分析宾夕法尼亚州惩教署使用的一种监禁算法

学者们已关注用于量刑、保释和假释的算法，但很少探讨我们所称的、在监禁期间使用的监禁算法（carceral algorithms）。本文聚焦于宾夕法尼亚州加性分类工具（PACT），该工具用于在囚犯监禁期间对其监管等级进行分类。在监禁期间使用的算法值得学者更深入关注，因为它们有能力塑造囚犯的真实生活体验。本案例中的算法决定了一个人遭受额外纪律处分的可能性、能否完成所需项目，以及获得哪些经历，这些经历除其他外被提炼为变量输入假释算法。鉴于此种权力，审视当前用于被监禁者的算法提供了一种独特的分析视角，以思考数据与算法之间的辩证关系。我们对 PACT 的考察是双重且互补的。首先，我们对 PACT 历史背景的定性概述揭示，其设计优先考虑 incapacitation（ incapacitation 与管控）而非康复。尽管它密切指导囚犯康复计划和假释考量，但其根源在于以监狱安全化为目标的人口管理。其次，在分析宾夕法尼亚州 146,793 名被监禁者数据及相关的 PACT 元数据时，我们发现其充斥着种族偏见以及错误、遗漏和不准确之处。我们迄今的发现进一步警示，依赖既有数据基础设施和扩张性、不加批判的数据收集例程的数据驱动刑事司法改革应谨慎对待。