Access to Innovation
Access to Capital
Access to Talent
Access to Market
Access to Knowledge
Date Trend snippet:
20 January 2021
Relevance date:
2020
Type of Treath or Oppertunity
Domain of application
Source of threat
Trends in Security
Trends in Security Information
The HSD Trendmonitor is designed to provide access to relevant content on various subjects in the safety and security domain, to identify relevant developments and to connect knowledge and organisations. The safety and security domain encompasses a vast number of subjects. Four relevant taxonomies (type of threat or opportunity, victim, source of threat and domain of application) have been constructed in order to visualize all of these subjects. The taxonomies and related category descriptions have been carefully composed according to other taxonomies, European and international standards and our own expertise.
In order to identify safety and security related trends, relevant reports and HSD news articles are continuously scanned, analysed and classified by hand according to the four taxonomies. This results in a wide array of observations, which we call ‘Trend Snippets’. Multiple Trend Snippets combined can provide insights into safety and security trends. The size of the circles shows the relative weight of the topic, the filters can be used to further select the most relevant content for you. If you have an addition, question or remark, drop us a line at info@securitydelta.nl.
visible on larger screens only
Please expand your browser window.
Or enjoy this interactive application on your desktop or laptop.
Experimenting with AI within youth care to prevent juvenile delinquency and recidivism
• The "Adolphe Quetelet" of our zeitgeist is an artificial intelligence.
• Does innovation with quantitative methods within youth care lead to less youth crime?
• From chain cooperation to holistic cooperation within youth care.
• "Garage2020" is an example of experimentation
with data science &
artificial intelligence.
• Challenges: linking datasets and privacy considerations.
• Does innovation with quantitative methods within youth care lead to less youth crime?
• From chain cooperation to holistic cooperation within youth care.
• "Garage2020" is an example of experimentation
with data science &
artificial intelligence.
• Challenges: linking datasets and privacy considerations.
More source info
Het combineren van datasets afkomstig van verschillende partners binnen de jeugdzorgketen lijkt op het eerste gezicht een veelbelovende techniek die deuren openzet voor het gebruik van AI. De toename van de hoeveelheid data in de samenleving zou ons middels het gebruik van geavanceerde analysemethoden meer inzicht kunnen verschaffen in de complexiteit van factoren die kunnen leiden tot (zware) jeugdzorgtrajecten. Hiermee zou kunstmatige intelligentie een nieuwe doorbraak kunnen inluiden voor ons begrip van jeugdcriminaliteit, net zoals Quetelet deed in 1842 toen hij begon te experimenteren met statistische methoden. Er zijn al initiatieven gaande binnen de jeugdzorg om te experimenteren met de toepassing van AI binnen jeugdzorg processen. Een voorbeeld hiervan is Garage2020, die met een multidisciplinaire benadering de jeugdzorg efficiënter probeert in te richten middels het gebruik van AI in hun processen. Echter zijn er ook nog beren op de weg te zien. De komst van wetgevingen zoals de AVG maken het ingewikkelder om datasets van verschillende ketenpartners met elkaar te koppelen. Dit maakt het moeilijker om geavanceerde AI-analysemethoden toe te passen, omdat de kwantiteit en kwaliteit van de data te beperkt blijft. Alvorens er verder geëxperimenteerd zal worden met het toepassen van AI binnen de jeugdzorg, dient onze samenleving nog wat prangende ethische vraagstukken te beantwoorden. Deze gewaagde technologie staat immers nog in haar kinderschoenen.
