• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Разработка методологии и прикладного инструментария для оценки единообразия судебной практики (на основе методов анализа «больших данных»)

Приоритетные направления развития: право
2018

Цель работы: разработка методологии автоматизированной оценки единообразия судебной практики в рамках отдельного правопорядка.

Используемые методы

При разработке математического инструментария к оценке единообразия судебной практики были использованы следующие методы:

  • сomparison of probability distributions . Методы сравнения вероятностных распределений на ограниченных выборках1;
  • Cluster analysis (методы классификации и кластеризации данных при построении аналитических многопараметрических систем)2.
  • OLAP (On-Line Analytical Processing) cubes3 . 

В рамках работы по интерпретации и проверке полученных данных исследовательский коллектив опирался на современную теорию права, в том числе современный юридический позитивизм (Г. Харт и последователи, см. библиографию), теорию Р.Дворкина4,направление CriticalLegalStudies.

Кроме того, использовались традиционные для юриспруденции методы исследования, в числе которых:

  • классический юридико-догматический метод, который используется, главным образом, при анализе содержания национальных юридических наук;
  • сравнительно-правовой метод, который используется при сравнении национальных правовых систем друг с другом.

Эмпирическая база исследования

Официальные издания нормативных правовых актов, базы нормативных правовых актов и иной правовой информации; программные документы; Постановления Пленумов Верховного Суда Российской Федерации и Высшего Арбитражного Суда Российской Федерации, письма и информационные письма Верховного Суда Российской Федерации и Высшего Арбитражного Суда Российской Федерации, включающие обобщения и обзоры судебной и арбитражной практики, опубликованные в официальных изданиях судов Российской Федерации либо включенные в базы данных правовой информации; база данных решений арбитражных судов за 2010-2017 гг.; результаты консультаций с экспертами; массив общедоступных источников по проблемам правового регулирования в ряде областей. В исследовании также были учтены эмпирические данные, описанные в специальной литературе, использованной при выполнении проекта.

Результаты работы:

Проведенное исследование позволило получить следующие результаты:

а) в области теории:

  • разработан математический аппарат сравнения гистограмм, предлагаемый к использованию при анализе гистограмм распределения характеристик судебной практики. В частности, разделе формализованы требования «универсальности» к методам сравнения гистограмм. С применением названных требований проанализированы наиболее известные межбиновые методы сравнения: квадратичная форма и Earth Movers Distance. В результате для EMD однозначно определены межбиновые коэффициенты. Кроме того, описана модификация Квадратичной формы, которая удовлетворяет требованиям универсальности. Также описано новое линейное межбиновое расстояние между гистограммами – расширение меры . Все предложенные методы межбинового сравнения удовлетворяют сформулированным требованиям универсальности и полностью определены (с точностью до линейного коэффициента). Задача сравнения характеристик выборок двух измеряемых величин при отсутствии априорных сведений о функциях распределения решена путем сравнения гистограмм.

б) в развитии методологии:

  • разработана методология оценки единообразия судебной практики при помощи big data anaysis, основанный на анализе исключительно измеримых (количественных) характеристик дел. Суть метода заключается в сравнении распределения отдельной характеристики в одном «классе» (выборке дел, для которой нет оснований предполагать различия в свойствах) с распределением той же характеристики в другом классе. Основная задача, которую решает разработанный метод, базирующийся на статистическом анализе – это измерение однородности распределения характеристик дел одной категории. Измеряемая однородность (в математическом смысле) является свидетельством единообразной практики рассмотрения дел. Разработанный метод позволяет путем применения фиксированных (общих для всего анализа и не зависящих от исследователя) формул и способов выявлять признаки соблюдения/нарушения единообразия судебной практики путем сравнения распределений измеряемых характеристик.
  • проведен анализ проблем и возможностей, связанных с использованием big data anaysis в юриспруденции;

в) в получении новых эмпирических знаний:

  • При проведении исследования проведена апробация разработанного метода и выявлена фактическая степени единообразия (однородности) арбитражной практики в разрезе категорий дел (в официальной классификации Судебного департамента).

Степень внедрения, рекомендации по внедрению или итоги внедрения результатов НИР

Результаты выполнения научно-исследовательских работ найдут применение в следующих областях:

  • российские и зарубежные прикладные исследования в области оценки единообразия судебной практики;
  • законопроектная работа Правительства Российской Федерации, в том числе разработка системы мер по повышению качества нормотворчества;
  • сфера практической работы, связанные с анализом судебной практики;
  • подготовка специалистов в вузах в сфере права;
  • повышение квалификации специалистов (в том числе государственных служащих), сталкивающихся с необходимостью участия в рассмотрении дел в судах.

К числу потенциальных потребителей результата относятся органы государственной власти, разработчики нормативных правовых актов, преподаватели образовательных учреждений, научные работники.


[1] Обзор части из используемых методов см. Porter F. Testing Consistency of Two Histograms, California Institute of Technology Lauritsen Laboratory for High Energy Physics, Pasadena, California, 2008.

[2] См. https://en.wikipedia.org/wiki/Cluster_analysis. См., например, «Стрюков Р.К., Шашкин А.И. О модификации метода ближайших соседей. Вестник ВГУ, Серия: Системный анализ и информационные технологии, №1 2015». Или Filipovych, Roman; Resnick, Susan M.; Davatzikos, Christos (2011)."Semi-supervised Cluster Analysis of Imaging Data". NeuroImage. 54 (3): 2185–2197.

[3] https://en.wikipedia.org/wiki/OLAP_cube.

[4] Dworkin R. Taking Rights Seriously. 1978. Dworkin R. Empire of La. Cambridge, Mass., 1986.

Публикации по проекту:


Чураков В. Д. Big Data и юриспруденция: на одном ли мы пути? // В кн.: Право и информация: вопросы теории и практики: Сборник материалов международной научно-практической конференции Вып. 7. СПб. : Президентская библиотека имени Б.Н. Ельцина, 2018. С. 136-143.
Tatyana N. Lobanova, Yuriy A. Tikhomirov. THE INDIVIDUAL’S INTERESTS AND MOTIVES IN ECONOMICS / NRU Higher School of Economics. Series LAW "Law". 2018. No. WP BRP 84/LAW/2018 .
Право и климат планеты / Отв. ред.: Ю. А. Тихомиров, С. А. Боголюбов, Н. В. Кичигин. Юстиция, 2018.
Государственно-правовые основы ускоренного развития Дальнего Востока России / Отв. ред.: Ю. А. Тихомиров. Институт законодательства и сравнительного правоведения при Правительстве РФ, 2018.
Тихомиров Ю. А. Юридическое прогнозирование. Институт законодательства и сравнительного правоведения при Правительстве РФ, 2018.
Чураков В. Д. Как оценить эффективность закона? // В кн.: Сборник конференции "Будущее российского права: концепты и социальные практики". [б.и.], 2018.