پژوهش های جرم شناسی کاربردی

پژوهش های جرم شناسی کاربردی

رویکرد مدل‌های ریاضی به جرم و پیش‌بینی الگوهای جرم‌شناسی

نوع مقاله : مقاله پژوهشی

نویسندگان
محدثه قوامی پور سرشکه 1
امیررضا محمودی 2
1 دانشجوی دکتری حقوق کیفری و جرم‌شناسی،واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران. (نویسنده مسئول). رایانامه: mohadesehghavamipour@liau.ac.ir
2 استادیار گروه حقوق، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران. رایانامه: amirreza.mahmodi@gmail.com
10.22034/aqcr.2025.2048687.1044
چکیده
زمینه و هدف: این مقاله به بررسی کاربردهای پیشرفته روش‌های ریاضی در علم جرم‌شناسی پرداخته و نقش آن‌ها را در تحلیل و مدل‌سازی پدیده‌های پیچیده اجتماعی همچون جرم روشن می‌سازد. هدف اصلی، تحلیل توانمندی‌های مدل‌های ریاضی در شناسایی الگوهای جرم، پیش‌بینی روندهای آینده و ارزیابی اثربخشی استراتژی‌های پیشگیرانه است.
روش: پژوهش حاضر به‌صورت نظری و توصیفی-تحلیلی انجام شده و از مرور اسناد و تحلیل مدل‌های ریاضی استفاده شده است. رویکردهای ریاضی شامل سیستم‌های دینامیکی، تحلیل شبکه و نظریه‌بازی‌ها بررسی‌شده و داده‌های تجربی برای تطبیق این مدل‌ها به کار گرفته شده‌اند.
یافته‌ها و نتایج: یافته‌ها نشان می‌دهند که مدل‌های ریاضی قادرند الگوهای فضایی-زمانی جرم مانند نقاط داغ و قربانی‌سازی مجدد را شناسایی کرده و روندهای آتی را پیش‌بینی کنند. همچنین، این مدل‌ها ابزارهایی برای شبیه‌سازی رفتارهای جنایی و ارزیابی اثرات سیاست‌های پیشگیرانه فراهم می‌کنند. پتانسیل این روش‌ها در طراحی استراتژی‌های کاهش جرم و توسعه ابزارهای عملیاتی مورد تأکید قرار گرفته است.
کلیدواژه‌ها
جرم‌شناسی
مدل‌سازی
ریاضیات
الگوهای جرم

عنوان مقاله English

Mathematical modeling approach to crime and prediction of criminological patterns

نویسندگان English

mohadeseh ghavami pour sereshkeh 1
Amirreza mahmoudi 2
1 PhD Candidate in Criminal Law and Criminology, Lahijan Branch, Islamic Azad University, Lahijan, Iran. (Author). Email: mohadesehghavamipour@liau.ac.ir
2 Assistant Professor, Department of Law, Lahijan Branch, Islamic Azad University, Lahijan, Iran. Email: amirreza.mahmodi@gmail.com
چکیده English

Field and Aims: This research examine advanced applications of mathematical methods in criminology and sheds light on their role in analyzing and modeling complex social phenomena such as crime. The main goal is to analyze the capabilities of mathematical models in identifying crime patterns, predicting future trends, and evaluating the effectiveness of preventive strategies.
Method: The research was conducted in a theoretical and descriptive-analytical manner, using a literature review and analysis of mathematical models. Mathematical approaches including dynamical systems, network analysis, and game theory were examined, and empirical data were used to adapt these models.
Findings and Conclusions: The findings show that mathematical models are able to identify spatiotemporal patterns of crime, such as hot spots and revictimization, and predict future trends. They also provide tools for simulating criminal behavior and evaluating the effects of preventive policies. The potential of these methods in designing crime reduction strategies and developing operational tools is emphasized.

کلیدواژه‌ها English

Criminology
Mmodeling
Mathematics
Crime Patterns
- کریمیان، محمدوزین. (1401). تحلیل رابطه ریاضی با حقوق، با تمرکز بر منابع حق و تکلیف. دیدگاه‌های حقوق قضایی، 27(100)، 32-1.
https://jlviews.ujsas.ac.ir/article_703740.html
-Barbaro, A. B. T., Chayes, L., & D’Orsogna, M. R. (2013). Territorial developments based on graffiti: A statistical mechanics approach. Physical A: Statistical Mechanics and its Applications, 392 (1), 252–270.
https://arxiv.org/abs/1208.0401
-Becker, G. S. (1968). Crime and Punishment: An Economic Approach. Journal of Political Economy, 76 (2), 169–217.
-Branting ham, P. J., Tita, G. E., Short, M. B., & Reid, S. E. (2012). The ecology of gang territorial boundaries. Criminology, 50 (3), 851–885.
-Carley, K. M. (2006). A dynamic network approach to the assessment of terrorist groups and the impact of alternative courses of action. In Meeting Proceedings of Visualizing Network Information- RTO-MP-IST-063, pp. KN1–1 – KN1–10. Neuilly-sur-Seine, France.
-Carvalho, R., Buzna, L., Bono, F., Masera, M., Arrowsmith, D. K., & Helbing, D. (2014). Resilienceof Natural Gas Networks during Conflicts, Crises and Disruptions. PLoS ONE, 9 (3), e90265.
https://publications.jrc.ec.europa.eu/repository/handle/JRC83572
-Crane, J., Boccara, N., & Higdon, K. (2000). The Dynamics of Street Gang Growth and Policy.
-Gao, J., Buldyrev, S. V., Havlin, S., & Stanley, H. E. (2011). Robustness of a Network of Networks. Physical Review Letters, 107 (19), 195701.
-Glaeser, E. L., Sacerdote, B., & Scheinkman, J. A. (1996). Crime and Social Interactions. The Quarterly Journal of Economics, 111 (2), 507–548.
-Gordon, M. B. (2010). A random walk in the literature on criminality: A partial and critical view onsome statistical analyses and modelling approaches. European Journal of Applied Mathematics,21 (Special Double Issue 4-5), 283–306.
-Gordon, M. B., Nadal, J.-P., Phan, D., & Semeshenko, V. (2009). Discrete choices under social influence: generic properties. Mathematical Models and Methods in Applied Sciences, 19 (supp01),1441–1481.
-Mancuso, M. (2014). Not all madams have a central role: analysis of a Nigerian sex trafficking network. Trends in Organized Crime, 17 (1-2), 66–88.
https://ouci.dntb.gov.ua/en/works/4Mykpeb4/
-Mohler, G. O., Short, M. B., Brantingham, P. J., Schoenberg, F. P., & Tita, G. E. (2011). Self- Exciting Point Process Modeling of Crime. Journal of the American Statistical Association, 106 (493), 100–108.
-Newman, M. E. J. (2011). Complex Systems: A Survey. American Journal of Physics, 79 (8), 800–810.
-Pease, K. (1998). Repeat victimisation: Taking stock. London, UK: Home Office Police Research Group.
-Short, M. B., D’Orsogna, M. R., Pasour, V. B., Tita, G. E., Brantingham, P. J., Bertozzi, A. L.,& Chayes, L. B. (2008). A statistical model of criminal behavior. Mathematical Models and Methods in Applied Sciences, 18 (S1), 1249–1267.
-Short, M. B., Pitcher, A. B., & D’Orsogna, M. R. (2013). External conversions of player strategy in an evolutionary game: A cost-benefit analysis through optimal control. European Journal of Applied Mathematics, 24 (01), 131–159.
http://www.csun.edu/~dorsogna/mwebsite/papers/old/cv.pdf
-Smith, L. M., Bertozzi, A. L., Brantingham, P. J., Tita, G. E., & Valasik, M. (2012). Adaptationof an ecological territorial model to street gang spatial patterns in Los Angeles. Discrete and Continuous Dynamical Systems, 32 (9), 3223–3244.
-Stomakhin, A., Short, M. B., & Bertozzi, A. L. (2011). Reconstruction of missing data in socialnetworks based on temporal patterns of interactions. Inverse Problems, 27 (11), 115013.
https://mshort9.math.gatech.edu/papers/in
- کریمیان، محمدوزین. (1401). تحلیل رابطه ریاضی با حقوق، با تمرکز بر منابع حق و تکلیف. دیدگاه‌های حقوق قضایی، 27(100)، 32-1.
https://jlviews.ujsas.ac.ir/article_703740.html
-Barbaro, A. B. T., Chayes, L., & D’Orsogna, M. R. (2013). Territorial developments based on graffiti: A statistical mechanics approach. Physical A: Statistical Mechanics and its Applications, 392 (1), 252–270.
https://arxiv.org/abs/1208.0401
-Becker, G. S. (1968). Crime and Punishment: An Economic Approach. Journal of Political Economy, 76 (2), 169–217.
-Branting ham, P. J., Tita, G. E., Short, M. B., & Reid, S. E. (2012). The ecology of gang territorial boundaries. Criminology, 50 (3), 851–885.
-Carley, K. M. (2006). A dynamic network approach to the assessment of terrorist groups and the impact of alternative courses of action. In Meeting Proceedings of Visualizing Network Information- RTO-MP-IST-063, pp. KN1–1 – KN1–10. Neuilly-sur-Seine, France.
-Carvalho, R., Buzna, L., Bono, F., Masera, M., Arrowsmith, D. K., & Helbing, D. (2014). Resilienceof Natural Gas Networks during Conflicts, Crises and Disruptions. PLoS ONE, 9 (3), e90265.
https://publications.jrc.ec.europa.eu/repository/handle/JRC83572
-Crane, J., Boccara, N., & Higdon, K. (2000). The Dynamics of Street Gang Growth and Policy.
-Gao, J., Buldyrev, S. V., Havlin, S., & Stanley, H. E. (2011). Robustness of a Network of Networks. Physical Review Letters, 107 (19), 195701.
-Glaeser, E. L., Sacerdote, B., & Scheinkman, J. A. (1996). Crime and Social Interactions. The Quarterly Journal of Economics, 111 (2), 507–548.
-Gordon, M. B. (2010). A random walk in the literature on criminality: A partial and critical view onsome statistical analyses and modelling approaches. European Journal of Applied Mathematics,21 (Special Double Issue 4-5), 283–306.
-Gordon, M. B., Nadal, J.-P., Phan, D., & Semeshenko, V. (2009). Discrete choices under social influence: generic properties. Mathematical Models and Methods in Applied Sciences, 19 (supp01),1441–1481.
-Mancuso, M. (2014). Not all madams have a central role: analysis of a Nigerian sex trafficking network. Trends in Organized Crime, 17 (1-2), 66–88.
https://ouci.dntb.gov.ua/en/works/4Mykpeb4/
-Mohler, G. O., Short, M. B., Brantingham, P. J., Schoenberg, F. P., & Tita, G. E. (2011). Self- Exciting Point Process Modeling of Crime. Journal of the American Statistical Association, 106 (493), 100–108.
-Newman, M. E. J. (2011). Complex Systems: A Survey. American Journal of Physics, 79 (8), 800–810.
-Pease, K. (1998). Repeat victimisation: Taking stock. London, UK: Home Office Police Research Group.
-Short, M. B., D’Orsogna, M. R., Pasour, V. B., Tita, G. E., Brantingham, P. J., Bertozzi, A. L.,& Chayes, L. B. (2008). A statistical model of criminal behavior. Mathematical Models and Methods in Applied Sciences, 18 (S1), 1249–1267.
-Short, M. B., Pitcher, A. B., & D’Orsogna, M. R. (2013). External conversions of player strategy in an evolutionary game: A cost-benefit analysis through optimal control. European Journal of Applied Mathematics, 24 (01), 131–159.
http://www.csun.edu/~dorsogna/mwebsite/papers/old/cv.pdf
-Smith, L. M., Bertozzi, A. L., Brantingham, P. J., Tita, G. E., & Valasik, M. (2012). Adaptationof an ecological territorial model to street gang spatial patterns in Los Angeles. Discrete and Continuous Dynamical Systems, 32 (9), 3223–3244.
-Stomakhin, A., Short, M. B., & Bertozzi, A. L. (2011). Reconstruction of missing data in socialnetworks based on temporal patterns of interactions. Inverse Problems, 27 (11), 115013.
https://mshort9.math.gatech.edu/papers/inverse_gangs.pdf
-Strogatz, S. H. (1994). Nonlinear dynamics and chaos: With applications to physics, biology, chemistry, and engineering . Reading, MA: Perseus Books.
Wilson, J. Q., & Kelling, G. L. (1982). Broken Windows. Atlantic Monthly, 249 (3), 29–38.
verse_gangs.pdf
-Strogatz, S. H. (1994). Nonlinear dynamics and chaos: With applications to physics, biology, chemistry, and engineering . Reading, MA: Perseus Books.
Wilson, J. Q., & Kelling, G. L. (1982). Broken Windows. Atlantic Monthly, 249 (3), 29–38.
پژوهش های جرم شناسی کاربردی
دوره 2، شماره 4
تابستان
تابستان 1403
صفحه 77-100

  • تاریخ دریافت 02 دی 1403
  • تاریخ بازنگری 23 بهمن 1403
  • تاریخ پذیرش 23 بهمن 1403
  • تاریخ اولین انتشار 23 بهمن 1403
  • تاریخ انتشار 01 تیر 1403