Vestnik of the St. Petersburg University of the Ministry of Internal Affairs of Russia Vestnik of the St. Petersburg University of the Ministry of Internal Affairs of Russia Вестник Санкт-Петербургского университета МВД России 2071-8284 2949-1150 6a9c163a32807fdbab872aa6 УГОЛОВНО-ПРАВОВЫЕ НАУКИ CRIMINAL LAW SCIENCES УГОЛОВНО-ПРАВОВЫЕ НАУКИ Methods for applying artificial intelligence technologies in criminological analysis (using the example of violent crime in the domestic sphere) Методика применения технологий искусственного интеллекта в криминологическом анализе (на примере насильственной преступности в семейно-бытовой сфере) https://orcid.org/0009-0008-4402-5126 Латышева Елена Вячеславовна Latysheva Elena Vyacheslavovna egjohns@mail.ru Санкт-Петербургский юридический институт (филиал) Университета прокуратуры Российской Федерации Санкт-Петербург Россия Saint-Petersburg Law Institute (branch) of the Federal State Establishment of Higher Education «University of prosecutor's office of the Russian Federation» Saint-Petersburg Russian Federation 30 09 2026 30 09 2026 2026 3 203 213 30 03 2026 25 09 2026 © 2026 Латышева Е.В. © 2026 Latysheva E.V. 2026 Латышева Елена Вячеславовна Latysheva Elena Vyacheslavovna https://vestnikspbmvd.ru/en/nauka/publications/6a9c163a32807fdbab872aa6/view

Введение. В условиях цифровизации всех сфер деятельности, увеличения массива неструктурированной информации возникает необходимость обновления отдельных элементов методологии криминологической науки. Новые возможности, связанные с распространением технологий искусственного интеллекта, создают условия для повышения результативности криминологического анализа путем сбора, обработки и систематизации значительных массивов цифровой информации. Искусственный интеллект позволяет осуществить анализ значительно большего объема криминологически значимой информации за единицу времени. Особый потенциал данного инструмента связан с анализом видов преступности, представленных большим эмпирическим объемом (например, насильственная преступность в семейно-бытовой сфере). Целью исследования является разработка и апробация методики использования технологий искусственного интеллекта на примере криминологического анализа данного вида преступности. Методы. Исследование выполнено в формате ретроспективного документального анализа. В качестве вспомогательного инструмента для извлечения, структурирования и предварительной обработки данных использовалась генеративная языковая модель ChatGPT компании OpenAI на базе языковой модели семейства GPT-5.4 при последующей экспертной верификации результатов исследователем. Эмпирическую базу составили 523 судебных решения 2012–2025 гг., отобранные из открытых источников и переведенные в стандартизированную таблицу криминологически значимых признаков. Результаты. Апробация методики показала свою работоспособность и научную продуктивность. На основе полученного массива данных сделаны криминологически значимые выводы о насильственной преступности в семейно-бытовой сфере. Подтверждена эффективность использования искусственного интеллекта как вспомогательного инструмента извлечения, структурирования и первичной обработки криминологически значимых данных. Сделаны выводы о его высокой эвристической и прикладной ценности для криминологического анализа при жестко заданной исследовательской матрице и сохранении определяющей роли исследователя в интерпретации результатов.

Introduction. Against the backdrop of the digitalisation of all spheres of activity and the growing volume of unstructured information, there is a need to update certain elements of the methodology of criminological science. New opportunities arising from the spread of artificial intelligence technologies create the conditions for improving the effectiveness of criminological analysis through the collection, processing and systematisation of large volumes of digital information. Artificial intelligence makes it possible to analyse a significantly larger volume of criminologically relevant information per unit of time. The particular potential of this tool lies in the analysis of types of crime characterised by a large volume of empirical data (for example, domestic violence). The aim of this study is to develop and test a methodology for using artificial intelligence technologies, using the criminological analysis of this type of crime as a case study. Methods. The study was conducted as a retrospective documentary analysis. OpenAI’s ChatGPT generative language model, based on the GPT-5.4 language model family, was used as a supporting tool for extracting, structuring and pre-processing data, with the results subsequently verified by the researcher. The empirical data comprised 523 court rulings from 2012 to 2025, selected from open sources and transcribed into a standardised table of criminologically significant characteristics. Results. Testing of the methodology demonstrated its feasibility and scientific value. Based on the dataset obtained, criminologically significant conclusions were drawn regarding violent crime in the domestic sphere. The effectiveness of using artificial intelligence as an auxiliary tool for extracting, structuring and performing initial processing of criminologically significant data has been confirmed. Conclusions have been drawn regarding its high heuristic and practical value for criminological analysis within a strictly defined research framework, whilst maintaining the researcher’s decisive role in interpreting the results.

 цифровизация криминологии семейно-бытовая преступность криминологический анализ судебные решения искусственный интеллект ChatGPT digitalisation of criminology domestic crime criminological analysis court rulings artificial intelligence ChatGPT

Павличенко Н. В. Правовое и организационное обеспечение внедрения технологий искусственного интеллекта в систему МВД России / Искусственный интеллект на службе полиции: сборник статей Международной научно-практической конференции, г. Москва, 27 мая 2021 г. / вступ. ст.: В. Д. Шулика, А. Н. Конев, В. В. Агеев. Москва : Академия управления МВД России, 2021. С. 13–19. Pavlichenko N. V. Pravovoe i organizacionnoe obespechenie vnedreniya tehnologiy iskusstvennogo intellekta v sistemu MVD Rossii / Iskusstvennyy intellekt na sluzhbe policii: sbornik statey Mezhdunarodnoy nauchno-prakticheskoy konferencii, g. Moskva, 27 maya 2021 g. / vstup. st.: V. D. Shulika, A. N. Konev, V. V. Ageev. Moskva : Akademiya upravleniya MVD Rossii, 2021. S. 13–19. Pruss D. [et al.]. Prediction and Punishment: Critical Report on Carceral AI. SSRN, 2024. 36 p. URL: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5017321. http://dx.doi.org/10.2139/ssrn.5017321 Pruss D. [et al.]. Prediction and Punishment: Critical Report on Carceral AI. SSRN, 2024. 36 p. URL: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5017321. http://dx.doi.org/10.2139/ssrn.5017321 McKay C. Predicting Risk in Criminal Procedure: Actuarial Tools, Algorithms, AI and Judicial Decision-Making // Current Issues in Criminal Justice. 2019. Vol. 32, № 5. P. 1–18. http://dx.doi.org/10.2139/ssrn.3494076 McKay C. Predicting Risk in Criminal Procedure: Actuarial Tools, Algorithms, AI and Judicial Decision-Making // Current Issues in Criminal Justice. 2019. Vol. 32, № 5. P. 1–18. http://dx.doi.org/10.2139/ssrn.3494076 Ильницкий А. С. Технологии искусственного интеллекта в криминологической науке и предупреждении преступлений // Вестник Московского университета МВД России. 2023. № 7. С. 105–111. https://doi.org/10.24412/2073-0454-2023-7-105-111 Il'nickiy A. S. Tehnologii iskusstvennogo intellekta v kriminologicheskoy nauke i preduprezhdenii prestupleniy // Vestnik Moskovskogo universiteta MVD Rossii. 2023. № 7. S. 105–111. https://doi.org/10.24412/2073-0454-2023-7-105-111 Serebrennikova A. V., Serebrennikova M. S. Criminological innovations in criminality prevention: status and perspectives // SHS Web of Conferences : IX Baltic Legal Forum “Law and Order in the Third Millennium”, Kaliningrad, December 11, 2020. Kaliningrad : EDPsciences, 2021. Vol. 108. P. 03002. https://doi.org/10.1051/shsconf/202110803002. EDN UAYBAJ Serebrennikova A. V., Serebrennikova M. S. Criminological innovations in criminality prevention: status and perspectives // SHS Web of Conferences : IX Baltic Legal Forum “Law and Order in the Third Millennium”, Kaliningrad, December 11, 2020. Kaliningrad : EDPsciences, 2021. Vol. 108. P. 03002. https://doi.org/10.1051/shsconf/202110803002. EDN UAYBAJ Hsieh T. C. [et al.]. Measuring the Unmeasurable –A Study of Domestic Violence Risk Prediction and Management // Journal of Technology in Human Services. 2018. Vol. 36, № 1. P. 56–68. https://doi.org/10.1080/15228835.2017.1417953 Hsieh T. C. [et al.]. Measuring the Unmeasurable –A Study of Domestic Violence Risk Prediction and Management // Journal of Technology in Human Services. 2018. Vol. 36, № 1. P. 56–68. https://doi.org/10.1080/15228835.2017.1417953 Rodríguez-Rodríguez I. [et al.]. Modeling and Forecasting Gender-Based Violence through Machine Learning Techniques // Applied Sciences. 2020. Vol. 22, № 10. P. 8244. https://doi.org/10.3390/app10228244 Rodríguez-Rodríguez I. [et al.]. Modeling and Forecasting Gender-Based Violence through Machine Learning Techniques // Applied Sciences. 2020. Vol. 22, № 10. P. 8244. https://doi.org/10.3390/app10228244 Wijenayake S., Graham T., Christen P. A Decision Tree Approach to Predicting Recidivism in Domestic Violence // Ganji M.[et al.] (eds.). Trends and Applications in Knowledge Discovery and Data Mining. Springer, Cham. 2018. Vol 11154. P. 3–15. https://doi.org/10.1007/978-3-030-04503-6_1 Wijenayake S., Graham T., Christen P. A Decision Tree Approach to Predicting Recidivism in Domestic Violence // Ganji M.[et al.] (eds.). Trends and Applications in Knowledge Discovery and Data Mining. Springer, Cham. 2018. Vol 11154. P. 3–15. https://doi.org/10.1007/978-3-030-04503-6_1 Berk R. A., Sorenson S. B., Barnes G. Forecasting Domestic Violence: A Machine Learning Approach to Help Inform Arraignment Decisions // Journal of Empirical Legal Studies. 2016. Vol. 13, is. 1. P. 94–115. https://doi.org/10.1111/jels.12098 Berk R. A., Sorenson S. B., Barnes G. Forecasting Domestic Violence: A Machine Learning Approach to Help Inform Arraignment Decisions // Journal of Empirical Legal Studies. 2016. Vol. 13, is. 1. P. 94–115. https://doi.org/10.1111/jels.12098 Amrit C. [et al.]. Identifying child abuse through text mining and machine learning //Expert systems with applications. 2017. Vol. 88. P. 402–418. https://doi.org/10.1016/j.eswa.2017.06.035 Amrit C. [et al.]. Identifying child abuse through text mining and machine learning //Expert systems with applications. 2017. Vol. 88. P. 402–418. https://doi.org/10.1016/j.eswa.2017.06.035 Schrading N. [et al.]. An analysis of domestic abuse discourse on reddit // Conference: Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing, Lisbon, Portugal, September 17–21, 2015. P. 2577–2583. https://doi.org/10.18653/v1/D15-1309 Schrading N. [et al.]. An analysis of domestic abuse discourse on reddit // Conference: Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing, Lisbon, Portugal, September 17–21, 2015. P. 2577–2583. https://doi.org/10.18653/v1/D15-1309 Subramani S. [et al.]. Domestic violence crisis identification from facebook posts based on deep learning // IEEE access. 2018. Vol. 6. P. 54075–54085. https://doi.org/10.1109/ACCESS.2018.2871446 Subramani S. [et al.]. Domestic violence crisis identification from facebook posts based on deep learning // IEEE access. 2018. Vol. 6. P. 54075–54085. https://doi.org/10.1109/ACCESS.2018.2871446 Subramani S. [et al.]. Deep Learning for Multi-Class Identification from Domestic Violence Online Posts // IEEE access. 2019. Vol. 7. P. 46210–46224. https://doi.org/10.1109/ACCESS.2019.2908827 Subramani S. [et al.]. Deep Learning for Multi-Class Identification from Domestic Violence Online Posts // IEEE access. 2019. Vol. 7. P. 46210–46224. https://doi.org/10.1109/ACCESS.2019.2908827 Subramani S., Vu H. Q., Wang H. Intent classification using feature sets for domestic violence discourse on social media // Conference: 4th Asia-Pacific World Congress on Computer Science and Engineering (APWC on CSE). 2017. P. 129–136. https://doi.org/110.1109/APWConCSE.2017.00030 Subramani S., Vu H. Q., Wang H. Intent classification using feature sets for domestic violence discourse on social media // Conference: 4th Asia-Pacific World Congress on Computer Science and Engineering (APWC on CSE). 2017. P. 129–136. https://doi.org/110.1109/APWConCSE.2017.00030 Xue J., Chen J., Gelles R. Using data mining techniques to examine domestic violence topics on Twitter // Violence and gender. 2019. Vol. 6. №. 2. P. 105–114. https://doi.org/10.1089/vio.2017.0066 Xue J., Chen J., Gelles R. Using data mining techniques to examine domestic violence topics on Twitter // Violence and gender. 2019. Vol. 6. №. 2. P. 105–114. https://doi.org/10.1089/vio.2017.0066 Karystianis G. [et al.]. Prevalence of Mental Illnesses in Domestic Violence Police Records: Text Mining Study // Journal of Medical Internet Research. 2020. Vol. 22, № 12. P. e23725. https://doi.org/10.2196/23725 Karystianis G. [et al.]. Prevalence of Mental Illnesses in Domestic Violence Police Records: Text Mining Study // Journal of Medical Internet Research. 2020. Vol. 22, № 12. P. e23725. https://doi.org/10.2196/23725 Liu M. [et al.]. Using Social Media to Explore the Consequences of Domestic Violence on Mental Health // Journal of Interpersonal Violence. 2018. Vol. 36, № 3-4. P. 1965–1985. https://doi.org/10.1177/0886260518757756 Liu M. [et al.]. Using Social Media to Explore the Consequences of Domestic Violence on Mental Health // Journal of Interpersonal Violence. 2018. Vol. 36, № 3-4. P. 1965–1985. https://doi.org/10.1177/0886260518757756 Нui V., Constantino R. E. The association between life satisfaction, emotional support, and perceived health among women who experienced intimate partner violence (IPV) –2007 behavioral risk factor surveillance system // BMC Public Health. 2021. Vol. 21, № 1. https://doi.org/10.1186/s12889-021-10665-4 Nui V., Constantino R. E. The association between life satisfaction, emotional support, and perceived health among women who experienced intimate partner violence (IPV) –2007 behavioral risk factor surveillance system // BMC Public Health. 2021. Vol. 21, № 1. https://doi.org/10.1186/s12889-021-10665-4 Пашаев Х. П. Преступность в сфере семейно-бытовых отношений в Республике Алтай и в отдельных субъектах Российской Федерации в Сибирском федеральном округе: показатели, правовые и организационные меры противодействия: монография. Горно-Алтайск : Горно-Алтайский государственный университет, 2017. 316 c. Pashaev H. P. Prestupnost' v sfere semeyno-bytovyh otnosheniy v Respublike Altay i v otdel'nyh sub'ektah Rossiyskoy Federacii v Sibirskom federal'nom okruge: pokazateli, pravovye i organizacionnye mery protivodeystviya: monografiya. Gorno-Altaysk : Gorno-Altayskiy gosudarstvennyy universitet, 2017. 316 c. Золотухин С. Н. Криминальное насилие в сфере семейно-бытовых отношений : монография. Челябинск :Библиотека А. Миллера, 2019. 196 с. Zolotuhin S. N. Kriminal'noe nasilie v sfere semeyno-bytovyh otnosheniy : monografiya. Chelyabinsk :Biblioteka A. Millera, 2019. 196 s. Латышева Е. В. О преступлениях, входящих в объем насильственной преступности в семейно-бытовой сфере// КриминалистЪ. 2025. № 4 (53). С. 78–85. Latysheva E. V. O prestupleniyah, vhodyaschih v ob'em nasil'stvennoy prestupnosti v semeyno-bytovoy sfere// Kriminalist'. 2025. № 4 (53). S. 78–85. Щепельков В. Ф., Савин С. Д., Тимошина Е. М. Домашнее насилие в Российской Федерации (состояние, проблемы криминологической оценки) // Всероссийский криминологический журнал. 2024. Т. 18, № 3. С. 232–244. https://doi.org/10.17150/2500-4255.2024.18(3).232-244 Schepel'kov V. F., Savin S. D., Timoshina E. M. Domashnee nasilie v Rossiyskoy Federacii (sostoyanie, problemy kriminologicheskoy ocenki) // Vserossiyskiy kriminologicheskiy zhurnal. 2024. T. 18, № 3. S. 232–244. https://doi.org/10.17150/2500-4255.2024.18(3).232-244 Кириллов М. А. Криминологическая характеристика и предупреждение преступлений, совершаемых в состоянии наркотического опьянения в семейно-бытовых и досуговых отношениях: монография. Нижний Новгород : Нижегородская академия МВД России, 2010. 298 с. Kirillov M. A. Kriminologicheskaya harakteristika i preduprezhdenie prestupleniy, sovershaemyh v sostoyanii narkoticheskogo op'yaneniya v semeyno-bytovyh i dosugovyh otnosheniyah: monografiya. Nizhniy Novgorod : Nizhegorodskaya akademiya MVD Rossii, 2010. 298 s. Варыгин А. Н. Особенности семейно-бытовых преступлений и их предупреждения // Вестник Казанского юридического института МВД России. 2014. № 3 (17). С. 30–34. Varygin A. N. Osobennosti semeyno-bytovyh prestupleniy i ih preduprezhdeniya // Vestnik Kazanskogo yuridicheskogo instituta MVD Rossii. 2014. № 3 (17). S. 30–34.