基于大數(shù)據(jù)的罪犯危險(xiǎn)性行為場(chǎng)交互理論研究

基于大數(shù)據(jù)的罪犯危險(xiǎn)性行為場(chǎng)交互理論研究

司法部傅政華部長(zhǎng)在2018年6月28日召開(kāi)的全國(guó)監(jiān)獄工作會(huì)議上指出。他強(qiáng)調(diào)，要充分發(fā)揮教育改革的主導(dǎo)作用，推動(dòng)教育改革專業(yè)化，對(duì)所有罪犯進(jìn)行風(fēng)險(xiǎn)評(píng)估和質(zhì)量評(píng)估，為有效控制罪犯，提高轉(zhuǎn)型的準(zhǔn)確性和效率提供重要依據(jù)。這凸顯了新形勢(shì)下監(jiān)獄教育改造功能的再次升華。廣東監(jiān)獄經(jīng)歷了近兩年的探索與實(shí)踐，借助于押犯量大、犯罪類型樣本豐富的研究?jī)?yōu)勢(shì)，結(jié)合大數(shù)據(jù)以及結(jié)構(gòu)方程分析處理方法，初步形成了一套比較科學(xué)的、系統(tǒng)的、具有實(shí)踐價(jià)值的廣東監(jiān)獄罪犯“多維交互危險(xiǎn)性評(píng)估系統(tǒng)”（Multidimensionalinteractiveriskassessmentsystem,簡(jiǎn)稱MIRAS）工具樣本，為認(rèn)識(shí)罪犯、甄別危險(xiǎn)、實(shí)現(xiàn)重點(diǎn)管控、提升罪犯改造質(zhì)量提供了較為科學(xué)的參考依據(jù)。一、罪犯危險(xiǎn)性評(píng)估的必要性根據(jù)罪犯危險(xiǎn)等級(jí)分配司法資源，既可以降低司法成本，也可以提高司法效能，其中司法實(shí)踐就是“危險(xiǎn)管理”,而對(duì)罪犯進(jìn)行危險(xiǎn)性評(píng)估是危險(xiǎn)管理的重要依據(jù)，其準(zhǔn)確程度將直接影響危險(xiǎn)控制的效果。（一）危險(xiǎn)評(píng)估工作需要采用黨的規(guī)則新刑罰學(xué)對(duì)犯罪生涯以及團(tuán)伙犯罪開(kāi)展了廣泛深入的研究，發(fā)現(xiàn)“少數(shù)人實(shí)施多數(shù)犯罪”，提出如果能“標(biāo)定”出危險(xiǎn)性大的罪犯，并對(duì)他們加以管控，全社會(huì)的犯罪將會(huì)得到有效控制，而且控制成本將大大降低，社會(huì)安全性將得到極大提高。這也就是二八定律在危險(xiǎn)管理中的實(shí)踐應(yīng)用。源于實(shí)踐經(jīng)驗(yàn)總結(jié)的海恩法則指出，每一起嚴(yán)重事故的背后，必然有29次輕微事故和300起未遂先兆以及1000起事故隱患。對(duì)征兆、苗頭等小事件的排查能對(duì)問(wèn)題進(jìn)行有效防控。這對(duì)于危險(xiǎn)評(píng)估工作具有重要借鑒意義。要進(jìn)行有效管控與預(yù)防，我們需要找出這些危險(xiǎn)征兆，“標(biāo)定”危險(xiǎn)罪犯，以對(duì)占少數(shù)的、具有高度危險(xiǎn)的罪犯嚴(yán)格管控，最大限度地保證監(jiān)獄的安全。（二）罪犯類別評(píng)估的基礎(chǔ)—場(chǎng)動(dòng)力理論社會(huì)心理學(xué)認(rèn)為，人的心理和行為決定于內(nèi)部需要和環(huán)境的相互作用，個(gè)體過(guò)去和現(xiàn)在形成的內(nèi)在需求可以看成是內(nèi)在的心理力場(chǎng)。當(dāng)人的需要未得到滿足時(shí)，會(huì)產(chǎn)生內(nèi)部力場(chǎng)的張力，即緊張狀態(tài)，而環(huán)境則起著導(dǎo)火索的作用。這就是K·勒溫著名的心理學(xué)場(chǎng)論。罪犯的危險(xiǎn)性行為也必然依照這一規(guī)律，由此引申提出了“罪犯危險(xiǎn)性行為場(chǎng)交互理論”，用公式表示為：RB=F(CE*CP)。RB代表危險(xiǎn)行為方向和向量，CE代表犯罪人受到的環(huán)境刺激，CP代表犯罪人的內(nèi)在需求，F(xiàn)代表某個(gè)函數(shù)關(guān)系。根據(jù)這一理論，我們將收集、甄別內(nèi)在需求以及環(huán)境刺激中存在的危險(xiǎn)性因素作為評(píng)估的基礎(chǔ)，將內(nèi)在需求信息區(qū)分為穩(wěn)定特質(zhì)與可變特質(zhì)，將環(huán)境刺激信息區(qū)分為日常改造行為和異常獄情，這種靜態(tài)因素與動(dòng)態(tài)因素、日常行為與異常行為的交互表達(dá)構(gòu)成一副相對(duì)完整、準(zhǔn)確、動(dòng)態(tài)的“罪犯甄別圖譜”，為科學(xué)評(píng)估提供有效支持。實(shí)踐中，我們對(duì)公式進(jìn)行具體化，R表示危險(xiǎn)類型，B表示危險(xiǎn)類型的分?jǐn)?shù)向量；RB表示危險(xiǎn)類型評(píng)估分?jǐn)?shù)（根據(jù)閾值判斷等級(jí)）。CE表示動(dòng)態(tài)影響因子（環(huán)境刺激因素），結(jié)合監(jiān)管改造實(shí)踐，我們進(jìn)行了分析整理，主要包含日常改造行為（Ce1E1）、重點(diǎn)危險(xiǎn)行為（陽(yáng)性因子）（Ce2E2）、危險(xiǎn)預(yù)警行為（陽(yáng)性因子）（Ce3E3）；CP表示內(nèi)在需求觀察變量中的穩(wěn)定和可變特質(zhì)因子,基于因子的不同來(lái)源和不同特質(zhì)，運(yùn)用自評(píng)量表和他評(píng)量表進(jìn)行收集，形成自評(píng)因子（Cp1P1）和他評(píng)因子（Cp2P2）。用公式表示：RB=F(CE*CP);CE=(Ce1E1)+(Ce2E2)+(Ce3E3);CP=(Cp1P1)+(Cp2P2);RB=F[(Ce1E1+Ce2E2+Ce3E3)*(Cp1P1+Cp2P2)]。（三）結(jié)構(gòu)方程模型分析方法在罪犯危險(xiǎn)性評(píng)估工具中的應(yīng)用危險(xiǎn)性的分析源于多元數(shù)據(jù)，既要找出現(xiàn)實(shí)危險(xiǎn)又要預(yù)測(cè)潛在危險(xiǎn)，因此，在對(duì)多種分析方法進(jìn)行研究比較的基礎(chǔ)上，我們將結(jié)構(gòu)方程模型分析方法應(yīng)用于罪犯危險(xiǎn)性評(píng)估工具的研發(fā)。結(jié)構(gòu)方程模型可以很好地對(duì)抽象建構(gòu)指標(biāo)進(jìn)行檢驗(yàn)和加權(quán)組合，將事物的客觀狀態(tài)以因果假設(shè)的方式加以呈現(xiàn)，然后以量化的資料加以驗(yàn)證，是一種實(shí)證分析模型方法。二、評(píng)估機(jī)構(gòu)的設(shè)置罪犯危險(xiǎn)性評(píng)估工作是科學(xué)認(rèn)識(shí)罪犯的一項(xiàng)基礎(chǔ)性工作，監(jiān)獄機(jī)關(guān)通過(guò)運(yùn)用專門(mén)的技術(shù)和方法，對(duì)罪犯發(fā)生危及監(jiān)獄秩序與穩(wěn)定的脫逃、行兇、自殺等行為以及再犯罪的可能性進(jìn)行系統(tǒng)科學(xué)的評(píng)估和預(yù)測(cè)，從而提高監(jiān)獄管控、教育罪犯的準(zhǔn)確性和有效性，并對(duì)刑釋人員的社會(huì)危險(xiǎn)性進(jìn)行提示。罪犯?jìng)€(gè)體在不同階段的心理需求以及所受環(huán)境刺激影響是不同的，因此評(píng)估需要從時(shí)空上進(jìn)行分解，分為入監(jiān)期、改造中期、出監(jiān)期評(píng)估以及隨時(shí)可能發(fā)生的即時(shí)動(dòng)態(tài)評(píng)估。不同維度的測(cè)量工具是不同的，因此入監(jiān)期、改造中期、即時(shí)評(píng)估要分別對(duì)脫逃、行兇、自殺進(jìn)行危險(xiǎn)程度評(píng)估，而出監(jiān)階段則進(jìn)行再犯罪可能性評(píng)估。（一）研究變量的選擇1.構(gòu)建顯變量評(píng)估體系對(duì)罪犯危險(xiǎn)性評(píng)估而言，目標(biāo)是從罪犯?jìng)€(gè)體以及監(jiān)管民警的角度構(gòu)建“罪犯危險(xiǎn)性評(píng)估工具”，這會(huì)涉及許多抽象建構(gòu)，以了解罪犯?jìng)€(gè)體自我評(píng)價(jià)的真實(shí)性、民警評(píng)估的態(tài)度、信息來(lái)源是否準(zhǔn)確等等。因此，構(gòu)建罪犯危險(xiǎn)性評(píng)估工具首先要對(duì)涉及的抽象建構(gòu)轉(zhuǎn)化成可定量分析的指標(biāo)，還要配置指標(biāo)權(quán)重，從而構(gòu)成完整的評(píng)估體系。作為抽象構(gòu)建指標(biāo)，自殺、行兇、脫逃、再犯罪是結(jié)構(gòu)方程的潛變量，無(wú)法直接測(cè)量，要通過(guò)各個(gè)觀察變量也就是顯變量來(lái)實(shí)現(xiàn)對(duì)潛變量的測(cè)量。在指標(biāo)體系構(gòu)建上，每種危險(xiǎn)類別的觀察點(diǎn)是不同的，同一種類別的危險(xiǎn)在罪犯服刑的不同階段又呈現(xiàn)出不同的表現(xiàn)形式。因此，我們分別建立不同類型危險(xiǎn)性的三級(jí)評(píng)估指標(biāo)體系，并對(duì)不同服刑階段同類危險(xiǎn)性評(píng)估的觀察變量進(jìn)行調(diào)整。以罪犯入監(jiān)自殺危險(xiǎn)性量表為例，三級(jí)指標(biāo)分別為：自殺因子為一級(jí)指標(biāo)，精神情緒、軀體疼痛、家庭變故、改造受挫，自殺預(yù)謀為二級(jí)指標(biāo)，觀察變量（顯變量）為三級(jí)指標(biāo)。以罪犯入監(jiān)行兇危險(xiǎn)性量表為例，三級(jí)指標(biāo)分別為：行兇因子為一級(jí)指標(biāo)，精神情緒、犯罪認(rèn)識(shí)、成長(zhǎng)經(jīng)歷、異常行為、生活變化為二級(jí)指標(biāo)，觀察變量（顯變量）為三級(jí)指標(biāo)；以罪犯入監(jiān)脫逃危險(xiǎn)性量表為例，三級(jí)指標(biāo)分別為：脫逃因子為一級(jí)指標(biāo)，異常行為、生活現(xiàn)狀、獄外影響、犯罪惡性為二級(jí)指標(biāo)，觀察變量（顯變量）為三級(jí)指標(biāo)，等等。2.觀察變量設(shè)置在研究實(shí)際問(wèn)題時(shí)，往往希望盡可能多的收集相關(guān)信息，從而使研究對(duì)象能夠通過(guò)大量的變量數(shù)據(jù)全面而完整地反映出來(lái)。在量表編制之初，我們通過(guò)文獻(xiàn)收集法、群體訪談法、調(diào)查問(wèn)卷法、專家訪談法等，項(xiàng)目庫(kù)采集了危險(xiǎn)相關(guān)信息要素307個(gè)，按穩(wěn)定與可變特質(zhì)分為穩(wěn)定要素198個(gè)，可變要素109個(gè)；按照不同類別分為自殺傾向要素109個(gè)、行兇傾向要素120個(gè)、脫逃傾向要素89個(gè)，重新犯罪傾向要素75個(gè)，其他要素77個(gè)。但在實(shí)際工作中進(jìn)行數(shù)據(jù)建模時(shí)，過(guò)多的變量可能難以達(dá)到預(yù)期效果，反而使統(tǒng)計(jì)分析復(fù)雜化。既要減少變量又避免信息缺失，我們通過(guò)因子分析法、模糊層次分析法等對(duì)變量進(jìn)行多次篩選，使變量更加聚焦，觀察點(diǎn)更加明確，最終形成了自殺傾向要素28個(gè)，行兇傾向要素24個(gè)，脫逃傾向要素17個(gè)，再犯罪傾向要素45個(gè)，這些觀察變量也就構(gòu)成了題項(xiàng)。綜合獄內(nèi)自殺、行兇、脫逃案件以及管教經(jīng)驗(yàn)，最終梳理了入監(jiān)階段觀察變量80個(gè)，改造中期觀察變量100個(gè)，即時(shí)動(dòng)態(tài)觀察變量67個(gè)，出監(jiān)階段觀察變量45個(gè)，采用兩分量表法，最終設(shè)計(jì)成罪犯入監(jiān)、中期、即時(shí)、出監(jiān)危險(xiǎn)性評(píng)估初始問(wèn)卷進(jìn)行試測(cè)。以下將以罪犯入監(jiān)階段危險(xiǎn)性評(píng)估量表為例，對(duì)工具研發(fā)過(guò)程進(jìn)行說(shuō)明。3.調(diào)查問(wèn)卷的收集本次試測(cè)運(yùn)用罪犯入監(jiān)危險(xiǎn)性評(píng)估初始問(wèn)卷進(jìn)行訪談，訪談對(duì)象為東莞、惠州、佛山、女子、北江、廣州、清遠(yuǎn)、陽(yáng)江和其他監(jiān)獄的1618名入監(jiān)階段在押罪犯，共收集到有效問(wèn)卷1618份。（二）罪犯風(fēng)險(xiǎn)評(píng)估量表的分析1.罪犯入監(jiān)危險(xiǎn)性評(píng)估量表總體信度信度即可靠性或可信性，指測(cè)量結(jié)果的一致性或穩(wěn)定性，即測(cè)量工具能否穩(wěn)定地測(cè)量到它要測(cè)量的事項(xiàng)。在本次分析中使用Cronbachα系數(shù)檢驗(yàn)量表的內(nèi)部一致性系數(shù)。通過(guò)對(duì)入監(jiān)總量表以及自殺、行兇、脫逃3個(gè)分量表內(nèi)部一致性系數(shù)的分析，了解了各個(gè)題項(xiàng)是否測(cè)量了相同的內(nèi)容或特質(zhì)以及題項(xiàng)之間的信度關(guān)系。Hair,Anderson,Taehan,eta1.(1988)指出，內(nèi)部一致性系數(shù)大于0.7表明量表的可靠性較高；在探索性研究中，內(nèi)部一致性系數(shù)可以小于0.7，但應(yīng)大于0.6表明量表是有效的。罪犯入監(jiān)危險(xiǎn)性評(píng)估量表題項(xiàng)共80項(xiàng)，總體信度分析結(jié)果顯示，克隆巴赫系數(shù)為0.839；罪犯入監(jiān)自殺傾向危險(xiǎn)性評(píng)估量表題項(xiàng)為28項(xiàng)，克隆巴赫系數(shù)為0.747；罪犯入監(jiān)行兇傾向危險(xiǎn)性評(píng)估量表題項(xiàng)為25項(xiàng)，克隆巴赫系數(shù)為0.698；罪犯入監(jiān)脫逃傾向危險(xiǎn)性評(píng)估量表題項(xiàng)為20項(xiàng)，克隆巴赫系數(shù)為0.640。數(shù)據(jù)表明，罪犯入監(jiān)危險(xiǎn)性評(píng)估量表總體的Cronbachα系數(shù)為0.839，自殺、行兇、脫逃3個(gè)分量表的Cronbachα系數(shù)也超過(guò)了0.6的可接受水平，表明量表具有較高的可靠性。2.自殺傾向危險(xiǎn)性評(píng)估量表分析結(jié)果效度即有效性，它是指測(cè)量工具或手段能夠準(zhǔn)確測(cè)出所需測(cè)量的特質(zhì)程度。效度越高表示測(cè)量結(jié)果越能顯示出所要測(cè)量對(duì)象的真正特征。為了考核量表的項(xiàng)目設(shè)置是否符合理論構(gòu)想，在本次分析中，從結(jié)構(gòu)效度方面進(jìn)行檢驗(yàn)。結(jié)構(gòu)效度又稱構(gòu)想效度，是理論上的、無(wú)形的品質(zhì)或者特質(zhì)。在罪犯危險(xiǎn)性評(píng)估測(cè)驗(yàn)中的結(jié)構(gòu)效度（ConstrustValidity）就是指測(cè)驗(yàn)在多大程度上能夠測(cè)量復(fù)雜的、多方面的與理論緊密相聯(lián)的心理行為特征。一般通過(guò)KMO和Bartlett球形檢驗(yàn)來(lái)進(jìn)行適合性分析。以入監(jiān)自殺危險(xiǎn)性評(píng)估量表為例進(jìn)行說(shuō)明：（1）檢驗(yàn)KMO值。對(duì)入監(jiān)自殺傾向危險(xiǎn)性評(píng)估量表相關(guān)數(shù)據(jù)進(jìn)行KMO和巴特利特檢驗(yàn)，結(jié)果顯示KMO值大于0.8，并且P值<0.01，通過(guò)了顯著性水平為0.01的巴特利球型檢驗(yàn)，說(shuō)明自殺傾向內(nèi)部結(jié)構(gòu)適合進(jìn)行因子分析。（2）累計(jì)方差貢獻(xiàn)率。方差貢獻(xiàn)率是指單個(gè)公共因子引起的變異占總變異的比例，說(shuō)明此公共因子對(duì)因變量的影響力大??；累計(jì)方差貢獻(xiàn)率是所有公共因子引起的變異占總變異比例，說(shuō)明所有公共因子對(duì)因變量的合計(jì)影響力。入監(jiān)自殺傾向危險(xiǎn)性評(píng)估量表相關(guān)數(shù)據(jù)方差貢獻(xiàn)率分析結(jié)果顯示，自殺傾向內(nèi)部可抓取6個(gè)有影響力的公共因子，累計(jì)方差解釋率為46.464，也即總體多于46.464%的信息可以由前6個(gè)公因子來(lái)解釋。從這個(gè)數(shù)據(jù)來(lái)看，還可以進(jìn)行項(xiàng)目分析優(yōu)化題項(xiàng)。（3）碎石圖。入監(jiān)自殺傾向危險(xiǎn)性評(píng)估量表碎石圖數(shù)據(jù)表明，自殺傾向內(nèi)部可以分成5個(gè)維度，這與二級(jí)指標(biāo)設(shè)定的精神情緒、軀體疼痛、家庭變故、改造受挫、自殺預(yù)謀5個(gè)維度相吻合。（4）因素負(fù)荷矩陣。入監(jiān)自殺傾向危險(xiǎn)性評(píng)估量表旋轉(zhuǎn)后的成分矩陣分析結(jié)果顯示，根據(jù)因素負(fù)荷高于0.35的原則，可篩選出6個(gè)公共因子，同時(shí)因子載荷情況也得到了明確，其內(nèi)部分類與二級(jí)指標(biāo)設(shè)定的5個(gè)維度題項(xiàng)分類大致相同。3.自殺傾向危險(xiǎn)性評(píng)估量表聚類分析是一種探索型分析，目的是為了觀察每一組數(shù)據(jù)的特征，集中對(duì)特定的聚簇集合做進(jìn)一步分析。以入監(jiān)自殺傾向危險(xiǎn)性評(píng)估量表為例，聚類分析結(jié)果顯示數(shù)據(jù)分成了4個(gè)聚類，每個(gè)聚類的個(gè)案數(shù)量分別是412條、459條、375條、372條，與二級(jí)指標(biāo)設(shè)定的5個(gè)維度題項(xiàng)分類較為接近。入監(jiān)自殺傾向危險(xiǎn)性評(píng)估量表單因素方差分析結(jié)果顯示，28個(gè)題項(xiàng)（觀察變量）在類間分布均有差異，說(shuō)明這28個(gè)題項(xiàng)對(duì)分類結(jié)果均起作用。（三）入監(jiān)自殺傾向危險(xiǎn)性評(píng)估罪犯危險(xiǎn)行為場(chǎng)動(dòng)力的實(shí)踐運(yùn)用為了更好地找出潛變量之間以及非潛變量測(cè)量指標(biāo)以外的觀察變量之間的關(guān)系，我們采用結(jié)構(gòu)方程模型對(duì)涉及罪犯危險(xiǎn)性評(píng)估的變量進(jìn)行處理。結(jié)構(gòu)方程模型不僅具有理論驗(yàn)證的特點(diǎn)，可以對(duì)罪犯危險(xiǎn)行為場(chǎng)動(dòng)力理論的實(shí)踐運(yùn)用進(jìn)行檢驗(yàn)，同時(shí)還考慮測(cè)量誤差的影響，可以同時(shí)處理幾個(gè)因變量，并能對(duì)模型的擬合情況進(jìn)行整體評(píng)價(jià)，是對(duì)傳統(tǒng)因素分析和路徑分析的繼承和發(fā)展。對(duì)建立的模型與數(shù)據(jù)的擬合程度進(jìn)行了檢驗(yàn)，以入監(jiān)自殺傾向危險(xiǎn)性評(píng)估模型擬合結(jié)果為例，題項(xiàng)對(duì)應(yīng)不同的因子都呈現(xiàn)顯著性指標(biāo)。初始模型擬合指標(biāo)顯示，近似誤差均方根RMSEA值為0.07，小于0.08，擬合優(yōu)度指標(biāo)GFI值為0.853，調(diào)整后擬合度指數(shù)AGFI值為0.829，大于0.8，數(shù)據(jù)符合評(píng)價(jià)標(biāo)準(zhǔn)。（四）危險(xiǎn)等級(jí)人群的基本符合實(shí)際總結(jié)試點(diǎn)監(jiān)獄多年來(lái)的監(jiān)管改造實(shí)踐經(jīng)驗(yàn)，將罪犯危險(xiǎn)性分為四級(jí)，對(duì)每級(jí)比例進(jìn)行了劃分。以入監(jiān)階段自殺危險(xiǎn)量表為例，極高分占比約為1.5%，人數(shù)為25人，對(duì)應(yīng)T分為75≤T≤101.16；高分占比約為2.9%，人數(shù)為55人，對(duì)應(yīng)T分為67.15≤T<75；中分占比約為40.9%，人數(shù)為640人，對(duì)應(yīng)T分為51.45≤T<67.15；低分占比約為54.7%，人數(shù)為898人，對(duì)應(yīng)T分為30.53≤T<51.45。專管警察通過(guò)對(duì)各危險(xiǎn)等級(jí)人群的觀察分析，認(rèn)為基本符合實(shí)際。后續(xù)將對(duì)個(gè)案進(jìn)行回測(cè)進(jìn)一步優(yōu)化模型。（五）模型擬合程度檢驗(yàn)本次研究運(yùn)用數(shù)據(jù)挖掘以及結(jié)構(gòu)方程建模方法，從大量數(shù)據(jù)中揭示出顯性的、隱含的、并有潛在價(jià)值的信息，所有的擬合指標(biāo)均達(dá)到通過(guò)標(biāo)準(zhǔn)，模型的誤差方根均小于0.08，說(shuō)明模型擬合程度不錯(cuò)。本次調(diào)查范圍涉及7所以上監(jiān)獄，抽樣具有一定的代表性，可以實(shí)現(xiàn)對(duì)抽象構(gòu)建進(jìn)行評(píng)價(jià)、比較的目的。三、廣東省的實(shí)踐與應(yīng)用（一）miras評(píng)估工具的實(shí)踐成就1.犯危險(xiǎn)性鑒別與預(yù)測(cè)評(píng)估工具M(jìn)IRAS評(píng)估系統(tǒng)對(duì)在押罪犯危險(xiǎn)性評(píng)估現(xiàn)狀分析的基礎(chǔ)上，基于結(jié)構(gòu)方程模型構(gòu)建了罪犯危險(xiǎn)性甄別與預(yù)測(cè)評(píng)估工具，這套工具實(shí)現(xiàn)了對(duì)四個(gè)階段、四種危險(xiǎn)類型相對(duì)科學(xué)的評(píng)估與預(yù)測(cè)，基本實(shí)現(xiàn)了罪犯改造過(guò)程全時(shí)段、無(wú)死角覆蓋。在系統(tǒng)建設(shè)中，將評(píng)估與跟蹤處置、評(píng)估應(yīng)用進(jìn)行了緊密關(guān)聯(lián)，使得罪犯危險(xiǎn)性評(píng)估系統(tǒng)成為了一個(gè)響應(yīng)即時(shí)、問(wèn)效有據(jù)的系統(tǒng)。2.結(jié)構(gòu)數(shù)據(jù)實(shí)時(shí)導(dǎo)入面對(duì)數(shù)據(jù)量大、數(shù)據(jù)類型多、結(jié)構(gòu)形式多樣、更迭速度快、價(jià)值密度低等挑戰(zhàn)，監(jiān)獄需要建立起大數(shù)據(jù)背景下與之相適應(yīng)的評(píng)估架構(gòu)，并針對(duì)業(yè)務(wù)邏輯進(jìn)行建模和大數(shù)據(jù)處理。MIRAS工具的優(yōu)勢(shì)在于，實(shí)現(xiàn)了對(duì)結(jié)構(gòu)化、半結(jié)構(gòu)化數(shù)據(jù)的分析和自動(dòng)抓取以及動(dòng)態(tài)評(píng)估，這是一個(gè)重大的進(jìn)步。具體而言，實(shí)現(xiàn)了對(duì)包括罪犯服刑數(shù)據(jù)、罪犯家屬數(shù)據(jù)、罪犯社會(huì)關(guān)系數(shù)據(jù)等罪犯信息庫(kù)的自動(dòng)抓取，包括獄政管理數(shù)據(jù)、勞動(dòng)改造數(shù)據(jù)、教育改造數(shù)據(jù)、心理測(cè)試數(shù)據(jù)、刑罰執(zhí)行數(shù)據(jù)、獄內(nèi)偵查數(shù)據(jù)、生活衛(wèi)生數(shù)據(jù)、罪犯醫(yī)療健康數(shù)據(jù)、罪犯日常動(dòng)態(tài)信息等監(jiān)管改造數(shù)據(jù)庫(kù)的抓取，以及包括罪犯的個(gè)別談話數(shù)據(jù)、罪犯親屬會(huì)見(jiàn)時(shí)的敏感詞數(shù)據(jù)等部分非結(jié)構(gòu)化數(shù)據(jù)的實(shí)時(shí)導(dǎo)入。目前約有90%以上數(shù)據(jù)可以通過(guò)自動(dòng)采集分析，10%的數(shù)據(jù)通過(guò)PAD移動(dòng)終端人工采集，實(shí)時(shí)傳輸，工作時(shí)間較傳統(tǒng)手工輸入模式大大縮短，數(shù)據(jù)的準(zhǔn)確性與及時(shí)性得到了有效保證。3.與監(jiān)獄傳統(tǒng)排查手段比較罪犯危險(xiǎn)性評(píng)估系統(tǒng)共開(kāi)展了17308人次（含入監(jiān)期、改造中期、出監(jiān)期以及即時(shí)動(dòng)態(tài)）的危險(xiǎn)性評(píng)估工作，排查極高危罪犯65名，占總排查人數(shù)的1.16%，高度危險(xiǎn)罪犯186名，中度危險(xiǎn)罪犯2300名，低度危險(xiǎn)罪犯3058名。將評(píng)估結(jié)果與監(jiān)獄傳統(tǒng)排查手段進(jìn)行比較，吻合度達(dá)到80%以上。并且在個(gè)案處置中發(fā)現(xiàn)，MIRAS對(duì)潛在危險(xiǎn)罪犯的識(shí)別更加準(zhǔn)確、有效。通過(guò)MIRAS對(duì)信息的智能整合提升了監(jiān)獄業(yè)務(wù)工作的流暢性，有效減少了人工誤差，提高了工作的效率，對(duì)危險(xiǎn)管控提供有效預(yù)警，為復(fù)評(píng)合議以及業(yè)務(wù)部門(mén)研判提供相對(duì)科學(xué)的鑒別指標(biāo)和數(shù)據(jù)。4.智能預(yù)警，危險(xiǎn)犯群MIRAS將實(shí)時(shí)采集到的數(shù)據(jù)信息與運(yùn)算規(guī)則進(jìn)行匹配和智能分析，一旦發(fā)現(xiàn)陽(yáng)性因子或評(píng)估分?jǐn)?shù)超出臨界值，系統(tǒng)將會(huì)啟動(dòng)智能預(yù)警。這對(duì)那些表面上改造表現(xiàn)平穩(wěn)，實(shí)際上潛在著危險(xiǎn)的罪犯能做到有效的排查，并對(duì)相應(yīng)的動(dòng)態(tài)事件進(jìn)行有效關(guān)聯(lián)，最大限度地提示危險(xiǎn)犯群。在個(gè)案庫(kù)數(shù)據(jù)足夠豐富的情況下，系統(tǒng)可能通過(guò)人工智能經(jīng)驗(yàn)學(xué)習(xí)，對(duì)危險(xiǎn)因子進(jìn)行實(shí)時(shí)的優(yōu)化，使預(yù)警的準(zhǔn)確率得到更大的提升。（二）提案和反思1.腦區(qū)功能異常與犯罪的關(guān)系縱觀國(guó)內(nèi)外文獻(xiàn)，犯因性因素的研究成果已日益豐碩，僅借助于社會(huì)學(xué)、心理學(xué)等學(xué)科的觀點(diǎn)和知識(shí)已經(jīng)不能完全解釋犯罪發(fā)生和發(fā)展的根本原因，犯罪的生物學(xué)因素已引起了學(xué)者們的高度關(guān)注。研究表明，犯罪行為的發(fā)生與腦區(qū)的功能異常有明確的關(guān)系，JanineDiehl-Schmid等學(xué)者的研究發(fā)現(xiàn)，額顳葉癡呆和詞義性癡呆的病人具有較高的犯罪概率，分別為54%和56%。2018年哈佛醫(yī)學(xué)院貝斯以色列女執(zhí)事醫(yī)療中心的R.RyanDarby等人認(rèn)為人不同腦區(qū)