简介:美国加州大学洛杉矶分校的专家研究出一种新技术,可以根据唾液来预测人的年龄。该技术能够为犯罪现场调查提供新的用于确定嫌疑人年龄的取证工具。加州大学洛杉矶分校的研究人员使用34对21—55岁的男性同卵双胞胎的唾液样本,扫描了他们的基因组,确定了DNA中甲基化与年龄密切相关的88处位点。他们还利用年龄为侣~70岁的31名男性和29名女性的唾液样本做了相同的实验,获得了同样的结果。接下来,他们建立了一个预测模型,使用与甲基化和年龄关系最密切的3个基因中的两个。当他们把双胞胎或其他人群的唾液样本数据输入模型中时,能够正确地预测一个人的年龄,误差范围在5年之内,这是一个相当高的精度水平。
简介:大数据是建立在全数据基础上,通过数据分析发现事物的相关关系,再运用发现的相关关系对事物发展趋势做出预测的数据分析理念和分析方法。依托案件管理系统,对各类案件进行大数据分析,可以发现特征证据要素与证成(证伪)犯罪之间具有的正相关(或负相关)关系、零相关关系。运用这些相关关系可以发现某类案件的证据状况,从而预警正在办理的案件可能发生的问题;判断证据发展的趋势,为证据结构调整做好准备;结合自由心证理念,增强审查定案的信心;根据证据缺陷,及时寻找弥补措施。由于在理论和实践上面临的困境,当前利用大数据审查认定案件主要局限于预测案件走向。不过,伴随大数据查询使用机制的建立,特征证据认定标准体系的确立,大数据网络共享机制的建立,大数据价值由预测转向适用不无可能。
简介:强敌意是无家可归的前罪犯面临的严峻挑战。这项横断面研究的数据来自于一项专注于预防非法药物使用和再犯的随机试验,这项实验的基础数据由最近释放的男性假释犯(人数=412,年龄=18~60岁)构成,以评估形成强敌意的相关因素。强敌意的预测因素主要包括:更强的抑郁症状、更低的自尊、有一个接受酒精/毒品治疗的母亲、帮派成员、更有形的支持、使用甲基苯丙胺和有认知困难的历史。这些研究结果强调了理解最近释放的无家可归者的敌意预测因素的必要性,以及这些预测因素如何与再犯行为连接起来。讨论这些研究结果的意义在于,它将会影响未来以护理为主导的危害降低措施和以社区为基础的干预措施。