Het BIGDATPOL-onderzoeksprogramma omvat het ontwikkelen en evalueren van een machine learning-model dat gebruikmaakt van (big) datasystemen (bijvoorbeeld misdaadgegevens uit politiedatabases, indicatoren van criminaliteitskansen zoals het aantal winkels, straatconnectiviteit, en sociaaleconomische gegevens zoals leeftijd en gemiddeld inkomen) om het risico te voorspellen van waar en wanneer een woninginbraak waarschijnlijk zal plaatsvinden. BIGDATPOL is gebaseerd op eerder onderzoek, waaronder belangrijke bijdragen aan het testen van theorieën over criminaliteitsconcentratie op microplekken, criminaliteitsindicatoren, afschrikking en interventies ter preventie van criminaliteit.

Het doel van een geschikt model is om wetshandhaving en criminaliteitspreventie te ondersteunen door het gericht toewijzen van politiepatrouilles, waarbij de geschiktheid van het model bepaald moet worden door middel van robuuste evaluaties. Er is echter momenteel een gebrek aan evaluatiestudies van big data-toepassingen binnen de politie, wat de noodzaak benadrukt om deze lacune aan te pakken.

Het BIGDATPOL-team van de Universiteit Gent zal het model ontwikkelen, testen en evalueren op basis van drie kerndimensies: statistisch-methodologisch (bv. prestaties), criminologisch (bv. gebruikerservaring) & economisch (bv. kosten-batenanalyse), en ethisch (risico’s op bias en stigmatisering) & juridisch (bv.  gegevensbescherming). Door gebruik te maken van een mixed methods-aanpak zal de holistische beoordeling van het model niet alleen bijdragen aan een beter begrip van de bruikbaarheid van big data-modellen in criminaliteitspreventie, maar ook het model zelf verbeteren.