Menos regras, melhores pessoas: discrição e informação dispersa

Em um post anterior, descrevi alguns casos de uso da discrição na aplicação da lei, extraídos do livro "Feffer Rules, Better People", de Barry Lam. Mas, embora citar casos individuais possa ser útil para ilustrar uma ideia, chegar a uma decisão sobre se, ou quando, a discrição deve prevalecer sobre o legalismo não pode ser feito citando anedotas individuais. O que é necessário é uma consideração de segunda ordem sobre que tipos de circunstâncias tornam mais provável que a discrição produza melhores resultados do que o legalismo em geral, em vez de apontar para casos individuais de regras ou discrição que produzem resultados bons ou ruins.

Um defensor do legalismo poderia tentar sugerir que utilizemos regras baseadas nas pesquisas mais atualizadas, contando com o comportamento guiado por essas regras para superar a discrição. Lam descreve os resultados de uma dessas tentativas de pesquisa e como ela foi integrada às políticas. Embora, segundo a Suprema Corte, as autoridades policiais não tenham obrigação de fornecer proteção ou serviços a nenhum cidadão, há uma exceção na maioria das jurisdições: a violência doméstica:

Como resultado de ativismo bem-intencionado, a maioria dos estados e jurisdições tornou o uso da força legalmente obrigatório em casos de violência doméstica. A polícia não tem poder discricionário, pois pode ser presa, encarcerada ou multada por não prender um suspeito.

Como isso aconteceu? Tudo começou com o trabalho de Lawrence Sherman, um criminologista de Minneapolis, que foi convidado a ajudar a elaborar a melhor abordagem para ligações de violência doméstica no início da década de 1980. Essas ligações tendiam a ter um de três resultados: ou a polícia efetuava uma prisão, ou tentava resolver a situação com as partes envolvidas, ou separava as pessoas envolvidas, fazendo com que uma ou ambas as partes ficassem com familiares ou amigos por 24 horas até que os ânimos se acalmassem. A questão era qual dessas ações produzia os melhores resultados. Surpreendentemente, Sherman conseguiu convencer o departamento de polícia de que a única maneira de responder a isso seria realizar cada uma dessas abordagens aleatoriamente:

A polícia de Minneapolis teria que fazer o equivalente a rolar um dado de três lados cada vez que recebesse uma chamada de violência doméstica. Os policiais teriam que realizar a intervenção designada na chamada , independentemente do que descobrissem ou encontrassem nela . E se fosse uma chamada sem importância porque alguém socou uma parede e assustou as crianças? Se o dado indicasse "prender", você teria que prender. E se o suspeito agredisse gravemente um pai idoso? Se o dado indicasse "não prender, apenas separar", você teria que fazer isso.

Quais foram os resultados deste experimento?

Após meses conduzindo o experimento, Sherman descobriu que, das pessoas que foram aleatoriamente designadas para "prisão", 10% foram presas novamente por violência doméstica em seis meses. Entre as que receberam mediação, esse percentual foi de cerca de 18%. E entre as pessoas que ficaram separadas por 24 horas, esse percentual foi superior a 20%.

Portanto, os dados pareciam mostrar que a prisão de suspeitos levou à maior redução em incidentes futuros de violência doméstica. Isso teve um impacto rápido:

Em poucos anos, 28 estados aprovaram leis que tornavam obrigatório que policiais prendessem alguém em uma disputa de violência doméstica, impondo uma multa de US$ 1.000 ou pena de um ano de prisão caso não o fizessem. Essas leis de "prisão compulsória" foram expandidas para incluir a categoria de violação de uma ordem de restrição (ou ordem de proteção) relacionada à violência doméstica. Tornou-se uma política generalizada nos EUA que a discrição seletiva se aplica a todos os crimes, exceto violência doméstica.

Isso também contou com o apoio de uma coalizão política popular: os republicanos na era Reagan eram muito firmes em relação ao crime em geral, enquanto os democratas e as feministas estavam ansiosos para pressionar por uma ação policial mais forte em relação à violência doméstica em particular.

No entanto, os resultados a longo prazo não foram o que os defensores iniciais esperavam:

Infelizmente, quarenta anos de dados empíricos mostram que não há diferença entre as taxas de violência doméstica em estados com políticas de prisão obrigatória e discricionária. Isso ocorre apesar de duas vezes mais pessoas serem presas por violência doméstica em estados com prisão obrigatória do que em estados com prisão discricionária... Isso se deve, em parte, ao fato de que estados com políticas de prisão obrigatória resultam em mais prisões duplas: os policiais usam muito menos discrição para tentar determinar quem é o culpado ou o agressor principal, então prendem todos os envolvidos na disputa. O resultado é que os estados com prisão obrigatória têm de duas a três vezes mais pessoas com antecedentes criminais, lotando prisões e sendo afastadas do trabalho e dos cuidados familiares, enquanto as taxas de violência doméstica permanecem as mesmas.

Ainda mais surpreendente é que estados com políticas de prisão obrigatória por violência doméstica tendem a ter piores resultados a longo prazo para vítimas de violência doméstica:

Enquanto isso, políticas de prisão obrigatória levam a taxas significativamente maiores de homicídios de cônjuges. Há 35% menos homicídios de cônjuges em estados com políticas de prisão discricionária em comparação com as de prisão obrigatória. Mesmo fora da hipótese de morte por homicídio, mulheres cujos parceiros foram presos apresentam uma taxa de mortalidade prematura muito maior do que mulheres cujos parceiros não foram.

Aqui vale ressaltar que Sherman, o criminologista mencionado anteriormente, tinha uma interpretação muito mais restrita de suas descobertas no experimento de Minneapolis do que os formuladores de políticas:

“Portanto, as prisões funcionaram melhor a partir do experimento de Minneapolis, naquela cidade, naquele contexto”, concluiu Sherman, e relatou essas descobertas ao departamento de Minneapolis.

Mas o contexto de tempo e lugar faz uma enorme diferença nos resultados:

Às vezes, a prisão aumentava a reincidência na violência doméstica, às vezes não surtia efeito. A questão se revelou complexa. Se a prisão dissuadia a violência futura dependia de uma série de outros fatores locais da comunidade: se a comunidade era rica ou improvisada, se a família era pobre ou de classe média sólida, entre outros. Sherman nunca pretendeu que o estudo de Minneapolis levasse a uma política geral, e seus estudos subsequentes revelaram o quão ineficaz e contraproducente essa política era.

Décadas de pesquisas adicionais forneceram dados sobre todos os tipos de maneiras pelas quais variáveis ​​específicas são correlacionadas com os resultados a longo prazo da prisão ou de outras abordagens. Mas essa coleta de dados mais robusta e detalhada, argumenta Lam, ainda não consegue realizar o trabalho que a turma que defende políticas em detrimento da discricionariedade gostaria. Podemos dizer que "em casos com variáveis ​​X, Y e Z, a prisão leva a melhores resultados em 75% das vezes". Mas isso não implica que, para qualquer caso XYZ, haja 75% de chance de a prisão produzir os melhores resultados. Pode haver casos XYZ em que a prisão quase certamente piorará as coisas. Esses tipos de dados podem informar a tomada de decisões, mas não podem ser, por si só, o que realmente determina uma decisão em um determinado caso – isso terá que ser tomado em campo por uma pessoa específica. E tomar a melhor decisão possível nesse caso dependerá do homem proverbial no local usar toda a quantidade de informações disponíveis relevantes para aquele caso específico – informações que não podem ser conhecidas ou possuídas por nenhum legislador específico:

De fato, existem maneiras melhores ou piores de fazer o trabalho. E fazer o trabalho melhor exige conhecer alguns fatos contextuais, além dos fatos de cada situação.

E este é o mecanismo-chave que Lam identifica para expandir o escopo de discricionariedade sobre as regras para os burocratas e agentes de segurança "na rua". As pessoas diretamente presentes são as que têm maior probabilidade de ter as melhores e mais relevantes informações para cada caso e poderão usar esse conhecimento local com maior eficácia do que simplesmente seguir uma política geral elaborada por um formulador de políticas de alto escalão que opera com base em agregados estatísticos e teoria social isolada:

A vida real fornece muito mais informações do que se pode imaginar com base em padrões estatísticos. Talvez haja crianças ou pais idosos em casa. Talvez haja fome ou uma arma de fogo envolvida. Como ignorar essas informações enquanto se decide se esta é uma das 75% ou uma das 25% de exceções à regra? Em circunstâncias como essas, queremos que os policiais entrem em uma situação com discrição ou por imposição?

Decidir que um oficial deve tratar cada circunstância única, não de acordo com fatos específicos de tempo e lugar relevantes para aquela circunstância, mas de acordo com um fluxograma estatístico escrito em um escritório por um formulador de políticas que não pode ter todas as informações relevantes que cada situação requer, levou a um grande dano:

O engenheiro social utópico sonha que uma única regra fácil de seguir, estabelecida com antecedência e executada sem exceção, resolverá um problema social específico. O engenheiro meramente otimista sonha que, no mínimo, a regra superará a discrição, os atos de milhares de indivíduos que tomam milhares de decisões com base nas milhares de microssituações que encontram. A regra da "prisão obrigatória" foi um experimento de quarenta anos sobre se o complexo problema social da violência doméstica admite uma solução universal. Em retrospectiva, pensar que poderia ter havido uma solução única para todos parece ingênuo.

Mas a preocupação de Lam com o legalismo vai além da incapacidade das regras de alto nível de capturar informações relevantes para as circunstâncias concretas. Ele também acredita que o legalismo tem um custo moral significativo, tornando-nos pessoas piores. Analisarei esse aspecto de seu argumento no próximo post.