標題:
以檢察大數據精準提升法律監督質效2
[打印本頁]
作者:
vgfgbcnbcvnbvm
時間:
2024-1-27 17:15
標題:
以檢察大數據精準提升法律監督質效2
第三,基於司法大數據全樣本,建立常見犯罪量刑預測資料庫,以提高量刑建議的可靠性和說服力。檢察機關對構成犯罪的案件提出確定刑罰建議,是檢察權行使的重要內容。而提出高品質量刑建議的前提是依法對具體案情作出比較客觀的量刑預測。基於科學客觀的量刑預測,加上一定的刑事政策
屈臣氏藥房
屈臣氏藥房臺北店
壯陽藥
持久液
春藥
媚藥
性藥
增大丸
犀利士
威而鋼
樂威壯
催情藥
迷藥
威而鋼
樂威壯
日本藤素
印度卡其丸
美國黑金
犀利士
cialis
德國愛神
centos
果凍威而鋼
考量,才可能提出令人信服的量刑建議。問題是,如何綜合不同案件事實和各種量刑情節預測可能的量刑結果?困難之一是,儘管司法機關出台了量刑規範化指導意見,對許多量刑情節的量刑幅度作出了比較詳盡的規定,但當一個案件有數個量刑情節時,數個情節便有多種可能的組合。以交通肇事罪為例,相關的法定量刑情節至少有:致死人數,重傷人數,負事故全部責任、主要責任還是同等責任,財產損失大小,行為人是否逃逸,以及有關的刑法總則量刑情節。理論上,即使不考慮酌定情節,交通肇事罪法定量刑情節在具體案件中就會有較多可能的排列組合。而法律只能對單一情節從輕、減輕或從重、加重處罰及其幅度、範圍作出規定,不可能對每種情節組合如何量刑均作出具體規定。這時,面對這麼多可能的組合,司法人員也只能大概估算量刑結果。如果基於司法大數據全樣本建立常見犯罪量刑預測資料庫,無疑會提高量刑建議的科學性。
我們曾以交通肇事罪全樣本為數據基礎,以該罪法定情節為自變量,以刑期為因變量進行回歸分析,得到交通肇事罪刑期與法定情節之間關係的統計模型,並在此基礎上對模型進行優化處理。有了這個模型,將任何一個未決案件的實際情節依序代入模型,便可得到該案的預測刑期。既然交通肇事罪可以實現量刑確定性的量化描述與預測,對於其他多情節犯罪也應該可以嘗試類似建模。實際上,如果將上述模型中交通肇事罪的特有情節替換為其他某種犯罪的法
屈臣氏藥房
屈臣氏藥房臺北店
壯陽藥
持久液
春藥
媚藥
性藥
增大丸
犀利士
威而鋼
樂威壯
催情藥
迷藥
威而鋼
樂威壯
日本藤素
印度卡其丸
美國黑金
犀利士
cialis
德國愛神
centos
果凍威而鋼
定情節,如是否入戶搶劫、盜竊數額、是否故意殺人既遂等等,便可基於相應犯罪的量刑大樣本進行建模和量刑預測。大數據量刑預測的法治意義絕不僅限於提高辦案效率,還可能提高量刑建議的公正性,實現同判。
歡迎光臨 game high遊戲論壇 (http://ww.w.uflashgame.com/discuz/)
Powered by Discuz! 7.0.0