesgo, si los hay, predicen de manera confiable la violencia en diferentes períodos y entornos. La replicación ayudará a desarrollar sistemas de alerta temprana rápidos, efectivos y de bajo costo para el futuro.

Fuentes

[ 1 ] Banco Mundial. “Estados frágiles: buenas prácticas en las estrategias de asistencia a los países." 

[ 2 ] Los investigadores identificaron las formas más desestabilizadoras de violencia local a través de una combinación de investigación cualitativa formal (p. ej., entrevistas con líderes locales) y conversaciones informales con actores de consolidación de la paz.

 

02 de diciembre de 2014