Please use this identifier to cite or link to this item: http://hdl.handle.net/10419/233567
Authors: 
Haake, Daniel
Year of Publication: 
2021
Citation: 
[Journal:] WISTA – Wirtschaft und Statistik [ISSN:] 1619-2907 [Volume:] 72 [Year:] 2021 [Issue:] 2 [Pages:] 59-71
Abstract: 
Kann man mit Machine-Learning-Algorithmen prognostizieren, ob es nach einem erfolgten Wohnungseinbruchdiebstahl in kurzer Zeit und in unmittelbarer Nähe zu Nachfolgedelikten kommen wird? Dieser Frage geht der vorliegende Artikel anhand von Daten aus Baden-Württemberg nach. Dabei zieht er einen Vergleich mit der kommerziellen Software PRECOBS, zu deren Einsatz eine Studie in Baden-Württemberg durchgeführt wurde. Bisherige Lösungen beschränken sich auf den urbanen Raum. Deshalb wird zusätzlich untersucht, ob auch Prognosen für den ländlichen Raum möglich sind.
Abstract (Translated): 
Is it possible to train models by means of machine learning algorithms, which may then be used to predict whether near-repeat offences will be committed shortly after a theft by burglary of a dwelling, and in the immediate vicinity of the burgled dwelling? The article explores this question, based on data from Baden-Württemberg. In this context, a comparison can be made with the PRECOBS commercial software, because a study has been conducted on the use of PRECOBS in Baden-Württemberg. The solutions found so far are restricted to urban areas. For that reason, the article additionally examines whether predictions can also be made for rural areas.
Subjects: 
Nachfolgedelikt
Wohnungseinbruchsdiebstahl
Data Science
Machine-Learning
Tatzeitraum
kriminalgeografischer Raum
near-repeat offence
theft by burglary of a dwelling
data science
machine learning
time period of offence
criminal-geographical area
Document Type: 
Article

Files in This Item:
File
Size





Items in EconStor are protected by copyright, with all rights reserved, unless otherwise indicated.