<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Окремі питання стану сучасної наукової розробленості проблем прогнозування та запобігання злочинності у постконфліктних державах

dc.contributor.authorКабанець В. О.uk
dc.contributor.authorKabanets V. O.en
dc.date.accessioned2026-10-01T08:49:32Z
dc.date.issued2025
dc.descriptionСтаття надійшла до редакції: 12.11.2025. Прийнята до друку: 20.11.2025.uk
dc.description.abstractСтаття присвячена аналізу сучасного стану наукової розробки проблем прогнозування та запобігання злочинності в постконфліктних державах з акцентом на Україну, як країну, що переживає наслідки збройного конфлікту. Автор розглядає цю тему як актуальну в контексті глобальних змін початку XXI ст., зокрема протистояння демократичних і авторитарних режимів, що призводить до дестабілізації суспільства, зростання організованої злочинності та порушення громадського порядку. Постконфліктні періоди характеризуються державною крихкістю, слабким соціальним капіталом і воєнними економіками, що сприяють розвитку кримінальної активності. В Україні, за даними Офісу Генерального прокурора, спостерігається зростання кримінальних правопорушень під час воєнного стану, подібно до ситуацій у Колумбії та Афганістані. У вітчизняній кримінології слід робити акцент на адаптації класичних методів до локальних реалій (війна, ПТСР, міграція), з використанням регресійного аналізу, сценарного прогнозування. Зарубіжна кримінологія розвинена глибше, базуючись на теоріях раціонального вибору, рутинної активності та закономірностях злочинності, з емпіричними даними з Big Data, GIS та моделями SEPP, досягаючи точності 70–80 %. Прогалини включають методологічні суперечності (термінологічна неузгодженість, упередженість даних), емпіричні проблеми (недоступність баз даних у воєнний час) та поствоєнні аспекти (моделі для ПТСР, реінтеграції комбатантів). Формується понятійний апарат: «конфліктна пастка», «спойлер миру», «машинне навчання для прогнозування конфліктів». Визначаються перспективні напрямки: інтеграція ШІ, агентне моделювання, адаптація до євроінтеграції, реформ Кримінального кодексу, прогнозування для міграції, нелегальної зброї, кіберзлочинності. Стаття систематизує знання в ієрархічній моделі – від загальних теорій до контекстуальних аспектів, підкреслюючи потребу в міждисциплінарному підході та міжнародній співпраці. Підкреслюється, що проблема є динамічною, водночас потребує подолання етичних і правових суперечностей, розвитку «воєнної кримінології».uk
dc.description.abstractThe article by analyzes the current state of scientific development regarding the issues of forecasting and preventing crime in post-conflict states, with a focus on Ukraine as a country experiencing the aftermath of armed conflict. The author views this topic as relevant in the context of global changes in the early 21st century, particularly the confrontation between democratic and authoritarian regimes, leading to societal destabilization, the rise of organized crime, and disruptions in public order. Post-conflict periods are characterized by state fragility, weak social capital, and war economies that foster criminal activity. In Ukraine, according to the Office of the Prosecutor General, there is an increase in criminal offenses during martial law, similar to situations in Colombia and Afghanistan. In Ukrainian criminology, emphasis should be placed on adapting classical methods to local realities (war, PTSD, migration), using regression analysis and scenario forecasting. Foreign criminology is more advanced, based on theories of rational choice, routine activities, and crime patterns, with empirical data from big data, GIS, and SEPP models, achieving 70–80 % accuracy. Gaps include methodological contradictions (terminological inconsistencies, data bias), empirical issues (inaccessibility of databases during wartime), and post-war aspects (models for PTSD, combatant reintegration). The conceptual apparatus is formed: «conflict trap», «peace spoiler», «machine learning for conflict forecasting». Prospective directions: integration of AI, agent-based modeling, adaptation to EU integration, reforms of the Criminal Code, forecasting for migration, illegal arms, cybercrime. The article systematizes knowledge in a hierarchical model, from general theories to contextual aspects, highlighting the need for an interdisciplinary approach and international cooperation. It is emphasized that the problem is dynamic, while requiring overcoming ethical and legal contradictions and the development of «military criminology.»en
dc.format.extentС. 142–152
dc.identifier.citationКабанець В. О. Окремі питання стану сучасної наукової розробленості проблем прогнозування та запобігання злочинності у постконфліктних державах // Питання боротьби зі злочинністю : зб. наук. пр. – Харків : Право, 2025. – Вип. 50. – С. 142–152. – DOI: https://doi.org/10.31359/2079-6242-2025-50-142uk
dc.identifier.doihttps://doi.org/10.31359/2079-6242-2025-50-142
dc.identifier.issn2079-6242
dc.identifier.urihttps://dspace.ivpz.kh.ua/handle/123456789/180
dc.language.isouk
dc.publisherПравоuk
dc.relation.ispartofПитання боротьби зі злочинністю. Випуск 50 (2025)uk
dc.rightsCC BY 4.0
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectкримінологічне прогнозуванняuk
dc.subjectзапобігання злочинностіuk
dc.subjectпостконфліктні державиuk
dc.subjectмашинне навчанняuk
dc.subject«конфліктна пастка»uk
dc.subject«спойлер миру»uk
dc.subjectCriminological forecastingen
dc.subjectCrime preventionen
dc.subjectPost-conflict statesen
dc.subjectMachine learningen
dc.subject«Conflict trap»en
dc.subject«Peace spoiler»en
dc.subject.classificationУДК 343.9
dc.titleОкремі питання стану сучасної наукової розробленості проблем прогнозування та запобігання злочинності у постконфліктних державахuk
dc.title.alternativeCertain Issues of the Current State of Scientific Development of Problems in Forecasting and Preventing Crime in Post-Conflict Statesen
dc.typeArticle

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
PBZ_2025_50_142-152_Kabanets.pdf
Розмір:
541,2 KB
Формат:
Adobe Portable Document Format

Колекції