ОБЧИСЛЮВАЛЬНЕ КРИМІНОЛОГІЧНЕ АРГУМЕНТУВАННЯ: ПОНЯТТЯ, МОЖЛИВОСТІ ТА ПЕРСПЕКТИВИ ВИКОРИСТАННЯ
DOI:
https://doi.org/10.33766/2524-0323.100.112-126Ключові слова:
data science, reproducible research, big data, ефективність протидії злочинності, обчислювальне кримінологічне аргументування (computational crimino-logical reasoning).Анотація
Комплекс проблемних питань дослідження злочинності з використанням інформаційних технологій пропонується об’єднати поняттям «обчислювальне кримінологічне аргументування» та визначити його наступним чином: процес обґрунтування положень про злочинність, її причини, особистість злочинця, заходи запобігання, який здійснюється шляхом методологічно послідовного отримання нових знань iз даних, що збираються та обробляються автоматизовано. Наводяться результати реалізованих дослідницьких проєктів, які дають можливість оцінити потенціал обчислювального кримінологічного аргументування: збір та розвідувальний аналіз даних соціальних медіа, використання спеціалізованих відкритих баз даних, моделювання протидії злочинності з використанням штучного суспільства, обчислювальний аналіз змісту законодавства про кримінальну відповідальність, відтворюване дослідження протидії злочинності за методологією data science. Встановлено різницю направленості тенденцій розвитку законодавчого та правозастосовчого рівнів кримінально-правового регулювання: якщо кримінальне законодавство розвивається шляхом збільшення заборон та збільшення санкцій у вигляді позбавлення волі, то практика його застосування демонструє тенденції зменшення кількості засуджених та застосування штрафів частіше ніж позбавлення волі. Спостерігаються недостатня реалізація публічного інтересу в належному функціонуванні системи кримінальної юстиції, а також часткова примітивізація протидії злочинності. Зроблено висновок про те, що застосування обчислювального кримінологічного аргументування в такій ситуації набуває особливої актуальності. Необхідне підвищення ефективності кримінально-правового регулювання як на правозастосовчому, так і на законодавчому рівнях, розвиток протидії злочинності має обов’язково передбачати збір та аналіз якомога більших обсягів даних щодо протидії злочинності. Це забезпечить можливість прийняття керованих даними (data driven) рішень щодо організації протидії злочинності в державі. Такі рішення, розроблені на підставі великої кількості даних, за методологією, яка забезпечує високий рівень довіри до результатів аналізу, здатні істотно раціоналізувати національний дискурс щодо протидії злочинності.
Посилання
Філософський енциклопедичний словник : энциклопедия / НАН України, Ін-т філософії ім. Г. С. Сковороди ; голов. ред. В. І. Шинкарук. Київ : Абрис, 2002. 742 с.
Рабінович П. М. Правова аргументація: терміно-поняттєвий інструментарій дослідження / П. М. Рабінович, Т. І. Дудаш. Вісник Національної академії правових наук України. 2016. № 2. С. 8-20. URL : http://nbuv.gov.ua/UJRN/vapny_2016_2_3.
Дудаш Т. І. Особливості аргументування рішень Європейського Суду з прав людини (до характеристики методологічних підходів). Право України. 2017. № 4. С. 86-95.
Feteris E. Foundamentals of Legal Argumentation: A Survey of Theories on Justi fication of Judicial Decisions. Argumentation Library, 1999. Vol. 1. 225 p.
Щербина О. Ю. До питання про розуміння аргументації у логіко-юридичних дослідженнях. Гуманітарні студії. 2014. Вип. 21. С. 45–53. 6. Stelmach J., Brożek B. Methods of Legal Reasoning. Law and Philosophy Library. 2010. Vol. 78. 236 p.
Козюбра М. І. Моделі (типи) юридичної аргументації. Наукові записки НаУКМА. Серія «Юридичні науки». 2013. Т. 144–145. C. 3–8.
Кістяник В. І. Правова аргументація: сучасні підходи до ї ї розуміння в зарубіжних дослідженнях. Наукові записки НаУКМА. Серія «Юридичні науки». 2012. Т. 129. С. 20–22.
Cioffi-Revilla C. Computational Social Science. Wiley Interdisciplinary Reviews Compu-tational Statistics, 2(3). May 2010. P. 259-271.
Hox J. J. Computational Social Science Methodology, Anyone? Methodology. 2017, 13, pp. 3-12. URL : https://doi.org/10.1027/1614-2241/a000127.
Provost F., Fawcett T. Data Science and its Relationship to Big Data and Data-Driven Decision Making. Big Data. March 2013, pp. 51-59. URL : http://doi.org/10.1089/big. 2013. 1508.
Конверський А. Є. Логіка: підручник. 2‐ге вид., виправлене / А. Є. Конверський. Київ : ВПЦ «Київський університет», 2017. 393 с.
Peng RD. Reproducible research in computational science. Science. 2011. No 334 (6060), рр. 1226–27.
Prakken H., Sartor G., Law and logic: A review from an argumentation perspective. Artificial Intelligence. Volume 227. 2015. P. 214-245. URL : https://doi.org/10.1016/jartint. 2015.06.005.
Карчевський М. В., Кудінов А. С. Ефективність кримінальноправового регулювання в Україні. Вісник Луганського державного університету внутрішніх справ імені Е. О. Дідоренка. 2016. № 4. С. 101–114. URL : https://journal.lduvs.lg.ua/index.php/ journal/ article/view/537; Карчевський М. В., Кудінов А. С. Досвід експертної оцінки кризових явищ у сфері кримінально-правового регулювання. Вісник Асоціації кримінального права України. 2017. № 1(8).С. 163-181.
Web Scraper open free documentation. [Електронний ресурс] URL : https:// www.webscraper.io/documentation.
Ukrainian civilians under Russian attack l WNT. ABC News Youtube chanel. URL : https://youtu.be/nBfjsLTxvH8.
R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing.Vienna, Austria, 2022. URL : https://www.R-project.org/.
Feinerer I., Kurt Hornik K., Meyer D. Text Mining Infrastructure in R. Journal of Statistical Software. 2008. No 25(5): 1-54. URL : https://www.jstatsoft.org/v25/i05/.
WordsCloud.com – Free online Wordcloud generator. [Електронний ресурс] URL : https://www.wordclouds.com.
ACLED – brining clarity to crisis. [Електронний ресурс] URL : https://acleddata. com.
Get started with 3D Maps. Microsoft support. [Електронний ресурс] URL : https:// support.microsoft.com/en-us/office/get-started-with-3d-maps-6b56a50d-3c3e-4a9e-a527-e ea62a387030.
Загиблі через військову агресію рф проти України. Лютий-жовтень, 2022. [Електронний ресурс] URL : https://youtu.be/pGx3nZfXAAI. 24. NetLogo – multi-agent programmable modeling environment. [Електронний ресурс] URL : https://ccl.northwestern.edu/netlogo/.
Wilensky U., Rand W. An Introduction to Agent-Based Modeling: Modeling Natural, Social, and Engineered Complex Systems with NetLogo MIT Press, 2015. 505 p.
Branke J. Artificial Societies. In: Sammut, C., Webb, G. I. (Eds.) Encyclopedia of Machine Learning. Springer, Boston, MA, 2011. URL : https://doi.org/10.1007/978-0-387-30164-8_36.
Карчевський М. В. Агентне моделювання – нові можливості дослідження злочинності. Забезпечення правопорядку в умовах коронакризи : матеріали панельної дискусії IV Харків. Міжнар. юрид. форуму, м. Харків, 23–24 верес. 2020 р. / редкол.: В. Я. Тацій, А. П. Гетьман, Ю. Г. Барабаш, Б. М. Головкін. Харків : Право, 2020. С. 93-98
Карчевський М. В., Одинцова О. В. Автоматизована система для дослідження законодавчої оцінки суспільної небезпечності діяння «In Context». Вісник Луганського державного університету внутрішніх справ імені Е.О. Дідоренка. 2019. Вип. 4(88). С. 92-101. URL : https://doi.org/10.33766/2524-0323. 88.92-101.
Карчевський М. В. Загальна динаміка кримінально-правового регулювання на законодавчому та правозастосовчому рівнях. [Електронний ресурс] URL : https:// github.com/Nickolay78/Criminal_Code_of_Ukraine.
Карчевський М. В. Протидія злочинності в Україні у форматі DATA SCIENCE. Вісник Луганського державного університету внутрішніх справ імені Е.О. Дідоренка. 2022. Вип. 2(98). С. 202-227. URL : https://doi.org/10.33766/2524-0323.98.202-227.
Карчевський М. В. Вхідні дані, скрипти збирання, очищення, обробки та побудови візуалізацій для web-застосунку. Інтерактивний довідник "Протидія злочинності в Україні (2013-2021). URL : https://github.com/Nickolay78/Combating-Crime-in-Ukrai ne-2013-2021.
Карчевський М. В. Протидія злочинності в Україні : інфорграфіка : інтерактивний довідник. [Електронний ресурс] URL : https://karchevskiy.org/i-dovidnyk/.
