W swoich analizach badacze wykorzystali geoprzestrzenną sztuczną inteligencję (GeoAI). Dzięki niej udało się szczegółowo prześledzić występowanie przestępstw i zawęzić poziom analiz do obszaru poszczególnych ulic. Kolejnym krokiem było przeprowadzenie symulacji, które ujawniły w jaki sposób przestępczość może zmusić uczniów do zmiany trasy do szkoły, by uniknąć zagrożenia.
Jak wskazują naukowcy, przestępczość w bezpośredni i pośredni sposób wpływa na trasy uczniów idących do szkół. Okazuje się, że w przypadku uczniów chcących uniknąć zagrożenia, a których najszybsze trasy do szkoły przebiegają przez obszary o najwyższej przestępczości, droga do placówki wydłuża się o prawie połowę (48,6%). Nadkładanie drogi skutkuje tym, że zagrożenie przestępczością zmniejsza się średnio o 44,1%, a maksymalnie może obniżyć się nawet o prawie 82%.
Badania te mają kluczowe znaczenie dla poprawy dostępności przestrzennej do edukacji na obszarach o wysokiej przestępczości. Ukazują bariery, które utrudniają, lub uniemożliwiają uczniom uczęszczanie do placówek oświatowych.
Naukowcy zauważają, że dokładność badań zależna jest od liczby zgłaszania wykroczeń i przestępstw. Zwracają również uwagę, że spora część przestępstw nie jest zgłaszana odpowiednim służbom, przez co skala całego zjawiska może być zaniżona.
Jak piszą specjaliści w artykule naukowym: „Związana z przestępczością nierówność w geograficznym dostępie do edukacji podkreśla znaczenie uwzględniania ryzyka przestępczości w planowaniu przestrzennym i polityce edukacyjnej”.
Dodają również: „Opracowana metoda ma zastosowanie nie tylko w dostępie do edukacji, ale może być również rozszerzona na inne aspekty, takie jak zatrudnienie i opieka zdrowotna”.
Źródło: Steffen Knoblauch, Ram Kumar Muthusamy, Maya Moritz, Yuhao Kang, Hao Li, Sven Lautenbach, Rafael H.M. Pereira, Filip Biljecki, Marta C. Gonzalez, Rogerio Barbosa, Daniel Veloso Hirata, Christina Ludwig, Maciej Adamiak, Antônio A. de A. Rocha, Alexander Zipf: Crime-associated inequality in geographical access to education: Insights from the municipality of Rio de Janeiro, Cities, 2025, vol. 160, s.1-16, Numer artykułu:105818. DOI:10.1016/j.cities.2025.105818 - https://www.sciencedirect.com/science/article/pii/S0264275125001180