• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Паттерн-анализ представлений распределений характеристик судебной практики

Приоритетные направления развития: право
2019

Цели работы

  • Построить описание данных судебной системы в масштабе от отдельного состояния одного суда до совокупности временных рядов всех судов.
  • Определить паттерны состояний каждого суда и связи сходства состояний меду судами.
  • Разработать методологию формирования и анализа указанных данных на основании современных исследований в областях науки о данных (Data Science, включая Data Analysis, Computer Vision, Cluster analysis, Pattern recognition).
  • Провести апробацию применения разработанных методов, подходов и алгоритмов путем осуществления вычислительных экспериментов на реальных данных арбитражной системы.

Используемые методы

При разработке математического инструментария к оценке единообразия судебной практики предполагается использовать следующие методы:

  • сomparison of probability distributions. Методы сравнения вероятностных распределений на ограниченных выборках[1];
  • Cluster analysis (методы классификации и кластеризации данных при построении аналитических многопараметрических систем)[2].
  • OLAP (On-Line Analytical Processing) cubes. 

В рамках работы по интерпретации и проверке полученных данных предполагается опираться на современную теорию права, в том числе современный юридический позитивизм (Г. Харт и последователи, см. библиографию), теорию Р.Дворкина[3], направление Critical Legal Studies.

Кроме того, будут использоваться 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.

При эмпирической проверке гипотез будет использоваться методология современной социологии (параллельное с big data anaysis использование традиционных методов социологии).

Эмпирическая база исследования

Исследование основано на судебных решениях, которые опубликованы в картотеке арбитражных дел (http://kad.arbitr.ru/). Полнота выгрузки судебных решений в КАД позволяет провести обоснованную и всестороннюю оценку характеристик судебной практики.

Результаты работы

Прежде всего, исследование показало, что разработанная комплексная методология, на парадигме Data-driven крайне эффективна и перспективна к изучению больших данных сложных систем вообще и практического судопроизводства в частности.

Проведен сбор, предварительная обработка и анализ реальных данных российского арбитражного судопроизводства.

В результате построена сетевая структура, в которой основную роль играют временные линии (представлений) состояний отдельных судов. На каждой временной линии выделены кластеры: периоды бифуркаций, периоды трендовой динамической стабильности и периоды стохастической динамической стабильности (без выраженного гладкого тренда). Проведен паттерн анализ динамически стабильных кластеров на предмет повторяемости периодов эволюции систем. Кроме того, на описанной сетевой структуре определены и вторичные связи – меры сходства кластеров между собой. Наконец, проведено построение обобщенной практики и практики, общей для судов. Помимо ожиданий два названных виртуальных объекта имеют существенно разные характеристики.

В проделанной работе имеются методические лакуны в связи с отсутствием научно разработанных методов определения направления эволюции в терминах оптимального преобразования, трансформации вероятностных мер. Теоретическая задача построения способа определения такого направления может входить в состав дальнейших исследований. В случае названной задачи следует уточнить результаты проведенного анализа данных судопроизводства, так как новый методы потенциально может определить «скрытые» периоды бифуркации, дополнительные к уже обнаруженным.

Кроме того, следует осуществить еще один слой анализа, над уже полученными результатами по описанию многофакторных и комплексных состояний сетевой структуры российского арбитражного судопроизводства. Следует классифицировать различные бифуркации в состояниях исследуемых судов, уточнить результаты кластеризации и паттерн – анализа, построить базу для проведения этапа интерпретации. В настоящий момент полученная результирующая структура данных столь комплексна и велика, что осуществить содержательный интерпретационный анализ крайне затруднительно.

Представляется, что внесение дополнительных факторов, уточняющих состояния, связь бифуркаций с внешними влияниями, изменениями в правовом поле, комментариями Верховного Суда и т.п. могут помочь в описании эволюции арбитражного судопроизводства как единой сложной системы и отдельных арбитражных судов – как сложных систем, представляющих особый интерес.

Таким образом, имеются явные перспективы продолжения исследования и нарастающая уверенность в его содержательной ценности. Однако в связи с тем, что используемая методология опирается на методы и приемы передового края науки, а само исследование осуществляет прорыв, в направлении, которое не отмечено сколько-нибудь заметными научными результатами, в некоторых аспектах полученных результатов имеется заметная неполнота, не уменьшающая при этом ценность разработки самого способа исследования сложных систем.

Степень внедрения, рекомендации по внедрению или итоги внедрения результатов НИР

Результаты могут быть использованы в нормотворческой и правоприменительной деятельности органов власти, в особенности арбитражных судов Российской Федерации.

 


[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., 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.PMC 3008313 .PMID 20933091.doi:10.1016/j.neuroimage.2010.09.074.

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

Публикации по проекту:


Тихомиров Ю. А. Человек и робот в фокусе права, in: Юридическая концепция роботизации.: Издательство Проспект, 2019. С. 11-42. 
Экологические императивы в законах и жизни. Москва : Московский государственный университет геодезии и картографии, 2019. 
Юридическая концепция роботизации.: Издательство Проспект, 2019. 
Тихомиров Ю. А. Векторы управления в фокусе права // Вопросы государственного и муниципального управления. 2019. № 1. C. 136-159. 
Тихомиров Ю. А. Поведение в обществе и право // Журнал российского права. 2019. № 5. C. 5-20. 
Тихомиров Ю. А. Риски в правовом пространстве // Юридическая техника. 2019. № 13. C. 28-35. 
Тихомиров Ю. А. Генезис экологических императивов. Сгусток нравственного и юридического нормативного концентрата, in: Экологические императивы в законах и жизни. Москва : Московский государственный университет геодезии и картографии, 2019. 
Чураков В. Д. Оценка эффективности правовых норм в условиях развития «больших данных», in: Регуляторная политика в России: проблемы теории и практики. Москва : Проспект, 2019. С. 59-68. 
Тихомиров Ю. А. Национальные поиски институциональных ответов на вызовы современности, in: Институты публичной власти в условиях глобализации. Коллективная монография. Москва : ИНФРА-М, 2020. С. 180-245. 
Чураков В. Д. Актуальные вопросы применения информационных технологий в юридической науке и практике // Журнал зарубежного законодательства и сравнительного правоведения. 2020. № 1. C. 101-113. doi
Kashanin A., Churakov V. Issue on “Small” and Indisputable Cases in Russian Courts // Global Jurist. 2021. Vol. 21. No. 1. P. 273-303. doi