Il femminicidio in Italia nell’ultimo decennio: dimensioni, caratteristiche e profili di rischio

Obiettivo Scenario Dati Webmining Caso di studio Conclusioni e futuri sviluppi Riferimenti bibliografici

Il femminicidio in Italia nell’ultimo decennio:dimensioni, caratteristiche e profili di rischio

Iezzi Domenica Fioredistella - email:[email protected]

−

Iezzi Domenica Fioredistella - email: [email protected] Milano - 15 ottobre 2013

Il femminicidio in Italia nell’ultimo decennio: dimensioni, caratteristiche e profili di rischio


Outline1 Obiettivo2 Scenario

definizioneFonti statistiche

3 Datifemminicidi nel mondofemminicidi in Italia

4 WebminingSchemi di ponderazione

5 Caso di studiodatimetodo

6 Conclusioni e futuri sviluppi7 Riferimenti bibliografici




esaminare i dati, le fonti e le metodologie adottate a livellomondiale per raccogliere informazioni sulla violenza controle donne;descrivere i femminicidi avvenuti in Italia nell’ultimodecennio;illustrare alcuni metodi di web-mining per raccogliere eanalizzare dati non strutturati provenienti dal webanalizzare alcuni problemi metodologici e interpretativilegati al fenomeno del femmincidio1) costruzione della matrice dei pesi;2) algoritmi utilizzati in un processo di text clustering.




definizione

Il femminicidio o femicidio?

Il femminicidio e’ qualsiasi forma di violenza esercitatasistematicamente sulle donne in nome di una sovrastrutturaideologica di matrice patriarcale, allo scopo di perpetuarne lasubordinazione e di annientarne l’identita’ attraversol’assoggettamento fisico o psicologico, fino alla schivitu’ o allamorte. Prop. Uccisione di una donna o di una ragazza.data: 2006. (Fonte: Devoto-Oli, 2013)




definizione

1.png

Figure : Google Books Ngram Viewer - English corpus from 1800 to2013




definizione

La violenza contro le donne e’ un problema globale cheattraversa le frontiere culturali, geografiche, religiose,sociali ed economiche di tutti i paesi del mondo,provocando innumerevoli problemi fisici e mentali alledonne e alla loro prole. Il femminicidio e’ la punta di questoiceberg di violenze, perpetrate soprattutto da partner edex-partner.In Italia, il 31,9% delle donne, con un’eta’ compresa tra16-70 anni, ha avuto un’esperienza di violenza fisica osessuale durante la propria vita, il 23,0% ha subitoviolenze sessuali, 18,8% solo violenze fisiche e il 4,8%stupri o tentati stupri (ISTAT, 2007).Dal 2000 al 2012, nel nostro paese, ci sono stati 2.220femicidi, di cui 1.570 in ambito domestico (EURES, 2012).




definizione

Convenzione di Istanbul (Maggio, 2011) - articolo 1proteggere le donne da ogni forma di violenza e prevenire,perseguire ed eliminare violenza contro le donne e laviolenza domestica;contribuire ad eliminare ogni forma di discriminazionecontro le donne e promuovere la concreta parita’ tra isessi, ivi compreso rafforzando l’autonomia el’autodeterminazione delle donne;promuovere la cooperazione internazionale al fine dieliminare la violenza contro le donne e la violenzadomestica;sostenere e assistere le organizzazioni eautorita’incaricate dell’applicazione della legge in modoche possano collaborare efficacemente, al fine di adottareun approccio integrato per l’eliminazione della violenzacontro le donne e ivi la violenza domestica.




definizione

il decreto su femminicidio in Italia e’ composto da 11 articoli. Ipunti piu’ significativi sono:

diventa rilevante, sotto il profilo penale, la relazione tra duepersone a prescindere da convivenze o vincolomatrimoniale (attuale o pregresso);Se si e’ in presenza di minacce ripetute la querela diventairrevocabile. Resta revocabile negli altri casi, ma solo insede processuale;Nei casi piu’ gravi si puo’ applicare l’allontanamento dallacasa familiare e il divieto di avvicinamento ai luoghifrequentati dalla persona offesa;Chi e’ allontanato dalla casa familiare puo’ esserecontrollato con il braccialetto elettronico: nel caso di attipersecutori si possono usare le intercettazioni.




definizione

Delitti contro la persona denunciati dalle forze di poliziaall’autorita’ giudiziaria in base al sesso - anno 2010

tipo totale vittime (VA) vittime donne (VA e %)omicidi volontari 530 158 (29,8)violenze sessuali 3981 3601 (90,5)

stalking 6598 5110 (77,4)lesioni dolose 57716 23406 (40,6)

percosse 14544 7030 (48,3)minacce 76708 34810 (45,4)ingiurie 59421 31806 (53,5)

Fonte: Elaborazioni su dati ISTAT e EURES per gli omicidivolontari




definizione

Delitti contro la persona denunciati dalle forze di poliziaall’autorita’ giudiziaria in base all’autore - anno 2010

tipo totale vittime (VA) %autori uominiOmicidi volontari 530 89,5Violenze sessuali 3981 98,0

stalking 6598 85,7lesioni dolose 57716 83,5

percosse 14544 75,1minacce 76708 78,7ingiurie 59421 65,5





definizione

Donne vittime di alcuni reati in base alla nazionalita’ - anno2010

tipo vittime italiane vittime straniereVA VA

Omicidi volontari 127 31Violenze sessuali 2395 1206

stalking 4239 871lesioni dolose 17844 5562

percosse 5345 1685minacce 29052 5758ingiurie 27260 4546





Fonti statistiche

ISTAT- Rilevazione sulle cause di morte- Numero di decessi per causa di morte, sesso, eta’ eresidenza, in particolare la voce "Omicidio e aggressioni".- Rilevazione annuale - Ultimi dati 2013 (rif. 2010)DB EURES sull’Omicidio Volontario in Italia- raccoglie e classifica tutti gli episodi di omicidio volontarioavvenuti in Italia- Oltre 18.000 casi dal 1990 ad oggi- 219 variabili (141 relative alla vittima e 78 all’autore)- I dati NON sono pubbliciCentro Antiviolenza Casa delle donne per non subireviolenza di Bologna dal 2008 al 2011




Alla forte attrazione mediatica si accompagna un rischio diinadeguata scientificita’ nei criteri utilizzati per raccogliere,selezionare e classificare gli eventi osservati, inoltre,l’autoproduzione di statistiche, non soggette ad alcuna verifica,sta producendo molta confusione.




femminicidi nel mondo

Figure : Rates of female homicide victims per 100,000 femalepopulation, 2004− 2009





Figure : Proportion of women experiencing intimate partner physicalviolence at least once in their lifetime and in the last 12 months.19952006

11WHO, 2010Iezzi Domenica Fioredistella - email: [email protected] Milano - 15 ottobre 2013




Figure : Femicide no., and prevalence rate per million women in UE(27 countries)

22Fonte: Iezzi, 2013





Figure : Violence against Women Prevalence Data: extracted fromsurveys by Country Compiled by UN Women (as of March 2011)

33Fonte: Iezzi, 2013




femminicidi in Italia

Figure : Femminicidi in Italia 2000− 2012

Fonte: Elaborazioni su DB EURES (2013)





Figure : Femminicidi in Italia - indice per mln di donne 2000− 2012

Fonte: Elaborazioni su DB EURES (2013)





Distribuzione del femminicidio in Italia per ambito - 2000− 2012

tipo VA %famiglia 1570 70,7criminalita’ 315 14,2criminalita’ comune/occasionale 274 12,3criminalita’ organizzata 41 1,8altre relazioni di prossimita’ 174 8,1omicidio tra conoscenti/intragruppo 91 4,1abitazione/vicinato 54 2,4lavoro/rapporti economici 34 1,5altro 28 1,3serial killer/omicidio psicopatici 26 1,2sette religiose/sataniche 2 0,1non rilevato 128 5,8






Figure : Autori dei femminicidi in ambito familiare

Fonte: Iezzi (2013)Iezzi Domenica Fioredistella - email: [email protected] Milano - 15 ottobre 2013




Figure : Distribuzione regionale dei femminicidi

Fonte: Iezzi (2013)





Figure : Eta’ vittima e autore

Fonte: Iezzi (2013)





Figure : Femminicidi in ambito familiare: motivazioni

Fonte: Iezzi (2013)





Figure : Femminicidi in ambito familiare: arma del delitto





Figure : Femminicidi in ambito familiare: luogo del delitto





Figure : Femminicidi in ambito familiare: ampiezza del comune in cuiavviene il delitto (%)





Figure : Femminicidi in ambito familiare: ampiezza del comune in cuiavviene il delitto (pr)





Figure : Nazionalita’ della vittima, valori % 2000− 2012

Fonte: Iezzi (2013)





Figure : Nazionalita’ della vittima, indice per mln di donne residenti2000− 2012





Figure : Omicidi di coppia in base alla relazione tra vittima e autore almomento dellâomicidio Anni 2000-2011 â Valori percentuali

Fonte: Iezzi (2013)





Figure : Soggetto che ha deciso di separarsi





Figure : Tempo separazione-femminicidio




Perche’ il webmining?le fonti disponibili presentano molti dati mancanti;raccogliere nuovi dati ad integrazione delle informazioniesistenti;costruire un vocabolario del linguaggio specifico....




Strategia di analisi

1 Fase di acquisizione dei testi:Reperimento: Web crawling, internet, basi documentali)Formattazione: trasformazione in XLM; riconoscimento di differenti tipi di Digital encoding: Latin 1, UTF-8, ...Archiviazione: costituzione del corpus di testi o del document warehouse

2 Fase di NLP (trattamento del linguaggio naturale):Riconoscere termini (uso di dizionari e basi di conoscenza/reti semantiche)Effettuare stemming (con attribuzione delle parti del discorso: sostantivi, aggettivi, verbi, avverbi)Costruire risorse specifiche personalizzateNormalizzare grafie di numeri, nomi e sigleIndividuare classi di parole chiaveMisurare concetti mediante estrazione di entita’ e loro relazioni

3 Text mining:Text clustering di testi per similarita’ del vocabolarioEstrazione di informazione




Figure : Le fasi di un processo di TM e Web Mining

Fonte: Elaborazioni su DB EURES (2013)Iezzi Domenica Fioredistella - email: [email protected] Milano - 15 ottobre 2013



Schemi di ponderazione

Ciascun documento j puo’ essere rappresentato da un vettoredi termini pesati, selezionati in maniera opportuna, che assumela seguente forma:

dj = (w1j ,w2j , ..,wij , ...,wkj) ,dove wij rappresenta il peso per il termine ti , appartenente aldocumentot dj . bbDall’unione di questi vettori, otteniamo la matrice D termini perdocumenti (tdm):

w11 w12 ... w1nw21 w2,2 ... w2n... ... ... ...

wi1 wi2 ... win... ... ... ...

wk1 wk2 ... wkn





1) Schema booleano, dove wij assume valore 1 se il termine e’presente nel documento j e 0 altrimenti:

wij =

{1 if nij > 00 if nij = 0

dove nij e’ il numero di documenti di in cui il termine j occorre.2) Term frequency scheme (TF): dove wij e’ la frequenza dellaparola i nel documento j e nij , frequenza assoluta della parola inel documento j . Questo schema e’ noto come "bag-of-words(BoW)".





3)Normalized frequency scheme (NTF):

wij =tfij

maxtf ij

dove tf − ij la frequenza del termine i nel documento j e’ postapari al massimo della frequenza maxtf ij della parola i neldocumento j .4) TFIDF (term frequency inverse document frequency):

wij = NTFxlogNni

dove N e’ il numero totale di documenti e ni e’ il numero didocumenti in cui la parola i appare.





Il corpus come un network.

Table : Term Document Matrix or Affiliation Matrix of twenty-fourwords and seven texts

word/text text1 text2 text3 text4 text5 text6 text7word1 1 1 0 1 0 0 0

word2 1 0 0 0 1 1 1

... ... ... ... ... ... ... ...

word24 0 0 0 0 0 0 1





Figure : Grafo bipartito parole-documenti

Fonte: Iezzi (2012)





Figure : Grafo one-mode parole e testi

Fonte: Iezzi (2012)





bb

Basic k-means algorithm1 Select k point as initial centroids;

2 repeat

3 form k clusters by assigning eachpoint to its closest centroid;

4 recompute the centroid of eachcluster.

5 until centroids do not change

bbBasic k-medoids algorithm

1 Select k data point as initial medoids;

2 repeat

3 form k clusters by assigning eachpoint to its closest medoid;

4 see if any other point is a ’better’medoid.

5 until medoids do not change





Fuzzy c-meansQuesto algoritmo si basa sulla minimizzazione della seguentefunzione obiettivo:

cM =n∑

i=1

c∑j=1

umij ‖xi − ci‖2

dove m e’ qualunque numero reale maggiore di 1, uij e’ il gradodi appartenenza di xi al cluster ci




dati

1000 annunci ANSA, pubblicati dal 2000 al 2012 su casi difemminicidio




metodo

Method Step n.1 Step n.2 Step n. 3M1 BOW LCA Hierarchical, PAM, k-meansM2 TFiDF PCA Hierarchical, PAM, k-meansM3 BOW Non metric MDS Hierarchical, PAM, k-meansM4 TFiDF MDS Hierarchical, PAM, k-means




metodo

Figure : Risultati della validazione interna da 2 a 6 gruppi

Iezzi, 2013âIezzi Domenica Fioredistella - email: [email protected] Milano - 15 ottobre 2013



metodo

Figure : ACL annunci ANSA

Iezzi, 2013âIezzi Domenica Fioredistella - email: [email protected] Milano - 15 ottobre 2013



Le modifiche apportate al sistema di ponderazione e aglialgoritmi evidenziano un miglioramento dei risultati.La sperimentazione e’ stata accompagnata dallapreparazione di programmi implementati sul software R.E’ in corso una collaborazione scientifica tra un gruppo diricercatori dell’Universita’ di Parigi 3 - Sorbonne Nouvelle -per sviluppare nuovi algoritmi per il text clustering daimplementare in Lexico 3 e R.




IEZZI D.F. (2010). Intimate femicide in Italy: a model to classifyhow killings happened. In: PALUMBO F., LAURO C. N.,GREENACRE M. J.. Data Analysis and Classification. p.85-92, BERLIN: Springer-Verlag, ISBN/ISSN:978-3-642-03738-2, doi: 10.1007/978-3-642-03739-9.IEZZI D.F. (2010). Topic connections and clustering in textmining: an analysis of the JADT network. In: StatisticalAnalysis of Textual Data. vol. 2, p. 719-730, MILANO:CasaEditrice LED.IEZZI D.F., MASTRANGELO M, SARLO S (2011). A textclassification method to measure distance between graduateprofiles and labour market offers. In: CLASSIFICATION ANDDATA ANALYSIS. PAVIAIEZZI D.F. (2012). Centrality measures for text clustering.COMMUNICATIONS IN STATISTICS. THEORY ANDMETHODS, vol. 41, p. 3179-3197.




IEZZI D.F. (2012). A new method for adapting the k -meansalgorithm to text mining. Statistica Applicata Italian Journal ofApplied Statistics, Vol 22(1):. 69-80.IEZZI D.F., MASTRANGELO M. (2012). Fuzzy c-means for webmining: the Italian tourist forum case. In: Analysis andModeling of complex data in behavioural and Social Science.Anacapri (NA) - ITALY, September 3-4, 2012, PADOVA:CLEUP.IEZZI D.F., MASTRANGELO M., SARLO S. (2012). Textclustering based on centrality measures: an application on jobadvertisements. In: 11es Journees Internationales d’analysestatistique des donnes textuelles. Liegi (B), 13-15 giugno 2012,p. 515-524.IEZZI D.F., MASTRANGELO M. (2012). IL PASSAPAROLADIGITALE NEI FORUM DI VIAGGIO: MAPPE ESPLORATIVEPER L’ANALISI DEI CONTENUTI. RIVISTA ITALIANA DIECONOMIA, DEMOGRAFIA E STATISTICA.




IEZZI D.F., DERIU F. (2013). Women active citizenship andwellbeing: the Italian case. QUALITY AND QUANTITY, Vol. 47,p.1-18 ISSN: 0033-5177, doi: 10.1007/s11135-012-9806-0IEZZI D.F. (IN PRESS) RIVISTA ITALIANA DI ECONOMIA,DEMOGRAFIA E STATISTICA.




EURES. 2013. L’omicidio volontario in Italia - Rapporto EURES2013, Roma: EURESISTAT, 2013. Rapporto Annuale, Roma: ISTATISTAT. 2007, Violenza e maltrattamenti contro le donne dentroe fuori la famiglia, Comunicato stampa, Roma: ISTATISTAT. 2012. Delitti denunciati dalle Forze di polizia allâAutorita’giudiziaria. Annuario statistico italiano Roma: ISTATISTAT. 2013. Rapporto annuale 2013. Roma: ISTAT.WORLD HEALTH ORGANIZATION. 2010. Preventing intimatepartner and sexual violence against women Taking action andgenerating evidence, Geneva: WHO.



Education

Il femminicidio in Italia nell’ultimo decennio: dimensioni, caratteristiche e profili di rischio