Het maken van een stabiele en onvertekende vergelijking tussen justitiële jeugdinrichtingen (JJI’s) op recidive blijkt niet goed mogelijk. Strafrechtelijke gegevens bevatten onvoldoende informatieve kenmerken om recidive onder jeugdigen te kunnen voorspellen.
Dat blijkt uit onderzoek door het WODC. Justitiële jeugdinrichtingen hebben behoefte om hun resultaten, specifiek op recidive, onderling te vergelijken. Zo kunnen zij verder onderzoek doen naar elementen die goed of slecht blijken te werken in het voorkomen van recidive.
De jeugdigen die in de JJI’s verblijven, verschillen sterk qua achtergrondkenmerken zoals leeftijd, geslacht en eerdere strafzaken. Deze zijn van invloed op (het risico op) recidive na verblijf in een JJI.
Een simpele vergelijking tussen JJI en recidive kan daardoor een vertekend beeld opleveren. Een statistisch model is nodig om die verschillen te corrigeren. Het WODC onderzocht of het mogelijk is om een onvertekende (valide) en stabiele (betrouwbare) schatting te maken van het effect van JJI’s op recidive van jeugdigen.
Machine learning
Het onderzoek laat zien dat het toepassen van Machine Learning geen betere voorspelling oplevert dan een bestaand handgespecificeerd statistisch model. Ook het gebruik van meer dader- en afdoeningskenmerken uit de Onderzoek- en beleidsdatabase Justitiële Documentatie (OBJD), zoals type delict en soorten eerdere straffen, leidt niet tot verbetering.
Daarnaast zijn er te weinig jeugdigen die in een JJI verblijven, om een betrouwbaar beeld te kunnen geven. Door de lage, de laatste jaren ook dalende, aantallen, kunnen eventueel gevonden effecten in de werkelijkheid afwezig zijn of vertekend zijn.