A kriminalisztikai célú adatgyűjtés, az elektronikus Modus Operandi Nyilvántartás jövője és kutatási lehetőségei
Absztrakt
Jelen tanulmány célja, hogy ismertesse a Modus Operandi Nyilvántartásban (továbbiakban: eModus) rejlő fejlesztési lehetőségeket, melyet az elméleti és a gyakorlati terület szimbiózisában lát megvalósíthatónak. Bemutatja az eModus történetét, működési alapelvét, a perszeverancia kriminalisztikai jelentését, valamint a nyilvántartásban kezelt adatok körét. A rendőrségen zajló kriminalisztikai célú adatgyűjtésbe való betekintésen keresztül jut el az eModus jövőjével kapcsolatos elképzelésekig, melynek részét képezheti például a mesterséges intelligencia alkalmazása, a perszeverancia kutatása, vagy a bűnözői életutak vizsgálata.
Hivatkozások
Barabási, A. L. & Crandall, R. E. (2003). Linked: The New Science of Networks, American Journal of Physics, 71(4), 409–410. https://doi.org/10.1119/1.1538577
Barabási A. L. (2006). A hálózatok tudománya: a társadalomtól a webig. Magyar Tudomány, 167(11), 1298–1308.
Baumgartner, K. C., Ferrari, S. & Salfati, C. G. (2005). Bayesian Network Modeling of Offender Behavior for Criminal Profiling. Proceedings of the 44th IEEE Conference on Decision and Control, 2702–2709. https://doi.org/10.1109/CDC.2005.1582571
Baumgartner, K. C., Ferrari, S. & Palermo, G. (2008). Constructing Bayesian networks for criminal profiling from limited data. Knowledge-Based Systems, 21(7), 563–572. https://doi.org/10.1016/j.knosys.2008.03.019
Benjamin, A., Chartrand, G. & Zhang, P. (2015). The Fascinating World of Graph Theory. Princeton University Press. https://doi.org/10.1515/9781400852000
Cavallaro, L., Ficara, A., De Meo, P., Fiumara, G., Catanese, S., Bagdasar, O., Song, W. & Liotta, A. (2020). Disrupting resilient criminal networks through data analysis: The case of Sicilian Mafia. PLOS ONE, 15(8), 1–22. https://doi.org/10.1371/journal.pone.0236476
Clefos, A. & Bega, D. (2020). The last representative of great mathematicians. Conferinţa tehnico-ştiinţifică a studenţilor, masteranzilor şi doctoranzilor = The Technical Scientific Conference of Undergraduate, Master and PhD Students, 1, 348–351. http://repository.utm.md/handle/5014/8667
Elekes Á. (2015). Kompatibilis Euler-séták (Szakdolgozat). Eötvös Lóránd Tudományegyetem, Természettudományi Kar.
Erdős P. (1973). The art of counting: Selected writings. Mathematicians of Our Time, 5(23), 742–755.
Erdős P. & Rényi A. (1959). On random graphs, I., Publ. Math., 6, 290–297.
Galambosné Tiszberger M. (2015). A hálózatkutatás módszertani vizsgálati lehetőségei – szakirodalmi összefoglalás. Pécsi Tudományegyetem.
Gießmann, S. (2017). Drawing the Social: Jacob Levy Moreno, Sociometry, and the Rise of Network Diagrammatics. Universität Siegen. https://doi.org/10.25969/mediarep/3794
Jackson, B. (1987). Compatible Euler tours for transition systems in Eulerian graphs. Discrete Mathematics. https://doi.org/10.1016/0012-365X(87)90125-7
Mérei F. (1974). Szociálpszichológiai vizsgálatok az iskolában. Fővárosi Pedagógiai Intézet.
Mérei F. (1996). Közösségek rejtett hálózata. Osiris Kiadó.
Moreno, J. L. (1934). Who shall survive?: A new approach to the problem of human interrelations. Nervous and Mental Disease Publishing Co. https://doi.org/10.1037/10648-000
Ni, C., Sugimoto, C., & Jiang, J. (2011). Degree, closeness, and betweenness: Application of group centrality measurements to explore macro-dis ciplinary evolution diachronically.
Sebestyén, T. (2011). Hálózatelemzés a tudástranszferek vizsgálatában – régiók közötti tudáshálózatok struktúrájának alakulása Európában. Statisztikai Szemle, 89(6), 667–697.
Stephenson, T. A. (2000). An Introduction to Bayesian Network Theory and Usage. IDIAP.
Van der Hulst, R. C. (2008). Introduction to Social Network Analysis (SNA) as an investigative tool. Trends in Organized Crime, 12(2), 101–121. https://doi.org/10.1007/s12117-008-9057-6
Wolff, K. H. (1950). The Sociology of Georg Simmel. The Free Press.