USING FUZZY COGNITIVE MODELING TO ASSESS THE EFFECTIVENESS OF THE JUDICIAL SYSTEM
Authors:
1.
Astrakhan State Technical University
2.
Kazan (Volga region) Federal University
3.
Astrakhan State Technical University
Type:
Article
Pages:
from 41
to 49
Status:
Published
Received:
05.01.2016
Accepted:
25.01.2016
Published:
25.01.2016
Subject area:
VAC 05.12.2013 Системы, сети и устройства телекоммуникаций
VAC 05.13.01 Системный анализ, управление и обработка информации (по отраслям)
VAC 05.13.06 Автоматизация и управление технологическими процессами и производствами (по отраслям)
VAC 05.13.10 Управление в социальных и экономических системах
VAC 05.13.18 Математическое моделирование, численные методы и комплексы программ
VAC 05.13.19 Методы и системы защиты информации, информационная безопасность
UDK 347.962.1;007:681.518.2
GRNTI 20.01 Общие вопросы информатики
GRNTI 28.01 Общие вопросы кибернетики
GRNTI 49.01 Общие вопросы связи
GRNTI 50.01 Общие вопросы автоматики и вычислительной техники
GRNTI 82.01 Общие вопросы организации и управления
VAC 05.13.01 Системный анализ, управление и обработка информации (по отраслям)
VAC 05.13.06 Автоматизация и управление технологическими процессами и производствами (по отраслям)
VAC 05.13.10 Управление в социальных и экономических системах
VAC 05.13.18 Математическое моделирование, численные методы и комплексы программ
VAC 05.13.19 Методы и системы защиты информации, информационная безопасность
UDK 347.962.1;007:681.518.2
GRNTI 20.01 Общие вопросы информатики
GRNTI 28.01 Общие вопросы кибернетики
GRNTI 49.01 Общие вопросы связи
GRNTI 50.01 Общие вопросы автоматики и вычислительной техники
GRNTI 82.01 Общие вопросы организации и управления
Language:
Russian
Keywords:
effectiveness of the judicial system, fuzzy cognitive modeling, subjective uncertainty, Fishburne weight
Abstract (English):
The effective functioning of the judiciary influences the level of social value of the Constitutional Declaration on judicial protection of the rights and freedoms of the individual. Well established, efficiently functioning judicial system is the basis of the stability of the state. The more effective it is, the less social tension in the society. Evaluation of the effectiveness of the judicial system is carried out to determine whether the real effectiveness of this system is a perfect view of it. Identification of inconsistencies justifies the necessity and the ways of .the judicial reform. The complexity of creating the techniques to assess the effectiveness of the functioning of the judiciary system concerns the fact that, on the one hand, the judicial system is a loosely structured, because the relationships between its elements are often blurred and are difficult to formal description. On the other hand, when evaluating the performance, not only the factors that have explicit numeric characteristics, but also the factors that are difficult, and often impossible, to express a clear value in plain number (for example, the degree of confidence in the judicial system; the level of satisfaction of the population from functioning of the courts or an individual judge; access to justice; the degree of independence of the judiciary and the impartiality of its judgments, etc.) should be taken into account. The proposed in the work methodology is based on the application of the theory of fuzzy sets and allows to take into account the specifics of the considered problem.
The effective functioning of the judiciary influences the level of social value of the Constitutional Declaration on judicial protection of the rights and freedoms of the individual. Well established, efficiently functioning judicial system is the basis of the stability of the state. The more effective it is, the less social tension in the society. Evaluation of the effectiveness of the judicial system is carried out to determine whether the real effectiveness of this system is a perfect view of it. Identification of inconsistencies justifies the necessity and the ways of .the judicial reform. The complexity of creating the techniques to assess the effectiveness of the functioning of the judiciary system concerns the fact that, on the one hand, the judicial system is a loosely structured, because the relationships between its elements are often blurred and are difficult to formal description. On the other hand, when evaluating the performance, not only the factors that have explicit numeric characteristics, but also the factors that are difficult, and often impossible, to express a clear value in plain number (for example, the degree of confidence in the judicial system; the level of satisfaction of the population from functioning of the courts or an individual judge; access to justice; the degree of independence of the judiciary and the impartiality of its judgments, etc.) should be taken into account. The proposed in the work methodology is based on the application of the theory of fuzzy sets and allows to take into account the specifics of the considered problem.
Keywords:
effectiveness of the judicial system, fuzzy cognitive modeling, subjective uncertainty, Fishburne weight
effectiveness of the judicial system, fuzzy cognitive modeling, subjective uncertainty, Fishburne weight
Введение Конституция Российской Федерации провозглашает право каждого на судебную защиту его прав и свобод (ст. 46). Реализация этого права в значительной степени связана с организацией судебной власти, от эффективности функционирования которой зависит уровень социальной ценности конституционной декларации о судебной защите прав и свобод личности [1]. Сложность оценки эффективности судебной системы связана с тем, что судебная система выступает участником различных правоотношений [2]. В связи с этим для комплексной оценки эффективности судебной системы необходимо рассмотреть все области ее проявления. Имеющиеся подходы к решению данной задачи, представленные, например, в [3, 4], базируются в основном на оценке достижений целей правосудия и оперируют такими факторами, как количество отмененных или измененных решений, жалоб, дисциплинарных производств и т. д. По существу при этом статическими методами исследуются только результаты судебной практики, что не позволяет объективно и комплексно оценить эффективность судебной системы в целом. Кроме того, сложность создания методики оценки эффективности судебной системы обусловлена тем, что, с одной стороны, судебная система является слабоструктурированной системой, т. к. связи между ее элементами часто «размыты» и трудно поддаются формальному описанию. С другой стороны, при оценке эффективности должны быть учтены как факторы, имеющие четко выраженные числовые характеристики (например, нагрузка на судей; размер финансирования судов; средняя зарплата судей и т. п.), так и факторы, которые сложно, а часто и невозможно выразить четким значением в виде обычного числа (например, степень доверия к судебной системе; уровень удовлетворенности населения работой судов; доступность правосудия; степень независимости судей и объективности выносимых решений и т. п.). При этом, в связи с отсутствием количественной меры отклонения наблюдаемого состояния системы от требуемого, возникает проблема оценки уровня достижения нечетко определенной цели (состояния судебной системы). Таким образом, возникает необходимость нового подхода к оценке эффективности судебной системы. Постановка задачи Поскольку задача оценки эффективности судебной системы обладает рядом специфических особенностей, связанных прежде всего с субъективной неопределенностью, вносимой наличием антропогенного фактора, эти особенности необходимо учесть при создании методики оценки текущего состояния судебной системы и в дальнейшем - в процессе выработки рекомендаций по управлению данной системой. С учетом этого была сформулирована основная задача исследования - разработать методику оценки эффективности судебной системы, учитывающую специфические особенности данной задачи и повышающую объективность указанной оценки в условиях существенной субъективной неопределенности. Решение задачи Для поддержки процесса принятия решений в условиях субъективной неопределенности представляется целесообразным воспользоваться когнитивным подходом, поскольку «он направлен на разработку формальных моделей и методов, поддерживающих интеллектуальный процесс решения проблем благодаря учету в этих моделях и методах когнитивных возможностей человека при решении им управленческих задач» [5]. Кроме того, «неоспоримыми достоинствами когнитивного моделирования, по сравнению с другими методами, является возможность формализации численно неизмеримых факторов, использования неполной, нечеткой и даже противоречивой информации» [6]. Отметим, что использование когнитивной модели предусматривает прежде всего построение графа, определяющего взаимосвязь основных концептов предметной области. Построение нечеткого когнитивного графа. Анализ многочисленных решений Европейского суда по правам человека (ЕСПЧ), касающихся соблюдения права на справедливый суд [7], позволил выделить 5 ключевых показателей оценки эффективности судебной системы. Первый из этих показателей - законность. Эффективность судебной системы зависит прежде всего от качества предоставления судебных услуг. Это один из основных показателей эффективности судебной системы. Однако этот показатель не является единственным, поскольку некоторые аспекты рассмотрения дела не регулируются законом [8]. Поэтому европейская практика предусматривает второй показатель эффективности судебной системы - соответствие общественным потребностям. Соответствие общественным потребностям лежит в основе легитимности судебной системы. Правосудие порождает специфические отношения и социальные связи, которые не могут быть оценены лишь тем, довольны ли деятельностью судебной системы пользователи судебных услуг. Поэтому при оценке эффективности судебной системы необходимо учесть ее соответствие социальным ожиданиям. Третий показатель эффективности суда - его авторитет в обществе. Для обеспечения принципа верховенства закона следует укреплять доверие к судебной системе. Недостаточный авторитет судебной системы может привести к невозможности реализации некоторых возложенных на нее функций и распространению режима беззакония. Уровень доверия к судам зависит: - от справедливости и законности судебных решений; - от соблюдения принципа равенства сторон при проведении судебного разбирательства и вынесении решения по делу; - от соблюдения справедливости и объективности при проведении процессуальных действий; - от обоснования судебного решения исключительно доказательствами, исследованными непосредственно судом; - от уважения чести и достоинства участников судебного процесса; - от четкого и понятного обоснования судебного решения; - от степени информированности населения о судебной системе. Четвертый показатель, который необходимо учесть при оценке эффективности судебной системы - обеспеченность права на судебную защиту. Судебная система должна быть организована таким образом, чтобы каждый человек имел возможность воспользоваться своим правом на судебную защиту. Пятым показателем является справедливость суда. Данная субъективная оценка зависит от вежливости персонала суда [9], уважения чести и достоинства человека, простоты и понятности судебных процедур, степени комфортности пребывания в судебном учреждении, поддержания разумных сроков рассмотрения судебных дел и исполнения судебных актов [10]. Все вышеизложенное позволило построить когнитивный граф G, отражающий влияние основных факторов на оценку эффективности судебной системы (рис.). Влияние факторов на эффективность функционирования судебной системы На самом высоком, нулевом уровне графа G находится интегральная оценка эффективности судебной системы K0. Первый уровень образуют концепты, непосредственно влияющие на интегральную оценку K0: K11 - законность (качество судебных услуг); K12 - соответствие судебной системы общественным потребностям; K13 - доверие к судебной системе; K14 - обеспеченность права человека на судебную защиту. Такой фактор, как «Справедливость суда» (K15) оказывает опосредованное влияние на K0 через концепт «Доверие к судебной системе». При этом первый из нижних индексов в обозначении характеризует уровень иерархии, на котором находится концепт; второй индекс - порядковый номер концепта на данном уровне иерархии. Ниже расположены концепты, значения которых предопределяют состояние факторов первого уровня иерархии K1i. Влияние концептов показано на рисунке в виде стрелок. Формализация вербальных оценок. Значения концептов, входящих в граф G и характеризующих различные аспекты функционирования судебной системы, могут быть определены с помощью соответствующих опросов, экспертных оценок и т. д. Поскольку при этом в большинстве случаев значения выражаются в виде вербальных оценок и представляют собой численно неизмеримые величины, то для их формализации предлагается ввести лингвистическую переменную L «Уровень фактора» и определить терм-множество ее значений, состоящее в общем случае из 9 элементов, принадлежащих отрицательной QL и положительной QL+ области значений: QL ={QL- ; Н; QL+}={Высокий отрицательный (В-); Выше среднего отрицательный (ВС-); Средний отрицательный (С-); Ниже среднего отрицательный (НС-); Нейтральный (низкий) (Н); Ниже среднего положительный (НС+); Средний положительный (С+); Выше среднего положительный (ВС+); Высокий положительный (В+)} (1) Далее необходимо построить отображение терм-множества значений лингвистической переменной на множество нечетких чисел, заданных функциями принадлежности на отрезке [-1; 1] вещественной оси. Существуют различные методы построения функций принадлежности, но поскольку необходимо формализовать информацию, носящую вербальный характер, нужно подобрать нечеткие числа, обладающие свойствами непрерывности, нормальности и унитолерантности. Исходя из этого, в качестве семейства функций принадлежности для терм-множества лингвистической переменной L предлагается использовать девятиуровневый классификатор, в котором соответствующие функции принадлежности нечетких чисел представляют собой трапеции: { В-(-1; -1; -0,85; -0,75); ВС-(-0,85; -0,75; -0,65; -0,55); С-(-0,65; -0,55; -0,45; -0,35); НС-( -0,45; -0,35; -0,25; -0,15); (2) Н (-0,25; -0,15; 0,15; 0,25); НС+(0,15; 0,25; 0,35; 0,45); С+(0,35; 0,45; 0,55; 0,65); ВС+(0,55; 0,65; 0,75; 0,85); В+(0,75; 0,85; 1;1)}, где в нечетком трапецеидальном числе (а1, а2, а3, а4): а1 и а4 - абсциссы нижнего основания; а2 и а3 - абсциссы верхнего основания трапеции. Предложенный классификатор осуществляет проекцию нечеткого лингвистического описания на отрезок [-1; 1], при этом делает это непротиворечивым способом [11]. Применение классификатора обеспечивает переход от качественного описания параметра к количественному виду соответствующей функции принадлежности (2). Правила агрегирования значений концептов. Для вычисления значений концептов в иерархии G необходимо агрегировать влияния нижестоящих концептов путем применения различных видов сверток Ri. Вид свертки определяется спецификой влияния концептов друг на друга. В случае, когда все влияющие факторы критично значимы и взаимосвязаны, представляется целесообразным применение мультипликативной свертки векторного критерия K: где Ki - значения влияющих на K концептов; Si - некоторым образом определенные веса, приписываемые каждому концепту Ki. В наиболее критичных случаях используется нахождение минимума, что соответствует принципу «самого слабого звена» [10]: В случае, когда допускается компенсация влияния концептов на К, может быть применена аддитивная свертка: (3) Коэффициенты Si обычно определяются экспертным путем. При этом ««мягкие», качественные измерения типа сравнения, отнесения к классу, упорядочения гораздо более надежны, чем назначение количественных оценок важности критериев, «весов» полезностей и т. п. [12]. Кроме того, для эксперта в большинстве случаев затруднительно дать непосредственные численные оценки. В связи с этим предпочтительнее ранговые методы, при реализации которых требуется лишь упорядочить критерии. Может быть использован, например, модифицированный метод нестрогого ранжирования, когда за ранг каждого из неразличимых критериев принимается номер всей группы как целого объекта в упорядочении [13]. Например, пусть критерии Ki (i = 1, …, 5) упорядочены экспертом следующим образом: K4; (K1, K3); K5; K2. Поскольку критерии 1 и 3 неразличимы и оба занимают вторую позицию, то сумма номеров равна: 1 + 2 + 2 + 3 + 4 = 12. Соответственно, вес критерия K4 составляет 1/12, критериев K1 и K3 - по 2/12, критерия K5 - 3/12, K2 - 4/12. Сумма весов равна единице. Найденные таким образом оценки представляют собой обобщение системы весов Фишберна [14] на случай смешанного распределения предпочтений, когда наряду с предпочтениями в систему входят и отношения безразличия. Для применения метода нестрогого ранжирования на граф G необходимо наложить систему отношений предпочтения: E = {GFi(e)GFj | e ∈ (≻; ≈)}, где GFi и GFj - факторы одного уровня иерархии G; ≻ - отношение предпочтения; ≈ - отношение безразличия. Следует заметить, что найденные таким образом веса строго положительны и отражают лишь интенсивность влияния, но не направление воздействия на целевой концепт. В случае отрицательного влияния значение соответствующего концепта необходимо инвертировать. Для нахождения инверсного (противоположного) значения концепта F предлагается использовать формулу где m(F) - функция принадлежности нечеткого числа, соответствующего лингвистическому значению QLF фактора F. При этом запись инвертированного трапецеидального нечеткого числа производится в обратной последовательности - XX(а4, а3, а2, а1). При использовании аддитивной или мультипликативной свертки под суммой или произведением в случае вербальной оценки уровня концептов понимаются сумма или произведение нечетких чисел, соответствующих значениям лингвистической переменной «Уровень фактора». В этом случае результат также является нечетким числом, которое необходимо лингвистически распознать. Для этого необходимо вычислить индекс схожести W, «характеризующий степень соответствия значения фактора той или иной качественной оценке из терм-множества лингвистической переменной QL» [15, с. 64]. Индекс схожести между эталонным нечетким числом А и нечетким числом В, найденным в процессе вычислений, может быть определен следующим образом [10]: ; (4) , (5) где µA(x) - функция принадлежности эталонного нечеткого числа А; µB(x) - функции принадлежности найденного нечеткого числа В. Индекс схожести, изменяясь в диапазоне от 0 до 1, характеризует близость найденной свертки к тому или иному нечеткому числу, которое, в свою очередь, соответствует элементу эталонного терм-множества. При этом обеспечивается семантическое соответствие: чем больше индекс схожести, тем выше степень соответствия вычисленного значения одному из элементов терм-множества QL. Таким образом, в качестве модели оценки эффективности функционирования судебной системы предлагается использовать кортеж SS = , где G - ориентированный граф, корневая вершина которого соответствует интегральной (комплексной) оценке эффективности функционирования судебной системы; QL - набор качественных оценок значений каждого фактора в иерархии G из терм-множества лингвистической переменной L; S = {Si} - множество весов ребер графа G, отражающих степень влияния концептов на элемент следующего уровня иерархии; R = {Ri} - набор правил для вычисления значений концептов на каждом из уровней иерархии G; W - индекс схожести, позволяющий распознавать лингвистические значения концептов; Inv - функция инвертирования лингвистически заданных значений с целью учета отрицательного влияния концептов на элементы следующего уровня иерархии. Приведем пример определения правил Ri для вычисления значений концептов на каждом из уровней иерархии G. При нахождении интегральной оценки К0 эффективности функционирования судебной системы каждый из влияющих концептов одинаково значим и невозможна компенсация низкого уровня одних концептов за счет высокого уровня других. Исходя из этого, на верхнем уровне нечеткой когнитивной модели необходимо применить в качестве свертки нахождение минимума из множества оценок концептов К1i (i = 1, …, 4): К0 = min(К11; К12; К12; К14). На следующем уровне иерархии при оценке законности (качества судебных услуг) К11 для учета влияния концептов К21 - «Полнота представления услуг» и К22 - «Степень выполнения законных требований участников судебного процесса» также необходимо использовать нахождение минимума: К11 = min(К21; К22). В свою очередь, концепты К21 и К22 зависят от степени профессионализма судьи К31, на который влияют уровень его квалификации К41 и опыт практической работы К42. В данном случае может быть использована аддитивная свертка вида (3), поскольку возможна взаимная компенсация значений факторов. При этом значение концепта К41 имеет большее значение, чем значение К42. Исходя из этого, в результате применения описанной выше процедуры нестрогого ранжирования, концепт К42 получит вес 1/3, а концепт К41 - 2/3: К31 = 2/3· К41 + 1/3·К42. Правила для нахождения значений других концептов в иерархии G формируются аналогично с привлечением экспертов для определения весов влияния по приведенной выше схеме нестрого ранжирования. Для выполнения арифметических операций с нечеткими числами целесообразно воспользоваться специальным программным обеспечением [16]. Таким образом, для оценки эффективности функционирования судебной системы необходимо: - в терминах лингвистической переменной QL оценить состояние концептов Кij, пользуясь значениями из терм-множества (1); - поставить в соответствие лингвистическим значениям концептов нечеткие числа согласно классификатору (2); - последовательно применяя правила Ri для вычисления значений концептов на каждом из уровней иерархии G, вычислить значение интегрального показателя К0; - лингвистически распознать полученный результат путем вычисления индекса схожести согласно формулам (4), (5). Если полученная оценка не соответствует требованиям, то, согласно построенной нечеткой когнитивной модели (рис.), необходимо выбрать и осуществить управляющие воздействия для вывода судебной системы на необходимый целевой уровень. Заключение Применение системного подхода и методов теории нечетких множеств позволило разработать методику оценки эффективности функционирования судебной системы, позволяющую повысить объективность оценки и учесть специфические особенности данной задачи, связанные с наличием существенной неопределенности. Полученная оценка может быть использована для принятия обоснованных решений о необходимости реформирования судебной системы и определить пути ее реализации.
1. Krutikov M. Yu. Problemy funkcionirovaniya sudebnoy sistemy v sovremennoy Rossii / M. Yu. Krutikov // Sovremennoe pravo. 2007. № 6 // URL: http://www.sovremennoepravo.ru/m/articles/view/.
2. Moskvich L. N. Osnovy koncepcii ocenki effektivnosti funkcionirovaniya sudebnoy sistemy / L. N. Moskvich // Yuridicheskaya nauka. 2013. № 2. S. 18-22.
3. Vlasov A. Kak povysit' effektivnost' grazhdanskogo sudoproizvodstva? / A. Vlasov // Rossiyskaya yusticiya. 2003. № 9. S. 20-23.
4. Cihockiy A. V. Teoreticheskie problemy effektivnosti pravosudiya po grazhdanskim delam / A. V. Cihockiy. Novosibirsk: Nauka, 1997. 267 s.
5. Avdeeva Z. K. Kognitivnoe modelirovanie dlya resheniya zadach upravleniya slabostrukturirovannymi sistemami (situaciyami) / Z. K. Avdeeva, S. V. Kovriga, D. I. Makarenko // Kognitivnyy analiz i upravlenie razvitiem situaciy (CASC'2006): Tr. 6-y Mezhdunar. konf. M.: In-t problem upravleniya RAN, 2006. S. 41-54.
6. Maksimov V. I. Analiticheskie osnovy primeneniya kognitivnogo podhoda pri reshenii slabostrukturirovannyh zadach / V. I. Maksimov, E. K. Kornoushenko // Tr. In-ta problem upravleniya RAN. 1999. T. 2. S. 95-109.
7. Konvenciya o zaschite prav cheloveka i osnovnyh svobod 1950 goda ETS N 005 (Rim, 4 noyabrya 1950 g.), s izmeneniyami i dopolneniyami. St. 6 // URL: http://base.garant.ru/2540800/#friends,
8. Zinov'ev A. S. Zakon, sovest' i spravedlivost' v ugolovnom sudoproizvodstve / A. S. Zinov'ev // Rossiyskiy sud'ya. 2013. № 10. S. 33-37.
9. Ermoshin G. T. Formirovanie sudeyskogo korpusa v Rossiyskoy Federacii: teoreticheskie i prakticheskie voprosy / G. T. Ermoshin // Rossiyskoe pravosudie. 2015. № 11. S. 60-67.
10. Protalinskiy O. M. Metodologiya modelirovaniya slaboformalizuemyh sociotehnicheskih sistem / O. M. Protalinskiy, I. M. Azhmuhamedov // Iskusstvennyy intellekt i prinyatie resheniy. 2014. № 3. S. 85-91.
11. Kaufmann A. Introduction to Fuzzy Arithmetic: Theory and Applications // A. Kaufmann, M. Gupta. New York: Van Nostrand Reinhold, 1991. 161 p.
12. Larichev O. I. Kachestvennye metody prinyatiya resheniy / O. I. Larichev, E. M. Moshkovich. M.: Nauka, 2006. 208 s.
13. Azhmuhamedov I. M. Matematicheskaya model' kompleksnoy bezopasnosti komp'yuternyh sistem i setey na osnove ekspertnyh suzhdeniy / I. M. Azhmuhamedov // Infokommunikacionnye tehnologii. 2009. T. 7, № 4. S. 103-107.
14. Fishbern P. Teoriya poleznosti dlya prinyatiya resheniy / P. Fishbern. M.: Nauka, 1978. 155 s.
15. Protalinskiy O. M. Primenenie metodov iskusstvennogo intellekta pri avtomatizacii tehnologicheskih processov / O. M. Protalinskiy. Astrahan': Izd-vo AGTU, 2004. 184 s.
16. Azhmuhamedov I. M. Programmnaya realizaciya vychisleniy s nechetkimi chislami / I. M. Azhmuhamedov, N. A. Kolesova // Vestn. Astrahan. gos. tehn. un-ta. Ser.: Upravlenie, vychislitel'naya tehnika i informatika. 2011. № 2. S. 68-73.
