مرور نظام‌مند تکنیک‌های کاربردی هوش مصنوعی در پیش‌بینی جرم به روش فراترکیب

زمینه و هدف: تحقیق حاضر با هدف شناسایی تکنیک‌های هوش مصنوعی در پیش‌بینی جرم، به بررسی راهبرد‌های هوش‌مصنوعی با انجام مرور نظام‌مند مطالعات انجام شده پرداخته و مدل‌های مختلف هوش مصنوعی را از دیدگاه‌های متعدد از جمله نوع جرم، تکنیک‌های پیش‌بینی، محدودیت‌ها و جهت‌گیری‌های آتی ارزیابی می‌کند.روش تحقیق: تحقیق حاضر از نظر هدف، کاربردی و به لحاظ متد، تحقیقی کیفی است که به روش مرور نظام‌مند انجام شده است. برای یافتن مقالات، از کتابخانه‌های دیجیتال گوگل‌اسکالر، اسکوپوس، اسپرینگر، آی‌تریپل‌ای‌اکسپلور، پایگاه مرکز اطلاعات علمی جهاد دانشگاهی و الزویر استفاده شد. مقالات بین بازۀ زمانی 2008 تا 2021 تحلیل و از الگوی مرور سیستماتیک کیچنهام و چارتر (2007) پیروی شد. باتوجه‌به معیارهای موردنظر تعداد 685 مقاله بعد از پالایش اولیه استخراج و از بین این مقالات، 238 مقاله مرتبط با موضوع که رویکردهای هوش مصنوعی برای پیش‌بینی جرم را پوشش می‌دادند، شناسایی و وارد پالایش نهایی شد که تعداد 120 مقاله برای تحلیل نهایی انتخاب شدند. یافته‌ها: بر اساس نتایج پژوهش، 32 دسته جرم توسط محققان مطالعه گردیده و 23 روش متمایز تجزیه‌وتحلیل جرم پس از تجزیه‌وتحلیل مقالات پژوهشی منتخب استخراج شد و در نهایت، 64 تکنیک مختلف یادگیری ماشین برای پیش‌بینی جرم شناسایی گردید. نتیجه‌گیری: بر اساس نتایج تحقیق، یادگیری نظارت شده در بین مدل‌های مختلف یادگیری ماشین؛ کاربردی‌ترین رویکرد در پیش‌بینی جرم است. تکنیک‌های هوش مصنوعی در حوزه پیش‌بینی جرم یک بستر مطالعاتی امیدوارکننده بوده و بر اساس نتایج تحقیق، توصیه‌ها و راهنمایی‌هایی برای محققان ارائه گردیده است.

systematic review of artificial intelligence applicational techniques in crime prediction by meta-combination method

background and purpose: the aim of research is identifying artificial intelligence techniques in crime prediction, investigating artificial intelligence strategies by conducting a systematic review of studies and different artificial intelligence models from multiple perspectives such as crime type, prediction techniques, evaluations, limitations, and future directions.research method: in terms of purpose, this research is an applied study. it’s a qualitative research has been conducted using systematic review method. google scholar, scopus, springer, ieee explorer, sid and elsevier digital libraries were used to find related articles. articles between 2008 and 2021 were analyzed and followed the systematic review model of kitchenham and charter (2007). according to the desired criteria, 685 articles were extracted after initial filtering, then 238 articles related to the subject were identified and entered into the final review, which 120 articles were selected for final analysis. findings: according to the results of qualitative analysis in this research, 32 crime categories were studied by the researchers and 23 distinct methods of crime analysis were extracted after the analysis of selected articles and finally, 64 different machine learning techniques were identified for crime prediction.conclusion: according to research results, the supervised learning approach is the most useful approach in crime prediction among the different machine learning models that researchers have used. artificial intelligence techniques in the field of crime prediction are a promising study platform and recommendations and guidance have been provided for researchers studying in the field.