《Crime Science》：Does AI Generate a Civilizing or De-policing Effect? Testing the Impact of AI-Based Body Worn Camera Analytics in a Large State Police Agency
编辑推荐：
摘要专业翻译
目的：基于人工智能（AI）的执法记录仪（BWC）分析技术有望通过大幅扩展录像审查范围来影响警察行为。其对警察的影响可能是积极的（通过强化监督和自动化反馈改善行为，即文明化效应），也可能是消极的（因过度监视导致活动减少，即去警务化效应）。然而，关于
摘要专业翻译
目的：基于人工智能（AI）的执法记录仪（BWC）分析技术有望通过大幅扩展录像审查范围来影响警察行为。其对警察的影响可能是积极的（通过强化监督和自动化反馈改善行为，即文明化效应），也可能是消极的（因过度监视导致活动减少，即去警务化效应）。然而，关于该技术的证据仍然有限。本研究采用随机对照试验（RCT），检验Truleo（一种基于AI的BWC分析平台）对某大型州级警察机构中巡警（troopers）一系列绩效指标的影响。
方法：研究人员使用基于计数的回归模型评估干预对活动指标（拦截、传票、逮捕、使用武力、投诉）的处理效应，并使用混合效应回归模型分析Truleo生成的专业性指标。研究人员还评估了活动指标与专业性指标之间的一致性。
结果：经过多重比较校正后，研究人员未发现对活动指标的统计学显著效应。干预组的高专业性（High Professionalism）出现适度但不显著的增长。拦截和传票与高专业性相关，而逮捕、投诉和使用武力则与之无关。
结论：AI可能在警务中产生重要的组织效率，但本研究发现表明，使用Truleo的AI平台对巡警的现场行为影响有限（没有证据表明存在文明化效应或去警务化效应）。鉴于此类平台的新颖性和快速普及，该领域需要更多研究。
论文解读
一、研究背景与问题
2014至2015年间，美国发生了一系列引发广泛争议的警察致死事件（如Michael Brown案），引发了公众愤怒、社会动荡以及对警务改革的广泛诉求。执法记录仪（Body-Worn Camera, BWC）在此背景下迅速成为增强警察问责制和建立社区信任的重要工具。截至2020年，美国已有62%的执法机构部署了BWC，其中大型机构（500名以上宣誓警员）的部署率高达87%。
然而，执法机构很快发现警员录制的录像远超其可审查的范围。研究表明，超过95%的BWC录像从未被任何人审查。例如，纽约警察局（NYPD）警员在2019年每周录制约130,000段BWC视频；洛杉矶警察局（LAPD）同年上传了超过400万段视频，需要1.3 PB的存储空间。在亚利桑那州格伦代尔市的一项研究中，一个月内上传的近16,000段视频中仅有3.8%被内部或外部审查。
这一录像审查问题从根本上削弱了BWC的核心价值。文明化效应（civilizing effect）的理论基础源于威慑理论和自我意识理论，其前提条件之一是个体相信自己的行为会被观察。然而，警员深知其录制的大部分内容永远不会被审查，这一认知违背了BWC通过文明化效应改善行为的前提条件。同时，未能系统审查录像也意味着绩效评估、问题行为识别和优秀行为发现等关键机会的丧失。
人工智能（AI）被提出作为解决BWC录像审查问题的可能方案。Axon、Polis Solutions和Truleo等公司均开发了能够近乎实时分析海量BWC录像（音频、视频或两者兼有）的AI产品。Truleo作为本研究的焦点，使用自然语言处理（NLP）技术分析和分类BWC录像的音频内容，能够对100%上传的录像进行AI审查。然而，关于AI驱动的BWC分析技术的研究极为有限。现有两项研究（Adams等，2025；White等，2026）报告了"混合但积极"的结果，表明该技术可能改善警察行为。但与此同时，警察工会和民权组织均对该技术的监视属性提出反对，担忧其可能导致警员活动减少（即去警务化效应，de-policing effect）。
鉴于AI在警务中的作用存在持续争议，且Truleo及类似产品的部署快速增长，亟需严格的实证研究来检验AI驱动的BWC分析技术对警察行为的影响。
二、研究设计与主要方法
本研究在亚利桑那州公共安全部（Arizona Department of Public Safety, AZ DPS）开展，该机构是拥有1200名宣誓警员和800名巡警/骑警的大型州级执法机构，其使命聚焦于高速公路和公共安全。研究采用两阶段随机对照试验（Randomized Controlled Trial, RCT）设计：第一阶段为试点RCT，涉及凤凰城都会区第19和第20区的37名巡警（干预组19人，对照组18人），自2024年12月9日至2025年6月9日；第二阶段为主RCT，涉及全州其余18个区的277名巡警（干预组136人，对照组141人），自2025年4月14日至2025年10月14日。两个阶段合计分析314名巡警，其中干预组155人，对照组159人。随机化按性别分层以确保组间均衡。
干预措施为干预组巡警及其警长实时持续访问Truleo数据，对照组巡警及其警长无法访问Truleo。研究设置了严格的部门级权限控制以防止污染，但对照组巡警的Truleo数据仍在后台生成供研究人员评估使用。
主要结果指标包括：六个月的主动拦截次数、传票数量、逮捕次数、使用武力事件数和投诉次数。此外，Truleo自动生成每次BWC记录接触的专业性评级（高专业性、标准专业性、次标准专业性）。研究期间共对164,383次接触进行了专业性评级，其中仅3次被评为次标准专业性。
分析方法包括：对活动指标采用负二项回归模型（negative binomial regression models）并辅以稳健标准误（HC3 sandwich estimator），采用基于置换的Westfall-Young逐步下降法控制族系错误率（Family-Wise Error Rate, FWER）；对专业性指标采用混合效应线性回归模型（mixed effects linear regression models）以处理视频嵌套于警员的数据结构；通过相关性分析评估传统绩效指标与Truleo专业性指标之间的一致性。
三、主要研究结果
活动指标结果：干预组与对照组在五项活动指标上差异极小。干预组巡警平均进行421.23次拦截（对照组409.47次）、17.79次逮捕（对照组16.75次）、289.91次传票（对照组267.15次）、0.56次使用武力（对照组0.39次）和0.12次投诉（对照组0.06次）。负二项回归模型显示，干预对拦截、逮捕、传票和使用武力均无显著效应。主RCT中干预组投诉显著增加（IRR=3.318，未校正p=0.028），但该发现在多重比较校正后不再显著。
专业性指标结果：在主RCT中，86%（n=126,490）的接触被评为标准专业性，14%（n=19,982）被评为高专业性，无一被评为次标准专业性。试点和合并数据中高专业性比例分别为9%和13%。混合效应线性回归模型显示，干预组高专业性比例持续存在约1个百分点的非显著增长。该适度效应与此前Truleo评估研究报告的效应大小相似。组内相关系数（Intraclass Correlation Coefficient, ICC）接近零，表明评级变异更多来自接触层面而非警员层面，提示情境特征（如呼叫类型）可能具有重要影响。
传统指标与专业性指标的一致性：相关性矩阵显示，Truleo的高专业性指标与传统绩效指标基本不同。高专业性与拦截（r=0.16，p<0.01）和传票（r=0.13，p<0.05）呈统计学显著但弱正相关，与逮捕、使用武力和投诉的关系接近零（r<0.10，p>0.05）。这表明进行更多拦截和签发更多传票的巡警获得更多高专业性标签，但方向性无法确定。
四、讨论与结论
研究人员围绕Truleo可能产生文明化效应或去警务化效应这一核心问题展开讨论。结果表明Truleo两种效应均未产生。
对于活动指标的非显著效应，可能的解释包括：其一，Truleo确实无法可测量地影响巡警的现场行为，此前的亚利桑那州两项中型市政警察部门研究同样未发现显著效应；其二，AZ DPS本身是专业、负责且创新的机构，其局长曾任全国黑人执法管理人员组织（NOBLE）主席，问题行为可能本就罕见，缺乏改善空间；其三，该机构所有巡警均执行交通执法任务，若Truleo效应在交通执法职能中更为明显，则可能在两组间"抵消"；其四，研究对活动指标的统计功效不足（n=314），仅能检测较大效应。
对于专业性指标的非显著效应，研究人员指出虽然统计上不显著，但合并分析中组间差异相当于高专业性接触相对增加8.39%，约1,746次额外的高专业性接触，可能具有实际意义。然而，Truleo的高专业性指标存在根本性缺陷：其定义排除了任何使用武力的情况，而使用武力是警察角色的核心职能，也是解决某些接触的必要手段。此外，适度的高专业性增长可能反映真实的"行为改变"或对算法的有意"博弈"（即警员刻意超过25字解释阈值以获取高专业性评级）。警员对此标准高度敏感。Truleo的高专业性指标未能充分捕捉21世纪优秀警务的复杂性、武力的核心作用以及良好警务的核心特征。
对于传统指标与专业性指标缺乏一致性的问题，存在四种可能的解释：传统指标反映良好警务而Truleo指标未反映；Truleo指标反映良好警务而传统指标未反映；两者均未能充分捕捉良好警务；两者均反映良好警务但捕捉的是不同维度（如同拼图的不同碎片）。弱一致性与拦截和传票的正相关以及与其他行为结果的无关联，支持最后一种解释——Truleo捕捉接触中的沟通质量，而传统指标捕捉受部门使命、巡逻任务分配、自由裁量权和情境需求影响的执法活动。
研究结论认为，AI可能在警务中产生重要的组织效率，但本研究结果表明使用Truleo的AI平台对巡警的现场行为影响有限，未发现文明化效应或去警务化效应的证据。鉴于此类平台的新颖性和快速普及，该领域需要更多研究。
