Автоматизированные системы, созданные в Академии управления МВД РФ

Компьютерная система криминалистического исследо­вания фонограмм "Signal Viewer". Назначение системы —пре­доставить экспертам-криминалистам инструментарий объек­тивного исследования фонограмм, отвечающий высшим тре­бованиям.

Основные задачи, решаемые системой:

идентификация личности по речевому сигналу;

исследование признаков монтажа магнитной фонограммы;

диагностика и идентификация магнитофона по фонограмме;

диагностика и идентификация объектов, излучающих звук;

установление содержания речи, неразборчивой из-за им­пульсных помех и шумов;

выявление оригинала и копии фонограммы и др.

Исследуя фонограмму, эксперт постоянно видит:

общий обзор фонообъекта в виде динамики уровня мощ­ности;

микросегмент в виде осциллограммы в текущей точке ана­лиза фонообъекта;

семь основных форм анализа фонообъекта: осциллограм­му, амплитудно-фазовый спектр, функции гармоничности и индикатора основного тона голоса, сонограмму, гармонограмму и интонограмму.

АИПС "Портрет" позволяет создать базу данных, содер­жащую графическую информацию. Это могут быть фотогра­фии, снятые сканером, сделанные непосредственно цифро­вой фотокамерой, или изображения, полученные с видеока­меры или видеомагнитофона.

Поиск осуществляется по любым из имеющихся парамет­ров, как-то: фамилия, дата рождения, место жительства, со­став и способ совершения преступления, а также по словес­ному описанию примерного вида: форма лица, глаз, носа, бро­вей и т. п.

При осуществлении поиска по заданным реквизитам най­денные фотографии выводятся на экран для визуального от­бора. Изображения можно распечатать на принтере любого типа.

Автоматизированная система "Фоторобот" предназна­чена для создания портретов лиц, подозреваемых в соверше­нии преступлений.

Компоновка портрета осуществляется из отдельных эле­ментов, куда входят: прически, глаза, носы и т. д. Кроме это­го, представлены группы элементов, содержащие изображе­ния усов, очков, головных уборов, различных морщин, верх­ней части одежды, кулонов, серег и др. Имеются группы с элементами профильного портрета. Количество элементов в некоторых группах достигает 250 и выше. Полученные портре­ты можно дополнять и корректировать "вручную". Имеется воз­можность менять взаиморасположение элементов портрета.

В настоящее время во многих странах мира используются автоматизированные системы монодактилоскопической регис­трации. В России пионером данной сферы был Л. Г. Эджубов, который предложил принципиально новую полуавтоматичес­кую систему дактилоскопической регистрации. Наиболее труд­ная задача — кодирование папиллярного узора — в этой сис­теме решалась с помощью так называемого зонально-точечно-го кода. На увеличенном с помощью оптической проекции от­печатке пальца, расположенном строго определенным обра­зом относительно двух осей координат, точками обозначались детали узора. Координаты каждой точки вводились в память ЭВМ в виде двух чисел.

Были созданы и другие системы. Так, комплекс "Дех" предназначен для автоматизированной идентификации лично­сти по отпечаткам пальцев людей, стоящих на оперативном учете в органах внутренних дел, и следам, изъятым с мест преступлений.

Возможности комплекса допускают его использование для накопления и обработки от 10 тыс. до 10 млн. дактилокарт.

Основными возможностями рабочего места комплекса яв­ляются ввод информации со скоростью до 400 карт за смену, а также поиск по картотеке со скоростью до 10 тыс. отпечат­ков в секунду. Допускается использование следов, неприемле­мых в других подобных системах; их ввод возможен как с дактилопленок, так и непосредственно с поверхностей носителей.

Подсистема компьютерной экспертизы позволяет отказать­ся от визуального исследования следа и отпечатка, а возмож­ности увеличить изображение, его зеркальное и негативное отображения повышают эффективность экспертизы и снима­ют утомляемость зрения.*

* Комплекс создан в Академии управления МВД РФ.

 

§ 2. Формы применения математических методов в судебной экспертизе

Идея применения математических методов для решения задач криминалистики и судебной экспертизы была высказана на рубеже XIX—XX в. рядом выдающихся криминалистов. В середине XIX в. большую популярность приобрели исследо­вания бельгийского статистика А. Кетле, который утверждал, что нет двух индивидов, равных друг другу по размерам час­тей тела, головы, ушей, ног, груди и длины тела.

Сотрудник парижской полиции А. Бертильон предложил антропологическую систему регистрации преступников. В этой системе выполнялось 11 измерений тела (рост, высота сидя, ширина вытянутых горизонтально рук, длина и ширина голо­вы, правого уха, левой ступни и др.), результаты которых заносились в регистрационную карту и служили средством иден­тификации личности.

Антропометрическая система регистрации была введена в России (1890), Германии (1895) и других странах. Однако опыт ее применения выявил существенные недостатки системы. Она оказалась непригодной для регистрации несовершеннолетних и женщин (наличие длинных волос, затрудняющих измерения головы, моральные соображения, возникавшие при измере­нии тела женщин и др.), требовала большой точности измере­ний, использования громоздких инструментов.

Еще в 1899 г. А. Бертильон писал: "Судебная экспертиза почерка действительно превратится в науку лишь в тот день, когда создаст таблицы вероятностей для различных линий (при­знаков) букв и эксперт будет давать свой вывод в такой форме: этот почерк, характеризуемый такими-то особенностями, мож­но встретить один раз на 1000 или 10 000 и 1 000 000 лиц той же социальной категории".

Известны взгляды русского криминалиста Н. Ф. Буринского на возможности применения математических методов в судеб­ном почерковедении: "Почерковедение имеет все данные, что­бы сделаться точной наукой, потому что материал, с которым она оперирует, поддается измерению, а исследуемые ею явле­ния — тривиальному наблюдению и эксперименту, в области почерковедения измерение и математика откроют нам постоян­ные законы и поставят эту отрасль знаний в ряд точных наук".

Методика дактилоскопической идентификации француз­ского криминалиста Бальтазара (1911) опиралась на три ис­ходных постулата:

1) существует всего четыре типа деталей дактилоскопи­ческого узора — начала и окончания, разветвления и слияния линий;

2) появление каждой детали в клетке, на которые разбит узор, равновероятно;

3) в каждой клетке отпечатка пальца может быть одна и только одна деталь.

Одной из главных задач в методике Бальтазара является определение степени неповторимости выделенного комплекса признаков отпечатка пальца. Частота встречаемости каждой де­тали равна 1/4. Бальтазар пришел к выводу о том, что для выделения единичного объекта из всего населения планеты (в то время примерно 2 млрд. человек, или 20 млрд. отпечатков) необходимо совпадение не менее 17 деталей (1/4 в семнадца­той степени соответствует 17 179 869 184 отпечаткам). Бальта­зар полагал, что критическое число может быть снижено до 12 (число Бальтазара). Однако эта методика страдает рядом су­щественных недостатков и имеет скорее исторический интерес.

Идея активного использования математических методов для решения задач судебной экспертизы в СССР стала реали­зовываться в середине 50-х гг. Впервые в истории криминалистики были выполнены обширные работы по подсчету часто­ты встречаемости различных криминалистических признаков. Несколько позже аппарат теории вероятностей и математи­ческой статистики был применен при разработке новых мето­дик судебно-портретной экспертизы (З. И. Кирсанов), анали­тического исследования свинца и бумаги (В. М. Колосова), дак­тилоскопической экспертизы (А. Я. Палиашвили).

Объектом математического анализа в сфере судебной эк­спертизы являются различные признаки, характеризующие объекты судебно-экспертного исследования*.

* Признаками называют любые возможные характеристики предметов. Это все то, в чем одни предметы сходны между собой, а другие — раз­личны. Сходство и различие предметов в самой действительности слу­жат объектным основанием для отождествления и различения их.

 

Качественный признак выражает наличие или отсутствие у объекта какого-либо существенного свойства (качества). На­пример: снаряд — мелкокалиберный — иной, оружие с пра­вой нарезкой — оружие с левой нарезкой.

Количественный признак выражается в определенных единицах измерения.

Устойчивый признак присущ объекту в течение всего или достаточно длительного времени его существования.*

* Устойчивость признака — необходимое условие применения теории ве­роятностей и математической статистики.

 

Вариационность — различные проявления признака, обус­ловленные потерей устойчивости. Так, вариационность почер­ка зависит от различных причин. Наиболее распространенны­ми являются:

установка пишущего на быстрое небрежное или, напро­тив, медленное письмо;

подражаниестроению буквы, наблюдавшемуся в почерке другого лица;

местоположение (позиция) буквы в слове;

местоположение (позиция) буквы в определенном сочета­нии букв или в определённых словах.

Информативность —- способность признака сохранять и поддерживать содержащуюся в нем информацию о следообразующем объекте и механизме следообразования.

Количественные закономерности криминалистической ин­формации подчиняются действию закона больших чисел.

Объективная оценка идентификационного значения опи­сательных признаков основана на определении их относительных частот — отношения числа объектов, в которых присут­ствует данный признак (т), к общему числу изученных объек­тов (п):

В этом выражении символ Р означает вероятность появле­ния взятого признака. Символ ® (стрела) означает приближе­ние относительной частоты признака к его вероятности ("схо­димость по вероятности").

Например, т — число подсчитанных в общей совокупно­сти взятых папиллярных узоров детали "мостик";

п — общее число взятых на исследование папиллярных узоров.

Тогда — доля (выраженная в процентах) папиллярных узоров "мостик" в общей массе узоров.

Методы математической статистики и теории вероятнос­тей могут быть применены для:

оценки идентификационного значения количественных признаков;

оценки идентификационного значения качественных при­знаков;

исследования взаимозависимости признаков;

оценки идентификационного значения комплекса призна­ков;

оценки надежности идентификации.

Основанием применения вероятностно-статистических ме­тодов для оценки идентификационных признаков является мас­совый характер последних, случайность их появления в силу действия закона больших чисел.

По существу в данной сфере стали использоваться все разделы современной теории вероятностей (корреляционный анализ, методы проверки статистических гипотез и др.), а так­же некоторые иные математические методы (теория распоз­навания образов, геометрические методы и др.).

Задачу идентификации можно рассматривать как задачу принятия решения в обстановке помех. Решение определяет выбор между двумя гипотезами: гипотеза Н0 — объекты иден­тичны; Н1 объекты не идентичны.

Возможны ошибки двух родов: идентичные объекты при­няты за неидентичные; неидентичные объекты приняты за идентичные.

Рис. 26. Пример вариации почеркового объекта и его информативности. (Методика определения пола исполнителя кратких рукописных тестов. М., 1990)

При организации и проведении судебно-экспертных ис­следований с применением ЭВМ и математических методов возникают серьезные процедурно-процессуальные вопросы.

Первая группа вопросов связана с обновлением специаль­ных познаний эксперта. При автоматизации экспертных иссле­дований наряду с традиционными (теория криминалистики, частные теории) эксперт должен обладать также новыми зна­ниями:

1) математическими (теория множеств, теория вероятнос­тей, математическая статистика и др.). Эксперт обязан иметь представление о различных математических методах, их глав­ных формулах, условиях применимости, результативности и т.д.;

2) знанием ЭВМ и других средств вычислительной техни­ки (алгоритм, программирование, ввод и вывод данных, объе­мы памяти и др.).

Функции эксперта: дача задания оператору; применение традиционных методов исследования; сравнение полученных результатов в их совокупности; формулирование выводов и дача заключения.

Функции инженера: кодирование и ввод в машину исход­ных данных; обработка полученной информации и передача ее эксперту. Ответственность за организацию и проведение экс­пертизы в целом лежит на эксперте.

Вторая группа вопросов связана с ответственностью за ошибки, допущенные при работе ЭВМ.*

* Ошибки в работе ЭВМ практически неизбежны.

 

По своей технологической природе ошибки ЭВМ могут иметь различный характер. Поэтому ответственность работни­ков вычислительного центра и других специалистов надо строго дифференцировать по роду выполняемых работ и в соответ­ствии с их статусом:

программист отвечает за ошибки, допущенные при раз­работке и отладке программы;

оператор — за ошибки, допущенные при подготовке ин­формации к обработке на ЭВМ;

телетайписты — за передачу и за ошибки, допущенные при передаче информации;

конструкторы — за допущенные конструктивные недо­статки в процессе проектирования ЭВМ.

Среди всех видов судебных экспертиз наибольшее прак­тическое значение математические методы имеют для почерковедческой и дактилоскопической экспертизы.

Почерковедческая экспертиза — вид криминалистической экспертизы, предметом которой служат факты, связанные с исполнением рукописных текстов.

На решение почерковедческой экспертизы целесообразно поставить такие вопросы: выполнен ли данный текст данным или другим лицом; кто подписал конкретный документ; каков пол и возраст исполнителя рукописи; не выполнена ли исследуемая рукопись (подпись) намеренно искаженным почерком или с подражанием почерку другого лица.

В почерковедческой экспертизе применяются следующие основные понятия.

Наклон почерка зависит от направления сгибательных дви­жений при выполнении прямолинейных элементов. По накло­ну почерк бывает: прямой, право- и левонаклонный.

Рис. 27. Наклон почерка: А — прямой; Б — правонаклонный; В — левонаклонный

Рис. 28. Связность почерка: А — высокосвязный; Б — средний по степени связности; В — отрывистый

Нажим почерка выражает его интенсивность и размещение нажимов в процессе письма. Выработанность почерка отражает навык письма, осуществляемого в быстром темпе (скоропись). Связнность — способность пишущего выполнять непрерывным движением большее или меньшее количество элементов пись­менных знаков без отрыва пишущего прибора от бумаги. Сложность почерка тесно связана со степенью его выработанности; упрощение или усложнение письменных знаков и их свя­зей по сравнению с принятыми нормами.

Дактилоскопическая экспертиза заключается в исследо­вании следов папиллярных узоров для установления фактов, связанных с образованием этих следов.

Основным объектом исследования в дактилоскопии явля­ется папиллярный узор пальцев рук (см. рис. 29).

Рис. 29. Папиллярный узор

Рис. 30. Типы папиллярных узоров

Папиллярные узоры делятся на три основных типа: завитковые (круговые), петлевые и дуговые.

Детали папиллярного узора — различные виды начала и окончания папиллярной линии, ее перерывы, резкие анома­лии ее длины (обрывок, точка) и ширины (тонкие линии), раз­двоение линий (вилы), комбинации раздвоений и аномалий длины (глазки, мостики, крючки).

Математические расчеты показывают, что полный и чет­кий отпечаток пальцев может повториться только один раз на 1030 или 1050 отпечатков.

Сочетание небольшого количества деталей настолько ин­дивидуализирует узор, что для отождествления достаточно 7—10 деталей, хотя в полном узоре пальца их число достига­ет 120—150.

В последние годы формируется дерматоглифика — уче­ние о кожных узорах. Представители данного направления разрабатывают способы использования данных дактилоскопии для решения следующих задач:

определение пола,

определение роста,

определение возраста,

определение дополнительных (приобретенных) статисти­ческих особенностей,

восстановление папиллярного узора и др.

§ 3. Математические основы криминалистической идентификации

Главной задачей судебно-экспертного исследования явля­ется идентификация криминалистических объектов.

В процессе криминалистической идентификации речь идет об объектах двоякого рода:

1) о следах (признаках), обнаруженных на месте преступ­ления,

2) об образцах, полученных от подозреваемого лица (лиц).

Идентификации могут подлежать любые материальные предметы и явления, их роды и виды, количества и качества, человеческая личность в целом, ее отдельные признаки, фи­зические свойства.

Процесс идентификации заканчивается установлением: факта тождества; факта отсутствия тождества сравниваемых объектов.

Вывод о тождестве опирается на идентификационный ком­плекс признаков — совокупность индивидуально-определен­ных, устойчивых признаков, неповторимых (или обладающих редкой встречаемостью), по их соотношению, местоположе­нию, взаиморасположению и т. п.

Между двумя объектами установлено отношение тожде­ства, если:

1. Между множеством признаков первого объекта и мно­жеством признаков второго объекта имеется взаимно-однознач­ное соответствие.

2. Отсутствует существенное различие между первым и вторым объектами.

3. Соответствие между двумя объектами опирается на уве­ренность в том, что оно не является следствием случайного стечения обстоятельств.

Отношение тождества может быть представлено в следу­ющем виде:

Q1 º Q2

Q1 — первый объект;

Q2 — второй объект;

º — знак тождества.

Графически отношение тождества двух объектов представ­лено на рис. 31.

Рис. 31. Взаимно-однозначное соответствие двух объектов

Процесс идентификации опирается на два принципа:

принцип единственности выделенного объекта;

принцип оптимальности выделения такого объекта.

Наиболее характерной чертой идентификации является выделение единственного объекта из множества других объектов. Если такой объект выделен и степени его встречаемости дана приемлемая оценка, т. е. вероятность появления второго такого объекта практически ничтожна, то можно считать, что процесс идентификации достиг своего результата.*

* То есть совпадение деталей двух объектов не может быть случайным.

 

Например, вероятностная оценка комплекса признаков может составлять дроби:

Если эти частоты (вероятности) приемлемы в конкретных условиях, то они могут служить объективным критерием ус­тановления тождества. Очевидно, что чем дробь меньше, чем ее идентификационное значение больше, тем реже встреча­ется выделенная совокупность признаков.

Процесс идентификации осуществляется путем постепен­ного сужения объема генеральной совокупности.

Пусть в качестве такой совокупности будет 100 млн. граж­дан, умеющих писать по-русски. Тогда по данному признаку можно выделить группу в 106 человек, каждый из которых может быть исполнителем исследуемой рукописи и т. д. Нельзя сказать априори, сколько признаков необходимо использовать при решении задачи идентификации. Все зависит от идентификационной значимости каждого признака и их ком­плекса.

Особо значимо нахождение таких признаков, которые встречаются крайне редко, т. е. имеют очень низкую вероят­ность появления. Так, метод генной идентификации основан на том, что строение молекул ДНК — носителей генетической информации — у всех существ одного вида одинаково, но не­которые зоны, разбросанные вдоль всей молекулы, повторя­ются у каждого в разной последовательности и сочетаниях. Вероятность совпадения таких участков у двух людей 1:30 млрд., т. е. практически нулевая. Генный "отпечаток" имеется в любой клетке, появляется возможность его использования для иден­тификации личности.

Однако и события, обладающие очень малой вероятнос­тью, осуществляются вполне закономерно. Маловероятные события при многократно повторяемом явлении приобретают вполне устойчивую определенность, хотя и происходят в од­ном случае из многих миллионов.*

* Так, с точки зрения теории вероятностей возникновение жизни на Зем­ле представляется необычайно редким событием. Тем не менее оно про­изошло.

 

Если взять два независимых друг от друга признака, то в совокупности они будут обладать большей идентифицирующей способностью.

Это требует применения теоремы умножения вероятностей.

Обозначим буквами А, В, С случайные события — появ­ление признаков определенного рода. Например:

А —появление первого взятого признака;

В — появление второго признака;

С — появление третьего признака.

Тогда идентифицирующий комплекс может быть представ­лен в виде произведения случайных событий:

Q = AВС.

Если эти признаки независимы, то для определения веро­ятности их совокупности необходимо перемножить вероятнос­ти, относящиеся к каждому признаку, по формуле:

Р(Q) = Р(А) • Р (В) • Р(С),

где символ Р обозначает вероятность появления каждого при­знака.

Вероятности Рi встречаемости признака А соответствует идентификационная значимость (информативность признака):

Ji = – lg Pi.

Принцип оптимальности процесса идентификации зак­лючается в том, что используется критерий достаточности вы­деления определенного числа признаков.

В этих целях воспользуемся величинами

N — генеральная совокупность признаков.

1/N — величина обратная размеру генеральной совокуп­ности.

Примеры величины N:

число всех жителей данной страны,

число всех жителей данной страны, пишущих на опреде­ленном алфавите,

число пишущих машинок в определенном городе,

число единиц огнестрельного оружия определенного вида и т.д.

Величина 1/N должна быть учтена при установлении тож­дества. Основная идентификационная формула приобретает вид:

(1)

Другими словами, вероятность появления комплекса при­знаков должна быть меньше (или равна) величины 1/N.

Величина 1/N показывает, каков предел величины Р(Q). Если Р(Q) < 1/N, то дальнейшее уменьшение величины Р(Q) нецелесообразно.

Процесс идентификации протекает лучше, когда величи­на N относительно невелика. Соответственно небольшой явля­ется и величина 1/N.

Например, если N = 10 000, то вероятность встретить в генеральной совокупности выделенный объект не столь вели­ка. При этом выделение одного-единственного объекта суще­ственно облегчено. Если величина N растет, то необходимо понижать величину дроби Р(Q).

При нарушении неравенства (I):

идентификационное значение установленных признаков падает. Возрастает вероятность того, что может появиться второй при­знак, обладающий выделенным набором.

При анализе возникшей ситуации целесообразно брать величины, обратные используемым вероятностям.

Рассмотрим пример.

Обратными величинами в данном случае будут Q* = 106 и N* = 107.

Один выделенный признак будет приходиться среднеста­тистически на 106 признаков. Но наша генеральная совокуп­ность в 10 раз больше. Следовательно, вероятность встретить второй объект возрастает в 10 раз.

В процессе применения математических методов в крими­налистике и судебной экспертизе принципиальное значение имеет установленный теорией вероятностей принцип практи­ческой уверенности.

В силу этого принципа событие, имеющее очень низкую вероятность, считается недостоверным (т. е. его значение при­равнивается к 0).

Если вероятность события А в данном опыте весьма мала, то можно быть практически уверенным в том, что при одно­кратном выполнении опыта событие А не произойдет.

Принцип практической уверенности не может быть дока­зан математическими средствами. Он подтверждается всем опы­том человечества. При оценке надежности заключения экспер­та о тождестве объекта в расчет берется вся совокупность об­стоятельств уголовного дела.

Описанный аппарат обладает большой степенью общности и позволяет решить задачу идентификации для объектов раз­личной природы (например, профилограмм в трасологии, спек­трограмм и осциллограмм в физико-химических исследовани­ях, вообще для произвольных одномерных графических обра­зов).

Процесс криминалистической идентификации, в том чис­ле личности по почерку, является творческим, сложным мыс­лительным процессом. Эксперт-криминалист изучает все при­знаки сравниваемых объектов. Он изучает все особенности, выявляет их сущность, взаимосвязь и зависимость от различ­ных факторов, всю совокупность качественных и количествен­ных признаков.

§ 4. Математические методы установления групповой принадлежности объектов

В судебно-экспертных исследованиях установление груп­повой принадлежности нередко выступает в качестве само­стоятельной экспертной задачи. Групповая принадлежность — это принадлежность некоторого объекта Х к одному из под­множеств множества М0:

С позиций теории вероятностей данная задача может рас­сматриваться как вариант проверки статистических гипотез. Надо проверить гипотезы:

В данном случае символ Нi означает статистическую ги­потезу о принадлежности исследуемого криминалистического объекта к группе со значком "i".

Например, это принадлежность автора рукописи к муж­скому или женскому полу, той или иной возрастной, образо­вательной группе; принадлежность исследуемых химических материалов к тому или иному типу вещества; принадлежность исследуемого вещества к одной из марок бензина.

В. И. Пашкова разработала методику определения половой принадлежности человека по черепу. В результате исследова­ния 682 мужских и женских черепов она получила функции распределения для 25 измерительных признаков и предложи­ла доступную для всех методику оценки с помощью пяти ха­рактеристических интервалов (1958).

Возможность установления групповой принадлежности основывается на факте, что той или другой группе объектов свойственно наличие комплекса специфических признаков. Критерием распознавания группы является высокая вероят­ность одновременного проявления совокупности признаков в одной группе и практическая невозможность проявления этой совокупности в какой-либо другой группе.

В данном случае криминалистическую ценность имеют такие признаки, которые наиболее вероятны.*

* Этим задачи определения групповой принадлежности отличаются от обычной идентификационной задачи, где имеют значение как раз наибо­лее редко встречающиеся признаки и их вероятности.

 

В простых случаях в качестве показателя групповой при­надлежности можно использовать отношение произведений условных вероятностей в группах:

В этом выражении приняты следующие обозначения: Р (i/A1) — вероятность i-го признака в группе А1 (напри­мер, в группе мужчин);

Р (i/A2) — вероятность i-го признака в группе женщин.

Если К > 1, то почерк принадлежит лицу мужского пола.

Если К < 1, то почерк принадлежит лицу женского пола.

С другой стороны, должны быть учтены и такие призна­ки, которые встречаются редко и малохарактерны для данной группы объектов.

С задачей определения групповой принадлежности сопри­касается и такая задача, как дифференциация объектов.

Основная сущность криминалистической дифференциа­ции заключается не только в том, что при исследовании ис­пользуются различия. Более важно то, что при дифферен­циации обязательно должна решаться дихотомическая зада­ча, т. е. отнесение исследуемого объекта к одному из двух классов.

3. И. Кирсанов с другими криминалистами выполнили ста­тистические исследования, цель которых —установление за­висимости относительной частоты встречаемости некоторых признаков почерка от пола, возраста, образования.

Анализ практики применения специалистами-почерковедами методик дифференциации рукописей на мужские и женские показал относительно высокую надежность результатов прово­димых исследований. Научно-криминалистическим центром МВД проведены исследования признаков почерка в прописных бук­вах русской скорописи. Анализ статистических данных рас­пределения признаков почерка осуществлялся на 800 образцах рукописей с использованием ЭВМ "Искра-226" и ЕС-1055. Ис­следовательская работа, связанная с поиском критериев раз­граничения мужских и женских рукописей, основывалась на вероятностно-статистическом анализе признаков почерка. Для решения указанной задачи был применен аппарат теории рас­познавания образов, а именно — способ оптимальной двоич­ной дискриминации классов.

Предлагаемый метод:

ориентирован на использование различных элементов ру­кописи средневыработанного и высоковыработанного почерка (прописные и строчные буквы);

предусматривает различные варианты применения — от ручной технологии построения заключений до автоматизиро­ванной;

позволяет проводить количественную оценку качества при­нимаемого решения о поле исполнителя рукописи с учетом индивидуальных особенностей.

Правило принятия решения для дискриминатора, опти­мального по критерию минимума средней вероятности ошиб­ки, имеет вид:

где l — отношение правдоподобия

где Р(у/2), Р(у/1) — оценки условных вероятностей появле­ния вектора значений признаков у для объектов, принадлежа­щих второму и первому классу.

Во ВНИИ МВД РФ было выполнено исследование, по­зволяющее определять пол человека по эпителиальным клет­кам волос.

Литература

Автоматизированные рабочие места и компьютерные си­стемы органов внутренних дел. М., 1993.

Белкин Р. С. Криминалистическая энциклопедия. М., 1997.

Буринский Е. Ф. Судебная экспертиза документов. СПб., 1903.

Викарук А. Я., Гегечкори Л. А. Математические аспекты экспертно-криминалистической идентификации // Правовая информатика. Вып. 3. 1998.

Вероятностно-статистические методы в почерковедческих исследованиях. М., 1974.

Грановский Г. Л. Основы трасологии. М., 1974.

Жарков Е. А., Булдарев Е. К., Ковшов В. К. Установление количественных критериев криминалистической идентифика­ции. М., 1985.

Кирсанов З. И., Рогозин А. П. Методика распознавания по почерку возраста и пола исполнителя рукописи // Вероятнос­тно-статистические методы почерковедческих исследований. М., 1976.

Кирсанов В. И., Рогозин А. П. Распознавание пола и возра­ста исполнителя рукописи по почерку // Правовая киберне­тика. М., 1973.

Кирсанов З. И. Математические методы в криминалисти­ке // Вопросы кибернетики и права. М., 1967.

Методика определения пола исполнителя кратких руко­писных текстов. М., 1990.

Пашкова В. И. Определение пола и возраста по черепу. Ставрополь, 1958.

Полевой Н. С. Криминалистическая кибернетика. М., 1989.

Пошкявичюс В. А. Возможности дифференциации руко­писных знаков методом проверки статистических гипотез с использованием ЭВМ // Проблемы правовой кибернетики. М., 1968.

Применение теории вероятностей и математической ста­тистики в судебной экспертизе: Материалы научной конфе­ренции 5—6 июня 1963 г. М., 1964.

Растрагин Л. А. Об идентификаций плоских изображений пространственных объектов // Вопросы кибернетики и права. М., 1967.

Статистическая дактилоскопия. Вопросы методологии / Под ред. Л. Г. Эджубова. М., 1999.

Собко Г. М. Основы применения математических методов в судебно-почерковедческих исследованиях. М., 1980.

Собко Г. М. Применение формализованных языков для описания почерковых объектов (подписей, кратких записей) в идентификационных исследованиях (научно-методические ре­комендации). М., 1978.

Стечнова Т. В., Печерский В. Л., Князенков С. Н. Волосы головы как объект судебно-биологической экспертизы. М., 1990.

Эджубов Л. Г. Использование кибернетики и ЭВМ в кри­миналистике и судебной экспертизе // Кибернетика и право. М., 1970.

Эджубов Л. Г. Некоторые криминалистические проблемы автоматизации судебно-экспертных исследований // Право­вая кибернетика. М., 1977.

Эджубов Л. Г. Структурный анализ папиллярного узора и пути определения объема дактилоскопической информации. Проблемы правовой кибернетики // Материалы симпозиу­ма. М., 1968.

Эджубов Л. Г., Брудовский Б. С. О критерии дактилоско­пического тождества // Правовая кибернетика. М., 1973.

Хвыля-Олинтер В. И. Математическая модель дактилос­копического изображения // Информ. бюлл. Вып. 11. М., 1990.

Глава 10. Социологическая информация

§ 1. Математическая фирма представления эмпирических данных

Социологическая (социально-правовая) информация — это информация, которая получается в результате организации и проведения правовых социологических исследований.*

Главы десятая и одиннадцатая написаны совместно с кандидатом техни­ческих наук, доцентом МГИМО МИД РФ Л. Д. Гавриловой.

* Социология права — часть общей теории права, в задачу которой входит изучение социальной эффективности и социальной обусловленности права.

 

Цели этих исследований могут быть сформулированы сле­дующим образом:

1) выявление на базе опроса экспертов (юристов, эконо­мистов, социологов, демографов, экологов, представителей технических специальностей и др.) всего круга общественных отношений, которые должны регулироваться данным актом;

2) выявление всех субъектов права, интересов, потребно­стей и статусов, которые могут быть затронуты законопроек­том;

3) анализ потенциальной активности подготавливаемого акта на базе учета иных социальных регуляторов, которые вместе с данным актом будут воздействовать на регулируе­мые отношения и процессы;

4) предварительный анализ эффективности юридических процедур, которые должны быть включены в законопроект и призваны обеспечить и гарантировать точное применение его норм и принципов;

5) социологический и юридический анализ возможных от­клонений от требований данного акта, возможных правонару­шений и методов их предупреждения, анализ мер юридичес­кой ответственности за нарушение требований акта.

Аксиоматический подход выражается во введении неко­торых точных математических определений признаков и свойств первичной количественной информации и использовании ма­тематических моделей ее представления.

В социально-правовом исследовании имеется конечное множество социальных объектов, подлежащих изучению. Это множество (оно может быть довольно большим) представляет собой генеральную совокупность. Обозначим его буквой N:

Находящиеся в фигурных скобках буквы обозначают кон­кретные объекты социологического анализа.

Из этого множества по определенным правилам выбороч­ного метода (см. ниже) отбирается для непосредственного ис­следования некоторое подмножество М:

При этом:

Подмножество М и является непосредственным объектом социологического исследования.

 

Рис. 32. Основные этапы правового конкретно-социологического исследования с применением ЭВМ и математических методов

Каждый элемент полученной совокупности обладает зна­чительным числом свойств. Из них необходимо выделить те, которые представляют интерес для целей данного социально-правового исследования.

Выделенное свойство единицы (объекта) социологическо­го наблюдения на математическом языке называется призна­ком (или параметром, показателем).

Признаки могут быть либо количественными (возраст, образование, размер территории региона, численность насе­ления и т. д.), либо качественными (пол, место жительства, юридическая квалификация действия, ориентация на право­вые ценности и т. д.).

Каждый объект социологического анализа характеризу­ется набором признаков:

В содержании понятия "признак" необходимо выделить такой важный аспект, как его значение. Например, "образова­ние" — это признак (показатель). "Начальное", "среднее", "выс­шее" — значения данного признака. Значения признака назы­вают также его уровнями (или градациями).

Выделим из множества всех признаков некоторый при­знак Р. Он может принимать значения: pi1, рi2, ..., рim:

Каждый объект социологического наблюдения характери­зуется упорядоченным набором значений признаков:

где еk — выделенный объект исследования; Рi(еk) — значение признака Рi, соответствующее объекту еk; s — общее число признаков, подлежащих изучению.

Значения каждого, признака порождают разбиение иссле­дуемой совокупности объектов на тi классов, где тi число значений выделенного признака Рi.

Вектор-строкой называется упорядоченная система чисел, записанных в виде одной строки. Вектор-строка имеет следу­ющий вид:

Строки матрицы эмпирических данных соответствуют от­дельным социологическим объектам. Каждый объект описыва­ется набором конкретных значений параметров.

Пусть в качестве объектов социологического наблюдения выступают отдельные индивиды. Тогда для произвольно взя­того индивида вектор-строка будет содержать набор его ко­личественных и качественных признаков в их конкретных зна­чениях:

где цифры условно обозначают следующие значения призна­ков: 1 — женщина; 32 — возраст; 3 — законченное высшее образование; 80 — доход в рублях на одного члена семьи; 2 — средний уровень социально-правовой активности.

Каждый столбец матрицы эмпирических данных удобно рассматривать как вектор. Его можно назвать вектор-столб­цом наблюдений:

Вектор-столбец можно интерпретировать как совокупность значений какого-либо признака, отнесенных к разным объек­там социологического наблюдения. Так, это может быть сово­купность ответов разных респодентов на один и тот же вопрос социологической анкеты.

В форме вектор-столбца могут быть представлены и неко­торые другие данные эмпирического исследования. Так, воз­раст индивидов является признаком, который принимает кон­кретные числовые значения: 50, 25 лет, 31 год, 40 лет. Век­тор-столбец в данном случае имеет следующий вид:

Основной массив социологической информации, характе­ризующей правовые объекты, содержит так называемые ка­чественные признаки.

В правовом конкретно-социологическом исследовании воз­можно использование и таких показателей, которые заведо­мо обладают количественной мерой. Количественным призна­ком может служить, например, возраст индивидов, доход на одного члена семьи, уровень урбанизации, который действует на многие социально-правовые процессы и явления (правосоз­нание, информированность, правонарушения и т. д.).

Количественными являются многие характеристики адми­нистративно-территориального устройства: размер террито­рии, численность населения, численность аппарата управле­ния и т. д. При создании программы для ЭВМ целесообразно также предусмотреть обработку признаков, выраженных ко­личественно.

Среднее значение для п наблюденных значений количе­ственного параметра zj определяется так:

Частное значение zij называется наблюденным (выбороч­ным) значением и соответствует измерению при произвольном начале координат и произвольных единицах измерения.

Для удобства математико-статистического анализа принято приводить количественные признаки к стандартному виду — центрировать и нормировать их.

Центрированное значение i-го признака j-го объекта рав­но разности между конкретным значением признака z'ij и сред­ним по всем объектам значением этого признака :

Центрирование признака означает перенос начала коор­динат в точку, соответствующую среднему его значению.

Нормирование признака имеет целью представить его в некоторых безразмерных единицах, характеризующих отно­сительное значение признака. Наиболее часто каждое значе­ние признака относят к его эмпирическому среднеквадратич­ному отклонению (по всем объектам):

где

Эмпирические данные конкретного социально-правово­го исследования во многих случаях представляют собой ко­личественное описание объектов социологического наблюде­ния и анализа. В каждом случае термину "объект" могут со­ответствовать различные элементы социально-правовой ре­альности.

Так, в процессе социологического изучения правового сознания личности, групп и коллективов объектами социоло­гического наблюдения являются индивиды. Изучаемыми каче­ственными и количественными свойствами в процессе такого исследования являются: знание права, его принципов и от­дельных правовых норм, оценочные суждения о праве, пра­вовые ориентации и правовые установки, интересы личности к различным отраслям законодательства и т. д.

В процессе социологического исследования деятельности органов государственного управления изучаются: общее чис­ло работников; число руководящих работников; расходы го­сударства на содержание данного органа; объем его компе­тенции; активность в сфере управления и др.

При социологическом исследовании механизма действия права объектами наблюдения могут быть отдельные правовые нормы и институты. Изучаемыми свойствами здесь являются информированность граждан о нормах права; уровень соблю­дения требований правовых норм; деятельность средств мас­совой информации по распространению сведений об этих нор­мах среди населения и т. д.

В конкретном социально-правовом исследовании, прово­димом с применением ЭВМ и математических методов, соби­рается значительная статистическая информация. Эта инфор­мация может быть обработана на основе использования раз­личных приемов и методов математической статистики. Одна­ко для того, чтобы такая обработка была произведена, необ­ходимо представить полученные данные в определенной ма­тематической форме.

§ 2. Методы измерения уровня знания права

Знание права — это обладание личностью (социальной группой) определенной суммой сведений о праве, владение социальной информацией о принципах, сущности, назначе­нии и функциях права, правовых институтов общества или отдельных правовых норм, о способах их реализации и закон­ных мерах защиты. Знание права концентрируется в представ­лении о нем (образе права), которое формируется постепен­но, на основе социальной практики и правового опыта данного индивида.

Понятие "уровень знания права" может быть операционализировано. При этом используются такие социологические характеристики, как глубина знания права, широта, конкрет­ность и полнота, наличие специальных правовых знаний, свой­ственных определенной социальной группе как носителю спе­цифической социальной культуры. Уровень знания права ха­рактеризуется прежде всего знанием правовых принципов и "адресов" правоохранительных органов.

Уровень знания права — динамический феномен, кото­рый может увеличиваться, уменьшаться, стабилизироваться как у индивида, так и в рамках социальной группы.

Очевидно, что этот уровень различен у разных индиви­дов. Наличие у этого феномена количественной меры и созда­ет объективную основу для его измерения.

Индикаторы уровня знания права могут быть сконструи­рованы на основе различных методов, обеспечивающих в сво­ей совокупности гибкость системы выявления знания права в каждом конкретном случае. Так, опрашиваемого просят пояс­нить, что такое трудовой договор или состав преступления. Венгерскими юристами использован еще один подход — конструирование специально подобранных юридических казусов. В проективной ситуации человек должен предложить свое ре­шение вопроса, что четко выявляет степень его юридических знаний.

Измерение уровня знания права данным человеком осу­ществляется в результате постановки в социологической ан­кете вопросов о знании конкретных правовых норм. Уровень знания права данным индивидом измеряется числом получен­ных от него правильных ответов.

Возникает проблема отбора вопросов для включения в со­циологическую анкету. Важный критерий такого отбора — уровень абстрактности правовой нормы для всей массы насе­ления и одновременно уровень доступности и понимания пра­вовой нормы для усредненной группы.

С этой точки зрения правовые нормы могут быть разделе­ны на:

1. Элементарные правовые нормы социального взаимодей­ствия, сотрудничества и деятельности. Эти нормы, как прави­ло, широко известны из межличностной коммуникации. Зача­стую индивид не может даже точно определить, каким источ­ником он пользовался.

2. Правовые нормы средней степени сложности, т. е. нор­мы, с которыми население сталкивается спорадически, по мере надобности. Это, например, нормы о процедурах развода, про­цессуальные нормы, нормы о порядке отбывания наказания, об ответственности за различные виды правонарушений и т. д.

3. Специальные юридические нормы. Эти нормы относят­ся к некоторым специфическим отраслям правового регулиро­вания и отличаются более высоким уровнем абстрактности. Таковы некоторые нормы гражданского, авторского, изобре­тательского права и т. д.

В качестве индикаторов уровня знания права наиболее пригодны правовые нормы второй группы. Отбираемые нормы должны быть наиболее типичными, характерными для данной отрасли правового регулирования и хорошо представлять ее. Отбор именно таких норм из всего законодательного матери­ала должен осуществляться специально приглашаемыми экс­пертами — специалистами в области гражданского, трудово­го, уголовного и других отраслей права.

При отборе правовых норм и включении их в социологи­ческую анкету должен соблюдаться принцип гомогенности (од­нородности) шкалы для измерения уровня знания. Применяе­мая шкала должна измерять именно исследуемую величину, а не какую-либо другую, связанную с ней психологическую пе­ременную. Так, одна из проблем — дифференциация смежных форм сознания, например правового и морального, мораль­ных и правовых регуляторов. При измерении правосознания одна из трудностей состоит в разграничении знания права и мировоззренческих, оценочных аспектов, в отделении факти­ческого знания от эмоций, проявляемых при оценке социальных явлений (особенно негативных).

Теперь рассмотрим некоторые методические проблемы, связанные с конструированием и построением различных ко­эффициентов знания права и их использованием в практике социологических исследований. Пусть в нашем распоряжении имеется п индивидов и m заданных им вопросов. Число вопро­сов равно числу исследуемых правовых норм. Тогда вся ин­формация о знании права может быть представлена в форме матрицы Р. В этой матрице по вертикали расположены инди­виды, по горизонтали — заданные им вопросы.

Матрица Р дает обобщенное представление о системе исходной информации.

Будем обозначать правильный ответ символом 1, непра­вильные ответы (и ответы "не знаю") символом 0. Тогда мат­рица Р может принять следующий вид:

В матрице Р возможно выделение горизонтального эле­мента (вектор-строки):

Вектор-строка характеризует знание норм данной сово­купности конкретным индивидом.

С другой стороны, возможно выделение вектор-столбца:

Вектор-столбец характеризует знание определенной пра­вовой нормы данной совокупностью индивидов.

При организации и проведении конкретно-социологичес­кого исследования знания права возможно и необходимо ис­пользование различных коэффициентов. Применение того или иного коэффициента основано на учете специфики исследуе­мого материала и конкретного метода измерения.

Целесообразно выделить две группы коэффициентов, предназначенных для измерения уровня знания права:

1) коэффициенты, характеризующие знание права отдель­но взятым индивидом;

2) коэффициенты, характеризующие знание права дан­ной социальной группой, т. е. группой индивидов.

А. Коэффициент знания отрасли права отдельным ин­дивидом. Степень знания норм, отобранных для изучения не­которой отрасли права, представлена в матрице Р строкой. Поэтому за основу построения данного коэффициента берется вектор-строка. В вектор-строке необходимо просуммировать число правильных ответов, т. е. число единиц:

При этом индекс j фиксирован, поскольку взят вполне определенный индивид,. Q. может иметь конкретное распреде­ление единиц, например:

Так, если отрасль права (трудовое, административное, уголовное и т. д.) представлена пятью вопросами, то индивид, давший три правильных ответа, имеет Qj = 3. Давший все пра­вильные ответы имеет Q=5.

Пользуясь этими величинами, можно легко построить искомый коэффициент. Он равен

где Qj — общее число правильных ответов на вопросы, по которым проверяется информированность; то общее число заданных вопросов по данной отрасли права.

Так, если лицу задано 12 вопросов и на них получено 7 пра­вильных ответов, то коэффициент уровня знания отрасли права для данного индивида j:

Коэффициент равен 0 при полном незнании данной от­расли права. Он равен 1 при полном знании всех поставленных вопросов.

Б. Коэффициент межотраслевого знания права отдель­ным индивидом. В некоторых социологических исследованиях проводится изучение знания нескольких отраслей права. Так, по методике, разработанной Научно-исследовательским инсти­тутом комплексных социальных исследований (Санкт-Петер­бург), изучалось знание семи отраслей права. Каждая отрасль была представлена пятью вопросами.

В подобных случаях для оценки уровня совокупного зна­ния всех отраслей права отдельным индивидом целесообразно использовать коэффициент межотраслевой оценки.

Этот коэффициент конструируется как средняя величина из коэффициентов знания каждой отрасли права:

где искомый коэффициент межотраслевой оценки; — число взятых отраслей права; коэффициент знания индивидом j отдельной отрасли права.

Например, проводится изучение знания шести отраслей права. По каждой отрасли данный индивид j получил следую­щие отраслевые оценки:

1,2; 2,3; 2,8; 4,6; 3,1; 2,4.

Тогда коэффициент знания данных отраслей права равен

В. Коэффициент знания данной правовой нормы всеми индивидами исследуемой социальной группы. Этот коэффици­ент конструируется по аналогии с коэффициентом ; однако необходимо взять не вектор-строку, а вектор-столбец. В дан­ном случае фиксированным является индекс i, т.е. берется конкретная правовая норма.

В вектор-столбце подсчитывается общее число единиц, т. е. правильных ответов о знании данной правовой нормы, ко­торое может иметь конкретное распределение этих единиц.

Окончательно коэффициент вычисляется IЗ по формуле

При Ri = 0 IЗ также равен 0.

При Ri = n IЗ равен 1, т. е. налицо полное знание данной нор­мы в данной социальной группе. В остальных случаях 0 < IЗ < 1.

Коэффициент IЗможет быть выражен в процентах:

Отсюда IЗравен

Например, из 150 опрошенных 70 дали правильный ответ. Тогда

Г. Коэффициент знания отрасли права данной социаль­ной группой (I4).Будем снова исходить из матрицы Р:

Нам необходимо соотнести все правильные ответы с об­щим числом полученных ответов. Это достигается в результа­те подсчетов по формуле:

где — k0 число заданных вопросов; n — число опрошенных.

Выражение , стоящее в числителе данной дроби, означает суммирование по строкам и по столбцам всех пра­вильных ответов (т. е. единиц) матрицы Р.

Например, при исследовании отрасли права были опро­шены 100 человек и им было задано 6 вопросов. Тогда число всех возможных ответов k0n = 6 х 100 = 600. Число правильных ответов было равно 250 (это число всех единиц в матрице Р). Тогда коэффициент I4 равен:

Д. Коэффициент межотраслевого знания права данной социальной группой (I5). За основу конструирования этого ко­эффициента должно быть взято выражение для коэффициен­та межотраслевого знания права отдельным индивидом.

Например, имеется n опрошенных индивидов, соответ­ственно имеется n коэффициентов .

Коэффициент межотраслевого знания права данной соци­альной группой может быть исчислен как средняя величина из коэффициентов , полученных каждым отдельным лицом, вхо­дящим в обследованную группу.

При этом целесообразно воспользоваться средневзвешен­ной формулой.

Средней величиной распределения признака называется сумма произведений всех его значений на соответствующие им частоты, поделенная на сумму частот, т. е. на объем всей совокупности:

Для нашего случая подсчет должен выполняться по фор­муле:

В этом выражении коэффициент межотраслевого зна­ния права отдельным индивидом (в новом, более удобном обо­значении); п1, n2 ..., пr группы, имеющие один и тот же коэффициент межотраслевой оценки.

В этих методиках индивиду присваивается шкальный балл, равный сумме полученных от него правильных ответов в любом их сочетании. Так, лица, давшие правильные ответы на пер­вые три и последние три вопроса анкеты, будут иметь один и тот же шкальный балл. Между тем поставленные вопросы, как правило, логически неравноценны: одни — легкие, другие — сложные. Поэтому более точным является построение и при­менение на практике такой шкалы, которая учитывала бы фактическую неравноценность и трудность задаваемых вопро­сов.

Подобной цели можно достичь путем приписывания каж­дому вопросу некоторого "веса", характеризующего его фак­тическую трудность по сравнению с другими вопросами. При этом первоначальная шкала заменяется новой, которая как бы растягивается. Индивиды, получившие ранее один и тот же шкальный балл, оказываются теперь расположенными в раз­ных точках шкалы.

Но как определить "вес" вопроса? Здесь возможно ис­пользование различных методов. Один из них — метод экс­пертных оценок. Другой — использование сложившегося рас­пределения ответов на вопросы анкеты. "Вес" того или иного вопроса будет для данной группы населения тем большим, чем меньшее число опрошенных лиц дало правильный ответ на него.

И наоборот, чем большее число лиц знакомо с данной правовой нормой, тем меньший вес должен быть приписан ее дифференцирующей доле:

где q — вес данного вопроса; n — число полученных пра­вильных ответов; N — число всех опрошенных.

Например, на какой-либо вопрос 10 из 100 опрошенных дали правильный ответ. Подставляя в указанную формулу эти данные, будем иметь:

В данном случае вопрос будет обладать достаточно высо­ким весом.

При оценке знания отрасли права отдельно взятым инди­видом в матрице Р вместо единиц должны быть поставлены "веса" правильного ответа на каждый вопрос. При этом вектор Р может иметь, например, следующий вид:

= (0, 0,3, 0,9, 0, 0,3, 0,1).

Балл информированности отдельного респодента имеет в данном случае вид:

Коэффициент информированности г для отдельного ин­дивида вычисляется по формуле:

где lp* указанный выше балл информированности данного индивида; L0 — максимальная сумма баллов, т. е. тот вариант, при котором все ответы — правильные.

Эти методы нашли применение в практике социально-пра­вовых исследований. Получены интересные данные, имеющие теоретическое и практическое значение. Если в конкретно-социологическом исследовании уровня знания права принята ка­кая-то методика, то она должна последовательно применять­ся для измерения всех показателей: уровня правовых знаний индивида, уровня знания всех данных правовых норм иссле­дуемой группы и т.д. В противном случае показатели будут несопоставимыми.

§ 3. Методы измерения правовой установки личности

Социология под социальной установкой личности понима­ет одну из глубоких интегральных характеристик сферы со­знания и обусловленной ею системы поведения и деятельности индивидов. Значительная часть исследований в данной сфере уделяет внимание тому, как данная личность будет выполнять некоторые действия при определенных условиях, т. е. вероят­ности соблюдения тех или иных норм. Эта вероятность отно­сится к определенному субъекту, существенные свойства ко­торого могут изменяться со временем. Установка может рас­сматриваться и как привычка поступать определенным обра­зом в типичных социальных и психологических ситуациях.

Измерение установки включает несколько этапов:

разработка, составление и формирование тестовых при­знаков, связанных с установкой;

применение тестов и проведение опросов, присвоение балла каждому индивиду;

применение статистических критериев надежности собран­ной информации;

представление итоговых данных в виде статистических распределений, графиков, таблиц, дающих



r.php"; ?>