113年自體研究案,顧以謙等,以再犯預防為導向之AI 人工智慧毒品施用犯罪 大數據應用分析計畫(第 2 期) -兼評估各地方檢察署多元處遇方案協力計畫
- 發布日期:
- 最後更新日期:114-02-07
- 資料點閱次數:213
為配合「新世代反毒策略行動綱領第三期」之實施,司法官學院犯罪防治研究中心(後稱本中心),在113年以自然語言分析,從毒品施用犯罪司法書類中萃取多元處遇與分流因子,建構符合科學證據之機器學習模型,作為毒品施用、預測再犯之研究與評估工具並提出再犯預防策略。另外,為增廣研究效益,第二期研究計畫內容,除聚焦於全國近 5 年毒品施用犯罪不起訴與觀察勒戒、強制戒治裁定書等司法書類進行自然語言分析外,亦與臺灣高等檢察署(後稱臺高檢署)「施用毒品個案強化支持全人康復推進計畫」協力合作,從建構分層、分流、分類之個別化處遇的科學實證數據著力,協助資料蒐集並進行各地方檢察署(後稱地檢署)提出之「毒品個案多元處遇方案」成效評估分析。本研究結果有幾點重要發現,首先,在緩起訴附命戒癮治療的效果評估中,完成處遇者的 2 年與5 年內再犯率均顯著降低,分別從新世代反毒策略 1.0前的29.3%和 44.4%下降至 24.6%和35.0%,顯示該政策推行對穩定復歸具有正面影響。在評估多元處遇成效方面,前、後測分析指出參與者的「壓力分量表」分數下降達顯著,部分負面情緒指標緩解。同時,透過決策樹分析,本研究發現生活滿意度為影響治療效果與經濟效益的關鍵變項,高生活滿意度且壓力指標較低的群體展現出最高的投資報酬率(ROI = 40.3%)。然而,低生活滿意度且高壓力的群體(ROI = -6.1%)則顯示現行策略對該群體的效能不足。此外,研究亦針對毒品施用與衍生性犯罪之關聯性進行分析,結果顯示施用毒品後從事財產或暴力犯罪的機率偏低,僅有少數個案涉及此類行為,且缺乏明確因果關係。本研究建議未來應持續聚焦於個案成癮問題,推動「物質濫用防治專法」,建立分層分流的個別化治療體系。同時,應透過成本效益分析優化資源配置,強化多元處遇的效能,並整合跨部會資源支持機制,促進「減少毒害」、「穩定復歸」、「抑制再犯」之目標達成。
關鍵字:緩起訴附命戒癮治療、多元處遇、社會復歸、成效評估、再犯風險、風險預測、人工智慧、自然語言處理、機器學習
- 本研究第一期成果,請參閱「以再犯預防為導向之AI人工智慧毒品施用犯罪大數據應用分析計畫-以自然語言分析檢察書類為核心」。
附件下載
- 顧以謙等-以再犯預防為導向之ai-人工智慧毒品施用犯罪-大數據應用分析計畫-第-2-期.pdf3487 KB 114-02-07 下載次數:48