Examensarbete i kriminologi Malmö högskola
SOCIAL NÄTVERKSANALYS
SOM ETT REDSKAP VID
BROTTSUTREDNINGAR
SIGRID MOLIN
SOCIAL NÄTVERKSANALYS
SOM ETT REDSKAP VID
BROTTSUTREDNINGAR
SIGRID MOLIN
Molin.S. Nätverksanalysens användningsområden inom brottsutredningar. Undertitel. Examensarbete i kriminologi 15 högskolepoäng. Malmö högskola: Fakulteten för hälsa och samhälle, institutionen för kriminologi, 2015.
Genom en systematisk litteraturöversikt i kombination med en intervju är syftet med denna uppsats att försöka beskriva varför den sociala nätverksanalysen är lämplig i brottsutredningssammanhang samt hur den sociala nätverksanalysen används i brottsutredningar. Tanken är också att översikten ska kunna bidra till att se vilka möjligheter det finns att praktiskt utveckla metoden. Det finns en hel del forskning kring både social nätverksanalys (SNA) som metod och som teori och det används idag inom en mängd olika områden. Som teori handlar SNA om hur vi människor är sociala varelser som påverkar varandra i de tankar vi har och i de val som vi gör. Som metod är SNA istället olika matematiska uträkningar som kan användas för att beskriva mänskliga relationer. Inom kriminologin är SNA relativt nytt trots att brott i sig ofta är ett ”nätverksfenomen”. Flera kriminologiska teorier trycker också på betydelsen av att den egna brottsligheten har ett samband med de personer som vi umgås med.
Resultatet visar att det finns klara fördelar med att använda sig av SNA i en brottsutredning, strukturer och nyckelpersoner kan identifieras, något som inte alltid hade kunnat ske utan teknikens hjälp. Den data som i
utredningssammanhang används till nätverksanalyser är vanligtvis kvantitativa data, exempelvis telefontrafik. Olika typer av data kan ge väldigt olika resultat och blir det fel i datainsamling kan det sabotera för hela analysen. Det behövs mer teoretisk forskning kring SNA för att den som metod ska kunna appliceras på kriminologisk teori och på sikt även kunna användas bättre i
utredningssammanhang. Ett stort problem med att forska om metoden är att den kvantitativa datan kan vara svår att få tag på, det finns därför väldigt lite litteratur om hur social nätverksanalys kan användas i brottsutredningar.
Nyckelord: Brottsutredning, kriminalitet, kriminella nätverk, polis, social
SOCIAL NETWORK ANALYSIS AS
A TOOL IN CRIMINAL
INVESTIGATIONS
SIGRID MOLIN
Molin. S. Network-analysis in crime investigation. Bachelor thesis in
criminology. 15 högskolepoäng. Malmö University: Faculty of health and society,
Department of criminology, 2015.
With a systematic literature review and an interview, the aim of this essay is to try to describe how the social network analysis (SNA) is used in criminal
investigations. Hopefully, the essay can also help in pointing out why future research is needed and in what direction that research should go. As a theory, SNA focuses on man as a social being and how we affect each other in the way we think and act. As a method SNA is a number of mathematical computations that aims to explain relationships. There is a large amount of research about social network analysis, both as a theory and as a method but in the criminological field SNA is still relatively new. That is surprising as many criminological theories focuses on the importance of the people we engage with and our own
delinquency.
The result in this essay shows thatthere are many advantages with using SNA in a criminal investigation, structures and key-persons becomes more visible which sometimes is hard without technology. Different types of data can generate very different results and if something goes wrong in the collection of data it can sabotage the entire analysis. There is a need for more theoretical research on SNA so that it, as a method, can be applied to criminological theory and later to
criminal investigations. There is a big problem when doing research about social networks, the access to network-data. It is very hard to collect and is usually only available to police-officers or other qualified groups. Therefore the amount of literature in the subject is limited.
Keywords: Crime, criminal investigation, criminal networks, intelligence,
INNEHÅLLSFÖRTECKNING
1. INLEDNING OCH BAKGRUND ... 5
1.2 Syfte ... 6
1.3 Frågeställning ... 6
2. TIDIGARE FORSKNING ... 7
2.1 Teori ... 7
2.1,1Vad är ett socialt nätverk? ... 7
2.1,2 Social nätverksanalys som metod ... 7
2.1,3 Social nätverksanalys och kriminologi ... 11
2.2 Sammanfattning och slutsats av det aktuella kunskapsläget ... 12
3. METOD ... 14 3.1 Systematisk litteraturöversikt ... 14 3.2 Datainsamling ... 15 3.2,1 Val av sökord ... 15 3.2,2 Sökschema ... 15 3.2,3 Sökning ... 16
3.2,4 Inkluderings- och exkluderingskriterier ... 17
3.2,5 Analys av data ... 17
3.3 Intervju ... 17
3.4 Reliabilitet och validitet ... 18
3.5 Etiska överväganden ... 19
4. RESULTAT ... 20
4.1 Varför är social nätverksanalys lämplig som metod vid brottsutredningar ... 22
4.2 Hur ser ett kriminellt nätverk ut och vilken centralitet har de olika personerna i det? ... 23
4.3 Vilken typ av data används? ... 23
4.4 Vad kan informationen användas till? ... 24
4.5 Vilka problem finns med metoden? ... 27
4.6 Hur social nätverksanalys används i Malmö; Sammanfattning av intervju ... 28
5. DISKUSSION OCH SLUTSATSER ... 30
5.1 Resultatdiskussion ... 30
5.3 Rekommendationer ... 34
6. REFERENSER ... 36
7. BILAGOR ... 38
1. INLEDNING OCH BAKGRUND
Liksom många andra yrken har även polisyrket förändrats med tiden, exempelvis har nya arbetssätt, metoder och tekniker utvecklats (Ratcliffe, 2003).
Det traditionella sättet att arbeta på inom polisverksamheten är ett reaktivt
arbetssätt, det vill säga att reagera när ett brott redan har begåtts och att fokus inte läggs på att förebygga brott (Newburn, 2011). Metoden består bland annat av slumpmässiga patrulleringar och snabb en utryckningsverksamhet (a.a.). Rättsväsendet anses vara det huvudsakliga medlet för att minska brottsligheten medan polisens jobb snarare är att utreda de brott som redan har inträffat (a.a.). Under 1990-talet ändrade polisen sitt arbetssätt från ett reaktivt förhållningssätt till ett mer proaktivt synsätt och metoder såsom problemorienterat och
underrättelsestyrt polisarbete vann ny mark (a.a.).
Problemorienterat polisarbete innebär att polisverksamhet bedrivs med syftet att verka förebyggande (Knutsson & Søvik, 2005). Polisen är oftast relativt medvetna om vilka problem som kan uppstå i olika sammanhang och vad det är som orsakar problemen då dessa generellt är återkommande (a.a.). I det problemorienterade polisarbetet är tanken därför att polisen, efter att ha identifierat och analyserat problemet i fråga, ska ingripa innan de mekanismer som orsakar problemen hinner sätta igång (a.a.). Förhoppningen är att problemen på så sätt ska minska och på sikt försvinna helt (a.a.). Det problemorienterade polisarbetet ska ha beständiga lösningar där rättsystemet ska behöva användas i en allt mindre utsträckning (a.a.). En viktig del av arbetet är utvärdering, både kring i vilken utsträckning problemet i fråga har minskat och hur stor del i det själva insatsen har haft (a.a.). Arbetet brukar delas in i en process med fyra olika steg som brukar förkortas SARA (a.a.). S= scanning, identifiera problemet och skapa en problembild. A= analysis, kartlägga problemets orsak med utgångspunkt i problembilden samt identifiera manipulerbara faktorer. R= response, hitta lösningar och sätta dessa i verket. A= assesment, utvärdera insatsen (a.a.).
Underrättelsestyrt polisarbete började användas mer frekvent i Storbritannien under tidigt 1990-tal och har därefter spridit sig även till andra länder (Ratcliffe, 2003). Metoden är en brottsbekämpande operativ strategi som syftar till att minska brottsligheten genom en kombinerad användning av brottsanalyser och underrättelser (a.a.). Metoden riktar vanligen in sig på vaneförbrytare,
återfallsbrottslingar och seriebrottslighet (a.a.). En underrättelse kan vara allt möjligt såsom information från anonyma informanter, intervjuer med
gärningsmän, övervakning, avlyssning etcetera (a.a.). De olika källorna analyseras och en lämplig åtgärd diskuteras därefter fram (a.a.). I det underrättelsestyrda polisarbetet idag läggs mycket fokus på informationsutbyte samt på strategiska lösningar kring problem med brottslighet på både en lokal och en regional nivå (a.a.). Enligt Knutsson och Søvik (2005) finns det både likheter och skillnader mellan problemorienterat polisarbete och underrättelsestyrt polisarbete. Båda modellerna bygger exempelvis på insamling av informationer/data och analyser av denna (a.a.). Arbetet med problemorienterat polisarbete är dock något vidare och fokuserar inte enbart på kriminalitet utan ett problem här kan även utgöras av exempelvis lokala ordningsstörningar (a.a.).
I takt med att tekniken utvecklats har nya analysmetoder och tekniker vuxit fram som möjliggör och underlättar för polisen att arbeta mer proaktivt (Newburn,
2011). Exempel på sådana metoder är mönsteranalyser, geografisk profilering samt nätverksanalys (a.a.)
Den sociala nätverksanalysen används inom många olika områden och bygger på en teori kring relationers betydelse för exempelvis kriminalitet (Sarnecki, 2005). Ett nätverk kan beskrivas som en sorts struktur där olika sociala enheter är
kopplade till varandra genom relationer och tillsammans bildar dessa ett nät (a.a.). Vid studerandet av kriminella nätverk kan nätverksanalysen vara en effektiv metod för att kunna peka ut nyckelpersoner, göra strukturen av nätverket tydligare och synliggöra vart fokus bör ligga i en utredning (Hutchins & Hutchins-Benham, 2010). Används en nätverksanalys under en utredning ger det utredare och
analytiker en evidensbaserad bedömning att strukturer faktiskt finns och inte bara ett antagande om att de existerar (a.a.). Nätverksanalysen är en relativt ny metod och har inte använts som ett utredningsverktyg särskilt länge (Sarnecki, 2005). Mer kunskap kring metoden krävs för att den ska kunna utvecklas och bli en naturlig del av polisens arbete.
1.2 Syfte
Då den sociala nätverksanalysen är en relativt ny metod vid utredningar är syftet med denna uppsats att undersöka varför den sociala nätverksanalysen är en lämplig metod att använda sig av i brottsutredningssammanhang samt hur den sociala nätverksanalysen idag används praktiskt vid brottsutredningar.
Förhoppningen är att resultatet ska kunna bidra till att se vilka möjligheter det finns för att praktiskt utveckla metoden.
1.3 Frågeställning
- Varför är den sociala nätverksanalysen lämplig att använda sig av i brottsutredningssammanhang?
- Hur används den sociala nätverksanalysen idag praktiskt vid brottsutredningar?
2. TIDIGARE FORSKNING
2.1 Teori
2.1,1 Vad är ett socialt nätverk?
Ett socialt nätverk kan definieras som ett antal sociala enheter eller aktörer och de band som länkar dessa samman (Sarnecki, 2009). De sociala enheterna kan bestå av i princip vad som helst (a.a.), exempelvis studenter på ett universitet, länder inom NATO eller medlemmar i ett kriminellt gäng. Vad som länkar ihop aktörerna beror på vad som undersöks, vid en nätverksanalys av till exempel ett kriminellt gäng kan det vara intressant att titta på gemensam brottslighet mellan olika aktörer och den gemensamma brottsligheten blir då länken (Roxell, 2007). För att demonstrera ett nätverk är det vanligt att det sätts upp i någon form av nätdiagram, oftast kallat sociogram, vilket är ett kraftfullt visuellt och detaljerat sätt att beskriva relationer mellan de olika sociala enheterna (Papachristos, 2006).
Figur 1. Exempel på hur olika nätverk kan se ut i ett nätdiagram/sociogram. Källa1
2.1,2 Social nätverksanalys som metod
Social nätverksanalys (SNA) har både ett teoretiskt och ett metodologiskt perspektiv (Papachristos, 2006). Det teoretiska handlar om att människan är en social varelse och det finns mönster och regelbundenheter i våra relationer till varandra (a.a.). Fokus ligger på hur dessa mönster påverkar beteendet hos individer, hur interaktioner med andra kan påverka vårt sätt att tänka eller agera kring allt från vilka jobb vi väljer till hur vi ska rösta i politiska val (a.a.). SNA kan även användas som ett verktyg för att studera sociologi, hur människor påverkas av varandra och det samhälle vi lever i (a.a.). Granovetter (1983) argumenterar exempelvis för styrkan i våra så kallade ”svaga länkar”. Det är kanske inte alltid de personer i ens nätverk som står en närmast som är av störst ”nytta” för oss i alla situationer eller sammanhang (a.a.). När vi exempelvis ska söka jobb är det oftast de personer vi inte känner så väl som kan hjälpa oss (a.a.). På så sätt är hela ens nätverk av stor betydelse och inte bara de personer som är närmast länkade till oss (a.a.).
Ur ett metodologiskt perspektiv består den sociala nätverksanalysen av ett antal olika tekniker som grundar sig i matematisk grafteori, algebraiska modeller samt statistisk sannolikhetslära och som syftar till att undersöka sociala strukturer (Papachristo, 2006). Nätverksanalysen har flera användningsområden och kan ge oss både en visuell och en matematisk analys över mänskliga relationer (a.a.). I en nätverksanalys brukar de sociala enheterna kallas för noder som tillsammans med länkarna som binder dem samman bildar ett nätverk (a.a.). Den påverkan som sker mellan aktörer i ett nätverk kan vara antingen direkt eller indirekt (Sarnecki, 2009). I exempelvis ett kriminellt nätverk kan de direkta länkarna mellan aktörerna innebära att de har begått ett brott tillsammans medan de indirekta länkarna innebär att aktörerna ingår i samma nätverk men har inte haft några kända direkta kontakter med varandra utan har endast gemensamma
medbrottslingar (Sarnecki, 2009).
Det finns två olika typer av data som vanligtvis samlas in till en nätverksanalys och Scott (2013) kallar dessa för ”attributdata” och ”relationsdata”. Attributdatan kan samlas in via exempelvis enkäter eller intervjuer och rör de inblandade personernas egenskaper vilka är olika beroende på vad som undersöks (a.a.). Exempel på attributdata är inkomst, utbildning samt yrke (a.a.) Relationsdata är data kring de relationer som personerna i nätverksanalysen har (a.a.). Den här typen av data kan införskaffas på flertalet sätt och består huvudsakligen av olika typer av dokument, etnografiska observationer eller undersökningar (a.a.). Målet är att kombinera styrkorna hos kvalitativ och kvantitativ data för att kunna minimera svagheterna hos dem båda (a.a.). Genom att använda kvalitativ och kvantitativ data som ett komplement till varandra blir analysen i slutändan mer objektiv, något som man strävar efter i forskning inom de flesta områdena (a.a.). Det finns ingen fastställd metod att använda av sig av vid insamlandet av data utan hur man går tillväga beror på situationen och vad det är som ska undersökas (a.a.). Scott (2013) har även identifierat en tredje typ av data som beskrivs som ”ideationell data”. Den här typen av data beskriver bland annat de motiv som styr våra handlingar men tekniken för att kunna analysera ideationell data är inte lika välutvecklad som för de andra datatyperna och används därför sällan (a.a.). Nedan visas en sammanfattande bild på olika typer av data, hur dessa kan samlas in samt hur de analyseras.
Figur 2. Källa2
Det vanligaste måttet inom nätverksanalysen är densitet som visar den generella nivån av länkar mellan noderna (Scott, 2013). I en komplett graf är alla punkter direkt länkade med varandra, en sådan graf är dock mycket ovanlig även i väldigt små nätverk (a.a.). Konceptet med densitet är därför ett försök att summera den totala fördelningen av linjer för att kunna mäta hur nära en graf är att vara
komplett (a.a.). Ju fler noder som är länkade till varandra desto högre densitet har
nätverket (a.a.). För att räkna ut densitet tittar man på hur många länkar som existerar i grafen och jämför det med det totala antalet länkar som skulle kunna existera i grafen (a.a.). I mindre nätverk går detta att räkna ut i huvudet men ju fler noder som finns desto svårare blir det (a.a.) Scott (2013) ger som exempel att en graf innehållandes 250 stycken noder kan innehålla upp till 31,125 stycken länkar. För att räkna ut densitet används följande formel: c/n(n-1)/2 där c står för antalet länkar i nätverket och n står för antalet aktörer (a.a.). Densiteten antar ett värde mellan 0 och 1 där 0 står för mycket låg densitet och 1 för mycket hög (a.a.). De delar av nätverket som är tätare än andra och har fler direkta länkar kallas för
kluster (Scott, 2013). Det är även vanligt att densiteten räknas ut i dessa för att se
hur täta de olika subgrupperna inom det stora nätverket är (a.a.). Nedan visas en bild på två nätverk som illustrerar skillnaden i densitet när länkar försvinner.
Figur 3. Källa3
För att kunna analysera och förstå ett nätverk ytterligare så brukar man även titta på var olika personer befinner sig i nätverket eller en nods så kallade centralitet (Scott, 2013). Idén om centralitet kommer ifrån det sociometriska konceptet om en ”stjärna”, det vill säga den person som är mest ”populär” i en grupp och som alltid står i centrum (a.a.). Att mäta centralitet på personer inom ett nätverk är något som tidigt eftersträvades av analytiker som sysslade med sociala nätverk (a.a.). Redan år 1950 gjordes de första försöken och konceptet har sedan dess utvecklats till de olika centralitetsmått som idag används (a.a.). Genom att räkna ut olika typer av centralitetsmått på aktörerna i ett nätverk kan vi få fram
information om aktörernas roller inom det (Hutchins & Hutchins-Benham, 2010). Vi kan räkna ut vilka aktörer som förefaller vara viktigast, exempelvis vilka personer som kopplar ihop olika subgrupper eller vem som är kärnan i nätverket (a.a.). De vanligaste måtten på centralitet är degree centrality, closeness centrality och betweenness centrality (Scott, 2013).
Degree centrality visar hur många direkta länkar en person har inom nätverket,
om en nod har hög degree cenrality så är personen i fråga någon som är ”mitt i smeten” och har väldigt många kontakter (Scott, 2013). En nackdel med det här måttet är att det blir svårt att jämföra en person som har hög degree centrality i ett nätverk med en person som har detsamma fast i ett annat nätverk såvida nätverken inte är ungefär lika stora (a.a.). Det är till exempel stor skillnad på att ha 25
stycken direkta länkar i ett nätverk som består av 30 personer i jämförelse med att ha 25 direkta länkar i ett nätverk som består av 100 personer (Scott, 2013). För att försöka lösa det här problemet har man utvecklat ett typ av generellt mått på degree centrality (a.a.) Det räknas ut genom att addera antalet direkta länkar en
person har och sedan dela det med det totala antalet personer i nätverket (a.a.). Ju närmre 1 desto högre degree centrality har en person (a.a.). I exemplet ovan har personen med 25 direkta länkar i det stora nätverket en degree centrality på 0,25 medan personen med 25 direkta länkar i det lilla nätverket har en degree centrality på 0,86 (a.a.)
Closeness centrality är ett mått på hur nära en person är nätverkets centrum då det
visar hur många steg bort en person befinner sig från alla andra personer i nätverket (a.a.). Detta mått kan vara mer eller mindre användbart, Scott (2013) menar exempelvis att även i nätverk med låg densitet så är de flesta personer väldigt få länkar bort ifrån varandra och därmed är det oftast många personer i ett nätverk som har hög closeness centrality. De personer som bara är en eller två länkar bort från de andra i nätverket är de som är av störst intresse (a.a.) även om personer längre ut i ens nätverk också kan vara viktiga, se exempelvis
resonemanget om styrkan i de svaga länkarna ovan.
Betweenness centrality används för att identifiera personer i periferin men som
ändå har en nyckelroll genom att hen binder samman olika subgrupper i nätverket (Hutchins & Hutchins-Benham, 2010). Betweenness centrality är alltså ett mått som identifierar vilka aktörer som sprider information till andra personer i andra delar av nätverket och på så sätt knyter ihop det (a.a.).
Figur 4. Källa 4
I ovanstående nätverk ser det ut som att B är mest central men både A, B och C har en degree centrality på 0,33 (Scott, 2013). G och M har båda en degree
centrality på 0,13 och övriga på 0,07 (a.a.). B är dock mer central på så sätt att den har en kortare väg till alla andra i nätverket, det vill säga att B har en hög
closeness centrality (a.a.). G och M har även en högre closeness centrality än vad A och C har (a.a.). G och M har också en hög betweenness centrality då
information måste ge igenom dem ifall A, B eller C vill nå ut till andra delar av nätverket (a.a.).
Det finns idag ett stort antal dataprogram som kan användas för att göra en social nätverksanalys och de vanligaste heter UCINET och PAJEK (Scott, 2013). UCINET utvecklades av en grupp nätverksanalytiker på University of California, i USA och har varit tillgängligt som ett program i Windows sedan ett par år tillbaka (Scott, 2013). Programmet är enkelt att använda och kan genomföra de flesta analyser kring densitet, centralitet och så vidare (a.a.).
PAJEK utvecklades ursprungligen år1996 men har sedan dess genomgått ett antal revideringar (a.a.). Programmet skapades specifikt för att kunna hantera väldigt stora dataset även om det också kan användas vid mindre analyser (a.a.).
Metoden med SNA är under ständig utveckling, det senaste arbetet involverar exempelvis att försöka implementera hur nätverk kan förändras med tiden i analysen (Scott, 2013). Fram tills nu har den sociala nätverksanalysen endast kunnat ge en tillfällig bild av ett nätverk och modeller för att kunna göra analyser på mer longitudinella studier har nu börjat utarbetas (a.a.).
2.1,3 Social nätverksanalys och kriminologi
Den sociala nätverksanalysen är sprungen ur flera olika discipliner såsom
sociologi, antropologi och socialpsykologi och går tillbaka så långt som till 1920-talet (Roxell, 2007). Termen ”socialt nätverk” sägs komma från John Arundel Barnes, en socialantropolog som formulerade sina tankar om vårt sociala nätverk och betydelsen av det år, 1954 (a.a.). Han ansåg bland annat att för att kunna förstå samhället krävdes det att samhällets administrativa system och
produktionsordning analyserades ur ett nätverksperspektiv (a.a.). Från början var den sociala nätverksanalysen inte så mycket en metod som det var en teori och det var först på 1970-taler som social nätverksanalys började användas mer som en teknik (Scott, 2013). Idag är sociala nätverk mer aktuellt än någonsin (a.a.). Facebook och Twitter, är två exempel på sociala nätverk som är enorma och vikten av att ”nätverka” blir större och större i det moderna samhället (a.a.). För att koppla detta till kriminologi så är nätverksanknytning enligt forskning, i princip en nödvändighet för grovt kriminella personer med en längre kriminell karriär (Sarnecki, 2009). Inom kriminologin är metoden med social
nätverksanalys dock fortfarande relativt ny och används sällan trots att det finns en tydlig koppling till flera kriminologiska teorier vilka har som utgångspunkt att relationer är viktiga för det brottsliga beteendet (a.a.). I Sverige finns det ett par exempel på hur nätverksanalys har använts inom kriminologisk forskning.
Sarnecki har gjort ett antal studier i ämnet men ett exempel är att han har studerat co-offending hos ungdomar i Stockholm (2005) ur ett socialt nätverksperspektiv samt Roxell (2007) som har studerat sociala nätverk i svenska fängelser.
Nedan följer en beskrivning av två framstående kriminologiska teorier och dess koppling till den sociala nätverksanalysen.
Differentiella associationer är en kriminologisk teori som härstammar från den klassiska så kallade Chicagoskolan som fokuserade på brottslighet ur en social kontext (Lilly, Cullen & Ball, 2002). Teorin utvecklades av Edwin Sutherland redan år 1939 och har sedan dess haft en stark position inom den kriminologiska forskningen (a.a.). Som de flesta andra inom Chicagoskolan förnekade Sutherland starkt individuella egenskaper som en förklaring till kriminalitet, han menade att allt beteende, inklusive det brottsliga, är inlärt (Sutherland, 1939). Han
argumenterade för att det är genom social interaktion med andra som värderingar, attityder och tekniker för brottsligt beteende lärs ut (a.a.). Det är förklaringen till att brottsligheten kan vara väldigt hög i vissa områden men obefintlig i andra, i områden med hög kriminalitet lärs ett brottsligt beteende ut medan ett laglydigt beteende lärs ut i de lugnare områdena (a.a.). Efter ett antal revideringar
sammanfattade Sutherland teorin i nio punkter som bland annat handlar om hur
allt brottsligt beteende är inlärt samt att inlärningen kan ske på flera olika sätt
(Sutherland & Cressey, 1970). Sutherland menade också att det inlärda beteende vi har inte är permanent utan kan variera i frekvens, varaktighet, prioritet och intensitet (Sarnecki, 2005). Det här stämmer väl in på synen på ett socialt nätverk
där det ofta anses att relationerna eller länkarna i nätverket är föränderliga på samma sätt (a.a.).
Teorin om differentiella associationer betonar alltså betydelsen för vilka personer som befinner sig i en individs närhet eller i hens sociala nätverk och hur dessa personer påverkar hur hen väljer att leva sitt liv (Sarnecki, 2005). Ur den synvinkeln har nätverksanalysen en betydande roll då den kan hjälpa oss att synliggöra vilka personer som finns i en individs direkta närhet och hur dessa i sin tur kan påverka varandras brottslighet (a.a.).
Sociala bandteorin är en så kallad kontroll-teori, den vill förklara kriminalitet med att det hör samman med graden av kontroll samhället har på en individ (Lilly et al, 2002). Teorin utvecklades år 1969 av Travis Hirschi, en framstående
sociolog och kriminolog (a.a.). Hirschis utgångspunkt var varför människor väljer att inte begå brott snarare än varför människor väljer att göra det (Hirschi, 1969). Han ansåg att anledningen till att människor blev konforma var personens band till samhället, dessa band kallade han för ”sociala band” (a.a.). Hirschi
formulerade fyra stycken band som var avgörande för en persons liv utan kriminalitet:
1. ”Anknytning (attachment) till konventionella personer/aktiviteter, t.ex. föräldrar, skola, kamrater med flera.
2. Åtaganden (commitment) i förhållande till den konforma
samhällsordningen, investeringar i konforma livsmål, t.ex. utbildning, arbete och ett hederligt liv.
3. Delaktighet (involvement) i konventionella aktiviteter t.ex. engagemang i skola, arbete och föreningsaktiviteter.
4. Övertygelse (belief) om samhällsordningens legitimitet; positiva attityder
gentemot lagstiftning, rättsvårdande myndigheter etcetera, samt negativ attityd till brottslighet och missbruk” (Sarnecki, 2009. s.243).
Ju starkare dessa fyra band är desto mer social kontroll utövas och det finns mer att förlora för en person om hen väljer att begå ett brott (Hirschi, 1969). De sociala banden kan förändras under livets gång och vid olika tidpunkter i livet kan de olika banden vara mer eller mindre viktiga (a.a.). På ett sätt går sociala
bandteorin emot det kriminologiska nätverksperspektivet då teorin menar att starka band till exempelvis kamrater borde göra en individ mer konform och inte tvärtom (Sarnecki, 2005). Forskning har däremot visat att det finns en väldigt stark korrelation mellan unga brottslingars kamrater och den egna brottsligheten (a.a.). Hirschi menar dock att band mellan anti-sociala individer alltid är svagare än mellan konforma individer men att personer med svaga band till varandra ändå kan ha en stark påverkan på varandras beteende (a.a.). Många forskare har därför förespråkat en integrerad teori där sociala bandteorin tillsammans med
differentiella associationer kan förklara varför människor väljer att inte begå brott och varför de väljer att göra det (a.a.).
2.1,4 Sammanfattning och slutsats av tidigare forskning
För att sammanfatta så finns det en hel del forskning kring både SNA som metod och som teori och det används idag inom en mängd olika områden (Roxell, 2007). Som teori handlar SNA om hur vi människor är sociala varelser som påverkar varandra i de tankar vi har och i de val som vi gör (Papachristos, 2006). Som
metod är SNA istället olika matematiska uträkningar som kan användas för att beskriva mänskliga relationer (a.a.).
För att beskriva personer inom nätverket anges vanligtvis deras centralitet som det finns olika typer av (Scott, 2013). Det är även vanligt att nätverket illustreras i ett nätverksdiagram, även kallat sociogram (a.a.).
Inom kriminologin är SNA relativt nytt trots att brott i sig ofta är ett
”nätverksfenomen” (Sarnecki, 2005). Flera kriminologiska teorier trycker på betydelsen av att den egna brottsligheten har ett samband med de personer som vi umgås med (a.a.). SNA som metod utvecklas hela tiden, bland annat arbetas de nu fram sätt att analysera longitudinella data (Scott, 2013).
Den här uppsatsen har som syfte att undersöka hur SNA kan gå från att användas teoretiskt i kriminologisk forskning till att appliceras till något praktiskt,
brottsutredningar. SNA är en ny gren inom kriminologisk forskning och det är en ännu färskare metod inom polisväsendet (Sarnecki, 2005). Litteratur inom ämnet förefaller vara något begränsad.
3. METOD
Metoden i den här uppsatsen består dels av en så kallad systematisk litteraturöversikt och dels av en intervju med en person som jobbar med
nätverksanalys hos polisen. Att använda sig av två olika metoder för att beskriva ett och samma fenomen kallas för triangulering (Bryman, 2008). Triangulering används idag i allt större utsträckning för att verifiera studiens resultat,
exempelvis brukar etnografer använda sig av intervjuer för att försäkra sig om att de uppfattat saker på rätt sätt (a.a.). I en studie där mer än en metod tillämpas ökar också tillförlitligheten av resultatet, något som är extra viktigt i kvalitativ
forskning där validitet och reliabilitet är svårt att uppnå (a.a.). Detta diskuteras också mer omfattande nedan.
3.1 Systematisk litteraturöversikt
En litteraturöversikt är en översikt över den nuvarande forskning som finns att tillgå kring ett specifikt ämne (Denney & Tewksbury, 2013). Översikten ska redogöra för både vad som är känt och för vad som är ännu okänt kring ämnet i fråga och därmed fastställa i vilken riktning fortsatt forskning bör gå (a.a.). Underlaget till en litteraturöversikt bör vara vetenskapliga artiklar men om
området ännu är outforskat kan även exempelvis statliga publikationer och vanliga tidningsartiklar användas (a.a.). En bra översikt innehåller alla huvudsakliga inriktningar inom det valda ämnet och för att detta ska vara möjligt bör översikten bestå av både äldre mer klassiska publikationer samt nyare studier (a.a.).
Denney & Tewksbury (2013) menar att det är viktigt att skriva en
litteraturöversikt av flera skäl men kanske främst för att den ”tvingar” författaren att sätta sig in i ett ämne på djupet och studera alla delar av det. Det är också viktigt för att, som tidigare nämnts, synliggöra var och om det behövs ytterligare forskning och det öppnar på så sätt upp för nya forskningsfrågor (a.a.).
En litteraturöversikt innehåller både en bred kunskap om området som undersöks för att sedan gå in på djupet i den specifika del av ämnet som är intresserant för forskaren (Bryman, 2008). Frågor som ska besvaras genom litteraturöversikten är bland annat vad vet man redan om området? Vilka teorier och begrepp är centrala inom forskningsområdet? Finns det motsättningar inom området? Finns det frågor som ännu inte besvarats? (a.a.).
Beroende på om litteraturöversikten har en kvalitativ eller kvantitativ frågeställning så kan utformningen av den se något olika ut (Denney & Tewksbury, 2013). Den här uppsatsen har en kvalitativ frågeställning vilket innebär att litteraturöversikten antagligen kommer att bli bredare än om frågeställningen hade varit kvantitativ. I en litteraturöversikt med en kvalitativ forskningsfråga är det viktigt att det tydligt framgår varför frågan behöver tas upp och undersökas (a.a.) En kvalitativ studie bör därför, enligt Denney och
Tewksbury (2013) ha ett förhållningssätt där så mycket som möjligt ska finnas med kring det allmänna forskningsämnet. En kvantitativ litteraturöversikt
fokuserar mycket mer på metoden i de olika studierna och vill med hjälp av dessa understryka reliabiliteten och validiteten i den egna översikten (a.a.).
Det första steget i en systematisk litteraturöversikt är att formulera en
frågeställning och ett syfte (Forsberg & Wengström, 2013). När problemområdet sedan har avgränsats kan sökorden väljas ut (a.a.). Själva sökningen kan ske på
egen hand eller med hjälp av en bibliotekarie som också kan hjälpa till med att välja ut lämpliga databaser att söka i (a.a.). De studier som sedan väljs ut måste noggrant motiveras och det är viktigt att göra tydliga avgränsningar i sin sökning och dessa sätts lämpligen med hjälp av frågeställningen (a.a.).
Resultatredovisningen i en systematisk litteraturöversikt är central och det är enligt Forsberg och Wengström (2013) viktigt att resultatdelen är tydlig och korrekt samt presenterad i en logisk följd. En översiktlig artikelpresentation är lämplig vilken kan redovisas i en tabell (a.a.). Artiklarna och dess svar på frågeställningen presenteras därefter på ett överskådligt sätt i en text som ska kännas logisk för läsaren (a.a.). I diskussionsdelen ska resultatet diskuteras i relation till bakgrundslitteratur samt till syfte och frågeställning (a.a.). Forsberg och Wengström (2013) menar också att diskussionen även bör innehålla en metoddiskussion samt en slutsats med rekommendationer kring fortsatt forskning. Metoden har vissa nackdelar, exempelvis menar Bryman (2008) att en risk är att för mycket fokus läggs på själva insamlingstekniken istället för på resultatet. 3.2 Datainsamlingen
3.2,1 Val av sökord
Valet av sökord utgår alltid ifrån frågeställningen (Forsberg & Wengström, 2013). Ett vanligt sätt att bestämma dessa är att plocka ut nyckelord ifrån
frågeställningen och testa att söka på dessa, för sig själva eller i kombination med varandra (a.a.). När sökorden kombineras tar man hjälp av de så kallade
boorleska operationerna: ”AND”, ”OR” och ”NOT” som kan hjälpa till att avgränsa eller bredda sökningen (a.a.). Sökorden i den här uppsatsen plockades således ut ifrån frågeställningen/syftet och detta gjordes tillsammans med en bibliotekarie. För att få med så mycket som möjligt av den forskning som finns att tillgå togs beslutet att bara använda engelska sökord då forskningen inom området är begränsad och i synnerhet sådan som är skriven på svenska. De sökord som valdes ut var ”social network analysis”, ”SNA”, ”policing” och ”crime”. Dessa kombinerades för att utesluta så många irrelevanta artiklar som möjligt. Social network analysis sattes inom citationstecken för att få med alla ord som en mening och inte orden var för sig.
3.2,3 Sökschema
Databas Datum Sökord Träffar Lästa
abstrakt
Valda artiklar
Summon 2015-05-05 ”social network analysis” AND policing 207 0 0 Sociological abstracts 2015-05-11 SNA (S1) 81 0 0 Sociological abstracts
2015-05-11 “social network analysis” (S2) 4303 0 0 Sociological abstracts 2015-05-11 S1 OR S2 (S3) 4318 0 0 Sociological abstracts 2015-05-11 Crime (S4) 40569 0 0 Sociological abstracts 2015-05-11 Policing (S5) 5354 0 0 Sociological abstracts 2015-05-11 Crime OR policing (S6) 43954 0 0 Sociological abstracts 2015-05-11 S3 AND S6 (Peer-reviewed och från år 2000 och framåt)
32 32 7
Scopus 2015-05-11 SNA (#1) 4316 0 0
Scopus 2015-05-11 #1 OR #2 (#3) 10221 0 0
Scopus 2015-05-11 Crime (#4) 102917 0 0
Scopus 2015-05-11 Policing (#5) 7601 0 0
Scopus 2015-05-11 Crime OR policing (#6) 108766 0 0 Scopus 2015-05-11 #3 AND #6 (Peer-reviewed och
från år 2000 och framåt)
58 22 3
Scopus 2015-05-11 #3 AND #5 (Peer-reviewed och från år 2000 och framåt)
7 5 0
ABI 2015-05-11 SNA (S1) 81 0 0
ABI 2015-05-11 “social network analysis” (S2) 4303 0 0
ABI 2015-05-11 S1 OR S2 (S3) 4318 0 0
ABI 2015-05-11 Crime (S4) 40569 0 0
ABI 2015-05-11 Policing (S5) 5354 0 0
ABI 2015-05-11 Crime OR policing (S6) 43954 0 0
ABI 2015-05-11 S3 AND S6 (Peer-reviewed och från år 2000 och framåt)
32 32 7
Sage 2015-05-29 ”Social network analysis” OR SNA AND crime OR policing. Från år 2000 och framåt.
380 0 0
Sage 2015-05-29 ”Social network analysis” (som ”key-word”) OR SNA AND crime OR policing. Från år 2000 och framåt.
19 10 2
3.2,4 Sökning
Sökningen inleddes med att testsöka i databasen ”summon” för att få en känsla för den litteratur som fanns tillgänglig inom området. Då summon är en väldigt bred databas så resulterar sökningar där ofta i väldigt många träffar vilket blir för svårt att hantera i en systematisk litteraturöversikt. För att sökningen skulle bli så avgränsad som möjligt togs det därför återigen hjälp av en bibliotekarie i samtliga sökningar både för att som nämnt, utforma lämpliga sökord samt för att få hjälp med lämpliga databaser att söka i. Sökningen inleddes i databasen ”Sociological abstract” vilken resulterade i 32 stycken träffar. Av dessa lästes samtliga abstracts och 7 artiklar valdes ut. Sökningen fortsatte sedan i ”Scopus” och resulterade i 58 träffar varav 22 stycken lästes och 3 stycken valdes ut. Anledningen till att inte lika många abstracts lästes i den här sökningen var på grund av att många (10 stycken) redan hade lästs i första sökningen och för att fler artiklar i den här sökningen (26 stycken) inte passade in på mina inkluderingskriterier och bedömdes därmed vara för långt ifrån ämnet. En sökning till genomfördes i Scopus för att se om antalet irrelevanta artiklar kunde skalas ned vilken
resulterade i 7 stycken träffar. Ingen av dessa valdes dock ut då 1 redan var vald och de andra bedömdes för långt från ämnet. Nästa sökning genomfördes i ABI men resulterade i exakt samma träffar som i den första sökningen i Sociological abstract och ingen artikel valdes därför ut. Den sista sökningen genomfördes i Sage. Då Sage är en större databas krävdes det att sökningarna avgränsades något mer och ”social network analysis” angavs därför som ett ”key-word”. I Sage fanns inte funktionen att söka på orden var för sig först för att sedan kombinera ihop dem som det gick i övriga databaser utan här fick alla sökord kombineras ihop på en gång under fliken ”advanced search”. Den här sökningen resulterade i 19 stycken träffar. Av dessa hade 3 redan lästs i tidigare sökningar varav 1 valts ut till resultatet och de andra 2 hade bedömts för långt ifrån ämnet. 2 stycken artiklar från den här sökningen valdes ut som relevanta för ämnet. De övriga abstracts som lästes stämde inte in på inkluderingskriterierna och uteslöts således. Samtliga sökningar avgränsades till att bara inkludera artiklar som var ”peer-reviewed” förutom i Sage där den funktionen inte fanns som tillval, samt att artiklarna skulle vara skrivna från år 2000 och framåt. För att göra sökningen mer tillförlitlig och
säkerställa att så mycket av den litteratur kring ämnet som finns att tillgå hade kommit med i sökningarna genomfördes till sist en test-sökning i ”Google-schoolar”. Att även gå igenom resultatet av denna sökning noggrant och välja ut artiklar bedömdes för tidskrävande och för omfattande för arbetet men träffarna tittades snabbt igenom för att se om ungefär samma artiklar dök upp i denna sökning som i huvudsökningarna vilket var fallet. Resultatet i den här uppsatsen bygger därmed på totalt 11 stycken artiklar.
3.2,5 Inkluderings- och exkluderingskriterier
Systematiska litteraturstudier bör, som tidigare nämnts, i första hand bygga på vetenskapliga artiklar (Denney et al, 2013) och därför togs beslutet att denna typ av publikationer ska vara huvudsakliga källor. De artiklar som inte når upp till kraven för vetenskaplighet och som inte har blivit ”peer-reviewed har därmed uteslutits. Ett annat krav är att den litteraturen som valts ut är skriven på ett språk som behärskas flytande, i detta fall engelska eller svenska. För att få fram
forskning som är så aktuell som möjligt, då uppsatsen syftar till att undersöka hur nätverksanalys används idag, har artiklar som inte skrivits under 2000-talet uteslutits.
Inom vissa områden av forskning är det av betydelse, för att kunna besvara frågeställningen, vilken typ av forskningsdesign som används i de artiklar som väljs ut (Bryman, 2008). Detta är dock sällan fallet inom samhällsvetenskaplig forskning (a.a.) och vissa typer av artiklar har således inte sållats bort.
Uppsatsen syftar även till att ta reda på hur den sociala nätverksanalysen används inom specifikt brottsutredningar och inte inom något annat område. De artiklar som inte handlar om detta har därför sållats bort. Många artiklar som dök upp i sökningarna handlade om olika typer av brottslighet och social nätverksanalys men hade en mer akademisk vinkel än en utredningsvinkel och var därmed inte relevanta för den här studien. De artiklar som nämnde SNA i
utredningssammanhang, eller i samband med ”law enforcement” antingen i abstractet, som ett key-word eller i titeln valdes dock ut även om det inte var artikelns huvudsakliga syfte. De inkluderings- och exkluderingskriterier som beskrivits har använts både för att besluta vilka abstracts som ska läsas och för vilka artiklar som sedan valts ut.
3.2,6 Analys av data
Då syftet med en systematisk litteraturöversikt är att ge en överblick av
kunskapsläget inom ett specifikt ämne är analysen av den insamlade datan mycket viktig (Forsberg & Wengström, 2013). Litteraturen som valts ut har därför
noggrant lästs igenom för att kunna plocka ut de delar som är av intresse för syftet/frågeställningen. Dessa delar har sedan jämförts med varandra för att hitta likheter och skillnader och till sist kombinerats. Resultatet redovisas under ett antal rubriker som under arbetets gång har upplevts som centrala och
återkommande i de artiklar som valts ut.
3.3 Intervju
Inom kvalitativ forskning är intervjun den mest förekommande metoden, mycket på grund av dess flexibilitet (Bryman, 2008). Intervjuprocessen i kvalitativ forskning är väldigt anpassningsbar och det är intervjupersonens tankar och åsikter som står i fokus (a.a.). Kvalitativa intervjuer brukar delas in i två kategorier, ostrukturerade samt semistrukturerade (a.a.). I den ostrukturerade intervjun använder sig forskaren endast av ett par minnesanteckningar eller dylikt
och intervjupersonen får associera och prata fritt kring ämnet i fråga (a.a.). I den semistrukturerade intervjun kan forskaren ha till exempel en lista på olika teman som ska diskuteras men intervjupersonen kan ändå utforma svaren som hen vill (a.a.). Det är ofta frågeställningen som styr valet av intervjutyp, om exempelvis forskaren har ett tydligt fokus i sin undersökning är den semistrukturerade intervjun lämplig för att kunna få svar på de specifika frågeställningar som finns (a.a.). I den här uppsatsen har en semistrukturerad intervju genomförts då det finns en tydlig frågeställning och avgränsning. Valet att komplettera
litteraturöversikten med en intervju togs för att kunna få in SNA i svensk kontext och för att komplettera det som framkommer i de valda artiklarna.
Intervjupersonen har arbetat som analytiker hos polisen i Malmö sedan 2006. De frågor/teman som togs upp under intervjun var:
1. Vad har du för bakgrund?
2. Hur ofta gör ni nätverksanalyser? Är det en vanlig metod? 3. Upplever du att den förekommer oftare idag än för 10 år sedan? 4. Hur går ni tillväga vid analysen, steg för steg?
5. Vilka problem upplever du att det finns med metoden?
6. Upplever du att det finns någon kunskapslucka inom metoden? 7. Vad anser du om det etiska dilemmat som finns med metoden? Till
exempel, en personlig kränkning att registrera/kartlägga folk? Romregistret?
Alla minnesanteckningar och minnen skrevs noggrant ner direkt efter att intervjun var färdig för att så lite som möjligt skulle glömmas bort. Inga citat eller dylikt används utan samtalet har satts ihop till en sammanhängande text med frågorna som utgångspunkt. Intervjupersonen informerades om i vilket syfte intervjun gjordes och hur den skulle framställas i uppsatsen. Texten skickades även till intervjupersonen där hen fick möjlighet att verifiera det som skrivits ned samt ge kommentarer.
3.4 Reliabilitet och validitet
Validitet innebär i korthet om det som man mäter verkligen är det som man säger sig mäta och om de slutsatser som dragits hänger ihop (Bryman, 2008).
Reliabilitet innebär replikerbarhet, det vill säga huruvida resultaten som fåtts fram skulle bli detsamma om någon annan genomförde undersökningen (a.a.). I
kvantitativ forskning är reliabiliteten och validiteten oerhört viktig men det har de senaste åren diskuterats kring hur relevanta begreppen egentligen är vid kvalitativ forskning (a.a.). En viss anpassning av begreppen är åtminstone nödvändig för att kunna använda sig av dem vid en kvalitativ metod (a.a.). Bryman (2008) menar exempelvis att det i grunden går att använda begreppen på samma sätt som vid en kvantitativ ansats men med skillnaden att inte lägga så stor vikt på frågor som rör själva mätningen.
Validiteten vid litteraturstudier påverkas i stor utsträckning av valet av sökord (Forsberg & Wengström, 2008) och för att stärka validiteten har därför valet av sökord noggrant övervägts. Sökorden ska tydligt och enkelt kunna kopplas till syftet och frågeställningarna för att säkerställa att det som sägs undersökas också undersöks. Det är svårt att uppnå god reliabilitet i kvalitativ forskning, tolkningen av resultaten blir i kvalitativ forskning svår då alla människor är olika och ser och tolkar saker och ting på olika sätt (Bryman, 2008) För att försöka stärka
reliabiliteten i den här uppsatsen valdes därför systematisk litteraturöversikt som metod. En systematisk litteraturöversikt har tydliga riktlinjer kring genomförandet och all information om till exempel datainsamling, inkluderings- och
exkluderingskriterier finns att tillgå (a.a.). Det gör att uppsatsen skulle kunna göras om med ungefär samma resultat under förutsättning att de olika punkterna noggrant följs.
3.5 Etiska överväganden
All forskning i Sverige som rör människor ska genomgå och godkännas i en forskningsetisk prövning för att skydda de personer som är direkt inblandade i forskningen (Vetenskapsrådet, 2011). Det kan röra sig om forskning som
innehåller känsliga personuppgifter eller som studerar personer i samhället som är särskilt utsatta (a.a.). Den här uppsatsen som handlar om hur polisen använder sig av social nätverksanalys som metod har därför inte att behövt genomgå någon forskningsetisk prövning då den inte studerar människor på det sättet. Uppsatsen kommer inte att behandla några känsliga uppgifter eller ämnen men det kan ändå vara värdefullt att tänka till om de etiska aspekterna kring det som ska undersökas (Bryman, 2008). De källor som används i uppsatsen hanterar inte heller någon känslig information, i de fall där människor studeras är identiteten på dessa okända för läsaren och i flera fall även för författaren. Även om det inte finns några direkta etiska motstridigheter i uppsatsen så finns det vissa dilemman med social nätverksanalys som metod. SNA i sig är bara en analysmetod men en konsekvens av det är att man måste samla in data om personerna i fråga. Det anses av många vara kontroversiellt att polisen samlar in information om, samt
registrerar människor. För att göra en ordentlig SNA är det önskvärt att få med hela den population som undersöks. Då kan det hända att det dessutom
förekommer personer i nätverken som egentligen inte är kriminella för att skapa en så tydligt och uttömmande bild som möjligt av nätverket. Det kan dock upplevas som en personlig kränkning av integriteten och risken är att det kan uppfattas som att personer har registrerats utefter exempelvis etnicitet om det gjorts en kartläggning över en släkt, snarare än utefter brottslighet. Däri ligger en utmaning för polisen med att jobba med social nätverksanalys, är det okej att registrera vem som helst bara det finns ett bra syfte? Vart ska gränsen gå?
4. RESULTAT
De artiklar som valts ut till uppsatsens resultat kommer att presenteras i det här avsnittet. För att förtydliga sammanfattas de först i en tabell.
Författare, publ.år Typ av källa Syfte och metod Resultat
1. Berlusconi, 2013 Originalartikel Syfte: Att undersöka hur olika typer av data påverkar de personer i nätverket som har hög degree eller betweeness centrality.
Metod: Genomföra sociala nätverksanalyser på samma nätverk men med olika data.
Den data som är säkrast att använda vid en SNA är kvantitativ data. Antalet länkar och noder sjönk med nästan 50 % när kvalitativ data användes. Nyckelpersoner inom nätverket påverkades inte särskilt av de olika datatyperna. 2. Bright, Chalmers & Hughes, 2012
Originalartikel Syfte: Att undersöka alternativa data som skulle kunna användas till SNA på kriminella nätverk och som är lättare att få tag på än exempelvis polisens register.
Metod: Genomföra en SNA på nätverk som sysslar med
metamfetamin
trafficking med hjälp av domar.
Data i form av domar ger inte en lika korrekt bild av ett nätverk som den data som poliser har tillgång till men kan ändå vara värdefull. För att SNA som utredningsmetod ska utvecklas krävs det forskning i området, något som är svårt då tillgången till data är begränsad.
3. Chattoe & Hamill, 2005
Originalartikel Syfte: Att undersöka skillnader i hur ett nätverk ser ut i en SNA när kvantitativ kontra kvalitativ data används. Metod: Simulera nätverk och genomföra sociala nätverksanalyser på dessa.
Kvalitativ data förefaller vara mer tillförlitlig för att få en ”sann” bild av ett nätverk då den säger mer om relationer och dynamiken inom nätverket. Kvantitativ data kan aldrig ge den informationen. Mer forskning behövs för att undersöka hur kvalitativ data ska kunna användas rent praktiskt ”ute på fältet”.
4. Décany-Hetu & Dupont, 2012
Originalartikel Syfte: Att undersöka och utvärdera hur ett nätverk av hackers kan kartläggas med hjälp av SNA.
Metod: Genomföra en SNA tillsammans med polisen på personerna ifråga.
SNA kan med fördel användas på
internetrelaterad brottslighet, t. ex på grund av att mängden personer som förekommer i den typen av utredningar aldrig hade kunnat kartläggas manuellt. Det finns dock ett
antal etiska dilemman med metoden att överväga. 5. Malm & Bichler,
2011
Orginalartikel Syfte: Att försöka urskilja vilka noder som är svaga respektive starka hos i ett kriminellt nätverk och på så sätt även förstå hur den illegala
marknaden kring droger fungerar.
Metod: Studera 1998 st personer som var involverade i drogtrafficking med hjälp av SNA.
De personer som var svagast i nätverken var de som sysslade med smuggling eller tillförsel av droger. Dessa personer var enklast att
fragmentera för att kunna stoppa droghandeln.
6. McGloin & Kirk, 2010
Originalartikel En litteraturöversikt om SNA som metod inom rättsväsendet och inom kriminologisk
forskning.
SNA är en ännu outforskad metod och teori inom
kriminologin men som har potential att kunna underlätta forskare och utredares jobb genom att den kan kartlägga mönster och hitta
nyckelpersoner som annars kanske inte hade upptäckts. Problem med metoden är t. ex risken för felaktig data som kan stjälpa hela analysen. 7. McNally &
Alston, 2005
Originalartikel Syfte: Att analysera hur SNA kan användas i utredningen av
organiserade kriminella grupper.
Metod : Applicera SNA praktiskt på ett
motorcykelgäng i Canada.
SNA är ett effektivt verktyg vid
utredningar genom att den kan urskilja nyckelpersoner som annars är mer dolda. Det visade också att de personer som antogs vara centrala då de var mest synliga ändå inte hade någon formell ledarroll. 8. Morselli, 2010 Originalartikel Syfte: Att jämföra olika
typer av centralitet med vilken dom dessa personer sedan fick för att se hur träffsäkra de olika centralitetsmåtten är på att bestämma centrala figurer i en utredning.
Metod: Utföra en SNA på ett motorcykelgäng.
Personer med hög degree centrality är synliga och sårbara, de flesta personer i gänget som arresterades hade hög degree centrality. Personer med hög betweeness centrality var mindre synliga och svårare att döma. Nätverksanalys är en mycket effektiv metod vid utredningar då den kan bidra med en evidensbaserad bedömning om
strukturer. 9. Papachristos,
2014
Originalartikel En litteraturöversikt över SNA som metod och teori, hur den kan användas och vilka hinder med metoden som väntar.
SNA och kriminologi har en självklar koppling som tyvärr har förbisetts under flera år av forskare. Fortsatt forskning behövs för att SNA praktiskt ska kunna användas bättre. 10. Van der Hulst,
2012
Originalartikel En litteraturöversikt som syftar till att sammanställa hur SNA kan användas i
utredningssammanhang.
Efter en genomgång kring olika typer av datakällor,
användningsområden, svårigheter etcetera med metoden ger författaren förslag på en mall som kan följas av utredare vid genomförandet av en SNA för bästa möjliga resultat.
11. Yang & Sageman, 2009
Orginalartikel Syfte: Att hitta sätt att i SNA kunna analysera väldigt stora
terroristnätverk. Dessa är ofta väldigt komplexa och det kan vara svårt att urskilja
nyckelpersoner. Metod: Försöka utveckla ett program som kan göra ovanstående.
Ett nytt analysverktyg utvecklades som kan hjälpa till att sortera bort irrelevant information och ge en fraktal bild av nätverket där det som är av intresse för analysen framkommer.
4.1 Varför är social nätverksanalys lämplig som metod vid brottsutredningar?
Vid en brottsutredning som syftar till att undersöka hur samarbetet i en brottslig verksamhet ser ut så används nästan alltid någon form av visualisering, även kallad länkanalys (van der Hulst, 2009). Länkanalysen kan beskrivas som en mycket förenklad version av SNA där utredarna helt enkelt ställer upp personer i utredningen och drar länkar emellan dessa för att se hur alla är kopplade till varandra (a.a.). I mindre utredningar är detta naturligtvis en lämplig metod men ju fler personer som figurerar i utredningen och ju mer data som samlas in desto svårare blir det att hantera (Yang & Sageman, 2009). Van der Holst (2009) menar att i en visualisering av ett nätverk tenderar vi människor även att se saker på ett visst sätt, exempelvis om en person är satt i mitten av nätverket så kan det ge intrycket av att den personen har en central roll fast hen kanske egentligen inte alls har det. Vi blir helt enkelt lurade av våra ögon att tro att en struktur ser ut på ett visst sätt (a.a.). På grund av att utredare kan ha svårt att se objektivt på ett nätverk så kan en hel utredning misslyckas och viktig information kan förbises (a.a.). Den sociala nätverksanalysen kan bidra med just en helt objektiv och även vetenskaplig syn på ett nätverk där även det som inte syns med blotta ögat tas med i analysen (Décary-Hétu & Dupont 2012). Även vid ett mycket stort urval av individer kan SNA hjälpa till att identifiera centrala personer som har nyckelroller inom ett nätverk (a.a.). SNA kan underlätta förståelsen för hur strukturen inom ett nätverk är uppbyggt och hur strukturen påverkar dynamiken mellan personerna
inom gruppen (McGloin & Kirk, 2010). På så sätt går det även att identifiera svaga punkter i nätverket där det så småningom går att ingripa (a.a.). SNA kan också ses som en typ av brottsförebyggande åtgärd då den oftast används i ett proaktivt snarare än i ett reaktivt syfte (Bright, Hughes & Chalmers, 2012). Vid studerandet av terroristnätverk är SNA väldigt lämplig då dessa ofta är väldigt stora och komplexa (Yang & Sageman, 2009). Utan teknikens hjälp hade det varit oerhört svårt att försöka pussla ihop hur organisationen kring terrorism fungerar och att förstå det är viktigt för att kunna bekämpa terrorism (a.a.). Vid en SNA av ett terrornätverk är det av stor vikt att utöver identifiering av nyckelpersoner även identifiera subgrupper inom nätverket (a.a.) Det är svårt att demobilisera ett stort nätverk och det är därför mer effektivt för utredare att rikta in sig på subgrupperna istället (a.a.).
4.2 Hur ser ett kriminellt nätverk ut och vilken centralitet har de olika personerna i det?
Kriminalitet i sig är ofta ett gruppfenomen och majoriteten av brott begås av en grupp som består av två eller fler personer (Papachristos, 2014). Genom att tillhöra en grupp kan en individ både få stöd och utveckla en identitet som någon som är medlem i ett gäng (McNally & Alston, 2005). Det finns ett flertal olika typer av kriminella nätverk så som gatugäng, ungdomsgäng,
terroristorganisationer, smugglingsringar, narkotikatraffickinggrupper och annan organiserad brottslighet (Papachristos, 2014). Kriminella nätverk har vanligtvis en kärna av nyckeldeltagare och undersökningar har visat att mellan 15-20 % av de brott som begås av gängmedlemmar begås av den här innersta kärnan trots att dessa personer bara utgör en liten del av nätverket (McNally & Alston, 2005). De flesta personer i ett kriminellt nätverk är vanligtvis bara marginellt inblandade och har därmed låga värden på både degree och beteweeness centrality (Morselli, 2010). Dessa deltagare är oftare utsatta för randomiserade poliskontroller och är på så sätt ganska sårbara men är sällan målet för större organiserade polisiära insatser (a.a.). Det finns även deltagare i ett kriminellt nätverk som har höga värden i bara en typ av centralitet (a.a.). Forskning har visat att personer som har hög degree centrality oftare blir anklagade, arresterade och fällda för brott än personer med hög betweeness centrality (a.a.). Personer med låg degree centrality men med hög betweeness centrality fungerar som tidigare nämnt, som en typ av mäklare genom att den knyter ihop olika subgrupper inom nätverket (a.a.). Dessa personer är mindre synliga och därmed även mindre sårbara, man kan därför anta att personer som är mer strategiska snarare placerar sig här än i nätverkets
absoluta centrum (a.a.). Morselli (2010) har också identifierat en fjärde typ av nätverksmedlem, den som har ett högt värde på både betweeness och degree
centrality. I dessa fall väger förmodligen synligheten med att ha hög degree centrality ner den mer strategiska positionen som ”mäklare” och personen är
likväl sårbar (a.a.). Ett kriminellt nätverk består inte alltid bara av personer som sysslar med samma typ av kriminalitet, det kan även vara begränsat till ett geografiskt område (Papachristos, 2014). I främst USA finns det gäng där
medlemmarna består av personer som bor i samma stadsdel och där mycket fokus läggs på att försvara sitt ”revir” (a.a.). I dessa fall kan SNA med fördel
kombineras med någon typ av geografisk analys för att kunna förstå hur den gängrelaterade brottsligheten är uppbyggd (a.a.).
4.4 Vilken typ av data används?
Att samla in data till en nätverksanalys av ett kriminellt nätverk kan vara något svårare än till andra typer av nätverk (Van der Hulst, 2009). Det är oftast uteslutet
att helt enkelt fråga personer hur de känner eller är kopplade till varandra och polisen får därför förlita sig på annan typ av data (a.a.). I en social nätverksanalys av ett kriminellt nätverk finns det fyra olika typer av ”huvuddata” som används, dessa är övervakningsdata, intervjudata, polisens underrättelsedata samt data kring polisens erfarenheter (Malm & Bichler, 2011). Dessa typer av data delas in i kvalitativ eller kvantitativ (Chattoe & Hamill, 2005). Den kvalitativa datan består av exempelvis, förhör, vittnesmål, informanter, observationer etcetera medan den kvantitativa datan består av olika typer av elektronisk övervakning så som
datatrafik eller telefontrafik (Berlusconi, 2013). Vissa anser att det endast är den kvantitativa datan som bör användas vid SNA av ett kriminellt nätverk eftersom den är mer tillförlitlig och inte ljuger (a.a.). Om två personer exempelvis har ringt varandra 25 gånger så har de uppenbarligen gjort det svart på vitt (a.a.). Den kvantitativa datan är på så sätt objektiv på ett annat sätt än den kvalitativa (Malm & Bichler, 2011). Den kvalitativa datan blir oftare felaktig då det inte går att lita till hundra procent på att en person verkligen vet det den säger sig veta eller verkligen har sett det den säger sig ha sett (a.a.). Andra argumenterar för att det är den kvantitativa datan som riskerar att bli felaktig då du inte kan veta vad det egentligen betyder att två personer har ringt varandra 25 gånger (Chattoe & Hamill, 2005). De riktiga relationerna, gruppdynamiken och hierarkin kan bara beskrivas med hjälp av kvalitativ data (a.a.).
En studie som jämförde samma nätverk i, dels en SNA av kvalitativ data och dels en SNA med kvantitativ data fann dock att väldigt mycket information försvann i nätverksanalysen med den kvalitativa datan (Berlusconi, 2013). Antalet aktörer och länkar sjönk med hela 50 procent då informationen som fanns att tillgå var så pass mycket mer begränsad i den kvalitativa datan (a.a.). Detta gav tre olika bilder av nätverket (a.a.).
Figur 5. Förändringar i samma nätverk men med olika data. Källa5
Att i en utredning använda sig av kvalitativa data i nätverksanalysen kan enligt Berlusconi (2013) leda till en ofullständig bild av nätverket med delvis felaktiga mått på både själva nätverket och personer inom det. I en nätverksanalys kan dock båda typerna av data ha begräsningar vilket kan generera en ofullständig analys med bristande information (Malm & Bichler, 2011). Generellt sett så är det dock kvantitativ data som idag används i utredningar medan den kvalitativa är mer vanlig för att studera kriminella nätverk ur ett mer akademiskt perspektiv (a.a.). I och med att tekniken hela tiden utvecklas så underlättas samtidigt insamlandet av den kvantitativa datan då vi med teknikens hjälp kan göra mer och mer (Décary-Hétu & Dupont, 2012). Själva mängden kvantitativ data har också ökat enormt med teknikens utveckling då fler och fler personer lever sina liv via sin telefon och sin dator (a.a.). Décary-Hétu och Dupont (2012) menar att problemet
för analytiker idag snarare är att hitta meningsfulla sätt att analysera den data som samlas in än att faktiskt samla in den. Kvalitativ data skulle därför som sagt kunna användas som ett stöd för, eller som ett komplement till de som framkommit i den kvantitativa nätverksanalysen (Malm & Bichler, 2011). Att samla in data till en social nätverksanalys kräver planering, vaksamhet och noggrannhet (Van der Hulst, 2009). Under bilaga 1. finns bifogat en typ av mall som steg för steg går igenom vad som måste göras för att kunna arbeta med nätverksdata. Ett sådant här standardiserat verktyg skulle kunna underlätta för de som ska genomföra en SNA då vissa steg kan vara svårt att komma ihåg, i synnerhet om man inte genomför den här typen av analyser regelbundet (Van der Hulst, 2009).
4.5 Vad kan informationen användas till?
Det finns en mängd olika användningsområden för SNA som ett utrednings- och underrättelseinstrument. Van der Hulst (2009, s.104-105) har exempelvis listat ett antal:
1. SNA kan vara lämplig som ett hjälpmedel för att bygga upp olika scenarier i en utredning, ju mer kunskap som finns kring en grupp desto lättare är det att lägga fram en hypotes kring ett troligt scenario.
2. Vid en risk- eller hotanalys är det lättare att peka ut vilka personer inom nätverket som utgör potentiella hot och vilka personer som riskerar att utsättas för hot. Genom att bevaka stora nätverk inom till exempel organiserad brottslighet eller inom terrororganisationer så skyddas även allmänheten mot potentiellt grov brottslighet.
3. SNA kan, som tidigare nämnts, peka ut svagheter i nätverket och centrala personer. Med hjälp av den informationen kan polisen förhoppningsvis demobilisera nätverket så att det på sikt kan splittras.
4. Informationen som framkommer med hjälp av analysen kan användas som ett stöd för att besluta var fortsatta spaningar bör sättas in. Har en person till exempel hög degree centrality kan det föreslås att polisen bör sätta in resurser där.
5. Än så länge används inte den information som framkommer med hjälp av SNA som någon typ av bevis i ett åtal, den data som samlas in anses fortfarande inte tillräckligt tillförlitlig. Utvecklingen med metoden går dock hela tiden framåt och förhoppningen är att det i framtiden ska kunna användas som bevisföring.
Nedan följer ett exempel på hur SNA praktiskt kan användas vid en
brottsutredning. Ett Kanadensiskt motorcykelgäng, vars namn är okänt, har undersökts av två personer som jobbar på kriminella underrättelsetjänsten i Kanada (McNally & Alston, 2005). De har haft tillgång till polisens data och analysen bygger på exempelvis domar, förhör och annan information som polisen har nedtecknat (a.a.). Datan, som från början inte har samlats in för att användas i en SNA fick kodas om för att passa in i UNICET vilket var dataprogrammet som användes (a.a.). Både attribut och relationsdata samlades in och kategoriserades (a.a.). Nedan visas en bild över medlemmarna i nätverket och vilken roll dessa antogs ha innan analysen genomfördes.
Figur 6. Källa6
Det som kommer att beskrivas närmre här är nätverk nummer 1. Nätverket har totalt 16 stycken medlemmar varav samtliga är män (McNally & Alston, 2005). Nedan visas ett sociogram som illustrerar hur de olika medlemmarna är kopplade till varandra.
Figur 7. Källa7
I nätverket som visas i figur 7 går det att urskilja ett par personer som har högre centralitet än de andra och som därmed har centrala roller (McNally & Alston, 2005). Medlem 1 har högst degree centrality och är alltså den person som har flest direkta länkar (a.a.). Därefter är det medlem 10, 15 och 6 som har högst degree centrality (a.a.).
Medlem 1 och medlem 6 har högst closeness centrality, dessa personer är bara ett steg bort från alla andra personer i nätverket (a.a.). Medlem 5 kommer på en andra plats då han är ett steg bort från alla personer utom en (a.a.).
Medlemmarna som har högst betweenness centrality och som därmed starkt påverkar vilken information som sprids i nätverket är också medlem 1 och
medlem 10, medlem 5 och 6 kommer här på en andra plats. Det utfördes även fler centralitetstester varav medlem 1, 10 och 6 hade höga värden i samtliga (a.a.). De olika centralitetsmåtten indikerar alltså att medlem 1, ”the vice president” har ett mycket stort inflytande över nätverket då han har haft högst värden i alla analyser (a.a.). Han har flest direkta länkar, kontrollerar majoriteten av interaktionerna och är närmast alla centrala medlemmar (a.a.). Medlem 10 som inte har någon formell ledarroll är enligt analysen den som är högst rankad efter medlem 1 (a.a.).
Medlem 6 som kallas ”The president” kommer bara på en tredjeplats i hierarkin (a.a.). Medlemmarna 13 och 16 är de som har lägst värden i alla analyser och kan
6 McNally & Alston, s.11 7 McNally & Alston, s.14
