Eesti kriminaalpoliitika juhendmaterjalide rakendamine vägivallaennetuses. Teadlikkus ohvrisõbralikust menetlusest prokuröride näitel
Bibliographic record
Abstract
Käesoleva bakalaureusetöö eesmärk on uurida, kuivõrd teadlikud on Põhja, Lääne, Lõuna ja \nViru Ringkonnaprokuratuuri alaealiste ja lähisuhte vägivalla kuritegude osakondade ning \nraskete ja peitekuritegude osakondade prokurörid ohvrisõbraliku menetluse praktikas \nüleüldiselt ning milline on teadlikkus vägivalla ohvrite kohtlemise juhendmaterjalide osas. \nOhvrisõbralik menetluse edendamine on üks peamistest tegevussuundadest praeguses Eesti \nkriminaalpoliitika vägivallaennetuse kokkulepes ning oli samuti ka eelmises. Uurimuse \nläbiviimiseks paluti valimisse kuulunud prokuröridel vastata anonüümsele küsimustikule. \nJuhendmaterjalid, mis olid spetsiifilisemalt fookuses on “Kannatanu kohtlemise parim \npraktika” (Riigiprokuratuur 2019), “Kannatanute sensitiivne kohtlemine” \n(Justiitsministeerium 2022), “Kannatanu kohtlemine kriminaalmenetluses” (Prokuratuuri \naastaraamat 2018). \nBakalaureusetöö tulemustena leiti, et enda teadmisi ning informeeritust ohvrisõbraliku \nmenetluse osas hindavad prokurörid küllaltki kõrgeks, kuid samas leiti, et juhendmaterjalide \ntutvustamine ei ole olnud eriti põhjalik; samuti, et vastajate hinnanguil ei ole senine \nohvrisõbralikku menetlust käsitlevate juhendmaterjalide tutvustamine vägivallaohvritega \nkokkupuutuvatele praktikutele olnud piisav. Suurima eelisena õiguskaitsesüsteemi töötajatele \nsuunatud juhendmaterjalide osas saab välja tuua, et praktikute hinnangul on need suureks \nabiks; suurima puudusena saab välja tuua ebaühtlase informeerituse taseme.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".