大数据研究方法应用于刑事法学的冷思考

时间：2021-05-07 00:04:09　来源：雅意学习网本文已影响人

　　摘要：作为一种重要的跨学科研究方法，大数据研究方法在法学中已有广泛应用。然而，通过考察大数据研究方法在刑事法学中的应用，不难发现其也存在明显的局限性：不适用于难以量化的对象；不能代替定性研究；相当多的数据、合适的样本不易获取；容易忽视细节和联系以致基础不够坚实；存在逻辑断裂，结论仅是或然性的；貌似具有宏观视野却不及类型化思维。因此，大数据研究方法的作用不能夸大，更不能形成“大数据崇拜”。
　　关键词：大数据研究方法；刑事法学；司法规律；类型化思维
　　中图分类号：DF873
　　文献标志码：A DOI：10.3969/j.issn.1008-4355.2016.06.03
　　晚清以降，西学东渐，英、美、法、德、日、俄等国的法律思想、观念和制度陆续传入我国，律学在欧风美雨的强劲涤荡下日趋凋零，法学一度兴起旋沉寂多年。改革开放以来，我国高度重视并积极推进社会主义政治文明建设，法治建设取得了举世瞩目的伟大成就，突出表现为社会主义法律体系已经基本建成。然而，不可否认，我国目前仍是法治欠发达国家，非但不少思想观念和制度机制较为落后，法学研究也可谓跟在法治发达国家后面亦步亦趋，在国际法学界的发言权与我国的综合国力、国际地位极不匹配。
　　毕竟，不同于经济学、统计学和社会学等学科，法学与价值评价密切相关。法的价值，主要包括人权、公平正义、自由平等和秩序等。刑事诉讼的价值主要是保护人权和打击犯罪。“事实清楚，证据确实充分”才能判决有罪。司法独立、回避制度、辩护制度、公开审判制度、非法证据排除制度、不能自证其罪原则、疑罪从无原则、存疑有利于被告原则和上诉不加刑原则等，属于程序正义的范畴。法益保护原则、罪刑法定原则和罪刑相适应原则等，属于实体正义的范畴。程序正义和实体正义在每个司法案件中都应当实现，力求“不冤枉一个好人也不放纵一个坏人”，而“宁纵勿枉”是退而求其次的无奈之举。公平正义不是一句空话，而是由无数个案中的公平正义结合而成——当然不是简单相加，却也不是由于“主流是好的”就会产生“少数服从多数”之效果；相反，“百俊不能遮一丑”才是现实。假设冤错案件的发生率只有千分之一，则被冤枉的无辜者总数仍是相当惊人的，人们会认为错案频出、司法黑暗且不可信赖，而不会因为“99.9%的案件被正确处理”就认为0.1%的错案率是可以接受的。对“完美司法”的这种执着追求，对实务界、法学界提出了更高的要求。这些特点决定了刑事司法具有诸多面向，是多种主客观因素共同作用的“场”，从事刑事法学研究不能忽视这些特点，偏执、武断及理想化均不可取。
　　一、大数据研究方法在刑事法学研究中的应用概述
　　《2016年中国大数据交易产业白皮书》指出，国际数据公司（IDC）认为大数据（Big Data）有四个特征，即海量的数据规模（Volume）、快速的数据流转和动态的数据体系（Velocity）、多样的数据类型（Variety）、巨大的数据价值（Value）。这一定义对法学研究之“大数据”亦具有较大借鉴意义。2008年，内地各级法院审结一审刑事案件768 130件，判处罪犯1 007 304人，至2014年案件数、人数均突破“百万大关”，而无罪判决率极低例如，2015年、2016年最高人民法院工作报告显示，2014年各级法院审结一审刑事案件102.3万件，判处罪犯118.4万人，宣告518名公诉案件被告人和260名自诉案件被告人无罪；2015年各级法院审结一审刑事案件109.9万件，判处罪犯123.2万人，宣告667名公诉案件被告人和372名自诉案件被告人无罪。由此可以算出，这两年全国无罪判决率分别为万分之六点六、万分之八点四。值得一提的是，这个“全样本”只有最高人民法院、最高人民检察院能够获得，学者基本不可能凭一己之力获得这样的“大数据”进行全样本研究。。“中国裁判文书网自2013年7月1日正式开通以来，已公开裁判文书超过2000万篇，访问量突破20亿次。自2016年8月起，每天都有超过2000万的访问量”[1]。司法公开三大平台
　　即审判流程公开、裁判文书公开、执行信息公开，其中以中国裁判文书网应用最为广泛。、人民检察院案件信息公开网、北大法宝（含中国法院裁判文书库）、北大法意、法律图书馆等平台汇集并公布了海量的法律文书，以及SPSS软件、云计算等的应用，极大地方便了大数据的采集和分析研究，为法学研究提供了巨大便利。数量庞大的刑事案件及其裁判文书，是刑事法学研究的重要宝库和不竭源泉。学术界就此“大数据”展开实证研究的队伍日渐壮大，影响不断扩大，有利于转变“重定性轻定量”“重定罪轻量刑”的研究习惯，有利于量化分析和精确分析，其积极意义不可低估。
　　总体而言，作为一种跨学科方法，大数据研究方法具有广阔前景。近年来，“大数据”俨然法学界的热词，不懂大数据简直不好意思谈实证研究方法及法学方法论了。白建军教授指出，大数据的核心是尊重经验真实，敬畏经验真实，在乎经验的代表性；哪怕从一个小故事切入，只要收集足够的信息，也可能得到大张力、大格局的结论，用来解释、预测较大时间跨度和空间跨度的社会现象[2]。不过，人们一般并不把对个案的精细分析当作大数据研究。不少从事大数据研究的学者似乎更重视获取“大样本”，而不够尊重经验真实，在一定程度上影响了研究的质量。在很大程度上，当前法学界的“大数据”研究几乎混同于“大样本”研究。这一方法如火如荼地展开，成绩可喜而问题不容忽视，值得反思。
　　二、大数据研究方法的局限性
　　潘绥铭教授指出，在量化过程中，不可避免地会出现四种情况：剪裁现实生活、忽视社会情境、抹杀主体建构、取消生活意义[3]。大数据研究方法应用于法学研究同样存在这四个问题，毋庸赘述。就刑事法学而言，大数据研究方法还存在如下问题：
　　（一）不适用于难以量化的对象
　　其一，无论确定研究对象，还是选择样本，都必须具有一定的“可识别性”，如犯罪嫌疑人的身份信息、罪名、刑罚、地域和时间等。如果研究对象欠缺可识别性，或者可识别性较低，就不适用于大数据研究，而只能通过典型案例分析法、问卷调查法、深度访谈法、入圈考察法等展开研究。几乎没有通过大数据研究刑法上因果关系

推荐访问:应用于法学方法数据冷思考

大数据研究方法应用于刑事法学的冷思考

最新文章

热门文章