Рус Eng Cn 翻译此页面:
请选择您的语言来翻译文章


您可以关闭窗口不翻译
图书馆
你的个人资料

返回内容

Law and Politics
Reference:

Methodology for qualitative assessment of optimization of legislation and law enforcement practice based on big data analysis of the cases on administrative offences

Trofimov Egor Viktorovich

ORCID: 0000-0003-4585-8820

Doctor of Law

Deputy Director for Science, St. Petersburg Institute (Branch) of the All-Russian State University of Justice

199178, Russia, g. Saint Petersburg, 10-ya liniya V.O., 19, lit. A, kab. 36

diterihs@mail.ru
Other publications by this author
 

 
Metsker Oleg Gennad'evich

ORCID: 0000-0003-3427-7932

PhD in Technical Science

Researcher

199178, Russia, g. Saint Petersburg, 10-liniya V.O., 19 lit. A

olegmetsker@gmail.com
Other publications by this author
 

 

DOI:

10.7256/2454-0706.2020.10.43383

Received:

04-11-2020


Published:

05-11-2020


Abstract: The subject of this research is the interdisciplinary legal and computer research tools and methods. The authors substantiate the interdisciplinary (legal-computational) methodology for automated analysis and assessment of qualitative changes in legislation and law enforcement practice. Interim results of the research project that are of methodological nature and cover methodological paradigm, principles, means and methods of scientific research are provided. The formulated conclusions represent a summary of heuristic search and computational experiments carried out in the domain field of administrative tort law, as well as comprehension of the process and results of research from both, legal and computer perspectives. Explanation is given to the interdisciplinary paradigm in the indicated methodological area. Leaning on the empirical evidence and observations, the author formulates the three research principles: principle of heterogeneity of domain, principle of discreteness of legal practice, and principle of identity of the model. As the key research tools, the author substantiates and tests in computational experiments the scientific information-analytical system, mathematical and social indicators have been developed, justified and tested in computational experiments. Computer methods (knowledge modeling, natural language processing, machine learning) that ensure automation of identification and usage of indicators mate with the dogmatic method, systemic analysis and expert assessment responsible for legal interpretation of computations.  The legal and computer tools are determined for identification and usage of the principal indicators. In conclusion, the author outlines a number of problems and restrictions determined in the course of the conducted research.


Keywords:

artificial intelligence, machine learning, big data, digital state, administrative responsibility, optimization of law, efficiency of law, computer methods, indicators, interdisciplinary study

This article written in Russian. You can find original text of the article here .

1. Введение

Господство в современном мире сервисного подхода к «электронному правительству» (electronic government) [1, с. 128] и превращение государства в цифровую платформу для реализации эффективного контроля и предоставления услуг [2, с. 139] привели к переводу многих юридических процедур в цифровой вид и созданию многочисленных систем и баз данных законодательной, судебной и административной практики. Предпринимаются усилия для перехода к «цифровому правительству» (digital government), предполагающему полный перевод услуг в цифровой формат и использование данных вместо документов [3], а также к «умному правительству» (smart government), делающему открытыми правительственные данные и решения через использование общедоступной платформы для коллективного использования программного обеспечения, данных и услуг [4]. Однако научная проработка методологии цифровизации права и государства отстает от бурно развивающихся технологий.

2. Научная проблема

Состояние, динамика, структура и взаимосвязи, присущие правовой системе, находят свое отражение в информации, которая генерируется и документируется в юридическом процессе. В условиях динамичного развития правовой системы обработка и анализ юридических данных традиционными методами, включая правовую статистику и экспертные оценки, носят крайне ограниченный характер. Эти ограничения связаны, в частности, с объемами обрабатываемой информации, комплексностью и разнородностью данных, затратами ресурсов на обработку, анализ и интерпретацию результатов. Последствия этих ограничений — скудность информации, предоставляемой правовой статистикой, косность и субъективизм выводов, сделанных экспертами, недоверие и скептицизм к научным знаниям и рекомендациям, проявляемые законодателем, правоприменителем и обществом в целом.

3. Цель

Бурный рост цифровых данных требует ответа со стороны общественных и компьютерных наук; возможности и проблемы для общественных наук, связанные с этой «лавиной данных», очень разнообразны [5, p. 607]. С конца 1950-х гг. во многих странах разрабатываются и внедряются компьютерные методы и системы для изучения права, интеллектуального анализа и моделирования правовой деятельности, и на сегодняшний день большие данные (big data), накопленные в области права, обеспечивают возможность разработки не только поисковых, но и управленческих, аналитических, предиктивных и контрольных информационных систем, предназначенных для поддержки принятия решений в широком спектре юридических задач [6]. Технологии «слабого» (прикладного) искусственного интеллекта в праве могут стать серьезным дополнением к имеющейся «ручной» методологии правового исследования, а также приобрести самостоятельное значение. Внедрение методологии, опирающейся численные методы и большие данные, способно задействовать наличный информационный и вычислительный потенциал для решения задач теоретической и практической юриспруденции и, в конечном счете, изменить отношение общества к полноте, достоверности, объективности и социальной пользе научно-юридических знаний и рекомендаций.

В настоящем исследовании ставится цель обоснования междисциплинарной (юридико-вычислительной) методологии для автоматизированного анализа и оценки качественных изменений в законодательстве и правоприменительной практике. Разработка методологии такого рода позволит восполнить ряд методологических пробелов в различных исследовательских областях, включая оценку эффективности права и правовой мониторинг.

Результаты эмпирических исследований и ряд теоретических выводов были ранее представлены в научных статьях, на некоторые из которых ниже даны ссылки, а также на научных конференциях (EGOSE’2018, YSC’2019, EGOSE’2019, YSC’2020, DATMI’2020, ISAIC’2020 и др.). Поэтому в настоящей статье представлены только наиболее общие (предварительные) выводы относительно разрабатываемой междисциплинарной методологии.

На данном этапе исследование проводилось в предметной области административно-деликтного права.

4. Методология и парадигма

В современной науке отсутствует единообразный подход к методологии. Одни исследователи охватывают этим термином принципы и методы исследования [7], другие — методы и средства исследования [8, с. 12], некоторые — парадигмальные ориентации и идеалы, средства, методы и принципы исследования [9, с. 23]. В настоящем исследовании, не вдаваясь в дискуссию относительно общих понятий, методология будет рассматриваться в единстве парадигмы, принципов, средств и методов исследования.

Парадигма в науке — это общепризнанные научные достижения, которые в течение определенного времени дают научному сообществу модель постановки проблем и их решений [10, с. 193]. Настоящее исследование опирается на хорошо известную парадигму междисциплинарности, неоднократно позволявшую продвинуться в научном осмыслении действительности. Важно отметить, что вопрос о возможности конвергенции технологического и гуманитарного подходов в условиях цифрового общества уже являлся предметом изучения и был разрешен положительно [11].

Проникновение цифровых технологий в правовую сферу является свидетельством наличия между ними определенных взаимоотношений. Эти взаимоотношения не могут быть достаточно адекватно выражены и осмыслены в рамках только одной из соответствующих отраслей наук, поскольку во взаимодействии правовой и компьютерной областей проявляется комплексность, для изучения которой ни юридические, ни компьютерные науки по отдельности не достаточны. Комплексному характеру предмета исследования и его динамике должен соответствовать комплексный, то есть междисциплинарный аналитический инструментарий [12, с. 296].

Принято считать, что использование междисциплинарного подхода может проявляться различным образом: при постановке проблемы либо при поиске основных подходов к ее разрешению [13, с. 271]. Вместе с тем возникновение феномена цифровой реальности корректирует этот подход, а большие данные трансформируют общественные науки [14]. Междисциплинарность связана с самим существованием этого феномена. При рассмотрении новых объектов реальности, выявленных и, в определенной мере, сконструированных в процессе развития науки и техники, именно онтологический аспект рассмотрения обретает особую значимость [15, с. 106]. Ориентация на использование в исследовании больших данных уже сама по себе не только создает предпосылку комплексности обрабатываемых данных, но и требует принятия междисциплинарной парадигмы, обеспечивающей интерпретацию многообразия факторов и неявных корреляций [16]. В этом смысле можно считать, что компьютерные методы исследования, опирающиеся на большие данные, должны быть трансформированы в междисциплинарной парадигме с тем, чтобы обеспечивать получение новых знаний в домене, который для отраслевых наук является предметной областью, уже в известной степени изученной и обеспеченной определенной системой знаний, в том числе методологического свойства.

Междисциплинарная парадигма реализуется в системе принципов, средств и методов исследования, вырабатываемых в качестве междисциплинарных, а иногда — полидисциплинарных и трансдисциплинарных [17], что обеспечивает применимость этих принципов, средств и методов для изучения объединенной цифровой и правовой реальности в самых разных ее аспектах.

5. Принципы

Принципы настоящего исследования, будучи руководящими исследовательскими началами высокого уровня обобщения, отражают общий взгляд со стороны юридических и компьютерных наук на правовую сферу как предметную (доменную) область и на применимость к ней средств и методов исследования. Соглашаясь с тем, что формирование методологии исследования детерминируется свойствами объекта исследования [18], а междисциплинарный подход предполагает поиск в объекте сходных предметных областей [19, с. 10], в качестве принципиальных методологических положений настоящего исследования формулируются идеи, которые позволяют интегрировать в едином исследовательском процессе компьютерные и юридические средства, методы и интерпретации научных результатов. Основу для формулирования принципов исследования предоставляют свойства предметной (доменной) области, которые в мейнстриме юридической науки могут расцениваться как коннотации права, но которые эвристически ценны в междисциплинарном отношении, позволяя достигать сопряженной компьютерной и юридической интерпретации полученных методологических результатов и тем самым обеспечивать осмысленность исследования в обоих обозначенных аспектах.

На данном этапе сформулированы три принципа проводимого междисциплинарного исследования: принцип гетерогенности предмета (домена), принцип дискретности юридической практики и принцип идентифицируемости модели.

5.1. Принцип гетерогенности предмета (домена)

Принцип гетерогенности предмета (домена) основывается на наблюдаемой цифровой и правовой реальности (эмпирическом материале), для которой характерна неоднородность в самом обширном ее смысле.

Исследователям, занимающимся использованием компьютерных методов в предметной области права, давно известна гетерогенность этого домена, которая является серьезным препятствием для разработки и применения вычислительных технологий в праве в аналитических, прогностических и иных исследовательских целях. Однако понимание названной гетерогенности в компьютерных науках увязано, главным образом, с проблемами интеллектуального анализа текста и данных (text mining, data mining). Эти проблемы чаще всего решаются резким ограничением доменной области до массива текстов или данных с приемлемой для конкретных вычислительных задач гомогенностью; реже — созданием гибридных систем, в которых объединены различные доменные области, каждая из которых имеет собственное языковое представление, методы интеллектуального анализа и механизмы вывода (например, в архитектуре экспертных систем PROLEXS [20], в системах SHYSTER [21] и CHIRON [22]).

Наряду с «вычислительной» гетерогенностью, в праве присутствует сугубо «юридическая» неоднородность, обусловленная изменчивостью правового регулирования и его предмета, дефектами права, правонарушениями, правотворческим и правоприменительным усмотрением, а также многими другими факторами, в том числе неюридического свойства. Несмотря на распространенность идей законности и аксиоматизацию принципов всеобщности и единства законности, реальные правообразование, толкование, применение и реализация права далеки от идеального долженствования, отраженного в законе и юридической догматике. Не обсуждая здесь вопросы правопонимания, следует констатировать, что юридическая практика, в терминах теории информации, обладает информационной энтропией, и в каждом конкретном случае невозможно абсолютно точно и достоверно ни предсказать правовое поведение (включая правотворческие и правоприменительные решения), ни объяснить его.

Обозначенная особенность правовой сферы, обусловливающая неоднородность эмпирического материала и для компьютерных, и для юридических наук, определяет проблематичность выбора и разработки средств и методов междисциплинарного исследования, но является также позитивным базисом, позволяющим интегрировать в цифровой реальности компьютерные и юридические исследования правовой сферы.

5.2. Принцип дискретности юридической практики

Принцип дискретности юридической практики, обобщая наблюдаемые факты на пересечении цифровой и правовой реальности, отражает изменения в массиве юридически значимых актов (текстов, данных) при изменении правовой политики.

Значимые акты правовой политики приводят к изменению правотворчества, толкования, применения и реализации права. Эти импактные события, возникающие за рамками анализируемых цифровых и правовых явлений, быстро меняют объем, структуру и (или) содержание информации, генерируемой в юридическом процессе. В качестве такого события обычно выступает новый нормативный правовой акт (в том числе вносящий изменения в уже действующий акт), но им может стать любой акт, отражающий новую (скорректированную) правовую политику в некоторой сфере: акт толкования права, судебное решение (с эффектом прецедента), устное руководящее указание и прочие управленческие импульсы, отражающие перемены в проводимой правовой политике.

До настоящего времени дискретность в праве понималась как историческая дискретность правовой системы или дискретность законодательства [23], а также как свойство объектов прав [24]. Вместе с тем довольно медленное (в силу консерватизма права) развитие юридической практики временами испытывает своеобразные «стрессы» под воздействием неких внешних событий (актов правовой политики). Следствием этих событий выступает наблюдаемое изменение в количестве актов правотворчества, толкования, применения и (или) реализации права, содержании этих актов и структуре юридической практики (например, изменение долей актов о положительном или отрицательном разрешении определенной категории дел).

Так, 17.06.2011 вступили в силу изменения, внесенные Федеральным законом от 03.06.2011 № 120-ФЗ «О внесении изменений в Кодекс Российской Федерации об административных правонарушениях по вопросам пожарной безопасности» в статью 20.4 КоАП РФ. Это внешнее для судебной практики событие (акт правовой политики) повлекло резкое увеличение количества дел, рассмотренных судьями, и резкий рост размера назначенного административного штрафа, что было зафиксировано судебной статистикой. С применением методов машинного обучения на больших данных было выявлено качественное изменение судебной практики: учет судами большего количества фактических обстоятельств дел при назначении административных наказаний, повышение единообразия в логике вынесения постановлений (в связях между определенными фактическими обстоятельствами и назначенными наказаниями), повышение значимости борьбы с повторными нарушениями, повышение уровня осознания нарушителями неизбежности наказания [25]. Кроме того, использование компьютерно-юридической методологии позволило сделать вывод о том, что после названного импактного события 2011 г. по истечении двух лет стабилизировалось правоприменение, а по истечении пяти лет — реализация (исполнение и соблюдение) права частными лицами [26].

Описанное выше явление можно объяснить общими свойствами социальной ситуации, для которой характерна пространственно-временная дискретность и которая предполагает управленческое решение касательно этой ситуации или ее последствий [27]. В исследовательском отношении этот тезис принципиален, поскольку выражает понимание особенностей эмпирической базы и дает ориентиры для постановки исследовательских задач и выбора (разработки) применимых методов исследования, поскольку в данном исследовании эмпирическому материалу имманентно присуща дискретность.

Понимание дискретных свойств юридико-цифровой сферы позволяет вырабатывать подходы и модели для решения фундаментальной научной задачи по юридическому прогнозированию. Для юридического материала в целом характерны двучленное логическое построение и связь по типу «антецедент — консеквент», и тезис об актах правовой политики как причины дискретности юридической практики находится в русле этого правопонимания. Кроме того, долженствование как общее свойство права (нормативного регулятора) отражает реальную тенденцию к его воплощению в социальной действительности. Наличие в нормах права идеального описания моделей поведения позволяет с некоторой долей уверенности полагать, что эти модели поведения встречаются и в социальной (юридической) практике. С этим свойством права связано требование предсказуемости, предъявляемое наукой, обществом и самим правом к правотворчеству [28] и правоприменению [29]. Если до настоящего времени юридическое прогнозирование связывалось, главным образом, с использованием социологического инструментария [30, с. 7], то указанные выше причинность и предиктивность в праве хорошо коррелируют с вычислительными задачами предиктивной аналитики. Компьютерные науки обладают методологическим арсеналом для решения прямых и обратных аналитических задач на абстрактных объектах (такие методы уже апробировались на правовом домене: например, в системах CABARET [31] и FRANK [32]), что служит основой для разработки аналогичной по целеполаганию, но специфичной по содержанию междисциплинарной компьютерно-юридической методологии.

5.3. Принцип идентифицируемости модели

Принцип идентифицируемости модели является результатом объединения кибернетической идеи об идентифицируемости как свойстве объекта и юридической идеи о правовой определенности как общеправовом принципе. В смеженной юридико-цифровой области этот исследовательский принцип касается задач и результатов моделирования и предполагает экспериментальное (опытное) отыскание некоторых параметров исследуемой системы. В данном случае моделирование представляется наиболее успешным вариантом изучения юридико-цифровой области, дающим хорошо интерпретируемые и осмысленные результаты [33] [34].

Сложность реализации этого принципа в рассматриваемой предметной (доменной) области связана с поиском адекватного соответствия идентифицируемых элементов одновременно в правовой и цифровой реальностях в условиях некоторой эмпирической и теоретической неопределенности (проблематичности) процессов и результатов идентификации как в юридических, так и в точных науках.

В юридической науке принцип правовой определенности, будучи интуитивно понятным, не имеет строгой формализации [35] и, кроме того, обладает высокой степенью культурной маркированности в зависимости от правовой системы [36, с. 108]. Вместе с тем данный принцип ориентирован на эффективное действие права [37, с. 87], т.е. на реальное воплощение нормативно-правого регулирования в социальной (юридической) практике, что обеспечивает отражение этого принципа в юридико-цифровой реальности.

В компьютерных науках решение задачи идентификации представляет собой, по существу, интеллектуальный процесс обработки данных с получением новых знаний в виде математической модели [38, с. 22]. Вместе с тем, с математической точки зрения, может возникать неоднозначность оценок параметров, обусловленная, например, отсутствием согласия между сложностью модели и числом содержащихся в ней параметров, с одной стороны, и ограниченностью информации о параметрах, которую можно извлечь из эксперимента, — с другой [39]. Учитывая вычислительные сложности идентификации, в качестве методологического ориентира принимается гипотеза, сформулированная в теории идентификации систем, согласно которой для любой реальности (явления, процесса и т.д.) и любой наперед заданной (но не абсолютной) точности существует математическая структура, которая описывает эту реальность с этой точностью [40, с. 3].

Таким образом, несмотря на недостижимость абсолютной точности в идентификации моделей юридико-цифровой реальности, достижение максимальной определенности является общей исследовательской платформой, сближающей юридические и компьютерные науки.

6. Средства

В научной литературе отмечается, что все средства познания являются специально создаваемыми средствами и включают материальные, информационные, математические, логические и языковые средства [41, с. 73–76]. В настоящем исследовании важнейшими средствами выступают специально созданная исследовательская информационно-аналитическая система, а также выявляемые и эмпирически проверяемые в ходе исследования индикаторы.

Исследовательская информационно-аналитическая система, созданная и совершенствуемая в процессе настоящего исследования, объединяет комплекс программных, информационных, логико-математических и лингвистических средств и включает в качестве важнейших компонентов средства обработки естественного языка (NLP), базу знаний (NB), базу моделей (MB) и базу данных юридической практики [42] [43] [44].

Индикаторы представляют собой характеристики правовой деятельности или, более широко, правовой системы общества, доступные для наблюдения, измерения и оценки и отражающие качество тех процессов, которые происходят в правотворчестве и правоприменении. Юридической науке уже известен опыт использования индикаторов для измерения права [45]. Разработка методологии на стыке компьютерных и юридических наук с акцентом на больших данных ставит задачу поиска и использования индикаторов, приемлемых как для выражения результатов интеллектуального анализа эмпирических больших данных (т.е. в цифровой сфере), так и для оценки состояния и процессов доменной области (т.е. в юридической сфере).

В данном исследовании индикаторы были разделены на две группы, условно обозначенные как математические и социальные. В основу такого деления положен тот факт, что математические индикаторы (метрики) разработаны в математических и компьютерных науках для изучения абстрактных (математических) объектов, тогда как социальные индикаторы непосредственно связаны с доменом, в данном случае — правовой деятельностью или, с учетом комплексности исследуемых явлений и процессов, правовой системой общества в целом.

Математические индикаторы — это метрики, которые в рамках междисциплинарного исследования позволяют выявить количественные характеристики алгоритма как прямое следствие качества эмпирической базы (например, данных законодательства или судебной практики). В контексте междисциплинарного исследования за исходные пункты обоснования математических индикаторов был принят основанный на наблюдениях тезис о том, что применение метрик к доменной области права основано на транзитивности свойств эффективного алгоритма и свойств доменной (юридической) области. Математические индикаторы, исходно разработанные на абстрактных объектах, при их применении к юридической реальности, принимая эффективность используемых алгоритмов, будут отражать свойства (например, дефекты) доменной области, т.е. правовой системы общества.

Так, частое решение классификационных задач на материалах судебных актов позволяет использовать такие показатели, как доля правильных ответов (accuracy), точность (precision) и полнота (recall). Эти метрики, используемые в машинном обучении для оценки качества алгоритма, применительно к массиву судебных актов служат, в частности, индикаторами единообразия судебной практики, поскольку матрица ошибок на гетерогенном массиве показывает уже не качество алгоритма, а качество самой доменной области, а именно — совпадение экземпляров судебных решений, скажем, с общей моделью юридического обоснования. При этом правила расчета математических индикаторов принимаются в том виде, в каком они обоснованы в точных науках [46].

Социальные индикаторы — это статические или динамические показатели правовой системы общества. В качестве социальных индикаторов на данном этапе исследования изучались некоторые правовые идеи, тесно связанные с целями правового регулирования, так что в общем виде социальные индикаторы следует считать правовыми целями или целевыми показателями правовой политики [47] [48].

Использование индикаторов требует эвристического поиска адекватных компьютерных методов идентификации этих индикаторов, обоснования, апробации и проверки таких методов в вычислительных экспериментах. На больших данных дел об административных правонарушениях получены хорошо интерпретируемые результаты при использовании: 1) индикатора предметной однородности, отражающего степень гомогенности или гетерогенности домена и связанного с правовой целью обеспечения единообразия правоприменения; 2) индикатора индивидуализации наказания, отражающего степень учета фактических данных при генерировании правоприменительного решения и связанного с принципом индивидуализации наказания; 3) индикатора рациональности, отражающего степень логичности выявляемой цепи данных в контексте юридического обоснования (рассуждения) в парадигме монотонной логики и связанного с целью достижения правовой определенности; 4) временного индикатора, отражающего степень изменчивости правового регулирования и связанного с целью совершенствования права. Эти индикаторы обеспечены апробированными компьютерными методами их идентификации и применения.

Кроме того, в ходе интерпретации полученных моделей были установлены возможности использования более сложных социальных индикаторов, которые являются производными или дополнительными в отношении вышеупомянутых (и условно здесь обозначаемых в качестве основных). Среди них были изучены такие индикаторы, как: 1) индикатор осознания правонарушителем неотвратимости наказания, отражающий степень реализации воспитательной функции охранительного права и связанного с целью неотвратимости ответственности и наказания; 2) индикатор функциональности правовой нормы, отражающий степень ее использования в правоприменении и отражающего правовую цель устранения «мертвых» норм; 3) индикатор злоупотребления правом, отражающий степень соответствия правовых целям используемых правовых средств и связанного с целью гармонизации правовых средств и целей. Производный или дополнительный характер названных индикаторов определяется тем, что сами по себе они не требуют использования методов машинного обучения (например, они могут быть связаны с выявлением довольно простых корреляций), однако могут применяться только на основе знаний, полученных обработкой больших данных, зачастую — при расчете основных индикаторов.

7. Методы

В рамках обеспечения функциональных возможностей исследовательской информационно-аналитической системы и автоматизированной идентификации индикаторов использованы различные компьютерные методы, включая моделирование знаний, методы обработки естественного языка и разнообразные методы машинного обучения (кластеризации, классификации, регрессии, ранжирования, сокращения размерности и т.д.). Названные вычислительные методы, обеспечивающие автоматизацию идентификации и использования индикаторов, сопрягаются с догматическим методом, а также методами системного анализа и экспертной оценки, обеспечивающими юридическую осмысленность вычислений. При работе с большими данными серьезные исследовательские проблемы составляют вычислительная эффективность и информативность предикторов, и от решения этих проблем зависит степень ограничений, налагаемых на исследование и его результаты.

Ниже отмечены отдельные методы, принятые в качестве рабочих для использования индикаторов.

Индикатор предметной однородности, используемый в социальных науках [49], основан на методах кластеризации и сокращения размерности пространства признаков. Этот индикатор, взятый сам по себе, статичен и используется для оценки состояния предметной однородности исследуемого правового регулирования. В динамике (в сочетании с временным индикатором) индикатор предметной однородности демонстрирует тенденции в развитии правоприменительной практики, а в сочетании с математическим индикатором доли правильных ответов (accuracy) обеспечивает количественное сравнение.

Индикатор индивидуализации наказания является статическим, его использование сопряжено с использованием корреляционного и кластерного анализа, классификации и регрессии. Индивидуализация наказания — один из важнейших принципов привлечения к ответственности и принципов правовой политики, он обеспечивает дифференциацию вида и размера наказания в зависимости от набора определенных позитивных или негативных фактов, благодаря чему интеллектуальный анализ на больших данных обеспечивает высокую достоверность и новизну исследовательских результатов. При увеличении пределов правоприменительного усмотрения в вопросе о выборе вида и размера наказания реализация принципа индивидуализации наказания выражается в учете большего количества фактических обстоятельств дела или наборов этих обстоятельств, что и показывает данный индикатор.

Индикатор рациональности демонстрирует для правоприменительных решений степень логичности (обоснованности) юридических рассуждений, рассматриваемых в русле идей Фана Данга об абстрактных правовых аргументах [50]. Визуализация индикатора рациональности наиболее просто достигается методами машинного обучения классификационным путем в виде построения дерева решений, таргетированного на заданный правоприменительный вопрос. Индикатор рациональности коррелирует с интерпретируемостью и предсказуемостью правоприменительной практики и, как следствие, с правовой определенностью. Единообразное и предсказуемое состояние правового регулирования имеет принципиальное значение для верховенства закона, практической юриспруденции, выработки и реализации правовой политики, достижения прогнозных и аналитических исследовательских целей.

Временной индикатор носит динамический характер и ориентирован на выявление качественных изменений в правовом регулировании (законодательстве и правоприменительной практике). Временной индикатор основан на методах анализа временных рядов, но может использоваться вместе со статическими индикаторами, обеспечивая их временной анализ с использованием таких методов машинного обучения, как классификация и регрессия. Важнейшее значение временного индикатора усматривается в том, что именно он демонстрирует дискретность юридической практики и позволяет связать сдвиги в правоприменении с конкретными импактными событиями в правовой политике.

8. Заключение

В современной правовой политике принято оперировать правовыми целями как основаниями для выбора правовых средств — путем принятия определенных решений в сфере правотворчества, толкования и применения права. Использование индикаторов создает необходимые условия для того, чтобы прогнозировать и планировать последствия актов правовой политики, контролировать реальные результаты (последствия) решений, имеющих политико-правовое значение и призванных привести к качественным изменениям в правовом регулировании, сделав правотворчество и (или) правоприменение более оптимальными. Вместе с тем следует отметить ряд проблем и ограничений, выявленных в ходе исследования.

Во-первых, ввиду объективного ограничения масштаба и продолжительности исследования остался невыясненным вопрос о том, возможно ли использование любых правовых целей (целей правовой политики, регулятивных идей) в качестве социальных индикаторов, поскольку с каждой правовой целью необходимо сопоставить определенные категории данных и методы их интеллектуального анализа. Названная эвристическая задача в настоящем исследовании решалась экспертным путем.

Этот вопрос, во-вторых, связан со сложностью вопроса о количественных мерах (измерениях) правового регулирования. В отсутствие общепризнанного мерила интуитивно более понятным остается использование качественного (сравнительного) подхода к оценке правовых явлений и процессов, который и был заявлен в данном исследовании. Качественная оценка оптимизации правового регулирования может быть показана в виде «более» или «менее» оптимального состояния правотворчества или правоприменения в сравнении с некоторым эталонным (например, начальным) состоянием. Тем не менее компьютерные науки обладают большим потенциалом в использовании численных методов, что ставит вопрос о перспективах сопряжения качественной оценки с количественной.

Данная перспектива, в-третьих, позволяет поставить вопрос о дальнейшей междисциплинарной интеграции посредством включения в сферу междисциплинарного методологического интереса статистических данных и методологии. В статистической науке накоплен большой опыт количественного измерения различных социально-экономических явлений и процессов, что в совокупности с компьютерными методами интеллектуального анализа больших данных и методами научно-юридического изучения правовых средств и правовых целей может привести к определенному прогрессу в осмыслении доступных комплексности данных и пролить свет на существование, характер и закономерности неявных связей между цифровой, правовой и социально-экономической реальностью.

Однако в целом нельзя не отметить, что даже на уровне качественной оценки, производимой с использованием вышеописанной методологии, накопление знаний о взаимосвязях между правовыми целями, индикаторами и компьютерными методами их идентификации может снизить роль экспертных знаний и субъективный фактор в процессе оценки, планирования, прогнозирования и контроля в отношении состояния законодательства и правоприменения. Автоматизация ряда интеллектуальных процессов становится неизбежной в цифровом обществе, но, освобождая экспертный труд от рутинной работы, одновременно переориентирует его на разработку междисциплинарных компьютерно-юридических методов и контроль над их применением.

References
1. Dung P. M. On the acceptability of arguments and its fundamental role in nonmonotonic reasoning, logic programming and n-person games // Artificial Intelligence. 1995. Vol. 77, № 2. Pp. 321–357.
2. Yassine B. T., Nourredine F., Samir B., Idrissi M. K. The homogeneity indicator of learners in project-based learning // International Journal of Computer Science Issues. 2014. Vol. 11, № 1. Pp. 188–194.
3. Trofimov E. V., Metsker O. G., Petrov M. V. Komp'yuterno-yuridicheskaya metodologiya kachestvennoi otsenki optimizatsii zakonodatel'stva i sudebnoi praktiki na osnove analiza bol'shikh dannykh: metody i metriki na primere administrativno-deliktnoi sfery // Aktual'nye voprosy razvitiya gosudarstvennosti i publichnogo prava: materialy VI mezhdunar. nauch.-prakt. konf. (Sankt-Peterburg, 25 sent. 2020 g.) / redkol.: D. V. Rybin (pred.) [i dr.]. SPb.: S.-Peterb. in-t (fil.) VGUYu (RPA Minyusta Rossii), 2020. 218 s. S. 175–178. DOI: 10.47645/978-5-6044512-3-6_2020_1_175.
4. Goutte C., Gaussier E. A Probabilistic interpretation of precision, recall and F-score, with implication for evaluation // Lecture Notes in Computer Science. 2005. Vol. 3408. Pp. 345–359. DOI: 10.1007/978-3-540-31865-1_25.
5. Trofimov E. V., Metsker O. G. Indikatory optimizatsii zakonodatel'stva i pravoprimeneniya i metody ikh identifikatsii i ispol'zovaniya na osnove bol'shikh dannykh (opyt vychislitel'nykh eksperimentov na sudebnykh aktakh po delam ob administrativnykh pravonarusheniyakh, predusmotrennykh glavoi 18 Kodeksa Rossiiskoi Federatsii ob administrativnykh pravonarusheniyakh) // Yuridicheskie issledovaniya. 2020. № 9. S. 33–46. DOI: 10.25136/2409-7136.2020.9.34149.
6. Davis K. E. Legal indicators: The power of quantitative measures of law // Annual Review of Law and Social Science. 2014. Vol. 10, № 1. Pp. 37–52. DOI: 10.1146/annurev-lawsocsci-110413-030857.
7. Metsker O., Trofimov E., Grechishcheva S. Natural language processing of Russian court decisions for digital indicators mapping for oversight process control efficiency: Disobeying a police officer case // Communications in Computer and Information Science. 2020. Vol. 1135. Pp. 295–307. DOI: 10.1007/978-3-030-39296-3_22.
8. Metsker O., Trofimov E., Petrov M., Butakov N. Russian court decisions data analysis using distributed computing and machine learning to improve lawmaking and law enforcement // Procedia Computer Science. 2019. Vol. 156. Pp. 264–273. DOI: 10.1016/j.procs.2019.08.202.
9. Prangishvili I. V., Lototskii V. A., Ginsberg K. S., Smolyaninov V. V. Identifikatsiya sistem i zadachi upravleniya: na puti k sovremennym sistemnym metodologiyam // Problemy upravleniya. 2004. № 4. S. 2–15.
10. Novikov A. M., Novikov D. A. Metodologiya nauchnogo issledovaniya. M.: Librokom, 2010. 280 s.
11. Metsker O., Trofimov E., Sikorsky S., Kovalchuk S. Text and data mining techniques in judgment open data analysis for administrative practice control // Communications in Computer and Information Science. 2019. Vol. 947. Pp. 169–180. DOI: 10.1007/978-3-030-13283-5_13.
12. Karimova N. O. Komp'yuternaya identifikatsiya i sovremennye sistemy intellektual'noi obrabotki dannykh // Molodoi uchenyi. 2017. № 4 (138). S. 22–24.
13. Avdeenko T. V. Razrabotka metodov issledovaniya strukturnoi identifitsiruemosti modelei v prostranstve sostoyanii: dis. d-ra tekh. nauk. Novosibirsk, 2003. 334 s.
14. Vorob'ev S. M., Polishchuk N. I. Teoretiko-pravovoi analiz metayuridicheskogo printsipa pravovoi opredelennosti // Teoriya gosudarstva i prava. 2019. № 2. S. 83–89.
15. Trofimov E. V., Metsker O. G. Pravo i iskusstvennyi intellekt: opyt vychislitel'nykh eksperimentov po modelirovaniyu i optimizatsii protsessov primeneniya zakonodatel'stva ob administrativnykh pravonarusheniyakh s ispol'zovaniem metodov intellektual'nogo analiza i algoritmov mashinnogo obucheniya // Vestnik Sankt-Peterburgskoi yuridicheskoi akademii. 2018. № 3. S. 42–46.
16. Velieva D. S., Presnyakov M. V. Sushchnost' printsipa pravovoi opredelennosti: v poiskakh konstitutsionno-pravovogo smysla // Izvestiya Saratovskogo universiteta. Novaya seriya. Ser.: Ekonomika. Upravlenie. Pravo. 2019. T. 19, № 3. S. 302–309.
17. Amosova T. V. Printsip pravovoi opredelennosti v zerkale lingvokul'tury // Vestnik Moskovskogo gosudarstvennogo lingvisticheskogo universiteta. Obrazovanie i pedagogicheskie nauki. 2017. Vyp. 2 (773). S. 106–118.
18. Metsker O. G., Trofimov E. V. Sovershenstvovanie administrativno-deliktnogo regulirovaniya na osnove elektronnykh dannykh sudebnoi praktiki // Pravo. Obshchestvo. Gosudarstvo: sb. nauch. tr. studentov i aspirantov. T. 4 / redkol.: D. V. Rybin (pred.) [i dr.]. SPb.: S.-Peterb. in-t (fil.) VGUYu (RPA Minyusta Rossii), 2018. 152 s. S. 140–151.
19. Rissland E. L., Skalak D. B. CABARET: Rule interpretation in a hybrid architecture // International Journal of Man-Machine Studies. 1991. Vol. 34, № 6. Pp. 839–887. DOI: 10.1016/0020-7373(91)90013-W.
20. Rissland E. L., Daniels J. J., Rubinstein Z. B., Skalak D. B. Case-based diagnostic analysis in a blackboard architecture // Proceedings of the 11th National Conference on Artificial Intelligence (AAAI’93), Washington, DC, USA, July 11–15, 1993. Menlo Park: AAAI Press/MIT Press, 1993. 891 pp. Pp. 66–72. DOI 10.5555/1867270.1867281.
21. Skitovich V. V., Sedel'nik V. V. Predskazuemost' pravovogo regulirovaniya: postanovka problemy // Vestnik Grodnenskogo gosudarstvennogo universiteta imeni Yanki Kupaly. Ser. 4: Pravovedenie. 2015. № 5. S. 33–40.
22. Lipen' S. V. Prognosticheskaya metodologiya v yuridicheskikh issledovaniyakh // Zhurnal rossiiskogo prava. 2019. № 8. S. 5–13. DOI: 10.12737/jrl.2019.8.1.
23. Muzychuk E. S. Printsip predskazuemosti v rabote suda kak vazhneishee trebovanie demokratii // Paradigma pіznannya: gumanіtarnі pitannya. 2015. № 4. S. 40–56.
24. Gavrish V. D. Sotsial'nye situatsii kak soderzhanie sotsial'nogo bytiya: prostranstvenno-vremennaya diskretnost' // Sotsial'no-gumanitarnye znaniya. 2013. № 8. S. 48–60.
25. Trofimov E. V., Metsker O. G. Pravo i iskusstvennyi intellekt: opyt razrabotki vychislitel'noi metodologii dlya intellektual'nogo analiza obshcherossiiskoi i regional'noi praktiki peresmotra sudami postanovlenii (reshenii) po delam ob administrativnykh pravonarusheniyakh (na primere stat'i 20.4 Kodeksa Rossiiskoi Federatsii ob administrativnykh pravonarusheniyakh) // Yuridicheskie issledovaniya. 2019. № 7. S. 32–43. DOI: 10.25136/2409-7136.2019.7.30351.
26. Ivanenko P. D. «Diskretnost' prava» i «diskretnost' zakonodatel'stva»: soderzhanie yavlenii, formy i prichiny // Vestnik Yuzhno-Ural'skogo gosudarstvennogo universiteta. Ser. «Pravo». 2014. T. 14, № 4. S. 78–83.
27. Lapach V. A. Sistema ob''ektov grazhdanskikh prav: teoriya i sudebnaya praktika. SPb.: Izd-vo Yurid. tsentr Press, 2002. 544 s.
28. Trofimov E. V., Metsker O. G. Pravo i iskusstvennyi intellekt: opyt razrabotki vychislitel'noi metodologii dlya analiza i otsenki kachestvennykh izmenenii v zakonodatel'stve i pravoprimenitel'noi praktike (na primere stat'i 20.4 Kodeksa Rossiiskoi Federatsii ob administrativnykh pravonarusheniyakh) // Pravo i politika. 2019. № 8. S. 1–17. DOI: 10.7256/2454-0706.2019.8.30306.
29. Popple J. A pragmatic legal expert system. Aldershot: Dartmouth, 1996. XVII, 384 pp. DOI: 10.2139/ssrn.1335176.
30. Sanders K. E. CHIRON: Planning in an open-textured domain // Artificial Intelligence and Law. 2001. Vol. 9, № 4. Pp. 225–269. DOI: 10.1023/A:1013824413224.
31. Walker R. F., Oskamp A., Schrickx J. A., Opdorp G. J., Berg P. H. van den. PROLEXS: Creating law and order in a heterogeneous domain // International Journal of Man-Machine Studies. 1991. Vol. 35, № 1. Pp. 35–68. DOI: 10.1016/S0020-7373(07)80007-1.
32. Mokii V. S., Luk'yanova T. A. Mezhdistsiplinarnye vzaimodeistviya v sovremennoi nauke: podkhody i perspektivy // Ekonomicheskaya nauka sovremennoi Rossii. 2017. № 3. S. 7–21.
33. Bodrov A. A. Filosofiya bol'shikh dannykh v paradigme mezhdistsiplinarnykh issledovanii // Vestnik Samarskogo gosudarstvennogo tekhnicheskogo universiteta. Ser.: Filosofiya. 2020. № 1. S. 14–21.
34. Manokhina N. V. Transdistsiplinarnye podkhody v sovremennoi nauke // Vestnik Mezhdunarodnogo instituta ekonomiki i prava. 2013. № 1. S. 31–36.
35. Dzhavadov Kh. A. Vliyanie ob''ekta i predmeta na formirovanie metodologii issledovaniya effektivnosti grazhdanskogo sudoproizvodstva // Naukovii vіsnik Natsіonal'nogo unіversitetu bіoresursіv і prirodokoristuvannya Ukraїni. Ser.: Pravo. 2015. Vyp. 213, ch. 1. S. 128–137.
36. Dimitrova S. V. Mezhdistsiplinarnost' i transdistsiplinarnost' v sovremennoi nauke // Nauchnyi rukovoditel'. 2016. № 4. S. 102–108.
37. Kotenko V. P. Paradigma kak metodologiya nauchnoi deyatel'nosti // Bibliosfera. 2006. № 3. S. 21–25.
38. Kun T. Struktura nauchnykh revolyutsii. M.: Progress, 1977. 300 s.
39. Gerasimova I. A. Tsifrovaya transformatsiya ekonomiki i obshchestva: problemy metodologii issledovaniya // The Digital Scholar: Philosopher’s Lab / Tsifrovoi uchenyi: laboratoriya filosofa. 2019. T. 2, № 4. S. 21–29. DOI: 10.5840/dspl20192446.
40. Yanitskii O. N. «Perekhod na tsifru»: nekotorye voprosy teorii i metodologii issledovaniya // Rossiya reformiruyushchayasya. 2019. № 17. S. 287–307. DOI: 10.19181/ezheg.2019.12.
41. Housley W., Dicks B., Henwood K., Smith R. Qualitative methods and data in digital societies // Qualitative research. 2017. Vol. 17, № 6. Pp. 607–609. DOI: 10.1177/1468794117730936.
42. Ali-zade A. A. Bol'shie dannye: novoe vremya dlya obshchestvennykh nauk // Naukovedcheskie issledovaniya: sb. nauch. tr. / otv. red. A. I. Rakitov. M.: INION RAN, 2018. 202 s. S. 26–54. DOI: 10.31249/scis/2018.00.03.
43. Serova O. A., Leskova Yu. G. Mezhdistsiplinarnye issledovaniya: problemy metodologii // Metodologicheskie problemy tsivilisticheskikh issledovanii. 2020. T. 2, № 2. S. 267–280.
44. Papkovskaya P. Ya. Metodologiya nauchnykh issledovanii. Minsk: Informpress, 2002. 176 s.
45. P'yanov N. A. O ponyatii metodologii yuridicheskoi nauki // Prolog: zhurnal o prave. 2014. T. 2, № 4. S. 17–24. DOI: 10.15727/2313-6715.2014.2.4.17-24.
46. Trofimov E. V., Metsker O. G. Ispol'zovanie komp'yuternykh metodov i sistem v izuchenii prava, intellektual'nom analize i modelirovanii pravovoi deyatel'nosti: sistematicheskii obzor // Trudy Instituta sistemnogo programmirovaniya RAN. 2020. T. 32, vyp. 3. S. 147–170. DOI: 10.15514/ISPRAS-2020-32(3)-13.
47. Arkhipova Z. V. Transformatsiya «elektronnogo pravitel'stva» v «tsifrovoe pravitel'stvo» // Izvestiya Baikal'skogo gosudarstvennogo universiteta. 2016. T. 26, № 5. S. 818–824. DOI: 10.17150/2500-2759.2016.26(5).818-824.
48. Bradul N. V., Lebezova E. M. Kontseptualizatsiya ponyatiya «Smart Government»: naukometricheskii podkhod // Upravlenets. 2020. T. 11, № 3. S. 33–45. DOI: 10.29141/2218-5003-2020-11-3-3.
49. Efimov A. A. Tsifrovaya demokratiya v Velikobritanii: teoriya i praktika gosudarstvennogo upravleniya i predostavleniya gosudarstvennykh uslug naseleniyu // Ekonomicheskie i sotsial'no-gumanitarnye issledovaniya. 2015. № 1. S. 126–133.
50. Shchukina T. V. Administrativnoe usmotrenie i ego proyavlenie v administrativnykh protsedurakh: novye transformatsii v usloviyakh tsifrovogo gosudarstva i informatsionnogo obshchestva // Yuridicheskaya nauka. 2018. № 2. S. 137–141.