Date of Award

11-2025

Document Type

Thesis

Degree Name

Master of Science in Software Engineering

Department

Computer Science and Software Engineering

First Advisor

Salah Bouktif

Abstract

In the current world, we need to place more emphasis on how easily interpretable, accurate, and acceptable data analysis results are, given that essential operations in law enforcement, among other sectors, are backed up by the use of complex computing systems. Crime profiling systems that use crime data for profiling encounter major problems because they depend on algorithm-based methods. These methods can be ambiguous and inaccurate, leading to low public acceptability. The study investigates major problems with Complex Crime profiling systems (CPS) because their unexplained algorithms result in system performance issues and public scepticism. XAI provides a solution to handle these problems by adding transparency and accountability to the decision-making process. The XAI usage will help improve and refine the current models.

The resulting models will offer better interpretability and accuracy, with human acceptance accordingly at the core. Evaluating criminal investigations with and without XAI integration differs from the blended methods approach. Through a blended-methods approach combining quantitative evaluation and qualitative analysis, the research assesses the effectiveness and stakeholder perceptions of crime profiling systems with and without XAI integration.

Similarly, the main research focal areas are an exploration of the extent to which the use of XAI contributed to the issues of transparency, bias in CPS systems and evaluation of the corresponding datasets of the stakeholders to determine the extent to which XAI-enhanced systems could be trusted. Lastly, an assessment of XAI's performance in the system's success in mitigating biases and enhancing the findings will be communicated through the above research. It will instil confidence in accepting XAI technologies for criminal profiling systems. Thus, decisions made by law enforcement agencies will be more transparent, accurate, and acceptable in the long run.

Arabic Abstract

تعزيز قبول نظام اتخاذ القرار باستخدام الذكاء الاصطناعي القابل للتفسير (XAI) : دراسة حالة لنظام تحديد الأنماط الإجرامية

في عالمنا اليوم، أصبحت الحاجة ملحةً للتركيز بشكل أكبر على سهولة تفسير نتائج تحليل البيانات، ودقتها، ومدى قبولها، لا سيما وأن العمليات الجوهرية في قطاعات حساسة، مثل إنفاذ القانون، تعتمد بشكل متزايد على أنظمة حاسوبية معقدة. تواجه أنظمة تحديد الأنماط الإجرامية (Crime Profiling Systems) التي تستخدم بيانات الجريمة تحديات كبيرة؛ نظراً لاعتمادها على خوارزميات قد تكون غامضة وغير دقيقة، مما يؤدي إلى تدني مستوى القبول العام لها .

تبحث هذه الدراسة في المشكلات الرئيسية المرتبطة بأنظمة تحديد الأنماط الإجرامية المعقد ة (CPS) ، حيث تؤدي خوارزمياتها غير المفسرة إلى مشكلات في أداء النظام وشكوك لدى الجمهور. يقدم الذكاء الاصطناعي القابل للتفسير (XAI) حلاً لمعالجة هذه التحديات من خلال إضفاء الشفافية والمساءلة على عملية اتخاذ القرار، مما يساهم في تحسين النماذج الحالية وتطويرها .

ستوفر النماذج الناتجة قدرة أفضل على التفسير ودقة أعلى، مع وضع القبول البشري في صلب اهتماماتها. يختلف تقييم التحقيقات الجنائية بوجود تكامل مع الذكاء الاصطناعي القابل للتفسير (XAI) عنه بدونه. ومن خلال منهجية الأساليب المختلطة (Blended-methods) التي تجمع بين التقييم الكمي والتحليل النوعي، تقيّم الدراسة فعالية أنظمة تحديد الأنماط الإجرامية وتصورات أصحاب المصلحة حولها في حالتي وجود وعدم وجود تكامل مع تقنيات .(XAI)

وبالمثل، تركز المحاور البحثية الرئيسية على استكشاف مدى مساهمة استخدام ( XAI)  في معالجة قضايا الشفافية والتحيز في الأنظمة الحالية، وتقييم مجموعات البيانات الخاصة بأصحاب المصلحة لتحديد مدى الثقة في الأنظمة المعززة ب ( XAI). أخيراً، سيتم تقييم أداء ( XAI)  في تخفيف التحيزات وتعزيز النتائج، مما سيعزز الثقة في قبول هذه التقنيات ضمن أنظمة التنميط الجنائي. وبالتالي، ستصبح القرارات التي تتخذها وكالات إنفاذ القانون أكثر شفافية، ودقة، وقبولاً على المدى الطويل.

Download
COinS