简介:大数据是建立在全数据基础上,通过数据分析发现事物的相关关系,再运用发现的相关关系对事物发展趋势做出预测的数据分析理念和分析方法。依托案件管理系统,对各类案件进行大数据分析,可以发现特征证据要素与证成(证伪)犯罪之间具有的正相关(或负相关)关系、零相关关系。运用这些相关关系可以发现某类案件的证据状况,从而预警正在办理的案件可能发生的问题;判断证据发展的趋势,为证据结构调整做好准备;结合自由心证理念,增强审查定案的信心;根据证据缺陷,及时寻找弥补措施。由于在理论和实践上面临的困境,当前利用大数据审查认定案件主要局限于预测案件走向。不过,伴随大数据查询使用机制的建立,特征证据认定标准体系的确立,大数据网络共享机制的建立,大数据价值由预测转向适用不无可能。
简介:本研究旨在编制民众社会公平期望问卷及对影响民众社会公平期望的机制进行初步探索。在广泛访谈的基础上,经过问卷的编制、初测和再测,形成了三个维度,即分配公平、程序公平和公平控制;问卷内部一致性信度为0.96,验证性因素分析结果证明了问卷具有较好的结构效度。通过问卷编制发现:民众的社会公平期望在年龄和职业上存在显著差异,在年龄差异上,41~50岁年龄段的民众程序公平期望最低,31~40岁年龄段的男性社会公平期望水平要远高于女性;在职业差异上,无业人员的分配公平期望最低,而国家机关和事业单位的工作人员公平控制期望最高。同时研究发现了积极社会信念在公平体验和公平期望之间起到部分中介作用,研究没有发现过去生活满意度对公平期望的预测作用。
简介:强敌意是无家可归的前罪犯面临的严峻挑战。这项横断面研究的数据来自于一项专注于预防非法药物使用和再犯的随机试验,这项实验的基础数据由最近释放的男性假释犯(人数=412,年龄=18~60岁)构成,以评估形成强敌意的相关因素。强敌意的预测因素主要包括:更强的抑郁症状、更低的自尊、有一个接受酒精/毒品治疗的母亲、帮派成员、更有形的支持、使用甲基苯丙胺和有认知困难的历史。这些研究结果强调了理解最近释放的无家可归者的敌意预测因素的必要性,以及这些预测因素如何与再犯行为连接起来。讨论这些研究结果的意义在于,它将会影响未来以护理为主导的危害降低措施和以社区为基础的干预措施。