Boston Arrest Data, 2013 & 2014; Massachusetts Arrest Data with Race, 1/2012 to 7/2017; Boston Police Geofeedia Alerts, 2013 to 2015; MA Precinct-Level Election Returns, 2010 & 2016

本仓库包含的数据集有：2013年和2014年的波士顿逮捕数据；2012年1月至2017年7月带有种族信息的马萨诸塞州逮捕数据；2013年至2015年波士顿警察Geofeedia警报；2010年和2016年马萨诸塞州选区级选举结果。

This repository contains the following datasets: Boston arrest data from 2013 and 2014; Massachusetts arrest data with racial information from January 2012 to July 2017; Boston Police Geofeedia alerts from 2013 to 2015; and Massachusetts precinct-level election results from 2010 and 2016.

原始信息汇总

ACLUM Public Datasets 概述

数据集列表

• Boston Arrest Data, 2013 & 2014
• Massachusetts Arrest Data with Race, 1/2012 to 7/2017
• Boston Police Geofeedia Alerts, 2013 to 2015
• MA Precinct-Level Election Returns, 2010 & 2016

许可信息

数据集遵循 MIT 许可协议，使用时需遵守以下条件：

• 完整引用数据来源，名称可为 "ACLUM" 或 "American Civil Liberties Union of Massachusetts"。

数据集以 "AS IS" 提供，不提供任何形式的保证。

搜集汇总

数据集介绍

构建方式

该数据集由美国马萨诸塞州公民自由联盟（ACLUM）通过其“数据正义项目”构建，涵盖了波士顿警察局在2013年至2015年间通过Geofeedia平台发布的警报数据，以及马萨诸塞州选区级别的2010年和2016年选举结果数据。数据来源包括执法机构的公开记录和选举委员会的官方统计，确保了数据的权威性和透明度。

特点

该数据集的特点在于其多维度的时间跨度和地理覆盖范围。Geofeedia警报数据提供了波士顿地区特定时间内的执法活动记录，而选举数据则精确到选区级别，反映了不同时间点的政治变化。数据的结构化格式便于分析，且包含详细的元数据说明，增强了数据的可解释性和可操作性。

使用方法

该数据集适用于社会科学研究、执法行为分析以及选举结果预测等领域。研究人员可以通过分析Geofeedia警报数据，探讨执法活动的时空分布规律；利用选举数据，研究选民行为与政治趋势的关联。数据以CSV格式提供，支持多种数据分析工具的直接导入，便于进行统计建模和可视化分析。

背景与挑战

背景概述

2017年发布的《波士顿警察Geofeedia警报，2013至2015年》与《马萨诸塞州选区级选举结果，2010年及2016年》数据集，由美国马萨诸塞州公民自由联盟（ACLUM）主导发布，隶属于其‘数据为正义项目’。该数据集旨在通过公开执法与选举数据，推动社会公正与透明度的提升。其中，Geofeedia警报数据记录了波士顿警察在特定地理围栏内的活动，而选举结果数据则详细反映了马萨诸塞州各选区的投票情况。这些数据的发布为研究执法行为、选举模式及其社会影响提供了宝贵的资源。

当前挑战

该数据集在解决执法透明度与选举公正性等社会问题时，面临多重挑战。首先，Geofeedia警报数据的收集依赖于地理围栏技术，其精确性与覆盖范围可能受到技术限制，导致数据的不完整性。其次，选举结果数据的分析需要处理复杂的选区划分与人口统计信息，这对数据的标准化与整合提出了较高要求。此外，数据发布过程中还需平衡隐私保护与信息公开之间的关系，确保个人隐私不被泄露。这些挑战不仅影响了数据的可用性，也对后续研究的深度与广度提出了考验。

常用场景

经典使用场景

在警务数据分析领域，Boston Police Geofeedia Alerts数据集为研究人员提供了2013年至2015年间波士顿警察局通过Geofeedia平台收集的警报数据。这些数据常用于分析警务活动的时空分布，帮助研究者理解警务资源在不同时间和地点的分配情况，进而评估警务策略的有效性。

解决学术问题

该数据集解决了警务资源分配不均、执法行为透明度不足等学术研究问题。通过对警报数据的深入分析，研究者能够揭示警务活动中的潜在偏见或不平等现象，为政策制定者提供科学依据，推动警务系统的改革与优化。

衍生相关工作

基于该数据集，许多经典研究工作得以展开，例如关于警务活动与社区信任关系的研究、执法行为对少数族裔影响的评估等。这些研究不仅丰富了警务科学的理论体系，还为政策制定提供了实证支持，推动了社会公平与正义的进步。