ДИСЦИПЛИНА «ПРАВОВАЯ СТАТИСТИКА» КАК СРЕДСТВО ПОДГОТОВКИ ВЫПУСКНИКОВ ВУЗОВ МВД РОССИИ К ИСПОЛЬЗОВАНИЮ МАТЕМАТИЧЕСКИХ МЕТОДОВ В ИНФОРМАЦИОННО-АНАЛИТИЧЕСКОЙ РАБОТЕ
Аннотация
Постановка проблемы. Актуальность исследования обусловлена тем, что в настоящее время деятельность правоохранительных органов основывается на внедрении единой системы информационно-аналитического обеспечения МВД России. Эффективное использование цифровых технологий зависит от качества подготовки специалистов юридического профиля в части формирования у них основных знаний, умений и навыков в области вычислительно-аналитической деятельности как основы развития профессионального мышления.
Цель – на основе историко-педагогического анализа применения статистики в юриспруденции обосновать необходимость включения в содержание дисциплины «Правовая статистика» основных положений общей теории статистики, теории вероятности и математической статистики как основы и инструмента анализа социально-экономических явлений, тесно связанных с деятельностью органов внутренних дел по борьбе с преступностью.
Методологию исследования составляют анализ и обобщение нормативно-правовых документов в сфере высшего образования, в том числе образовательных стандартов разных поколений по направлениям юридической подготовки, реализуемых в вузах МВД России, истории преподавания дисциплины «Правовая статистика», а также научно-педагогической литературы.
Результаты исследования. Показано, что содержание дисциплины «Правовая статистика» для студентов юридического направления должно включать не только отраслевые нормы, но и положения теории вероятности и математической статистики. Фундаментальность математической подготовки позволяет сформировать базовые основы профессионального мышления специалистов российской правоохранительной системы.
Заключение. Методология проведенного исследования позволила уточнить необходимость изучения математических основ, включающих положения теории вероятности и математической статистики, в рамках дисциплины «Правовая статистика», что способствует повышению уровня профессиональной компетентности выпускников вузов МВД России, их готовности к использованию математических вычислений в аналитической деятельности.
Литература
2. Иншаков С.М., Богданова Л.Н., Виноградова А.Д. и др. Факторный анализ преступности: корреляционный и регрессионный методы: монография. М.: ЮНИТИ-ДАНА. 2017. 127 с.
3. Когнитивное моделирование факторов, влияющих на криминализацию общества, в целях принятия управленческих решений в сфере борьбы с преступностью / А.П. Суходолов, В.А. Маренко, А.М. Бычкова, В.Е. Ложников // Всероссийский криминологический журнал. 2020. Т. 14, № 2. С. 215–233. DOI: 10.17150/2500-4255.2020.14(2).215-233
4. Маркин А.В. Нужна ли юристу математика? // Вектор науки Тольяттинского государственного университета. 2012. № 3 (21). С. 176–178.
5. Матвеев И.В., Савченко Д.А., Ульянова В.В. Правовая статистика и статистическая юриспруденция // Идеи и идеалы. 2015. № 4 (26), т. 2. С. 51–58. DOI: 10.17212/2075-0862-2015-4.2-51-58
6. Математическое моделирование в исследовании комплекса детерминантов незаконного вылова водных биоресурсов (омуля) в озере Байкал / А.П. Суходолов, А.П. Федотов, П.Н. Аношко, А.В. Колесникова, П.Г. Сорокина, Н.В. Мамонова // Всероссийский криминологический журнал. 2020. Т. 14, № 1. С. 76–86. DOI: 10.17150/2500- 4255.2020.14(1).76-86
7. Пилюгина Т.В., Натура Д.А. Использование метода математического моделирования при прогнозировании региональной преступности в вопросах ее предупреждения // Всероссийский криминологический журнал. 2017. Т. 11, № 1. C. 61–70. DOI: 10.17150/2500-4255.2017.11(1).61-70
8. Приказчикова А.С., Приказчикова Г.С., Асланов Р.Э. и др. Многомерный статистический анализ показателей преступности в субъектах Российской Федерации в задаче синтеза оценки уровня криминогенности // Всероссийский криминологический журнал. 2019. Т. 13, № 1. C. 18–29. DOI: 10.17150/2500-4255.2019.13(1).18-29
9. Ровина Е.Е. Математическая подготовка курсантов образовательных организаций системы МВД как составляющая развития личности с субъектной позицией // Научное обозрение. Педагогические науки. 2018. № 1. С. 52–55.
10. Рудько Е.А. и др. Компетентностный подход к профессионально-математической подготовке специалистов юридического профиля: монография. М.: Ритм, 2011. 184 с.
11. Серебренникова А.В. Криминологические проблемы цифрового мира (цифровая криминология) // Всероссийский криминологический журнал. 2020. Т. 14, № 3. С. 423–430. DOI: 10.17150/2500-4255.2020.14(3).423-430
12. Сторубленкова Е.Г., Ерин Е.Н. Статистическая характеристика преступлений против собственности // Пробелы в Российском законодательстве. 2018. № 7. С. 116–121.
13. Суходолов А.П. Цифровая криминология: математические методы прогнозирования. Ч. 1. / А.П. Суходолов, С.В. Иванцов, Т.В. Молчанова, Б.А. Спасенников, М.А. Калужина // Всероссийский криминологический журнал. 2018. Т. 12, № 2. С. 230–236. DOI: 10.17150/2500-4255.2018.12(2).230-236
14. Суходолов А.П. Цифровая криминология: математические методы прогнозирования. Ч. 2 / А.П. Суходолов, С.В. Иванцов, Т.В. Молчанова, Б.А. Спасенников // Всероссийский криминологический журнал. 2018. Т. 12, № 3. С. 323–329. DOI: 10.17150/2500-4255.2018.12(3).323-329.
15. Шепель В.Н., Богословская С.С. Периодизация истории статистики как основа изучения эволюции статистической науки и практики // Известия Оренбургского государственного аграрного университета. 2009. № 3 (23). С. 148–151.
16. Шинкевич В.Е. Достоинства и недостатки внедрения компетентностного подхода в систему подготовки сотрудников органов внутренних дел, развития акме-потенциала обучающихся // Научный журнал NovaUm.Ru. Педагогические науки. 2018. № 15. C. 372–378.
17. Herget J.E., Schlegel J.H. American legal realism and empirical social science // The American Journal of Legal History. 1995. Is. 39 (3). 396 p.
18. Mannheim Н. Comparative criminology. Boston, 1965. 407 p.
19. Radzinowicz L. Ideology and crime. New York: Columbia University Press, 1966. 152 p.
20. Schlegel J.H. American legal realism and empirical social science: from the Yale experience // Buffallo Law Review. 1979. Vol. 28 (3). P. 459–586.
