Skip to ContentSkip to Navigation
Over onsActueelNieuws

Wiskundig model kan rechter helpen gedachten te ordenen

20 oktober 2016
Charlotte Vlek

In een rechtszaak komen doorgaans verschillende soorten bewijs aan de orde. Maar hoe moet een rechter ‘harde’ cijfers over bijvoorbeeld de kans dat een DNA spoor van de verdachte is afwegen tegen een getuigenverklaring? Wiskundige Charlotte Vlek ontwikkelde een oplossing, die overigens niet zomaar inzetbaar is. Het proefschrift dat zij hierover schreef bij de afdeling Kunstmatige Intelligentie van de RUG verdedigt zij op 28 oktober 2016.

Hoe je een misdrijf moet oplossen is elke avond wel ergens op tv te zien. De politie verzamelt bewijs en ontwikkelt scenario’s. Wat als X werd afgeperst door het slachtoffer? Maar het slachtoffer had net zijn relatie met Y verbroken, dus die kan ook de dader zijn. Bewijs moet uitwijzen welk scenario het meest aannemelijk is. ‘De politie werkt doorgaans op deze manier’, weet RUG-wiskundige Charlotte Vlek. Een rechter moet vervolgens een beargumenteerde afweging maken tussen de verschillende scenario’s op basis van het bewijs. Voor het afwegen van verschillende vormen van bewijsmateriaal, van getuigenverklaringen tot statistische informatie over DNA-sporen, is echter geen systematische aanpak.

Scenario

Vlek heeft zo’n aanpak ontwikkeld, gebaseerd op Bayesiaanse netwerken. Zo’n netwerk laat zien welke gebeurtenissen zich binnen een scenario afspelen, waarna het mogelijk is om uit te rekenen hoe groot de kans is dat dit scenario zich heeft afgespeeld. En, wat ook belangrijk is: wat de bijdrage van de afzonderlijke gebeurtenissen is. ‘Je kunt het vergelijken met de manier waarop een arts een diagnose stelt’, legt Vlek uit. Een patiënt heeft bijvoorbeeld hoofdpijn. Je weet hoe groot de kans is dat hoofdpijn door griep wordt veroorzaakt, of door een hersentumor. Wanneer je dan ook andere symptomen met hun kansen erbij betrekt, zal je uiteindelijk bij de meest waarschijnlijke diagnose uitkomen.

'Zacht' bewijs

Vertaald naar een rechtszaak brengt de benadering van Vlek verschillende soorten bewijs bij elkaar. ‘Dat is niet eerder gedaan. Het Nederlands Forensisch Instituut heeft bijvoorbeeld wel een manier ontwikkeld om via een Bayesiaans netwerk het statistische bewijs, over bijvoorbeeld de waarschijnlijkheid dat een DNA-spoor of vingerafdruk van de verdachte is, inzichtelijk te maken. Maar daarin wordt het ‘zachte’ bewijs uit de scenario’s niet meegenomen.’

Moordschema

Vlek ontwikkelde een procedure om op basis van schema’s de verschillende scenario’s in een zaak uit te werken. ‘Je hebt bijvoorbeeld een moordschema, of een inbraakschema. Zo’n schema bestaat uit standaard elementen: bij het moordschema hoort bijvoorbeeld een motief, zoals ‘afpersing’ of ‘verbroken relatie’. Het schema laat zien hoe alle elementen elkaar beïnvloeden.’ Door vervolgens in te voeren welk bewijsmateriaal gevonden is, kan het model berekenen hoe aannemelijk ieder scenario is.

Tunnelvisie

Uniek aan de aanpak van Vlek is dat zij in haar analyse alle vormen van bewijs meeneemt. De stappen die de procedure voorschrijft, zorgen voor een zo objectief mogelijke behandeling van de gegevens. ‘Je moet bijvoorbeeld twee of meer scenario’s gebruiken, dat voorkomt tunnelvisie.’

Rare uitkomsten

Vlek testte haar methode met informatie uit de geruchtmakende Anjumer moordzaak, waarbij een pensionhoudster werd veroordeeld voor de moord op twee personen, en een minder bekende zaak uit Nijmegen. ‘Wat ik laat zien, is dat je op deze manier een complexe zaak kunt modelleren, door systematisch een netwerk te bouwen dat je kunt analyseren.’ Uit de analyse volgt niet alleen de waarschijnlijkheid van een scenario, maar ook de bijdrage die ieder bewijsstuk daaraan levert. ‘En daarnaast zie je waar rare uitkomsten zitten, zoals bewijs dat niet strookt met het meest waarschijnlijke scenario, of bewijs dat je verwacht maar er niet is.’

Praktisch probleem

Toch zal haar model voorlopig niet in de rechtbank worden gebruikt. ‘Een praktisch probleem is dat veel van de kansen die in het model gebruikt worden niet bekend zijn. Die moet je dus schatten, en dat is deels subjectief. Daarnaast is in Nederland iemand onschuldig tot zijn schuld bewezen is. Maar wanneer je in het model de kans dat de verdachte de dader is op nul stelt, komt er niets uit. Dat is een fundamenteel probleem, waar ik nog geen antwoord op heb.’

Meer informatie

  • Charlotte Vlek promoveert 28 oktober 2016 aan de Rijksuniversiteit Groningen op onderzoek dat zij uitvoerde bij de afdeling Kunstmatige Intelligentie van instituut Alice (Artificial Intelligence and Cognitive Engineering) en gefinancierd werd door NWO. Ze vervolgt haar lopbaaan als onderwijsontwikkelaar/docent aan de RUG.
  • Haar proefschrift is getiteld When stories and numbers meet in court - Constructing and explaining Bayesian networks for criminal cases with scenarios
  • Contact: Charlotte Vlek
Laatst gewijzigd:15 september 2017 15:22

Meer nieuws