大数据视角下高职院校学生的犯罪预防措施展望

    黄淑燕 王宇飞

    关键词 大数据 高职学生 犯罪预防 ??

    基金项目:2018年度广西高校中青年教师基础能力提升项目立项课题“大数据时代高职学生的犯罪预防及措施——以广西高职院校为研究样本”(项目编号:2018KY1234)。

    作者简介:黄淑燕,梧州职业学院讲师,研究方向:思想政治教育和法学理论;王宇飞,桂林旅游学院马克思主义学院教师,研究方向:法学和思想政治教育。

    中图分类号:G647 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文献标识码:A ? ? ? ? ? ?? ? ? ? ? ?DOI:10.19387/j.cnki.1009-0592.2020.02.324一、大数据的含义及特点

    大数据时代的来临,是信息化技术发展的必然结果,是当下社会不可阻挡的潮流,特别是随着5G时代的到来、物联网技术的发展,大数据势必会改变人们的生活方式。那么我们通常所说的大数据是什么呢?首先它是海量化数据的集合体,其次这些海量性数据信息能够被我们运用信息化技术处置,可被迅速截取、管理、处理并能整理成为可利用的新型数据信息。 简言之,大数据是基于巨量性信息的基础上,运用大数据智能化信息处理技术进行整理、分析其深层次的内在关联性、规律性关系,进而得出有价值的数据信息。需要说明的是这些海量信息数据库既包含研究对象相关的直接信息、间接信息,还包含看似无关的信息。

    大数据不同于以往信息技术,它具有鲜明的特征特点。

    第一,海量或是巨大数量,不同于以往其存储单位是MB、GB或是TB,而是直接以PB单位来换算 ,其数据量之大,已超过了以往任何一个时代。

    第二,高速性:包括了大数据的传输方式和处理方式。可以进行实时传输、批量处理;虽然大数据时代下这样的处理也是存在相应的时延,但这种时延也只是遵循秒级定律的,即时延时间是用秒级来计算的可以忽略不计。

    第三,多样性,大数据的信息来源是多种形式的,视频、音频、文本、图片等等形态,只要是可视化的数据,都可以纳入进大数据基础信息库中。

    第四,低价值性,即大数据信息的低价值密度,和以往不同,大数据信息中价值密度大大的降低,其更强调的是数据的多寡,而不注重数据的某一方面的质量性,其不仅仅只注重某一特定研究对象的信息收集,而是更注重全方位、大量性的收录,比如,公安机关对于犯罪嫌疑人的追踪,其利用警务监控视频来甄别、侦察相关信息,可能一时段的信息有上百小时,但也许也就其中几秒时间是有用的,这种信息价值的低密度性是远远低于以往的。二、高职院校学生犯罪的新特点

    大数据时代下,随着互联网信息技术的发展和普及,高职院校学生的犯罪出现了一些新特点,主要表现为犯罪种类的多样化、手段方式的复杂化和智能化。

    (一)犯罪类型的多样化

    区别与以往,高职院校学生的犯罪虽然还是集中在财产性犯罪、暴力性犯罪以及性犯罪外,但近几年,高职院校大学生犯罪类型正朝向多种多样化发展,由财产性犯罪、暴力性犯罪向其他种类犯罪上蔓延,根据学者姜兵的一个调查显示,2014年至2017年期间,武汉高校学生犯罪涉及的罪名多达33种犯罪种类,比如通过网上接触有害信息或是为了获得一定数额的金钱报酬,从事危害国家安全罪、恐怖组织犯罪以及非法存储枪支弹药罪等犯罪行为,虽然这几类犯罪数量并不多,但其对校园的安全稳定具有很大的破坏作用,值得我们警惕。

    (二)犯罪方式的复杂化和智能化

    高职院校学生虽然在生源质量上和本科院校学生相比较,存在一定的差距,但其较强的动手能力、学习能力也强于普通人。特别是应用性高职院校,其本身人才培养的目標就是实用操作性人才,专业学习中注重现实中的操作和动手能力的培养,再加上当下信息网络的普及和发展,也很大程度上为他们的犯罪方法学习大开“方便之门”。主要表现在他们往往会在违法犯罪行动前,利用网络查询大量的犯罪准备资料,学习相关犯罪手段和方法,进而进行精心地策划,比如进行个人伪装能力训练、体能训练等。甚至有的进行有组织、有分工的团伙作案,把所学的知识运用到犯罪上,具备较强的犯罪警觉性和反侦察能力。这些犯罪策划,大大的增加了案件的侦破难度,使得案件侦破率极大的下降。根据2016年海南日报披露,琼州学院某一学生,利用在外做兼职的工作之便,骗取电信CRM系统管理员为其设置管理员的权限,非法充值7万多元,并在网上进行售卖。再如,2007年武汉某高职院校学生,利用电脑信息技术伪造某国内知名院校录取通知书,并在网上进行贩卖1000余份,获利上百万元,就是利用广大学生及家长上名校的心理,进行诈骗。三、大数据助推学生犯罪预防的优势

    近年来,高职院校学生犯罪频发,大数据具有鲜明的快速处理、分析能力,可以较快地对目标信息进行匹配和计算,从而得出目标信息之间的内涵及其规律性,与传统的计算机信息系统分析处理相比,具有如下明显优势:

    (一)数据信息全覆盖

    一般情况下,在信息价值密度不变的情况下,可以通过提高信息量的收集来提升结果的准确性程度,大数据相较于以往计算机存储技术,其本身存在的前提就是需要巨量的信息作为数据库基础。

    因此,其数据库中并不仅仅包含研究目标的直接关系信息,还包含间接关系信息以及其他相关性信息,基本上做到了全覆盖。比如说,目前城市公安视频监控,特别是人流量比较集中的车站区域,基本上都安装了高清监视器,如果有现实条件允许,那么一座城市甚至一个省级区域甚至整个国家的视频监控数据信息都可以整合到一个大数据信息库中,这种覆盖基本上是全覆盖,是以往信息技术无法实现的。

    (二)智能化程度高

    首先,大數据信息化技术智能化程度特别高,可以极大的省去人力成本,其本身可以根据研究的需要,自主的进行运算和分析,不需要太多的人工操作。

    其次,这种智能化是基于AI技术,或者说人工智能技术,可进行类似于人类自主式思考。比如中国公安“天眼”安防监控视频系统,在“天眼”监控体系的技术支持下,民警“扫街”抓贼的模式已逐渐转变为由监控视频巡查、追踪、锁定,再由民警实施精准抓捕的模式。

    (三)运算速度快

    大数据有多快,根据大数据的行业标准要求,其有一个“1秒定律”或者秒级定律的要求,也就是说对处理速度有要求,一般要在秒级时间范围内给出分析结果,时间太长就失去价值,这就是大数据的一个入门要求,这也是其与传统计算机信息处理或是数据挖掘最大的一个不同点和区别。简单说就好比大数据就是已经进入到了汽车时代,而传统信息挖掘还出在自行车时代。

    (四)准确性高

    大数据依赖于全覆盖式的数据信息基础,能够在研究大量的数据过程中寻找模式、相关性和其他有用的信息,这一特性区别于传统的验证方式。传统上,数据收集都比较困难,因而在数据分析过程中,往往更注重数据分析方法的运用,而非注重对数据本身的分析,其结果就是,研究者分析数据基本上都是先得出一个结论,然后再利用数据进行验证。采用不同的分析方法,结果上也会千差万别,运用不同的分析方法会有不同的结果,会出现“一千个人,有一千面哈姆雷特形象”的现象。四、大数据预防学生犯罪的措施展望

    (一)结合思政课程创建大数据法治教育教学平台

    结合思政课程教学,创建大数据法治教育教学平台,把法治教育、法治思维的培养灌输到日常的教学和实践中。法治思维或是法律意识的培养需要长期的关注和持续性学习,目前各个高职院校,在法治教育课程安排上,对于非法律专业的学生来说,三年的时间中,基本上就只有思想道德修养与法律基础一门课程,且学时的安排上基本上就是40学时到50学时之间,但这样的法治课程的设置是万万达不到,培养法治意识和法治思维的目的的。但我们通过建立线上法治教育学习平台,可以保证学生的不受时间、地域的限制,进行长期性的法治学习和教育,极大的提升学生们的法治素养。

    (二)建构统一大数据信息平台

    推动教育行政部门和公安机、司法机关携手共建全国或是区域性的大学生犯罪大数据信息中心。统一的大数据信息平台可收集、更新高职院校学生或者是大学生匿名化违法犯罪的相关信息,运用大数据信息技术找出它们之间的相互关系,进而来预测高职院校学生未来违法犯罪的新特点、特征和发展方向,实时了解当下高职院校学生违法犯罪的实际情况,及时为学校、公安和司法机关提供合理化的建议,及时采取预防性措施。

    (三)加强警校合作联动机制

    充分运用已建立起来的高职院校学生犯罪大数据信息平台,加强对校园区域以及学校周边地区进行重点监控,实现警、校的互联互通,对已发生的违法犯罪案件进行总结和归纳,科学的分析学生违法犯罪的特点,及时的采取针对措施,进行提前的预防。

    注释:

    王宇飞.大数据时代隐私权的法律保护研究[D].广西师范大学,2019年5月.

    数据存储单位换算:1PB=1024TB,1T=1024GB,1GB=1024MB,1MB=1024KB.

    宁兆龙,孔祥杰,杨卓,夏锋.大数据导论[M].北京:科学出版社,2017.

    洛阳网新闻,http://news.lyd.com.cn/system/2016/08/03/010785315.shtml,最后访问于2019年12月10日.

    参考文献:

    [1]艾力亚尔·克里木.大学生犯罪现状调查及对策分析--以武汉地区高校为例[D].中央民族大学,2018.

    [2]刘存艳,刘博.大数据背景下大学生犯罪与预防对策研究[J].中外企业家,2019.

    [3]黄灿.新时期高职院校学生犯罪的原因与预防策略分析[J].经济与法,2013.

    [4]王若轻,孙鹏斐,李浩,高冠东.基于大数据的大学生盗抢骗犯罪预防意识调查及分析[J].电脑知识与技术,2018.