伯吉斯再犯预测法②的名词解释

【伯吉斯再犯预测法②名词解释如下】

伯吉斯再犯预测法名词解释：一种采用记分方式预测被假释者再犯概率大小的方法。因美国社会学家、芝加哥大学教授伯吉斯在1928年所发表的研究论文——《伊利诺斯州的不定期刑及假释制度》中首次提出而得名。伯吉斯从伊利诺斯州的三所矫治机构各抽取1000名被假释者,分别调查他们被假释前的生活经历,从所收集的资料中,选出21个预测因子,对于各因子给予一定的点数,再根据各假释者就各预测因子所得点数的多少,制成得点数与假释成败的相关关联表。伯吉斯认为,利用这张关联表可以预测任何一个被假释者在被假释后重新犯罪的可能性,因此,它又称为预测表。伯吉斯再犯预测法所选用的21个预测因子是名词解释：①犯罪罪名;②共犯人数;③父亲的国籍;④双亲的状态;⑤本人的婚姻状况;⑥犯罪类型;⑦社会类型;⑧犯罪行为地;⑨居住社区的大小;⑩近邻的类型;(11)逮捕时住所是否固定;(12)审理时有无酌量情况;(13)是否经过轻罪答辩;(14)判决种类及刑期;(15)假释前实际所服刑期;(16)前科记录;(17)以前的职业记录;(18)收容期间的受惩罚记录;(19)假释时的年龄;(20)智能年龄;(21)性格类型及精神医学的诊断。每个预测因子下面再分为若干项细目,例如,第17项“以前的职业记录”又分为无职业记录、有偶然职业记录、有不规则职业记录和有规则的职业记录这四项细目。伯吉斯对每个预测因子的所有细目分别算出该细目的再犯率,并且算出同一预测因子的全体细目的平均再犯率。凡是再犯率高于平均再犯率的细目,视为失败要素;反之则视为成功要素。例如,无职业记录和有偶然的职业记录属于失败要素,有不规则的职业记录和有规则的职业记录则属于成功要素。运用伯吉斯预测表进行再犯预测的一般方法是名词解释：①对照预测表,逐项确定被预测者的情况属于该预测因子的哪一个细目。如果所属细目是成功要素,则得1分,反之则得0分;②将各因子得分相加,获得一总分数。总分数愈高,说明假释的成功率愈大,亦即再犯可能性愈小。例如,总分数在16至21分者,其绝大多数(98.5%)将假释成功,而仅得2至4分者,其大多数(76%)将假释失败。因伯吉斯最早从事再犯预测并且所用的方法简便,故此法被以后各国学者所效法。该法技术方面的主要缺陷是名词解释：未就犯罪者作实地调查,仅利用可靠性较低的官方现存资料;对各因子都给予同等价值的点数,而实际上,不同的预测因子对再犯率的影响程度并不相同;所选的预测因子数似嫌太多;只以假释期间有无再犯作为区分成功与失败的标准,等等。

相关阅读：