ВАК 5.1.4 УДК 343.9

МЕТОДИКА ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В КРИМИНОЛОГИЧЕСКОМ АНАЛИЗЕ (НА ПРИМЕРЕ НАСИЛЬСТВЕННОЙ ПРЕСТУПНОСТИ В СЕМЕЙНО-БЫТОВОЙ СФЕРЕ) Методика применения технологий искусственного интеллекта в криминологическом анализе (на примере насильственной преступности в семейно-бытовой сфере)

Опубликовано в Вестник Санкт-Петербургского университета МВД России · Том 2026, Номер 3 · Страницы 203–213 · Рубрика: УГОЛОВНО-ПРАВОВЫЕ НАУКИ
Получено: 30.03.2026 Одобрено: 25.09.2026 Опубликовано: 30.09.2026 Язык публикаций: RUS
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.
цифровизация криминологии, семейно-бытовая преступность, криминологический анализ, судебные решения, искусственный интеллект, ChatGPT
Текст Список литературы
Текст (PDF)
Читать Скачать

1. 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.

2. 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

3. 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

4. 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

5. 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

6. 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

7. 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

8. 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

9. 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

10. 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

11. 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

12. 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

13. 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

14. 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/https://doi.org/10.1109/APWConCSE.2017.00030

15. 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

16. 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

17. 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

18. 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

19. 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.

20. Золотухин С. Н. Криминальное насилие в сфере семейно-бытовых отношений : монография. Челябинск :Библиотека А. Миллера, 2019. 196 с.

21. Латышева Е. В. О преступлениях, входящих в объем насильственной преступности в семейно-бытовой сфере// КриминалистЪ. 2025. № 4 (53). С. 78–85.

22. 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

23. 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.

24. Варыгин А. Н. Особенности семейно-бытовых преступлений и их предупреждения // Вестник Казанского юридического института МВД России. 2014. № 3 (17). С. 30–34.

Войти или Создать
* Забыли пароль?