Methods of Pre-Trial Investigation of Criminal Offenses and Content of Its Structural Elements: Case of Kazakhstan
Notice bibliographique
Résumé
Rationale for research is presented in the form of a proposed structure of the methodology’s elements for pre-trial investigation of criminal offenses. It is notable that this novelty is based on the provisions of the new edition of Criminal Code and Criminal Procedure Code of the Republic of Kazakhstan, which came into force on January 01, 2015. The research objective is to enhance the efficiency of investigating criminal offenses against the foundations of the constitutional order as well as the security of the state, criminal offenses in the field of informatization and communications, criminal offenses in the field of economic activity and medical criminal offenses, which, in turn, are the sources of the development of the structure of the methodology for pre-trial investigation of such types of socially dangerous acts. They were previously not covered in public editions. Research methods are the formation of the data structure of particular methods of pre-trial investigation of crimes based on not just theoretical experience, but also the accumulated practice of a preliminary investigation in the country, the new and far abroad, for example, crimes against the person, property, etc. Research results include the developed structure of the methodology for pre-trial investigation of these crimes. The study will serve as an impetus for further theoretical development of particular methods of pre-trial investigation of certain types of criminal offenses along with their implementation in the practice of pre-trial investigation in the country’s investigative apparatus.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».