论罪犯危险性评估的基本价值

论罪犯危险性评估的基本价值

一、第二阶段：量表型评估罪犯风险评估是一种从过程的角度预防和控制监狱内的风险的管理活动。这是执行死刑要求的基本工作，具有很强的现实意义。我国监狱对罪犯人身危险性评估的实践，大体经历了两个阶段。第一阶段属于经验型评估，由于受当时的条件限制，危险性评估的方式主要依据民警等评估者对罪犯改造表现的直观感觉来界定。如平时劳动中是否积极，服刑中是否违纪，改造中是否服管服教等。这一阶段的评估，其实是对罪犯服刑态度的评价，而态度作为内隐变量，可信度不高，无法准确掌握罪犯人身危险程度。整个评估过程中的关键是依靠评估者的素质，对于同一名罪犯，不同评估者的结论可能差别较大。第二阶段属于量表型评估（又称抽样统计评估）。随着时代的发展，监狱在罪犯改造中引入了心理学理论。评估活动依据心理学知识，利用抽样选择样本，结合统计学方法提取特征，制定量表，进行评估。近些年来，全国各地监狱系统都在展开量表研究工作，如浙江省十里丰监狱开发的“罪犯再犯风险自评量表”，江西省赣州监狱开发的“罪犯狱内危险等级评估量表”，上海市南汇监狱开发的“罪犯自杀风险评估量表”，江苏省监狱管理局研发的“罪犯狱内危险评估（J3C）工具”等。这些量表型评估属于实验评估法，虽然极大提高了对罪犯危险性的判断，并实现了罪犯危险性评估过程的规范化和标准化，但是大多数评估量表在使用中不能随着社会环境、地理区域、人文风俗、犯罪成因等变化而区别对待，且评估过程耗时耗力，在信度和效度上有一定误差性，因而不能精确分析罪犯的心理并预测行为发展。二、基于大数据分析的罪犯危险性评估大数据技术，利用高密度、全方位的数据进行筛选、挖掘、处理、计算、汇总，形成准确而有指导性的可用信息来促进需求完成。大数据已在国民经济和社会各领域广泛应用。那么，在当今商业领域中早已广泛应用的大数据在罪犯危险性评估中是否也能发挥重要作用呢？我们不妨做一下比较。首先，追求目标相同。大数据的功能，就是从大量看似无规律的数据中找到有用的数据，并分析其中的关系，从而辅助应用到工作中；罪犯危险性评估的目的，就是对大量罪犯的表现状况进行综合分析，区分开各层次危险性的罪犯，从而展开分类管理和针对性教育活动。然后，使用条件契合。大数据分析的使用条件包括：大量全方位的数据，明确的使用目的，尽量减少无关数据的干扰等。监狱的环境正好契合大数据分析的使用条件。首先，罪犯全天候都在监狱的管理之下，所有的行为都在围墙内发生，可以方便收集各方面数据；其次，罪犯在监狱内的活动，较少受到外来因素干扰；最后，监狱已经有了一定的数据统计基础，比如计分考核等各项工作的统计。在当前的罪犯危险性评估中，绝大多数采用的是量表评估法，其中的架构设置核心就是心理学知识。但目前的心理学理论关于行为的研究还有一定的局限性，因为行为的变化受众多因素的影响不可能被全部掌握，行为预测出现问题。罪犯的危险性评估不仅需要心理学的推测，也需要利用大数据来找寻外在因素之间的联系。监管改造工作，非常需要、非常适合开展大数据分析。三、系和规律大数据不仅分析数据的变化，更深层次是研究数据之间的联系和规律。将大数据应用于罪犯危险性评估，是从罪犯行为数据及环境影响出发，科学分析各种行为数据背后所隐含的心理原因，从而判断罪犯的人身危险性并预测其行为走向。（一）环境对个体行为的影响人的任何行为背后必有其心理驱动力；人格一旦形成，就表现出相似的态度和习惯化的行为反应；人是受环境影响的社会性动物。基于此，如果个体的行为稳定性发生了显著变化，就说明个体的心理也出现了变化，从而可根据行为变化的规律来推断内心变化的状况，进而预测将来行为的发展趋势。（二）异常筛选模型笔者的思路是，先将罪犯的全方位数据分类为“静态数据、动态数据、环境数据”，再针对不同类别数据设计出与之配套的数学模型，最后通过整体计算分析得出行为预测结果。其中，笔者设计的数学模型大致有两种：异常筛选模型与数据对比模型。1.异常筛选模型。异常筛选模型，是通过对偏离于大部分数据之外的少量数据（异常数据）进行研究，用来发现少数异常于其他数据的指向对象。异常筛选模型可以检测两个方面：（1）人员异常筛选。通过整体计算得出少数偏离于群体的人员，用来检测群体中行为出现异常的人员。（2）情景异常筛选。针对大多数行为波动所指向情景（时间、地点）的联系，用来检测出现异常数据的大概率对应情景（时间、地点）。2.数据对比模型。数据对比模型，将一长段时间分为若干区间，查看每个区间行为数据变化波动的频率、峰值等规律和趋势，从而检测个体在一段时间内是否有行为变化。数据对比模型也可以对比两个方面：（1）群体数据对比。也可看作横向对比，检测同一群体中人员的行为波动是否存在相似性或有哪些不同状态。（2）个人数据对比。也可看作纵向对比，检测同一个体行为在时间上是否存在连贯的类似性或在哪些时间有什么样的异常表现。（三）环境数据分析1.静态数据分析。这一阶段属于分类阶段，针对罪犯的“刑罚档案、结构性面谈、量表测试、社会背景”等内容提取“罪名、刑期、年龄、文化程度、具体案情、犯罪性质、个人成长环境、狱内奖惩记录、生理状况、心理测试”等数据。综合分析后，揭示罪犯各人的“行为倾向性”，为后续模型计算提供各人的计算差值。2.环境数据量化。环境是指个体以外的一切能影响其身心改变的因素，包含生活环境（居住环境、劳动场地、资产状况、身体状态等）和人文环境（改造风气、人际关系、家庭变故、个人是否受到刺激等）。在环境数据收集上，尽量向三个方面延伸：一是向罪犯服刑期间的各种关系延伸；二是向罪犯服刑前的各种信息延伸；三是向罪犯的各种社会家庭联系延伸。然后，把收集到的环境数据进行量化，作为下一步代入计算的因子。3.动态数据分析。动态数据分析的目的是根据行为数据的变化来识别罪犯的危险性。这一环节的分析是对动态数据采用异常筛选模型、数据对比模型进行运算筛选，找出群体中行为波动异常的人员，再从异常人员的具体数据入手来分析其行为变化状态。具体运算步骤如下：第一步，整体动态数据分析。采用异常筛选模型对全体成员的动态数据进行检测，当其中有人员在多项数据上都偏离于整体时，先列为这个群体中的不稳定人员。第二步，个人动态数据分析。对上述不稳定人员再运用数据对比模型进行时间轴上的数据对比。重点研究各时间段的行为数据的波动规律，如果波动规律异常，且在某一个时间段内波动超过一定的变量，就可以基本列为异常人员进行关注。第三步，综合数据分析。把“行为倾向性差值”和“环境因子”带入危险程度的函数计算公式里，运算结果数值较高就列为这个群体范围内的危险人员。第四步，危险情景分析。针对危险人员，通过情景异常筛选模型和行为倾向性，来研究危险人员曾经在哪些特定区域、特定时间段发生什么样的异常行为，进而精确预警危险行为将会出现的时间、地点和方式。四、行为数据异常随着各监狱的监管设施的加强，目前针对脱逃和暴力行凶的防范措施非常严密，而罪犯自杀这种隐蔽的行为日益成为各监狱的防范重点。在此，笔者以亲历的一起罪犯自杀案为例来实证基于大数据技术的罪犯危险性评估方法。由于数据需要经过分类、挖掘、筛选、清洗、转换、运算，且各种场景、群体不同，公式设置较多，演绎过程复杂，故在此仅重点陈述将大数据应用于危险性评估的过程。罪犯张某，52岁，本科学历，身材矮胖，不吸烟，家中有双亲、妻子及2个儿子，因挪用公款罪被判处15年有期徒刑。入监心理测验显示，该犯性格内向，遇事易简单草率处理。张某自入监以来就认为量刑过重，对判决不服，一直在不断申诉，其家人也在社会上找各种途径为其案情而四处奔走。张某家人平时每月来会见1次，告知一些申诉进展、家庭现状，并为其上账800元。张某每周与家人电话通话1次，时长约3分钟。在车间劳动中，张某主要从事生产核算工种，每月计分考核只有固定的工种考核分，偶有投稿、做公益等改造加分，没有任何违纪扣分记录。服刑中，该犯能够服管服教，比较注重仪表及内务卫生，平时与他犯友好相处，表现一直较好。在张某服刑1年9个月时，法院下达了维持原判的裁定书，家人及律师也告知改判无望，家中为其改判耗尽家底，2个儿子大学毕业无稳定工作，又面临结婚问题，家中再无精力财力为其申诉，让其安心服刑改造，争取早日减刑出狱。民警担心其有思想包袱，曾多次找其谈心。张某表态自己看得开，可接受现实，不用担心。民警见状认为其心胸豁达，同时也不希望过多提及此事带来困扰，就淡化了此事。笔者时任监区内勤，在报表制作当中发现该犯自从裁定书下达后，各种项目上的分数已出现异常变化。在第一个月中，该犯亲情会见仅用了9分钟，三言两语就打发家人回家，而且拒绝家人上账。在计分考核中，此前从未有过扣分的该犯，在这一个月中却出现多次扣分。其中4次核算岗位出错、2次车间集合点名迟到、3次内务卫生扣分，这些扣分的日期绝大部分集中在大会见（当天不出工）的第二天。天气炎热情况下，经常一周不洗澡，不刮胡须。一个月中3次就医，体重下降7公斤，检查又无明显病状。在第二个月中，张某没有任何亲情会见，仅有1次和家人长达5分钟的通话；尽管上月有很多扣分，但在这个月中竟然生产上有5次加分，事由都是其主动帮助他犯在仓库内周转生产原料，并且在中午休息时还主动要求对仓库产品进行核对（仓库平时存放生产原料及成品，张某身为核算人员一般在原料收发时才对物品清点）。从第二个月的第一周开始，出现高温天气，车间午休时间从正常的2小时延长到3小时。第三周时，张某在短期内购买了大量香烟及食品，赠送给平时关系较好的同改，零用金账户上仅剩0.7元。另据车间卫生员反映，垃圾中的包装袋近来少许多。包装袋为塑料编织袋，仅半平方米大小，容易撕破，通常作为垃圾处理掉。笔者发现了张某数据异常后，又围绕其收集了许多相关数据，经过自设函数公式计算，发现张某近两个月行为明显失常：首先，动态数据变化明显。该犯零用金近期花费较快，超出该犯日常习惯，目前接近用完；张某近期亲情电话、会见数据均异常；该犯的卫生分下降明显，从原来的前十名下滑到后十名；在并不复杂的核算岗位上，近期却出现较多的失误；该犯属于后勤岗位，近期却劳动加分较多；该犯购买大量物品赠送给他犯。其次，环境数据影响大。法院下达维持原判的裁定；近期车间垃圾中少了许多包装袋。最后，静态数据反映行为倾向。该犯心理测试结果是内向型人格，遇事容易胡思乱想，行为易走极端。综合各方面数据分析得出：该犯有自杀倾向。第一个月，疑似处于自杀犹豫期；第二个月，疑似处于自杀前准备期；目前，已处于实施期，一旦条件成熟，即将进行自杀行动。根据模型进一步计算，预测自杀行动时间是每月大会见后的第一天中午，地点是车间仓库内。笔者立即向监区领导汇报分析结论，于是监区展开了清监活动，但在监舍、该犯所处劳动区域、储藏柜、床铺中均未找到自杀相关工具和资料。后又针对预测的自杀地点“车间仓库”进行清监，结果从仓库中找到一段长约9米用废包装袋撕开搓成的长绳（可用于自缢）。有了这一重大清监成果，民警继续努力，终于在张某的一串自有钥匙中，发现一把明显改造过的废钥匙，试用后竟然可以打开仓库大门。民警把长绳和改造的钥匙摆在张某面前，张某顿时蹲下抱头痛哭，坦承了真相。由于法院维持原判的裁定书下达，改判无望，家中经济状况也无力支持其上诉，每月还要家中接济，现已成为家中负担，加之该犯年事已高，出狱后已是老年，经过一段时间的纠结，决定一死了之。但是，由于监狱管理较严格，想要找到合适的空间、时间、工具来完成自杀行动并不容易。于是张犯对环境开始留意观察，发现仓库平时较少有人进出，仓库天顶有几个吊扇钩子可以上吊，但钩子离地面有5米多高，需要垫脚物，而车间一般午休1小时，下午开工时又要点名，时间略显不够。虽然有些不利因素，但张犯仍着手准备。首先，张某发现车间里有大量当做垃圾处理的小包装袋，可收集起来撕开搓成绳索。近期天气炎热，车间午休延长到3小时，时间已足够完成自杀行动。张某又找了一把废钥匙加以改造，可以打开仓库大门。张某还发现，大会见休息前一天，原料及产品均被回收入仓库存放，此时仓库内各种物品、纸箱较多，可当做踩脚物进行攀高。休息日后大约两天内，仓库物品就会大部清空，就无法垫高到仓库横梁来系绳索。想顺利完成自杀，必须在休息日后第一天完成。他计划在这个月的会见日第二天出工后实施自杀，便以自己的零用金购买了大量食物、香烟，赠与平时得到照顾的同改。不料，此时却被民警破获。这次自杀事件的成功破获，全靠对数据变化的识别和计算。仅靠各民警从自己分管的单项业务数据分析，无法研究出任何有价值的结果，但把数据集合在一起分析就能够得到巨大价值。并且，有些行为数据单纯从心理学上来分析无法窥见其成因。例如，该犯自杀时间的选择，并非会见日引发了该犯心理波动使然，而是由车间物品收发习惯而引发。所以，实证表明，只有基于大数据的分析才能有效、准确研究罪犯的危险性行为。五、大数据助力监狱改革发展将大数据分析应用于罪犯危险性评估研究显然是有效的。大数据并非高不可攀，在监狱当前数据收集项目和数量有限的情况下，依然可以进行有限数据分析，一样可以取得有价值的分析成果。但从大数据评估的研究样本上看，数量仍显少，需要进一步收集案例总结。监狱大数据的核心在于对监狱行刑活动产生的各类数据进行分析，挖掘出蕴藏于内的价值。随着大数据研究和实践力度的不断加大，还可以结合物联网、云计算、人工智能等技术在建设智慧监狱中发挥重要作用，乃至对将来监狱工作产生深远影响。首先，提升监狱安防能力。运用