Почему использование компьютерных методов исследования: Почему использование компьютерных методов исследования и обработки информации создаёт условия

Автор: | 28.04.1974

Содержание

Использование компьютерных методов и систем в изучении права, интеллектуальном анализе и моделировании правовой деятельности: систематический обзор | ТРОФИМОВ

1. Agnoloni T., Bacci L., Francesconi E., Spinosa P., Tiscornia D., Montemagni S., Venturi G. Building an ontological support for multilingual legislative drafting. In Legal Knowledge and Information Systems (JURIX’2007), Amsterdam, IOS Press, 2007, pp. 9–18.

2. Aikenhead M. Legal knowledge based systems: some observations on the future. Web Journal of Current Legal Issues, vol. 2, 1995, p. 72. Available at: http://www.bailii.org/uk/other/journals/WebJCLI/1995/issue2/aiken2.html.

3. Al-Abdulkarim L., Atkinson K., Bench-Capon T. A methodology for designing systems to reason with legal cases using abstract dialectical frameworks. Artificial Intelligence and Law, vol. 24, no. 1, 2016, pp. 1–49.

4. Андреев Н.Д., Керимов Д.А. О возможностях кибернетики при решении правовых проблем. Советское государство и право, № 7, 1960 г., cтр. 106–110 / Andreev N.D., Kerimov D.A. Concerning the possibilities of cybernetics in solving legal problems. Soviet State and Law, no. 7, 1960, pp. 106–110 (in Russian).

5. Апт Л.Ф., Цивилева Е.Д. «АИПС-законодательство» и ее проблемы (анализ результатов материалов поиска правовой информации). Проблемы совершенствования советского законодательства. Труды. М.: ВНИИСЗ, вып. 35, 1986 г., cтр. 13–22 / Apt L.F., Tsivileva E.D. «AIRS-Legislation» and its problems (analysis of the results of legal information search materials). Problems of Improving Soviet Legislation. Proceedings, Moscow: All-Union Scientific Research Institute of Soviet Legislation, issue 35, 1986, pp.

13–22 (in Russian).

6. Ashley K.D., Brüninghaus S. Automatically classifying case texts and predicting outcomes. Artificial Intelligence and Law, vol. 17, no. 2, 2009, pp. 125–165.

7. Ashley K.D., Walker V.R. Toward constructing evidence-based legal arguments using legal decision documents and machine learning. In Proc. of the 14th International Conference on Artificial Intelligence and Law (ICAIL’13), 2013, pp. 176–180.

8. Бахтеев Д.В. Искусственный интеллект в криминалистике: состояние и перспективы использования. Российское право: образование, практика, наука. № 2, 2018, с. 43–49. / Bakhteev D.V. Artificial intelligence in criminalistics: state and prospects of use. Russian Law: Education, Practice, Researches, no. 2, 2018, pp. 43–49 (in Russian).

9. Baroni P., Giacomin M. Semantics of abstract argument systems. In Argumentation in artificial intelligence. Boston, Springer, 2009, pp. 25–44.

10. Башев А.А., Москвин С.С., Фукс Н.С. Автоматизированная информационно-поисковая система по законодательству в области лесного хозяйства. Актуальные проблемы теории и практики применения математических методов и ЭВМ в деятельности органов юстиции. Тезисы докладов на V всесоюзной конференции по проблемам правовой кибернетики, вып. 2, 1975 г., cтр. 28–34 / Bashev A.A., Moskvin S.S., Fuks N.S. Automated information retrieval system for forestry legislation. In Actual Problems of the Theory and Practice of the Application of Mathematical Methods and Computers in the Activities of the Judiciary, Abstracts at the 5th All-Union Conference on Legal Cybernetics, issue 2, 1975, pp. 28–34 (in Russian).

11. Bench-Capon T.J.M. Before and after Dung: Argumentation in AI and law. Argument and Computation, vol. 11, no. 1, 2019, pp. 1–18.

12. Bing J. Conceptual text retrieval. Oslo, Tano, 1988, 109 p.

13. Boella G., Di Caro L., Leone V. Semi-automatic knowledge population in a legal document management system. Artificial Intelligence and Law, vol. 27, no. 2, 2019, pp. 227–251.

14. Boucher J. Le projet Datum: Recherche sur un instrument de recherché. La Revue juridique Thémis, vol. 6, no. 1, 1971, pp. 31–49. (in French).

15. Buchanan B.G., Headrick T.E. Some speculation about artificial intelligence and legal reasoning.

Stanford Law Review, vol. 23, no. 1, 1970, pp. 40–62.

16. Bundesministerium der Justiz (Hrsg.). Das Juristische Informationssystem. Analyse, Planung, Vorschläge. Karlsruhe: Verlag C. F. Müller, 1972. (in German).

17. Casanovas P., Binefa i Valls X., Gracia C., Teodoro E., Galera N., Blázquez M., Poblet M., Carrabina J., Monton M., Montero C., Serrano J., López-Cobo J.M. The e-Sentencias prototype: A procedural ontology for legal multimedia applications in the Spanish civil courts. In Breuker J., Casanovas P., Klein M.C.A., Francesconi E. (eds.). Law, Ontologies and the Semantic Web: Channelling the Legal Information Flood, Amsterdam, IOS Press, 2009, pp. 199–219.

18. Dadgostari F., Guim M., Beling P.A., Livermore M.A., Rockmore D.N. Modeling law search as prediction. Artificial Intelligence and Law, 2020, pp. 1–32. Available at: https://link.springer.com/article/10.1007%2Fs10506-020-09261-5.

19. Давыденко В.К. Теоретические проблемы социально-правовой эффективности автоматизированных информационно-поисковых систем правовой информации. Автореф. дис. <…> канд. юрид. наук. М., 1980 г., 16 стр. / Davydenko V.K. Theoretical problems of social and legal effectiveness of automated information retrieval systems of legal information. Abstract of the dissertation of the candidate of legal sciences, Moscow, 1980 (in Russian).

20. Деев А.Ф., Гальперин Л.Б., Иванов Ю.Т. Кибернетика и опыт решения некоторых правовых задач. Советское государство и право, № 10, 1964, с. 81–90. / Deev A.F., Gal’perin L.B., Ivanov Yu.T. Cybernetics and experience in solving some legal problems. Soviet State and Law, no.

10, 1964 г., pp. 81–90 (in Russian).

21. Дубровин И.С. Информационно-поисковые системы отечественных, зарубежных и международных служб правоохранительных органов в борьбе с преступностью. Дис. <…> канд. юрид. наук. М., 2007 г., 192 стр. / Dubrovin I.S. Information retrieval systems of domestic, foreign and international law enforcement agencies in the fight against crime. Dissertation of the candidate of legal sciences, Moscow, 2007 (in Russian).

22. Dung P.M. On the acceptability of arguments and its fundamental role in nonmonotonic reasoning, logic programming and n-person games. Artificial Intelligence, vol. 77, no. 2, 1995, pp. 321–357.

23. Dung P.M., Son T.C. An argument-based approach to reasoning with specificity. Artificial Intelligence, vol. 133, no. 1–2, 2001, pp. 35–85.

24. Dung P.M., Kowalski R.A., Toni F. Dialectic proof procedures for assumption-based, admissible argumentation. Artificial Intelligence, vol. 170, no. 2, 2006, pp. 114–159.

25. Dunn M., Sagun L., Şirin H., Chen D. Early predictability of asylum court decisions. In Proc. of the 16th International Conference on Artificial Intelligence and Law (ICAIL’17), 2017, pp. 233–236.

26. Эджубов Л.Г. Использование некоторых методов и средств кибернетики в дактилоскопии. Дис. <…> канд. юрид. наук. М., 1962 г., 274 стр. / Ehdzhubov L.G. Using some methods and means of cybernetics in fingerprinting. Dissertation of the candidate of legal sciences, Moscow, 1962. (in Russian).

27. Эджубов Л.Г., Литинский С.А. Результаты и перспективы применения ЭВМ в судебно-автотехнической экспертизе. Вопросы кибернетики, вып. 40, 1977 г., стр. 118–131 / Ehdzhubov L.G., Litinskii S.A. Results and prospects for the use of computers in criminalistics automotive expertise. In Cybernetics Issues, issue 40, 1977, pp. 118–131 (in Russian).

28. Eldridge W.B. The American Bar Foundation project. MULL: Modern Uses of Logic in Law, vol. 6, no. 3, 1965, pp. 129–131.

29. Гафинова И.Н., Литвинова Л.О., Москвин С.С., Трофимова И.В. Режим и порядок работы ИПС «Право-1». Правовая кибернетика. Сборник статей. М., Наука, 1973 г., стр. 43–54 / Gafinova I.N., Litvinova L.O., Moskvin S.S., Trofimova I.V. The mode and operating procedure of the ILS “Pravo-1”. In Legal Cybernetics: A Collection of Articles, Moscow, Science, 1973, pp. 43–54 (in Russian).

30. García R., Delgado J. An ontological approach for the management of Rights Data Dictionaries. In Legal Knowledge and Information Systems (JURIX’2005), Amsterdam, IOS Press, 2005, pp. 137–146.

31. García-Constantino M., Atkinson K., Bollegala D., Chapman K., Coenen F., Roberts C., Robson K. CLIEL: Context-based information extraction from commercial law documents. In Proc. of the 16th International Conference on Artificial Intelligence and Law (ICAIL’17), 2017, pp. 79–87.

32. Гаврилов О.А., Панкратов В.В., Эджубов Л.Г. Обсуждение использования методов статистики в юридической науке. Советское государство и право, № 10, 1966 г., стр. 159–160 / Gavrilov O.A., Pankratov V.V., Ehdzhubov L.G. Discussion of the application of statistical methods in legal science. Soviet State and Law, no. 10, 1966, pp. 159–160 (in Russian).

33. Гегечкори Л.А., Шмелев А.А. Задачи совершенствования поискового аппарата автоматизированных информационно-поисковых систем по законодательству. Правовая информатика. Сборник. М., вып. 1, 1996 г., стр. 63–69 / Gegechkori L.A., Shmelev A.A. The objectives of improving the search for automated legal retrieval systems. In Legal Informatics: A Collection, Moscow, issue 1, 1996, pp. 63–69 (in Russian).

34. Gelbart D., Smith J.C. FLEXICON: An evaluation of a statistical ranking model adapted to intelligent legal text management. In Proc. of the 4th International Conference on Artificial Intelligence and Law (ICAIL’93), 1993, pp. 142–151.

35. Gifford M. LexrideLaw: An argument based legal search engine. In Proceedings of the 16th International Conference on Artificial Intelligence and Law (ICAIL’17), 2017, pp. 271–272.

36. Гиринский В.Е., Журавлев В.А., Кулешов В.П., Резников В.Б. О применении ЭВМ для учета и обработки данных о лицах, задержанных за бродяжничество и попрошайничество. Применение математических методов и вычислительной техники в праве, криминалистике и судебной экспертизе. Материалы симпозиума. М., 1970 г., стр. 80–81 / Girinskii V.E., Zhuravlev V.A., Kuleshov V.P., Reznikov V.B. On the use of computers for recording and processing data on persons detained for vagrancy and begging. In Application of Mathematical Methods and Computer Technology in Law, Criminalistics and Criminalistics Expertise: Proceedings of the Symposium, Moscow, 1970, pp. 80–81 (in Russian).

37. Головчанский А.В. Применение компьютерного моделирования при установлении обстоятельств дорожно-транспортных происшествий. Обеспечение прав и законных интересов граждан в деятельности органов дознания и предварительного следствия. Сборник статей. Орел, ОрЮИ МВД России имени В. В. Лукьянова, 2018 г., стр. 54–64. / Golovchanskii A.V. The use of computer modeling to establish the circumstances of traffic accidents. In Ensuring the Rights and Legitimate Interests of Citizens in the Activities of Bodies of Inquiry and Investigation: A Collection of Articles, Oryol, Oryol Law Institute of the Ministry of Internal Affairs of Russia, 2018, pp. 54–64 (in Russian).

38. Grabmair M. Predicting trade secret case outcomes using argument schemes and learned quantitative value effect tradeoffs. In Proc. of the 16th International Conference on Artificial Intelligence and Law (ICAIL’17), 2017, pp. 89–98.

39. Грановский Г.Л., Пименов Н.Ф., Эджубов Л.Г. Использование математических методов и электронно-вычислительных машин в трасологической экспертизе. Проблемы и практика трасологических и баллистических исследований. М., ВНИИСЭ, 1976 г., стр. 25–42 / Granovskii G.L., Pimenov N.F., Ehdzhubov L.G. The use of mathematical methods and electronic computers in trasological examination. In Problems and Practice of Trasological and Ballistic Research, Moscow, All-Union Research Institute for Criminalistics Expert Examination, 1976, pp. 25–42 (in Russian).

40. Griffo C., Almeida J.P.A., Guizzardi G. A pattern for the representation of legal relations in a legal core ontology. In Legal Knowledge and Information Systems (JURIX’2016), Amsterdam, IOS Press, 2016, pp. 191–194.

41. Hachey B., Grover C. Automatic legal text summarization: experiments with summary structuring. In Proc. of the 10th International Conference on Artificial Intelligence and Law (ICAIL’2005), 2005, pp. 75–84.

42. Hafner C.D. Representation of knowledge in a legal information retrieval system. In Proc. of the 3rd Annual ACM Conference on Research and Development in Information Retrieval (SIGIR’80), 1981, pp. 139–153.

43. Harrington W.G., Wilson H.D., Bennett R.N. The Mead Data Central system of computerized legal research. Law Library Journal, vol. 64, no. 2, 1971, pp. 185–189.

44. Hoppenfeld E.C. Law Research Service/Inc. MULL: Modern Uses of Logic in Law, vol. 7, no. 1, 1966, pp. 46–52.

45. Horty J.F. Experience with the application of electronic data processing systems in general law. MULL: Modern Uses of Logic in Law, vol. 2, no. 4, 1960, pp. 158–168.

46. Horty J.F. The «key words in combination» approach. MULL: Modern Uses of Logic in Law, vol. 3, no. 1, 1962, pp. 54–64.

47. Каримов В.Х. Автоматизированные информационно-поисковые системы криминалистического назначения: современное состояние, тенденции и перспективы развития. М., Юрлитинформ, 2014 г.. 151 стр. / Karimov V.Kh. Automated criminalistics information retrieval systems: current status, trends and development prospects, Moscow, Yurlitinform, 2014 (in Russian).

48. Каск Л.И. О некоторых вопросах информационного языка для права. Вестник Ленинградского университета. Серия экономики, философия и права, вып. 2, № 11, 1961 г., стр. 135–138. / Kask L.I. Concerning some issues of information language for law. Bulletin of the Leningrad University. Series: Economics, Philosophy and Law, issue 2, no. 11, 1961, pp. 135–138 (in Russian).

49. Kehl W.B., Horty J.F., Bacon C.R.T., Mitchell D.S. An information retrieval language for legal studies. Communications of the ACM, vol. 4, no. 9, 1961, pp. 380–389.

50. Керимов Д.А. Об использовании кибернетических машин в процессе кодификации советского права. Вопросы кодификации советского права. Л., Издательство Ленинградского. университета, вып. 3, 1960 г., стр. 121–123. / Kerimov D.A. On the use of cybernetic machines in the codification of Soviet law. In Issues of Codification of Soviet Law, Leningrad, Leningrad University, issue 3, 1960, pp. 121–123 (in Russian).

51. Kerimov D.A. Future applicability of cybernetics to jurisprudence in the USSR. MULL: Modern Uses of Logic in Law, vol. 4, no. 4, 1963, pp. 153–162.

52. Керимов Д.А. Право и кибернетика. Советское государство и право, № 9, 1964 г., стр. 86–94 / Kerimov D.A. Law and cybernetics. Soviet State and Law, no. 9, 1964, pp. 86–94 (in Russian).

53. Керимов Д.А. О справочно-информационной службе в области права. Вопросы кибернетики и право. Сборник статей. М., Наука, 1967 г., стр. 61–83 / Kerimov D.A. Concerning the legal reference service. In Cybernetics and Law: A Collection of Articles, Moscow, Science, 1967, pp. 61–83 (in Russian).

54. Керимов Д.А., Эджубов Л.Г. Как возникла правовая кибернетика. Путь в большую науку: академик Аксель Берг. Сборник статей. М., Наука, 1988 г., стр. 234–243 / Kerimov D.A., Ehdzhubov L.G. The rise of legal cybernetics. In The Path to Big Science: Academician Axel Berg. A Collection of Articles, Moscow, Science, 1988, pp. 234–243 (in Russian).

55. Керимов Д.А., Покровский И.Ф. Опыт использования средств кибернетики для автоматизации информационной службы в области права. Вестник Ленинградского университета. Серия экономики, философии и права, вып. 1, № 5, 1964 г., стр. 121–124 / Kerimov D.A., Pokrovskii I.F. Experience in using cybernetics to automate information services in the field of law. Bulletin of the Leningrad University. Series: Economics, Philosophy and Law, issue 1, no. 5, 1964, pp. 121–124 (in Russian).

56. Хвыля-Олинтер А.И. Использование криминалистической характеристики преступлений в автоматизированных информационно-поисковых системах технико-криминалистического назначения: дис. <…> канд. юрид. наук. М., 1995 г., 225 стр. / Khvylya-Olinter A.I. Using the criminalistics characteristics of crimes in automated information retrieval systems for technical and criminalistics purposes: dissertation of the candidate of legal sciences, Moscow, 1995 (in Russian).

57. Кирюшкин М.В. Алгоритмические преобразования в юриспруденции. Российский юридический журнал, № 4, 2007 г., стр. 34–44 / Kiryushkin M.V. Algorithmic transformations in jurisprudence. Russian Juridical Journal, no. 4, 2007, pp. 34–44 (in Russian).

58. Копылов В.А. Методы комплексного создания и применения динамических автоматизированных информационных систем для обработки слабоформализуемой информации: автореф. дис. <…> д-ра техн. наук. М., 1994 г., 67 стр. / Kopylov V.A. Methods for the integrated creation and use of dynamic automated information systems for processing semi-formalized information: abstract of the dissertation of the doctor of technical sciences, Moscow, 1994 (in Russian).

59. Ковалев С.А. Основы компьютерного моделирования при расследовании преступлений в сфере компьютерной информации: дис. <…> канд. юрид. наук. Волгоград, 2012 г., 259 стр. / Kovalev S.A. Fundamentals of computer modeling in the investigation of crimes in the field of computer information: dissertation of the candidate of legal sciences, Volgograd, 2012 (in Russian).

60. Козинец Б.Н., Ланцман Р.М., Якубович В.А. Криминалистическая экспертиза близких почерков при помощи электронно-вычислительных машин. Доклады АН СССР, том 167, № 5, 1966, с. 1008–1011 / Kozinets B.N., Lantsman R.M., Yakubovich V.A. Criminalistics expert examination of close handwriting using electronic computers. Proceedings of the USSR Academy of Sciences, vol. 167, no. 5, 1966, pp. 1008–1011 (in Russian).

61. Козинец Б.Н., Ланцман Р.М., Якубович В.А. Об одном кибернетическом методе исследования в криминалистической экспертизе почерка. Кибернетика и судебная экспертиза. Вильнюс, Изд-во НИИСЭ, 1966 г, стр. 55–84 / Kozinets B.N., Lantsman R.M., Yakubovich V.A. Concerning one cybernetic research method in the criminalistics expert examination of handwriting. In Cybernetics and Criminalistics Expertise, Vilnius, Research Institute for Criminalistics Expert Examination, 1966, pp. 55–84 (in Russian).

62. Кудрявцев В.Н. О программировании процесса применения норм права. Вопросы кибернетики и право. Сборник статей. М., Наука, 1967 г., стр. 84–99. / Kudryavtsev V.N. Concerning programming the process of applying the rule of law. In Cybernetics and Law: A Collection of Articles, Moscow, Science, 1967, pp. 84–99 (in Russian).

63. Kurcheeva G., Rakhvalova M., Rakhvalova D., Bakaev M. Mining and indexing of legal natural language texts with domain and task ontology. In Proc. of the 5th International Conference on Electronic Governance and Open Society: Challenges in Eurasia (EGOSE’2018), 2019, pp. 123–137.

64. Ларионова Е.Ю., Голодков Ю.Э., Баранов С.А. Использование компьютерного моделирования для установления структуры химических соединений – объектов судебных экспертиз. Деятельность правоохранительных органов в современных условиях. Материалы XVIII международной научно-практической конференции, посвященной 20-летию образования института. Иркутск, Вост.-Сибир. ин-т МВД России, 2013 г, стр. 265–269. / Larionova E.Yu., Golodkov Yu.Eh., Baranov S.A. Using computer modeling to establish the structure of chemical compounds – objects of criminalistics expertise. In The activities of law enforcement agencies in modern conditions: Proc. of the 18th International Scientific and Practical Conference Dedicated to the 20th Anniversary of the Institute, Irkutsk, East Siberian Institute of the Ministry of Internal Affairs of Russia, 2013, pp. 265–269 (in Russian).

65. Lawford H. QUIC/LAW: Project of Queens’ University. In Automated Law Research: A Collection of Presentations Delivered at the 1st National Conference on Automated Law Research. Chicago: ABA, 1973, pp. 67–93.

66. Leimdörfer M. IMDOC. A computerized information retrieval system used by two governments in Europe. Law and Computer Technology, vol. 6, 1973, pp. 75–77.

67. Леонов И.Н. Использование автоматизированных информационно-поисковых систем в раскрытии и расследовании преступлений, совершенных с применением огнестрельного оружия: дис. <…> канд. юрид. наук. М., 2006 г.. 172 стр. / Leonov I.N. The use of automated information retrieval systems in the detection and investigation of crimes committed with the use of firearms: dissertation of the candidate of legal sciences, Moscow, 2006 (in Russian).

68. Лепихова Д.Н., Гудков В.Ю., Кирсанова А.А. Обзор современных моделей представления дактилоскопических изображений. Вестник Южно-Уральского государственного университета. Серия: Вычислительная математика и информатика, том 7, № 1, 2018 г., стр. 40–59 / Lepikhova D.N., Gudkov V.Yu., Kirsanova A.A. An overview of fingerprint description models. Bulletin of the South Ural State University. Series: Computational Mathematics and Software Engineering, vol. 7, no. 1, 2018, pp. 40–59 (in Russian).

69. Libal T., Steen A. NAI – the normative reasoner. In Proc. of the 17th International Conference on Artificial Intelligence and Law (ICAIL’19), 2019, pp. 262–263.

70. Lippi M., Pałka P., Contissa G., Lagioia F., Micklitz H.-W., Sartor G., Torroni P. CLAUDETTE: An automated detector of potentially unfair clauses in online terms of service. Artificial Intelligence and Law, vol. 27, no. 2, 2019, pp. 117–139.

71. Loevinger L. Jurimetrics. The next step forward. Minnesota Law Review, vol. 33, no. 5, 1949, pp. 455–493.

72. Losano M.G. Giuscibernetica. Macchine e modelli cibernetici nel diritto. Torino, G. Einaudi, 1969 (in Italian).

73. Mackaay E. La création d’un thésaurus bilingue pour DATUM. La Revue juridique Thémis, vol. 6, no. 1, 1971, pp. 51–67 (in French).

74. Макаров И.Ю., Светлаков А.В., Сотин А.В., Шигеев С.В., Гусаров А.А., Смиренин С.А., Емелин В.В., Страгис В.Б., Фетисов В.А. Эффективность использования современных компьютерных технологий в клинической практике и перспективы применения биомеханических 3D-моделей в судебной медицине. Судебно-медицинская экспертиза, том 61, № 2, 2018 г, стр. 58–64. / Makarov I.Yu., Svetlakov A.V., Sotin A.V., Shigeev S.V., Gusarov A.A., Smirenin S.A., Emelin V.V., Stragis V.B., Fetisov V.A. The efficiency of the application of the modern computed technologies in the clinical practice and the prospects for the further use of the biomechanical 3D-models in forensic medicine. Forensic Medical Expertise, vol. 61, no. 2, 2018, pp. 58–64 (in Russian).

75. Maurushat A., Moses L.B., Vaile D. Using “big” metadata for criminal intelligence: Understanding limitations and appropriate safeguards. In Proc. of the 15th International Conference on Artificial Intelligence and Law (ICAIL’15), 2015, pp. 196–200.

76. McCarty L.T. Reflections on Taxman: An experiment in artificial intelligence and legal reasoning. Harvard Law Review, vol. 90, no. 5, 1977, pp. 837–893.

77. McCarty L.T. Intelligent legal information systems: Problems and prospects. Rutgers Computer and Technology Law Journal, vol. 9, no. 2, 1983, pp. 265–294.

78. McCarty L.T., Sridharan N.S. The representation of an evolving system of legal concepts: II. Prototypes and deformations. In Proc. of the 7th International Joint Conference on Artificial Intelligence (IJCAI’81), 1981, vol. I, pp. 246–253.

79. McGinnis J.O., Stein B. Originalism, hypothesis testing and big data. In Proc. of the 15th International Conference on Artificial Intelligence and Law (ICAIL’15), 2015, pp. 201–205.

80. Mehl L. Automation in the legal world: From the machine processing of legal information to the «law machine». In Mechanization of Thought Processes: Proc. of a Symposium Held at the National Physical Laboratory: National Physical Laboratory Symposium № 10, London: H. M. Stationery Office, 1959, vol. II, pp. 758–759.

81. Melton J.S. The «semantic coded abstract» approach. MULL: Modern Uses of Logic in Law, vol. 3, no. 1, 1962, pp. 48–54.

82. Melton J.S., Bensing R.C. Searching legal literature electronically: Results of a test program. Minnesota Law Review, vol. 45, no. 2, 1960, pp. 229–248.

83. Metsker O., Trofimov E., Grechishcheva S. Natural language processing of Russian court decisions for digital indicators mapping for oversight process control efficiency: Disobeying a police officer case. In Proc. of the 6th International Conference on Electronic Governance and Open Society: Challenges in Eurasia (EGOSE’2019), 2020, pp. 295–307.

84. Metsker O., Trofimov E., Petrov M., Butakov N. Russian court decisions data analysis using distributed computing and machine learning to improve lawmaking and law enforcement. In Proc. of the 8th International Young Scientist Conference on Computational Science (YSC’2019), 2019, pp. 264–273.

85. Metsker O., Trofimov E., Sikorsky S., Kovalchuk S. Text and data mining techniques in judgment open data analysis for administrative practice control. In Proc. of the 5th International Conference on Electronic Governance and Open Society: Challenges in Eurasia (EGOSE’2018), 2019, pp. 169–180.

86. Morgan R.T. The «point of law» approach. MULL: Modern Uses of Logic in Law, vol. 3, no. 1, 1962, pp. 44–48.

87. Mozina M., Zabkar J., Bench-Capon T., Bratko I. Argument based machine learning applied to law. Artificial Intelligence and Law, vol. 13, no. 1, 2005, pp. 53–73.

88. Nanda R., Siragusa G., Caro L.D., Boella G., Grossio L., Gerbaudo M., Costamagna F. Unsupervised and supervised text similarity systems for automated identification of national implementing measures of European directives. Artificial Intelligence and Law, vol. 27, no. 2, 2019, pp. 199–225.

89. Немчин Д.И. Методические основы применения информационных компьютерных технологий в судебно-баллистической экспертизе: дис. <…> канд. юрид. наук. М., 2002 г., 161 стр. / Nemchin D.I. Methodological foundations of the use of information computer technologies in ballistic examination: dissertation of the candidate of legal sciences, Moscow, 2002 (in Russian).

90. Niblett G.B.F., Price N.H. Mechanized searching of acts of Parliament. Information Storage and Retrieval, vol. 6, no. 3, 1970, pp. 289–297.

91. Ножов И.М. Графематический и морфологический модули для решения задач автоиндексации текстов. Правовая информатика. Сборник. М., НЦПИ, 2001 г., стр. 49–55 / Nozhov I.M. Graphematical and morphological modules for solving problems of text auto-indexing. In Legal Informatics: A Collection, Moscow, Scientific Center of Legal Information, 2001, pp. 49–55 (in Russian).

92. Олейников В.Т. Автоматизация процесса поиска в портретных учетах по измерительным признакам внешности. Вопросы совершенствования деятельности органов внутренних дел, Тезисы выступлений на I межвузовской научно-практической конференции адъюнктов и соискателей во ВНИИ МВД СССР. М., 1978 г., стр. 153–155. / Oleinikov V.T. Automation of the search process in portrait accounts by measuring signs of appearance. In Issues of Improving the Activities of the Internal Affairs Bodies. Abstracts of Speeches at the 1st Interuniversity Scientific and Practical Conference of Adjuncts and Applicants at the All-Union Scientific Research Institute of the USSR Ministry of Internal Affairs, Moscow, 1978, pp. 153–155 (in Russian).

93. Овчинский А.С. Оперативно-разыскная аналитика на пути к искусственному интеллекту. Актуальные проблемы теории оперативно-розыскной деятельности. Cборник научных трудов. М., Инфра-М, 2017 г., стр. 364–393 / Ovchinskii A.S. Operational investigative analytics on the way to artificial intelligence. In Actual Problems of the Theory of Operational Investigative Activity: A Collection of Scientific Papers, Moscow, Infra-M, 2017, pp. 364–393 (in Russian).

94. Парфентьев А.Л. Проблемы создания комплекса алгоритмов и программ отображения и оценки смысла юридических установлений в правовой автоматизированной информационной системе. Правовая информатика. Сборник. М., ЦНПИ, вып. 3, 1998 г., стр. 111–124 / Parfent’ev A.L. Problems of creating a complex of algorithms and programs for displaying and evaluating the meaning of legal institutions in a legal automated information system. In Legal Informatics: A Collection, Moscow, Scientific Center of Legal Information, 1998, issue 3, pp. 111–124 (in Russian).

95. Полевой Н.С., Шляхов А.Р., Эджубов Л.Г. Использование кибернетики и математических методов в судебной экспертизе. Правоведение, № 6, 1972 г., стр. 124–131 / Polevoi N.S., Shlyakhov A.R., Ehdzhubov L.G. The use of cybernetics and mathematical methods in criminalistics expertise. Jurisprudence, no. 6, 1972, pp. 124–131 (in Russian).

96. Popple J. A pragmatic legal expert system. Aldershot, Dartmouth, 1996, 406 p.

97. Prakken H. Reconstructing Popov v. Hayashi in a framework for argumentation with structured arguments and Dungean semantics. Artificial Intelligence and Law, vol. 20, no. 1, 2012, pp. 57–82.

98. Prakken H., Sartor G. A dialectical model of assessing conflicting arguments in legal reasoning. Artificial Intelligence and Law, vol. 4, no. 3–4, 1996, pp. 331–336.

99. Prestel B.M. CREDOC: Centre de documentation juridique Bruxelles. In Materialien zur Rechtsinformatik. Folg 1: Länderberichte USA, Schweden; Dokumentationssysteme CREDOC, UNIDATA; Bibliographie. Frankfurt am Main: Alfred Metzner Verlag, 1971, s. 55–70 (in German).

100. Рашитов Р.С. Система автоматической дактилоскопической регистрации на базе специализированной ЭВМ «Минск-100». Проблемы правовой кибернетики. Материалы симпозиума. М., 1968 г., стр. 218–220. / Rashitov R.S. Automatic fingerprint registration system based on specialized computer «Minsk-100». In Problems of Legal Cybernetics: Symposium Proceedings, Moscow, 1968, pp. 218–220 (in Russian).

101. Rissland E.L., Ashley K.D. HYPO: A precedent-based legal reasoner. Amherst, University of Massachusetts, 1987, 25 p.

102. Rissland E.L., Skalak D.B. CABARET: Rule interpretation in a hybrid architecture. International Journal of Man-Machine Studies, vol. 34, no. 6, 1991, pp. 839–887.

103. Rissland E.L., Daniels J.J., Rubinstein Z.B., Skalak D.B. Case-based diagnostic analysis in a blackboard architecture. In Proc. of the 11th National Conference on Artificial Intelligence (AAAI’93), 1993, pp. 66–72.

104. Rissland E.L., Skalak D.B., Friedman M.T. BankXX: Supporting legal arguments through heuristic retrieval. Artificial Intelligence and Law, vol. 4, no. 1, 1996, pp. 1–71.

105. Rissland E.L., Skalak D.B., Friedman M.T. Evaluating a legal argument program: The BankXX experiments. Artificial Intelligence and Law, vol. 5, no. 1–2, 1997, pp. 1–74.

106. Rubin J.S. LEXIS has made computer-assisted legal research in the United States a practical reality. Law and Computer Technology, vol. 7, no. 2, 1974, pp. 34–50.

107. Sanders K.E. CHIRON: Planning in an open-textured domain. Artificial Intelligence and Law, vol. 9, no. 4, 2001, pp. 225–269.

108. Saravanan M., Ravindran B., Raman S. Using legal ontology for query enhancement in generating a document summary. In Proc. of the Twentieth Annual Conference on Legal Knowledge and Information Systems (JURIX 2007), 2007, pp. 171–172.

109. Savelka J., Ashley K.D. Transfer of predictive models for classification of statutory texts in multijurisdictional settings. In Proc. of the 15th International Conference on Artificial Intelligence and Law (ICAIL’15), 2015, pp. 216–226.

110. Schank R.C., Kolodner J.L., DeJong G. Conceptual information retrieval. In Proc. of the 3rd Annual ACM Conference on Research and Development in Information Retrieval (SIGIR’80), 1981, pp. 94–116.

111. Schweighofer E., Winiwarter W. Legal expert system KONTERM – Automatic representation of document structure and contents. In Database and Expert Systems Applications: 4th International Conference (DEXA’93), 1993, pp. 486–497.

112. Шахтарина Н.И. Применение вероятностно-статистических методов оценки в судебно-почерковедческой экспертизе. Проблемы правовой кибернетики. Материалы симпозиума. М., 1968 г., стр. 181–184 / Shakhtarina N.I. The use of probabilistic and statistical assessment methods in criminalistics handwriting examination. In Problems of Legal Cybernetics: Symposium Proceedings, Moscow, 1968, pp. 181–184 (in Russian).

113. Щербинин А.И., Юрьев В.П. Опыт разработки, внедрения и эксплуатации автоматизированных информационно-поисковых систем по учету автотранспортных средств в ГАИ. Пособие. М., изд-во ВНИИ БД МВД СССР, 1978 г., 71 стр. / Shcherbinin A.I., Yur’ev V.P. Experience in the development, implementation and operation of automated information retrieval systems for the registration of vehicles in the traffic police: a manual, Moscow: All-Union Research Institute for Traffic Safety of the Ministry of Internal Affairs of the USSR, 1978, 71 p. (in Russian).

114. Шляхов А.Р., Эджубов Л.Г. Современное состояние и некоторые проблемы использования кибернетики в праве. Советское государство и право, no. 6, 1965 г., стр. 83–92 / Shlyakhov A.R., Ehdzhubov L.G. Current status and some problems of the use of cybernetics in law. Soviet State and Law, no. 6, 1965, pp. 83–92 (in Russian).

115. Stevens C., Barot V., Carter J. The next generation of legal expert systems – New dawn or false dawn? In Proc. of the International Conference on Innovative Techniques and Applications of Artificial Intelligence, 2011, pp. 439–452.

116. Stranieri A., Zeleznikow J. The SPLIT-UP System: Integrating neural networks and rule-based reasoning in the legal domain. In Proc. of the 5th International Conference on Artificial Intelligence and Law (ICAIL’95), 1995, pp. 185–194.

117. Stranieri A., Zeleznikow J., Gawler M., Lewis B. A hybrid-neural approach to the automation of legal reasoning in the discretionary domain of family law in Australia. Artificial Intelligence and Law, vol. 7, no. 2–3, 1999, pp. 153–183.

118. Судохолов А.П., Кузнецова И.А. Коррупция: механизмы развития, способы профилактики (опыт компьютерного моделирования с применением численных методов). Вестник Российского университета дружбы народов. Серия: Математика, информатика, физика, том 26, no. 2, 2018 г., стр. 183–193 / Sudokholov A.P., Kuznetsova I.A. Corruption: development mechanisms, ways of prevention (experience of computer modeling with application of numerical methods). RUDN Journal of Mathematics, Information Science and Physics Series, vol. 26, no. 2, 2018, pp. 183–193 (in Russian).

119. Tapper C. Feasibility study of the retrieval of legal information from two types of natural language text. Research report № 5062, Oak Ridge: Office for Scientific and Technical Information, 1969.

120. Tapper C. Legal information retrieval by computer: Applications and implications. McGill Law Journal, vol. 20, no. 1, 1974, pp. 26–43.

121. Tapper C.F. British experience in legal information retrieval. MULL: Modern Uses of Logic in Law, vol. 5, no. 4, 1964, pp. 127–134.

122. Ткаченко К.И. Автоматизированная информационная система формирования фактографических данных и ее применение для криминалистики, инновации и обучения: дис. <…> канд. техн. наук. М., 2017 г., 263 стр. / Tkachenko K.I. Automated information system for the formation of factual data and its application for criminalistics, innovation and training: dissertation of the candidate of technical sciences, Moscow, 2017 (in Russian).

123. Tong R.M., Appelbaum L.A. Conceptual information retrieval using RUBRIC. In Proc. of the 10th Annual International ACM-SIGIR Conference on Research and Development in Information Retrieval, 1987, pp. 247–253.

124. Tong R.M., Appelbaum L.A. Experiments with interval-valued uncertainty. In Proc. of the Second Annual Conference on Uncertainty in Artificial Intelligence, 1988, pp. 63–75.

125. Tong R.M., Aksman V.N., Cunningham J.F., Tollander C.J. RUBRIC: An environment for full text information retrieval. In Proc. of the 8th Annual International ACM-SIGIR Conference on Research and Development in Information Retrieval, 1985, pp. 243–251.

126. Torrisi A., Bevan R., Atkinson K., Bollegala D., Coenen F. Automated bundle pagination using machine learning. In Proc. of the 17th International Conference on Artificial Intelligence and Law (ICAIL’19), New York: ACM, 2019, pp. 244–248.

127. Трофимов Е.В., Мецкер О.Г. Право и искусственный интеллект: опыт разработки вычислительной методологии для анализа и оценки качественных изменений в законодательстве и правоприменительной практике (на примере статьи 20.4 Кодекса Российской Федерации об административных правонарушениях). Право и политика, no. 8, 2019 г., стр. 1–17 / Trofimov E.V., Metsker O.G. Law and artificial intelligence: the experience of computational methodology for analyzing and assessing quantitative changes in legislation and law enforcement practice (on the example of the article 20.4 of the Code of the Russian Federation on Administrative Offenses). Law and Politics, no. 8, 2019, pp. 1–17 (in Russian).

128. Troy F.J. Ohio Bar Automated Research – A practical system of computerized legal research. Jurimetrics Journal, vol. 10, no. 2, 1969, pp. 62–69.

129. Трусов А.И. Судебное доказывание в свете идей кибернетики. Вопросы кибернетики и право. М., Наука, 1967 г., стр. 20–35 / Trusov A.I. Judicial proof in the light of cybernetics. In Cybernetics and Law Issues, Moscow, Science, 1967, pp. 20–35 (in Russian).

130. Valente A., Breuker J. Making ends meet: Conceptual models and ontologies in legal problem solving. In Proc. of the XI Brazilian Symposium on Artificial Intelligence (SBIA’94), 1994, pp. 395–410.

131. Васильев В.В., Грачева А.В., Родионов А.И., Блеканов И.С. Графовые методы выявления семантически значимых текстов судебных решений. Процессы управления и устойчивость, т. 6, no. 1, 2019 г., стр. 234–239 / Vasil’ev V.V., Gracheva A.V., Rodionov A.I., Blekanov I.S. Graph methods for identifying semantically significant texts of court decisions. Control Processes and Stability, vol. 6, no. 1, 2019, pp. 234–239 (in Russian).

132. Вехов В.Б. Применение информационных систем специального назначения в раскрытии и расследовании преступлений. Оперативно-разыскное право. Сборник статей. Волгоград, Волгоград. акад. МВД России, 2013 г., стр. 26–32. / Vekhov V.B. The application of special-purpose information systems in the disclosure and investigation of crimes. In Operational Investigative Law: Collection of Articles, Volgograd, Volgograd Academy of the Ministry of Internal Affairs of Russia, 2013, pp. 26–32 (in Russian).

133. Ветров А.Г. Основные проектные решения АИПС «Законодательство» – первой отечественной справочной правовой системы. Правовой мониторинг. М., ФГУ НПЦИ при Минюсте России, вып. 11, 2010 г., стр. 12–17 / Vetrov A.G. The main design decisions «AIRS-Legislation» – the first domestic reference legal system. In Legal Monitoring, Moscow: Scientific Center of Legal Information under the Ministry of Justice of Russia, 2010, issue 11, pp. 12–17 (in Russian).

134. Вул С.М. Статистическое исследование текстов с помощью ЭВМ и дисплея в целях установления авторства. Применение ЭВМ в судебно-экспертных исследованиях и поиск правовой информации. М., ВНИИСЭ, 1975 г., стр. 227–233 / Vul S.M. Statistical study of texts using computers and display in order to establish authorship. In The Use of Computers in Criminalistics Expert Examination and the Search for Legal Information, Moscow, All-Union Research Institute for Criminalistics Expert Examination, 1975, pp. 227–233 (in Russian).

135. Walker R.F., Oskamp A., Schrickx J.A., Opdorp G.J., van den Berg P.H. PROLEXS: Creating law and order in a heterogeneous domain. International Journal of Man-Machine Studies, vol. 35, no. 1, 1991, pp. 35–68.

136. Wegstein J.H. A computer oriented single-fingerprint identification system. Technical Note 443; National Bureau of Standards, U.S. Department of Commerce, 1969.

137. Юсупов С.Н. Информационно-поисковый язык по законодательству: автореф. дис. <…> канд. юрид. наук. М., 1974 г.. 20 стр. / Yusupov S.N. Legislative information retrieval language: abstract of the dissertation of the candidate of legal sciences, Moscow, 1974. (in Russian).

138. Zeng Y., Wang R., Zeleznikow J., Kemp E. A knowledge representation model for the intelligent retrieval of legal cases. International Journal of Law and Information Technology, vol. 15, no. 3, 2007, pp. 299–319.

139. Zhong L., Zhong Z., Zhao Z., Wang S., Ashley K.D., Grabmair M. Automatic summarization of legal decisions using iterative masking of predictive sentences. In Proc. of the 17th International Conference on Artificial Intelligence and Law (ICAIL’19), 2019, pp. 163–172.

140. Зинин А.М., Крымский Н.К., Снетков В.А., Файн В.С. Исследование возможностей портретной идентификации с использованием средств электронно-вычислительной техники. Применение математических методов и вычислительной техники в праве, криминалистике и судебной экспертизе: материалы симпозиума. М., 1970 г., стр. 158–160 / Zinin A.M., Krymskii N.K., Snetkov V.A., Fain V.S. The study of the possibilities of portrait identification using electronic computers. In The Application of Mathematical Methods and Computer Technology in Law, Criminalistics and Criminalistics Expertise: Proceedings of the Symposium, Moscow, 1970, pp. 158–160 (in Russian).

Кафедра математических и компьютерных методов

Кафедра математических и компьютерных методов образована 3 сентября 2013 года. Кафедра ведёт подготовку студентов по ряду направлений и специальностей и является выпускающей по направлению 02.03.01 Математика и компьютерные науки, профилю «Математическое и компьютерное моделирование». Продолжить образование можно в магистратуре кафедры по направлению 02.04.01 Математика и компьютерные науки по программе «Математическое и компьютерное моделирование». Заведующий кафедрой – доцент Лежнев А. В.

СОТРУДНИКИ КАФЕДРЫ

  • Лежнев Виктор Григорьевич, докт. физ.-мат. наук, профессор.
  • Усатиков Сергей Васильевич, докт. физ.-мат. наук, профессор.
  • Библя Галина Николаевна, канд. экон. наук, доцент.
  • Качанова Ирина Александровна, канд. физ.-мат. наук, доцент.
  • Николаева Ирина Валентиновна, канд. техн. наук, доцент.
  • Янковская Лариса Константиновна, канд. физ.-мат. наук, доцент.
  • Бунякин Алексей Вадимович, канд. физ.-мат. наук, доцент.
  • Лежнев Алексей Викторович, канд. физ.-мат. наук, доцент.
  • Марковский Алексей Николаевич, канд. физ.-мат. наук, доцент.
  • Невечеря Артём Павлович, преподаватель.

Сотрудники кафедры ведут работу в следующих научных и прикладных областях:

  1. Расчёт ветровых, поверхностных, придонных, приграничных и общих трёхмерных течений в ограниченных полуоткрытых акваториях (бухтах) на основе авторских методов базисных потенциалов и иных проекционных алгоритмов.
  2. Проектирование на основе построенных моделей и алгоритмов искусственных малоформатных гидротехнических сооружений, формирующих необходимые струйные течения, обеспечивающие требуемый эффект (управление течениями).
  3. Поиск локальных аномалий плотности масс приповерхностного слоя Земли для разведки железорудного и углеводородного сырья на глубине до нескольких километров, в частности, на шельфе и в труднодоступных районах.
  4. Разработка технологий сжатия, анализа и идентификации изображений для решения задач в биологии, медицине, сельском хозяйстве, промышленном производстве.
  5. Совершенствование методик диагностики сердечно-сосудистой, эндокринной и иммунной систем человека, опирающихся, помимо статистики, на гидродинамику, хроматический анализ, передовые вычислительные технологии.
  6. Экономико-математическое моделирование в задачах больших размерностей; оптимизация производственных структур, технологий, ассортимента.
  7. Статистическое моделирование и другие методы исследования переноса загрязнений в приземном слое атмосферы.
  8. Математическое моделирование бифуркаций и устойчивости метастабильных состояний мультистабильных систем в энергетике, в пищевой и зерноперерабатывающей промышленности. Разработка математического обеспечения для задач векторной оптимизации технологических процессов CAD/CAM/CAE/PDM – систем.

Кафедра регулярно участвует в проведении региональных этапов Всероссийской математической олимпиады школьников.

Исследование методом компьютерной томографии (КТ)

Эта информация поможет вам подготовиться к исследованию методом компьютерной томографии (КТ).

Вернуться к началу

Об исследовании методом КТ

Исследование методом CT заключается в получение серии рентгеновских снимков с помощью быстрой съемки. При объединении этих снимков создаются изображения мягких тканей и костей в исследуемой области.

Возможно, для проведения КТ вам будет необходимо ввести контрастное вещество. Это зависит от причины проведения КТ и от того, какую часть тела необходимо исследовать врачу. Контрастное вещество — это особый краситель, который позволяет врачу лучше рассмотреть изменения в ваших внутренних органах.

Существуют различные типы контрастных веществ, используемых для процедур сканирования. Для КТ используют йодсодержащее контрастное вещество. Йодсодержащее контрастное вещество отличается от контрастного вещества, которое вводится при исследовании методом МРТ.

Йодсодержащее контрастное вещество может вводиться двумя способами: перорально (через рот) и через внутривенный (ВВ) катетер (тонкую гибкую трубку), установленный на руке, или центральный венозный катетер (ЦВК), например имплантируемый порт.

Пероральное контрастное вещество

Если врач назначил вам проведение КТ с использованием перорального контрастного вещества, по прибытии на это исследование вас спросят, нет ли у вас аллергии на йодсодержащие контрастные вещества. В зависимости от того, есть ли у вас такая аллергия, вы получите один из перечисленных ниже пероральных контрастных растворов. Они действуют одинаково, предназначены для одной и той же цели и безопасны даже для пациентов с сахарным диабетом.

  • Иодсодержащее контрастное вещество
  • Растворенный барий, подслащенный сахарином. Вам введут его, если у вас аллергия на йодсодержащие контрастные вещества.

В случае использования перорального контрастного вещества вы начнете пить его до исследования. За это время контрастный раствор попадет в кишечник.

Внутривенное контрастное вещество

Если ваш врач назначил вам КТ с внутривенным контрастным веществом, его введение будет осуществляться в одну из вен или в ЦВК (при его наличии).

Реакции на контрастное вещество

У некоторых людей может возникать аллергическая реакция на контрастное вещество. Обязательно расскажите врачу о наличии у вас аллергии или о реакции на контрастное вещество для КТ, которая наблюдалась у вас ранее. Если врач считает, что вам необходимо дать лекарство(-а) для снижения риска возникновения реакции, вам предоставят материал Предотвращение аллергической реакции на контрастное вещество.

Грудное вскармливание

Если вы кормите грудью, вам можно продолжать и после проведения КТ с использованием контрастного вещества. Если у вас возникли вопросы, или вы хотели бы обсудить использование контрастного вещества или кормление грудью, поговорите со своим радиологом в день проведения исследования методом КТ.

Снятие устройств с кожи

Если вы носите на коже какое-либо из следующих устройств, производитель рекомендует снять его перед прохождением сканирования или процедуры:

  • Глюкометр непрерывного действия (CGM)
  • Инсулиновая помпа

Обратитесь к своему медицинскому сотруднику, чтобы назначить визит ближе к дате плановой замены устройства. Убедитесь в том, что вы взяли с собой запасное устройство, которое вы можете надеть после сканирования или процедуры.

Если вы не знаете, как можно контролировать уровень глюкозы при выключенном устройстве, поговорите об этом с врачом, который занимается лечением диабета, до вашего визита.

Вернуться к началу

В день исследования методом КТ

В день проведения исследования методом КТ вы можете употреблять пищу и напитки как обычно.

Перед процедурой сканирования

  • Перед обследованием методом КТ вам, возможно, придется переодеться в больничную рубашку.
  • В случае использования перорального контрастного вещества вы начнете пить его до исследования.
  • В случае внутривенного введения контрастного вещества:
    • Представитель вашей лечащей команды спросит у вас:
      • не страдаете ли вы заболеванием почек;
      • не нарушена ли у вас функция почек;
      • не перенесли ли вы операцию на почках;
      • нет ли у вас диабета;
      • не принимаете ли вы metformin или лекарство, которое содержит metformin (например Glucophage®, Glumetza® или Janumet®).
    • Если на любой из этих вопросов вы ответили «да», или если вы достигли 70-летнего возраста, перед исследованием методом КТ вам будет необходимо сделать анализ крови, который называется креатинин сыворотки крови. Если врач, назначивший вам исследование методом КТ, заблаговременно не проверил ваш уровень креатинина в сыворотке крови, мы определим его перед исследованием.
    • Медсестра/медбрат установит внутривенный (ВВ) катетер в вену на руке или на кисти руки, если вам не установлен ЦВК. Через ВВ катетер или ЦВК вам будет вводиться контрастное вещество.

Во время процедуры сканирования

Когда подойдет время вашей процедуры, лаборант проводит вас в кабинет и поможет лечь на стол аппарата для сканирования. Аппарат КТ выглядит как огромный пончик с отверстием посредине. Это кольцо диагностического сканирования. Здесь нет трубы, как в МРТ-томографе. Когда вы уляжетесь на столе, стол медленно пройдет через кольцо диагностического сканирования. При прохождении через кольцо вы должны лежать абсолютно неподвижно до завершения процесса сканирования.

После того как лаборант сделает первую серию снимков, вам введут контрастное вещество во ВВ катетер или ЦВК. Вы можете чувствовать тепло и ощущать легкий металлический привкус во рту. Если вы почувствуете боль в месте введения ВВ катетера, или у вас появятся такие симптомы, как зуд, отек, головокружение, или возникнут проблемы с дыханием или предобморочное состояние, сообщите об этом медсестре/медбрату.

Процедура КТ-сканирования длится менее 30 минут.

После процедуры сканирования

  • Если вам устанавливали ВВ катетер, медсестра/медбрат извлечет его и наложит повязку на место введения. Вы можете снять повязку через 1 час, если у вас нет кровотечения.
  • Если вы будете плохо себя чувствовать, или у вас возникнут вопросы или опасения, поговорите с врачом или лаборантом.
  • Сообщите медсестре/медбрату, если у вас появились такие симптомы:
    • зуд;
    • сыпь;
    • головокружение;
    • проблемы с дыханием;
    • чувство слабости или предобморочное состояние;
    • отек или дискомфорт в области вокруг места установки ВВ катетера.
Дома

Пейте большое количество жидкости, особенно воды, в течение 24 часов после проведения исследования методом КТ. Вода поможет вывести контрастное вещество из вашего организма.

Вернуться к началу

Радиоизотопная диагностика — Лаборатория изотопных методов исследования

Радиоизотопная диагностика – метод исследования органов и систем организма человека с использованием меченых радионуклидами соединений, разрешенных для введения человеку с диагностической целью.

Радионуклидные методы используются в клинической практике с 1927 г., когда Blumgart и Weiss применили их для оценки сердечной гемодинамики.

В основе методов лежит количественная и полуколичественная оценка накопления и распределения радиофармпрепаратов (РФП) на клеточном уровне, а также исследование биологических процессов в динамике. Распределение РФП зависит от кровотока и метаболической активности в органах и тканях, поэтому методы ядерной медицины в большей степени направлены на функциональное исследование органов и систем, и в меньшей — на анализ их анатомо-топографических особенностей. РФП дают возможность при минимальной лучевой нагрузке получать изображения участков с аномальным метаболизмом, что позволяет визуализировать опухоли, очаги воспаления, определять функциональные нарушения.

Уникальность методов ядерной медицины состоит в том, что они позволяют диагностировать функциональные отклонения жизнедеятельности органов на самых ранних стадиях болезни до клинического проявления симптомов заболеваний, быстрее обнаруживать и лечить большое количество разнообразных заболеваний, существенно экономя средства на лечение.

Первые гибридные системы были созданы в 90-х годах для получения изображения, которое содержало одновременно функциональную и анатомическую информацию. Это были позитронно-эмиссионные томографы (ПЭТ) совмещенные с рентгеновским компьютерным томографом (КТ) или ПЭТ/КТ. Первый совмещенный однофотонный эмиссионный компьютерный томограф (ОФЭКТ) с рентгеновским компьютерным томографом был создан в 1999 году.

В настоящее время системы ОФЭКТ/КТ активно используются в онкологической практике и кардиологии.

Отличительной особенностью ОФЭКТ/КТ является возможность одновременного получения рентгеновского и радионуклидного изображений с последующим их совмещением, что дает возможность более точной анатомической привязки накопления РФП в теле пациента в исследуемой области.

Исследования костно-суставной системы — Исследования

Основные показания к сцинтиграфии скелета

  • Диагностика, стадирование, ответ на терапию и последующее наблюдение опухолевых (первичные опухоли – саркома Юинга, остеосаркома и др., метастатическое поражение в результате рака молочной железы, простаты, легкого и др.) и неопухолевых заболеваний (остеомиелит, болезнь Пертеса, асептический некроз, метаболические заболевания костей).

Противопоказания к исследованию

  • Беременность, кормление грудью (относительное).

Цель исследования

Выявление зон нарушенного костного метаболизма.

Методики

  • Остеосцинтиграфия в режиме «Все тело» позволяет одномоментно визуализировать все отделы скелета и используется для раннего выявления очаговых изменений в костях.
  • 3-х фазная остеосцинтиграфия дает возможность оценить кровоток в пораженных областях, максимально точно оценить распространенность поражения кости.
  • ОФЭКТ, ОФЭКТ/КТ способствует выявлению и более точной локализации очагов размером менее 1,5 см, провести дифференциальную диагностику доброкачественных и злокачественных поражений костно-суставного аппарата.

Подготовка к исследованию

Специальной подготовки не требуется. Пациент должен выпить около литра жидкости после инъекции и до начала сканирования (в течение 2-3 часов), если нет противопоказаний для гипергидратации. Исследование выполняют после опорожнения мочевого пузыря.

Принести с собой

  • Паспорт.
  • Направление на исследование.
  • Выписные эпикризы, результаты УЗИ, сцинтиграфии, КТ и МРТ вместе с дисками (желательно за последние три месяца), а также другие данные, позволяющие более подробно изучить анамнез Вашего заболевания.
  • Результаты нашего исследования вместе с иллюстрациями (если Вы у нас повторно).
  • Болеутоляющие лекарственные средства (если имеется выраженный болевой синдром).
  • Если Вы проходите исследование за счет средств фонда обязательного медицинского страхования (ОМС), дополнительно необходимо предоставить направление по форме 057/у-04, медицинский полис и СНИЛС (подробнее в разделе «ОМС»).

Продолжительность исследования

Исследование занимает 3,5-4 часа (около 2-3 часов накопление радиофармпрепарата в костях, 20-25 мин. непосредственно исследование, время для написания заключения).

Внимание! Уважаемые пациенты, напоминаем Вам, что непосредственно после инъекции РФП Вы становитесь источником ионизирующего излучения, а значит, контакт с Вами сопряжен с получением лучевой нагрузки. Учитывая это, в период ожидания сканирования необходимо пользоваться туалетом, расположенным в комнате ожидания пациентов, крайне нежелательно выходить за пределы комнаты ожидания для пациентов, ходить по коридору. По той же причине в помещении, где Вы ожидаете сканирование, не должны находиться сопровождающие. Предупредите их об этом заранее и предложите подождать Вас в холле лаборатории или за пределами лаборатории.

Не берите в сопровождающие беременных женщин и маленьких детей!

Из комнаты для пациентов в рассчитанное врачом время пациент приглашается к томографу для сканирования.

Внимание! При сканировании на теле пациента не должны находиться предметы, содержащие металл (цепочки, ремни, украшения и т.д.). Убедительная просьба, снимайте с себя все эти предметы до начала исследования, чтобы не тратить время при укладке в томограф. Во время сканирования необходимо находиться в состоянии полного покоя, дыхание должно быть ровным, спокойным, двигаться нельзя. Важно помнить, что любое движение может повлиять на качество изображения. Время нахождения пациента в томографе зависит от роста пациента и выбранного объема сканирования (в среднем составляет 20 мин.).

После сканирования пациент ожидает заключение и отпускается домой.

Внимание! Уважаемые пациенты, напоминаем Вам, что после исследования рекомендуется воздержаться от контакта с маленькими детьми и беременными женщинами.

Научно-исследовательский отдел новых технологий и семиотики лучевой диагностки заболеваний органов и систем

Руководитель – 

доктор медицинских наук, 

профессор, 

заслуженный врач РФ

Котляров Петр Михайлович

Руководитель отдела

Руководитель отдела – доктор медицинских наук, профессор, заслуженный врач РФ Котляров Петр Михайлович.

Окончил   лечебный факультет 1 Московского медицинского института им. И.М.Сеченова, обучался в   ординатуре,  аспирантуре по рентгенологии  Института медицинской радиологии Академии медицинских наук в г. Обнинск. В 1973г защитил диссертацию  на степень канд., 1983г. доктора мед наук.  С 1975 по 1982гг. -старший научный сотрудник  Московского научно-исследовательского рентгенорадиологического института  Минздрава РФ, с  1982г. по 1985г. –Всесоюзного кардиологического центра Академии медицинских наук СССР. В 1985г. возглавляет диагностический отдел  клинической больнице № 83 и кафедру рентгенологии и ультразвуковой диагностики Института повышения квалификации 3-го Главного Управления МЗ СССР. С 1997г. по настоящее время руководит отделом.  Специалист, владеющий   всеми современными методами медицинской визуализации – компьютерной, магнитно – резонансной томографией, рентгенологией, ультразвуковой диагностикой. Опубликовано более  450  работ, 13 монографий посвященных различным вопросам лучевой диагностики,  член ученых советов по защите диссертаций, член редколлегий журналов «Медицинская визуализация», «Пульмонология», «Радиология-практика»,  «Вестник РНЦРР»,член президиума  Московского общества медицинских радиологов.  Под руководством П.М.Котлярова защищено 18 диссертаций на соискание званий кандидата и 3 доктора мед.наук. За заслуги в развитие лучевой диагностики в России  награжден правительственной наградой »Заслуженный врач РФ», почетными знакоми  им. профессора Ю.Н. Соколова  «Всероссийского Национального конгресса лучевых диагностов и терапевтов», «Отличник Здравоохранения СССР», почетной грамотой Министра Здравоохранения  РФ.   Один из ведущих специалистов России в области  МСКТ, МРТ, УЗД –  патологии органов грудной клетки,  брюшной полости, головы,  таза, эндокринных желез, стаж работы — более  40 лет .

История отдела

Отдел, как и РНЦРР, основан в 1924г. постановлением Совета Народных Комиссаров (протокол N 22) от 10 января 1924 года на базе отдела рентгенологии и рентгентехники Института биологической физики Наркомздрава. В различные годы отдел возглавляли видные отечественные ученные в области рентгенологии, лучевой диагностики — И.Л.Тагер, И.А.Шехтер, Л.Д.Подлящук, Л.С.Розенштраух, П.В.Власов, Варшавский Ю.В., Н.В.Нуднов. В разное время в отделе работали известные в отечественной рентгенодиагностике и интервенционной радиологии специалисты Л.А Гуревич, С.И.Финкельштейн, З.П. Попова, Э.В. Кривенко, Ф.А. Астраханцев, Т.Ф. Ростовцева, Б.М. Рассохин. 

 В  состав отдела входит лаборатория приемников рентгеновского излучения.

Задачи, решаемые отделом

 Проведение исследований в рамках этих разделов в научно-практическом плане предусматривает решение следующих задач:

  • Научная разработка методов комплексного  магнитно-резонансного и компьютерно -томографического исследований, усовершенствование применяющихся  магнитно-резонансных и компьютерно — томографических  методик.
  • Разработка и научное обоснование новых  томографических методик у онкологических больных, как в качестве самостоятельных методов, так и в сочетании с оперативным лечением, химио- и лучевой терапией;
  • Поиск путей совершенствования и повышения эффективности  каждого из   вышеперечисленных   методов исследования и создание оптимального алгоритма их сочетанного применения в клинической практике;
  • Внедрение научных разработок, издание методических пособий, публикации научных работ и т.д.;
  • Проведение  медицинские  испытаний  новых методов исследования  и лечения  с  использованием  компьютерных, магнитно – резонансных  методов;
  • Проведение медико-технических  испытаний рентгенодиагностических  аппаратов, в том числе в процессе их разработки (как соисполнитель соответствующих работ), при решении вопроса об их регистрации в МЗСР РФ или сертификации, а также в порядке арбитражного контроля;
  • Разработки новой и уточнения известной семиотики заболеваний по данным компьютерной, магнитно – резонансной  томографий, сочетанного анализа полученных данных.

 На основании исследований,  отдел  разрабатывает рекомендации:

  •  По применению в практическом здравоохранении новых методов лучевой диагностики, новых семиотических признаков различных заболеваний, средств получения диагностических изображений;
  •  Стандартов  лучевой диагностики при заболевания различных органов и систем.

Основные направления

Основными направлениями научных изысканий Отдела является   применение компьютерной,  магнитно-резонансной томографии, рентгеновских методов в диагностике заболеваний органов и систем.

 Основные отличия организационного характера:

 ФГБУ «Российский научный центр рентгенорадиологии» —   ведущее учреждение г. Москвы и РФ по исключению онкологических заболеваний различных органов и систем, уточнения  диагноза.

Научно – практические достижения:

  • Опубликовано за 5 лет в ведущих научно практических журналах статей – 124 
  • Монографий по актуальным проблемам лучевой диагностики – 5
  • Получено патентов на медицинские методики и технологии – 6
  • Утверждено и внедрено в практику лечебных учреждений  новых методик и технологий в лучевой диагностике – 8 
  • Сделано докладов на конференциях и международных форумах –  15
  • Прочитано лекций для врачей г. Москвы и РФ — 48

Востребованные  специалисты:

Старший научный сотрудник канд.мед. наук  Е.В.Егорова  – МСКТ  диагностика  заболевания легких, средостения, сердечно – сосудистой системы, органов брюшной полости и малого таза,  головного мозга, нервной системы. Окончила в 1983г. лечебный факультет 1 Московского медицинского института им. И.М.Сеченова. С 1983 по 1992гг. – мл. научный сотр. Института фтизиопульмонологии, 1992 -1994гг. – ординатура по рентгенологии  при Департаменте Здравоохранения г. Москвы, 1994г по н/ время мл, затем ст. научн. сотр. В 2005г. защитила диссертацию на звание канд. мед. наук

Ведущий  научный сотрудник канд.мед. наук Н.И.Сергеев –  МРТ  диагностика патологии  различных органов и систем  – головной мозг, позвоночник, суставы, органы мужской и женской репродуктивной системы.

В 2002 г. окончил Московскую Медицинскую Академию им. И. М. Сеченова, С 2002- 2004  проходил  ординатуру, 2004 -2006гг. аспирантуру  в РНЦРР  по специальности «рентгенология», «лучевая диагностика». Защитил диссертацию на соискание степени канд. мед. наук на тему «Магнитно-резонансная томография в диагностике вторичного поражения позвоночника, костей таза».  С 2009 по настоящее время – ведущий научный сотрудник, член Российской, Европейской Ассоциаций  Радиологов.  Автор  27 статей  в ведущих научно — практических журналах, заканчивает написание диссертации на соискание степени доктор медицинских наук. 

С.П.Аксенова.   

В 2011 году с отличием окончила  Российский университет дружбы народов  «лечебное дело».  В  2013г. окончила  ординатуру по специальности «рентгенология». Имеет второе высшее образование.  «Экономика и управление на предприятии (в здравоохранении)».

С  2013 г. младший  научным сотрудник  по настоящее время. Заканчивает работу над диссертацией на соискание степени кандидат медицинских наук.  


Тема. Использование компьютерных методов исследования в судебных экспертизах.

(4 часа)

Знакомство с автоматизированным рабочим местом эксперта. Применение на практике компьютерных средств и методов используемых для решения различных экспертных задач.

 

3.5. Самостоятельная работа студента

Базовая самостоятельная работа обеспечивает подготовку студента к текущим аудиторным занятиям и контрольным мероприятиям. Результаты этой подготовки проявляются в активности студента на занятиях и в качестве выполненных форм текущего контроля.

Базовая включает следующие виды работ:

  •  работа с лекционным материалом, предусматривающая проработку конспекта лекций и учебной литературы;
  •  поиск (подбор) и обзор литературы и электронных источников информации по индивидуально заданной проблеме курса;
  • изучение материала, вынесенного на самостоятельную проработку;
  • подготовка к практическим занятиям;
  • поэтапное выполнение проекта к каждому практическому занятию;
  • подготовка к зачету и аттестациям.

Дополнительная самостоятельная работа (ДСР) направлена на углубление и закрепление знаний студента, развитие аналитических навыков по проблематике учебной дисциплины.

ДСР может включать следующие виды работ:

  • выполнение проекта;
  • написание эссе по заданным в проекте темам;
  • исследовательская работа по заданной в проекте теме;
  • анализ научной публикации по заранее определённой преподавателем теме проекта;
  • анализ статистических и фактических материалов по заданной теме, их обработка и представление в итоговой части проекта.

Студент, приступающий к изучению учебной дисциплины, получает информацию обо всех видах самостоятельной работы по курсу с выделением базовой самостоятельной работы и дополнительной самостоятельной работы.

 

Образовательные технологии

Семестр Вид занятия   Используемые интерактивные образовательные технологии Количество часов

V

Лекции Лекции-презентации-дискуссии 18
Практические занятия Работа в малых группах; метод проектов; лабораторная работа. 16
Лабораторные работы Выполнение лабораторных заданий, работа в малых группах 16

VI

Лекции  Лекция-презентация 18
Практические занятия Работа в малых группах; метод проектов; лабораторная работа. 14
Лабораторные работы Выполнение лабораторных заданий, работа в малых группах 14

Итого:

90

5. Оценочные средства для текущего контроля успеваемости, промежуточной аттестации по итогам освоения дисциплины и контроля самостоятельной работы студентов

В качестве текущего контроля студенты выполняют эссе по заданию проекта в соответствии с пройденными темами.

Промежуточная аттестация по итогам освоения дисциплины проводится в форме защиты проектов. В них обучающийся должен проанализировать, выданные им объекты судебной экспертизы с позиции применимости к нему всех изученных в курсе методов исследования, а также представить ожидаемые результаты такого применения. Проект должен включать в себя как эссе, так и визуализированные материалы. Ими могут быть: презентации, слайды, видеофильмы, графические материалы и т.д.

6. Планируемые результаты освоения учебной дисциплины:

 

№ п/п Наименование раздела (темы) учебной дисциплины Коды формируемых Компетенций   Планируемый результат обучения
1. Тема 1. Понятие и классификации методов экспертного исследования. ОК-9, ОК-15, ПК-3 — способность к логическому мышлению, анализу, систематизации, обобщению, критическому осмыслению информации, постановке исследовательских задач и выбору путей их решения; — способность применять естественнонаучные и математические методы при решении профессиональных задач, использовать средства измерения; — способность использовать естественнонаучные методы при исследовании вещественных доказательств.
2. Тема 2. Метрология, стандартизация и сертификация ОК-15, ПК-3, ПК-4 — способность применять естественнонаучные и математические методы при решении профессиональных задач, использовать средства измерения; -способность использовать естественнонаучные методы при исследовании вещественных доказательств; -способность применять технические средства при обнаружении, фиксации и исследовании материальных объектов — вещественных доказательств в процессе производства судебных экспертиз.
3. Тема 3. Методы исследования морфологии ПК-6, ПК-7 -способность применять при осмотре места происшествия технико-криминалистические методы и средства поиска, обнаружения, фиксации, изъятия и предварительного исследования материальных объектов — вещественных доказательств; -способность участвовать в качестве специалиста в следственных и других процессуальных действиях, а так же в непроцессуальных действиях.
4. Тема 4. Методы определения элементного состава веществ и материалов ОК-15, ПК-3 -способность применять естественнонаучные и математические методы при решении профессиональных задач, использовать средства измерения; способность использовать естественнонаучные методы при исследовании вещественных доказательств.
5. Тема 5. Методы исследования молекулярного состава веществ и материалов ОК-15, ПК-3 -способность применять естественнонаучные и математические методы при решении профессиональных задач, использовать средства измерения; -способность использовать естественнонаучные методы при исследовании вещественных доказательств.
6. Тема 6. Методы исследования фазового состава веществ и материалов. ОК-15, ПК-3, ПК-8 -способность применять естественнонаучные и математические методы при решении профессиональных задач, использовать средства измерения; -способность использовать естественнонаучные методы при исследовании вещественных доказательств; способность вести экспертно-криминалистические учеты, принимать участие в организации справочно-информационных и информационно-поисковых систем, предназначенных для обеспечения различных видов экспертной деятельности.
7. Тема 7. Методы исследования структуры веществ и материалов. ОК-15, ПК-6, ПК-7. -способность применять естественнонаучные и математические методы при решении профессиональных задач, использовать средства измерения; -способность применять при осмотре места происшествия технико-криминалистические методы и средства поиска, обнаружения, фиксации, изъятия и предварительного исследования материальных объектов — вещественных доказательств; -способность участвовать в качестве специалиста в следственных и других процессуальных действиях, а так же в непроцессуальных действиях.
8. Тема 8. Методы исследования физических свойств веществ и материалов. ОК-15, ПК-17, ПК-18. -способность применять естественнонаучные и математические методы при решении профессиональных задач, использовать средства измерения; -способность обучать сотрудников правоохранительных органов приемам и методам выявления, фиксации, изъятия следов и вещественных доказательств и использования последних в раскрытии и расследовании правонарушений; -способность консультировать субъектов правоприменительной деятельности по вопросам назначения и производства судебных экспертиз, а также возможностям применения криминалистических методов и средств в установлении фактических обстоятельств расследуемых правонарушений.
9. Тема 9. Методы анализа изображений ОК-15, ПК-6, ПК-7. -способность применять естественнонаучные и математические методы при решении профессиональных задач, использовать средства измерения; -способность применять при осмотре места происшествия технико-криминалистические методы и средства поиска, обнаружения, фиксации, изъятия и предварительного исследования материальных объектов — вещественных доказательств; -способность участвовать в качестве специалиста в следственных и других процессуальных действиях, а так же в непроцессуальных действиях;
10. Тема 10. Методы исследования биологических объектов ОК-9, ОК-15, ПК-3 — способность к логическому мышлению, анализу, систематизации, обобщению, критическому осмыслению информации, постановке исследовательских задач и выбору путей их решения; -способность применять естественнонаучные и математические методы при решении профессиональных задач, использовать средства измерения; — способность использовать естественнонаучные методы при исследовании вещественных доказательств.
11. Тема 11. Использование компьютерных методов исследования в судебных экспертизах. ОК-15, ПК-3 -способность применять естественнонаучные и математические методы при решении профессиональных задач, использовать средства измерения; -способность использовать естественнонаучные методы при исследовании вещественных доказательств.

 

7. Учебно-методическое обеспечение*

Нормативные правовые акты:

1. Конституция Российской Федерации.

2. Гражданский процессуальный кодекс Российской Федерации от 14 ноября 2002 г. N 138-ФЗ.

3. Арбитражный процессуальный кодекс Российской Федерации от 24 июля 2002 г. N 95-ФЗ.

4. Уголовно-процессуальный кодекс Российской Федерации от 18 декабря 2001 г. N 174-ФЗ.

5. Кодекс Российской Федерации об административных правонарушениях от 30 декабря 2001 г. N 195-ФЗ.

6. Федеральный закон от 31 мая 2001 г. № 73-ФЗ «О государственной судебно-экспертной деятельности в Российской Федерации».

7. Федеральный закон Российской Федерации от 26 июня 2008 г. N 102-ФЗ «Об обеспечении единства измерений»

8. Федеральный закон Российской Федерации от 27 декабря 2002 г. N184-ФЗ

«О техническом регулировании»

9. Постановление Пленума Верховного Суда Российской Федерации № 28 от 21 декабря 2010 года «О судебной экспертизе по уголовным делам».

Учебники, монографии, пособия:

1. Моисеева Т. Ф. Методы и средства экспертных исследований: Учебник. – М.: МПСИ, 2006

2. Моисеева Т. Ф. Криминалистическое исследование веществ, материалов и изделий из них: Курс лекций. – М.: Щит-М, 2005

3. Аубакиров А.Ф. и др. Лазеры в криминалистике и судебных экспертизах. – Киев, Вища школа, 1986.

4. Старовойтов В. И., Шамонова Т. Н. Запах и ольфакторные следы человека. –М.: Лекс-Книга, ЛЕКСЭСТ, 2003 г

5. Гриценко Владимир Васильевич, Старовойтов Василий Иванович Запаховые следы участников происшествия: обнаружение, сбор, организация исследования. Методические рекомендации. –М.: ЭКЦ МВД России, 1993.

6. Материаловедение: Учебник для высших технических учебных заведений. Б. Н. Арзамасов, И. И. Сидорин, Г. Ф. Косолапое и др.; Под общ. ред. Б. Н. Арзамасова.—2-е изд., испр. и доп.— М.: Машиностроение, 1986.

7. Петрухин О.М. Физические и физико-химические методы анализа. Учебник. _ М.:, Химия, 2001

8. Концепции современного естествознания: Учебное пособие./ П.А.Голиков, В.В.Зайцев, Ф.П.Орлов и др. ‑ Саратов: СЮИ МВД России, 1999.

9. Ландсберг Г.С. Элементарный учебник физики. В 3 тт. 13-е изд. Т. 2,: Электричество. – М.: Физматлит, 2003

10. Ландсберг Г.С. Элементарный учебник физики. Т.3. Колебания и волны. Оптика. – М.: Физматлит, 2003.Лейстнер Л., Буйташ П. Химия в криминалистике: Пер. с венг. ‑ М.: Мир, 1990.

11. Лейстнер Л., Кузьмин Н.М. Аналитическая химия в криминалистике.– М.: ВНИИ МВД СССР, 1980

12. Перепечина И.О. ДНК в вопросах и ответах: Об исследовании ДНК в судебной медицине и криминалистике. – М.: ПАИМС, 1999.

13. Стороженко И.В., Культин А.Ю., Никитаев В.Г., Проничев А.Н., Бердников Е.Ю. Компьютерные технологии в судебно-генетической экспертизе — М.: НИЯУ МИФИ, 2010.

14. Россинская Е.Р. Рентгеноструктурный анализ в криминалистике и судебной экспертизе. – Киев: КГУ, 1992.

15. Старовойтов В.И., Моисеева Т.Ф. Словарь-справочник терминов и понятий судебной экспертизы пахучих (запаховых) следов человека. – М.: Закон и право, 2004.

16. Россинская Е. Р., Галяшина Е. И., Зинин А. М. Теория судебной экспертизы. Учебник. М.:Норма, 2009.

17. Гонсалес Р., Вудс Р. Digital Image Processing: Цифровая обработка изображения – М.: Техносфера, 2006

Программное обеспечение:

1. Пакет программ Mikrosoft Offise 2010

  1. Программные продукты составляющие автоматизированное рабочее место эксперта: Adobe Photoshop; Папилон, БАЛЭКС, АДИС, САПОГ, специализированные программные продукты для исследования почерка, фонограмм, текстов,  документов и др

8. Материально-техническое обеспечение учебной дисциплины

Компьютеры, проектор, колонки, интерактивная доска, микроскопы: биологические, металлографические, поляризационные, сравнительные, хроматомасспектрометрто, наборы для тонкослойной хроматографии, спектрометры, измерительные приборы: линейки, транспортиры, лазерные дальномеры и угломеры, курвиметры, измерительные лупы, микрометры, толщиномеры, штангенциркули, приборы для измерения влажности на основе электронного сопротивления, лабораторные весы, хронометры различных модификаций, хроматомасспектромкетры спектроскопы, спектрофатометры, комплекты тонкослойной хроматографии, люминесцентные анализаторы различных модификаций и д.р.

Программа составлена в соответствии с требованиями ФГОС ВПО по направлению подготовки 031003 «Судебная экспертиза», специализация № 5 «Речеведческие экспертизы», квалификация (степень) «специалист».

Автор:  кандидат юридических наук Семикаленова А.И.

Рецензенты доц. О.В. Волохова, проф.э Л.А. Воскобитова.

Программа одобрена на заседании кафедры от «_15_» _ноября_2012__ года, протокол № _3__

(PDF) Методы исследования в вычислительной технике

— 110 —

[71] А. Пирс, С. Сейдман, К. Эней, П. Киннунен и Л. Мальми.

Создание основной литературы для компьютерного образования

исследования. SIGCSE Bull., 37 (4): 152–161, 2005.

[72] Д. Перри, А. Портер и Л. Вотта. Эмпирические исследования

программной инженерии: дорожная карта. В ICSE ’00, Лимерик,

Ирландия, июнь 2000 г., стр. 345–355.

[73] Н. Пиллэй. Система генетического программирования для индукции

итерационных алгоритмов решения для начинающих процедурных задач программирования

.В SAICSIT ’05, Уайт Ривер,

Южная Африка, сентябрь 2005 г., стр. 66–77.

[74] J. Polack-Wahl и K. Anewalt. WIP — Методы исследования:

обучение студентов тому, как узнавать об обучении. В FIE 2005,

Индианаполис, Индиана, октябрь 2005 г., F1F-12 — F1F-13.

[75] Дж. Прис, Ю. Роджерс, Х. Шарп, Д. Беньон, С. Холланд и

Т. Кэри Взаимодействие человека и компьютера: концепции и дизайн

. Addison-Wesley, 1994.

[76] В. Рамеш, Р.Л. Гласс и И. Весси. Исследования в области информатики

: эмпирическое исследование. J. Sys. Softw.,

70: 165–176, 2004.

[77] J. Ramey, et. al. Думает вслух работает ?: Как мы узнаем

? В расширенных рефератах CHI ’06, Монреаль, Квебек,

,

апрель 2006 г., стр. 45–48.

[78] M.E. Raven и A. Flanders. Используя контекстный запрос на

узнайте о своей аудитории. SIGDOC Asterisk J. Comput.

Док., 20 (1): 1–13, 1996.

[79] К.Рёнкко, М. Хеллман, Б. Киландер и Ю. Диттрих.

Персонажи не применимы: местные средства правовой защиты интерпретируются в более широком контексте

. В PDC ’04, Торонто, Онтарио, июль 2004 г.,

112–120.

[80] С. Сато и Т. Сальвадор. Методы и инструменты: игра и фокус-труппы

: театральные техники для создания быстрых,

интенсивных, захватывающих и увлекательных сессий фокус-групп.

взаимодействий, 6 (5): 35–41, 1999.

[81] G.Шнайдер. Новая модель для старшего научного сотрудника

опыта. SIGCSE Bull., 34 (4): 48–51, 2002.

[82] SearchCIO.com. Что такое модель зрелости возможностей? определение

с сайта Whatis.com. CIO Определения. 5 октября 2003 г.

TechTarget. Просмотрено: 17 сентября 2006 г.

http://searchcio.techtarget.com/sDefinition/0,2
,

sid19_gci930057,00.html

[83] SearchSecurity.com Что такое компьютерная криминалистика? — определение

из Whatis.com. Определения. 14 января 2005 г.

TechTarget Security Media. Дата просмотра: 14 сентября 2005 г.

http://searchsecurity.techtarget.com/sDefinition/

0,2
, sid14_gci1007675,00.html

[84] C.A. Шаффер. Опыт преподавания в аспирантуре по методам

. SIGCSE Bull., 38 (2): 97–101, 2006.

[85] R.J. Шавелсон. Статистическое обоснование поведенческих наук

, 3-е издание. Аллин и Бэкон, 1996.

[86] Р.Дж. Шавелсон, Д. К. Филлипс, Л. Таун и М. Дж. Фойер.

О педагогической науке о дизайне. Educ. Res., 32,

2003.

[87] SIGCSE-CSRM. Хранилище материалов курса CSRM.

http://acc.csueastbay.edu/~csrm/kwiki/index.cgi?

CSRMRepository, 2005.

[88] SIGCSE-CSRM. CSRM Wiki.

http://acc.csueastbay.edu/~csrm/kwiki/, 2005.

[89] SIGCSE-CSRM. Комитет по обучению SIGCSE

Методы компьютерных исследований.

http://www.sigcse.org/topics/committees.shtml.

[90] SIGCSE-CSRM. Архив рассылки SIGCSE-CSRM

http://listserv.acm.org/archives/sigcse-csrm.html

[91] Дж. Симонсен и Ф. Кенсинг. Освободите место для этнографии в дизайне

!: Упущены возможности сотрудничества и образования

. SIGDOC Asterisk J. Comput. Док., 22 (1): 20–30,

1998.

[92] С.П. Смит и М.Д. Харрисон. Расширение описательного анализа сценария

для повышения надежности человека

Дизайн.В SAC ’02, Мадрид, Испания, март 2002 г., 739–743.

[93] М. Стори. Теории, методы и инструменты в программе

Осознание

: прошлое, настоящее и будущее. В IWPC ’05, St.

Louis, MO, май 2005 г., стр. 181–191.

[94] Д.У. Штрауб, С. Анг и Р. Эваристо. Нормативные стандарты

на исследования ИБ. База данных SIGMIS, 25 (1): 21–34, 1994.

[95] Д. Талл. Когнитивное развитие доказательства:

математическое доказательство для всех или для некоторых? В конф.Univ.

Чикагский школьный математический проект. Август 1998 г.

[96] К. Туоминен, С. Талья и Р. Саволайнен. Многоперспективные цифровые библиотеки

: последствия конструкционизма для развития цифровых библиотек

. Варенье. Soc. Инф. Sci.

Technol., 54 (6): 561–569, 2003.

[97] R.L. Van Horn. Эмпирические исследования управления информационными системами

. База данных SIGMIS, 5 (2-3-4): 172–182,

1973.

[98] I.Весси, В. Рамеш и Р.Л. Гласс. Единая система классификации

для исследований по вычислительным дисциплинам

. Технический отчет TR107-1, Университет Индианы,

2001.

[99] D.R. Vogel и J.C. Wetherbe. Исследование MIS: профиль

ведущих журналов и университетов

. База данных SIGMIS,

16 (1): 3–14, 1984.

[100] H.M. Уокер. SIGCSE: Комитет. Доступно по номеру

http://www.sigcse.org/topics/committees.штмл.

[101] К. Уорд. Предложение по работе над диссертацией на пятьдесят четыре дня: первые

опыта исследовательского курса. J. Comp. Sci. Колледжи,

20 (2), 2004.

[102] К. Уортон, Дж. Брэдфорд, Р. Джеффрис и М. Францке.

Применение когнитивных пошаговых руководств к более сложным пользовательским интерфейсам

: опыт, проблемы и рекомендации. В

CHI ’92, Монтерей, Калифорния, май 1992 г., стр. 381–388.

[103] Википедия. Алгоритмический анализ — Википедия, бесплатная энциклопедия

.14 сентября 2006 г. Wikipedia.org Просмотров: 14

сен 2006

http://en.wikipedia.org/wiki/Analysis_of_algorithms

[104] Википедия. Математическое доказательство — Википедия, бесплатная энциклопедия

. 14 сентября 2006 г. Wikipedia.org Просмотров: 14

сентябрь 2006 г. http://en.wikipedia.org/wiki/Mat Mathematical_proof

[105] И. Виттен и Т. Белл. Начало работы студентов-исследователей: рассказ о двух курсах

. In SIGCSE ’93, Indianapolis, IN,

March 1993, 165–169.

Важность компьютеров в исследованиях

Компьютеры — такая нормальная часть нашей жизни, что мы часто не замечаем их трансформирующего воздействия на общество. В научных и социальных исследованиях компьютеры открыли новые возможности в отношении того, как данные могут быть обработаны для получения ценной информации и знаний.

1 Интернет

Перед тем, как начать исследование, вы часто хотите быстро узнать о возможных проблемах или темах исследования, выполнив поиск в доступных источниках информации.Почти все академические журналы доступны в Интернете, и многие из них организованы в онлайн-базы данных. Государственные учреждения часто имеют в Интернете демографическую или экономическую информацию, которую вы можете использовать в своих исследованиях.

2 Хранение информации

Компьютеры хранят огромные объемы информации. Вы можете быстро и эффективно систематизировать и искать информацию, что упрощает поиск, чем хранение на бумаге. Вы можете хранить необработанные данные в нескольких форматах. Некоторые исследователи проводят свои исследования в Интернете, часто с помощью опросов.

3 Вычислительные инструменты

Компьютеры изначально были мощными калькуляторами, и сегодня эта услуга важна для исследований. Независимо от объема имеющихся данных, вы можете делать с ними больше с помощью компьютера. Статистические программы, программы моделирования и инструменты пространственного картографирования — все это возможно благодаря компьютерам. Исследователи могут использовать информацию по-новому, например, накладывать разные типы карт друг на друга, чтобы открывать новые закономерности в том, как люди используют свое окружение.

4 Связь

Создание знаний посредством исследований требует общения между экспертами для выявления новых областей, требующих исследований и обсуждения результатов. До компьютеров это осуществлялось с помощью бумаг и семинаров. Теперь мировые эксперты могут общаться по электронной почте или через веб-чаты. Информация может распространяться посредством виртуальных конференций. Знания от маргинальных групп, таких как африканские ученые, теперь более заметны.

5 Мобильность

Исследователи могут брать компьютеры с собой куда угодно, что упрощает проведение полевых исследований и сбор данных.Мобильность компьютеров открывает новые области исследований в отдаленных районах или на уровне сообществ. Сайты социальных сетей стали новым средством взаимодействия и информации.

Компьютерно-интегрированный курс методов исследования на JSTOR

Абстрактный

Технологические достижения, такие как разделение времени и сети, увеличили использование компьютера в образовательном процессе. Однако, за некоторыми исключениями, компьютер обычно используется в качестве вспомогательного устройства и не полностью интегрирован в курсовую работу.Описан курс методов исследования по социологии, который использует компьютер во всех аспектах обучения: облегчение статистических вычислений, обеспечение индивидуального обучения и помощь преподавателю в административных задачах. Обсуждаются прагматические соображения при разработке такого курса. Оценки студентов и преподавателей показывают, что такой курс нравится и успешен в достижении поставленных целей.

Информация о журнале

Teaching Sociology публикует статьи, заметки и обзоры, предназначенные для помощи преподавателям дисциплин.Статьи варьируются от экспериментальных исследований преподавания и обучения до обширных синтетических эссе по педагогически важным вопросам. Заметки посвящены конкретным учебным вопросам или методам. Основная цель — поделиться теоретически стимулирующей и практически полезной информацией и советами с учителями. Форматы включают полные статьи; заметки объемом десять страниц или меньше; интервью, обзорные эссе; обзоры книг, фильмов, видео и программного обеспечения; и разговоры.

Информация об издателе

Заявление о миссии Американской социологической ассоциации: Служить социологам в их работе Развитие социологии как науки и профессии Содействие вкладу социологии в общество и ее использованию Американская социологическая ассоциация (ASA), основанная в 1905 году, является некоммерческой организацией. членская ассоциация, посвященная развитию социологии как научной дисциплины и профессия, служащая общественному благу.ASA насчитывает более 13 200 членов. социологи, преподаватели колледжей и университетов, исследователи, практикующие и студенты. Около 20 процентов членов работают в правительстве, бизнес или некоммерческие организации. Как национальная организация социологов Американская социологическая ассоциация, через свой исполнительный офис, имеет все возможности для предоставления уникального набора услуги своим членам, а также продвижение жизнеспособности, заметности и разнообразия дисциплины.Работая на национальном и международном уровнях, Ассоциация стремится сформулировать политику и реализовать программы, которые, вероятно, будут иметь самые широкие возможное влияние на социологию сейчас и в будущем.

Что такое исследования в области вычислительной техники?

Что такое исследования в области вычислительной техники? Также Что доктор философии в области HCI? А также Заметки Аарона Сломана о Представляю тезисы.
Что такое исследования в области вычислительной техники?

Glasgow Interactive Systems Group (GIST),
Департамент компьютерных наук, Университет Глазго,
Глазго, G12 8QQ.

Тел .: +44 141 330 6053
Факс: +44 141 330 4913
Электронная почта: [email protected]

В этой статье утверждается, что расширяющиеся возможности «вычислительной науки» затрудняют поддержание традиционных научных и инженерных моделей исследований. В частности, недавняя работа в области формальных методов отказалась от традиционных эмпирических методов. Точно так же исследования в области разработки требований и взаимодействия человека с компьютером бросили вызов сторонникам формальных методов. Эти противоречия проистекают из того факта, что термин «компьютерная наука» является неправильным.Темы, которые в настоящее время считаются частью дисциплины вычислительной науки, связаны с технологиями, а не с теорией. Это создает проблемы, если академические департаменты должны вводить научные критерии при оценке докторантов. Поэтому важно, чтобы люди задавались вопросом: «Что такое исследования в области компьютерных наук», прежде чем начинать получать более высокую степень.

Эта статья предназначена в качестве вводного курса для студентов первого года обучения или студентов, обучающихся на продвинутом курсе магистратуры.Его следует читать вместе с «Навыки фундаментальных исследований в области вычислительной техники».

Ключевые слова: исследовательских навыков, информатика.

1. Введение

Хорошая исследовательская практика подсказывает, что мы должны начать с определения наших терминов. Оксфордский краткий словарь определяет исследование как:

  • исследования. 1.a. систематическое исследование и изучение материалов, источников и т. д. с целью установления фактов и получения новых выводов.б. попытка открыть новые или сопоставить старые факты и т. д. путем научного изучения предмета или путем критического исследования.
Это определение полезно, потому что оно сразу же акцентирует внимание на систематическом характере исследования. Другими словами, само значение термина подразумевает метод исследования. Эти методы или системы по существу предоставляют модель или структуру для логических аргументов.

1.1 Диалектика исследования

Наивысший уровень логических аргументов можно увидеть в структуре дебатов в определенной области.Каждый вклад в эту дискуссию попадает в одну из трех категорий:
  • тезис
    Это представляет собой исходное изложение идеи. Однако очень немногие исследования могут претендовать на полную оригинальность. Большинство заимствует идеи из предыдущей работы, даже если это исследование проводилось в другой дисциплине.
  • антитезис
    Это представляет собой аргумент, чтобы оспорить предыдущий тезис. Как правило, этот аргумент может основываться на новых источниках свидетельств и, как правило, развивается в определенной области.
  • синтез
    Это пытается сформировать новый аргумент из существующих источников. Обычно синтез может разрешить очевидное противоречие между тезисом и антитезисом.
Хороший пример этой формы диалектики — дебаты по поводу прототипирования. Например, некоторые авторы утверждали, что прототипы предоставляют полезные средства для создания и оценки новых проектов на ранних этапах процесса разработки (тезис) (Fuchs, 1992). Другие представили доказательства против этой гипотезы, предположив, что клиенты часто выбирают особенности среды прототипирования, не рассматривая возможные альтернативы (антитеза) (Hayes and Jones, 1989).Таким образом, третья группа исследователей разработала методы, которые призваны уменьшить предвзятость в отношении особенностей среды прототипирования (синтез) (Gravell and Henderson, 1996). Исследования в данной области прогрессируют за счет применения методов доказательства, опровержения и переоценки аргументов таким образом.

2. Модели аргументации

Более подробный уровень логических аргументов можно увидеть в структурах дискурса, которые используются для поддержки отдельных работ тезиса, антитезиса или синтеза.

2.1 Доказательство демонстрацией?

Возможно, наиболее интуитивно понятная модель исследования — это построить что-то, а затем позволить этому артефакту служить примером для более общего класса решений. Существует множество примеров такого подхода в области информатики. Можно утверждать, что проблемы реализации многопользовательских операционных систем были решены в большей степени за счет внедрения и развития UNIX, чем за счет более взвешенного процесса научных исследований.

Однако есть много причин, по которым этот подход является неудовлетворительной моделью для исследований. Главное возражение — это высокие риски. Например, артефакт может выйти из строя задолго до того, как мы узнаем что-либо о заключении, которое пытаемся подтвердить. Действительно, часто такой подход игнорирует формирование какой-либо четкой гипотезы или вывода до тех пор, пока артефакт не будет построен. Это может привести к тому, что артефакт станет для исследователя более важным, чем идеи, которые он предназначен для обоснования.

Отсутствие четкой гипотезы не должно быть препятствием, которое может показаться. Доказательство путем демонстрации имеет много общего с современной инженерной практикой. Итеративное уточнение можно использовать для постепенного продвижения реализации к желаемому решению. Доказательства, полученные в ходе предыдущих неудачных попыток, можно использовать для более точного определения цели исследования по мере продвижения работы. Ключевая проблема здесь в том, что итеративная разработка артефакта, в свою очередь, требует метода или структуры.Инженеры должны тщательно спланировать способы, с помощью которых ошибки, обнаруженные в одной итерации, могут быть возвращены в последующую разработку. Обычно это делается с помощью методов тестирования, основанных на других моделях научных аргументов. Столь тесная взаимосвязь инженерных и научных методов не должна вызывать удивления:

  • инженерная н. применение науки к проектированию, созданию и использованию машин, конструкции и т. д. (Краткий Оксфордский словарь).

2.2 Эмпиризм

Западную эмпирическую традицию можно рассматривать как попытку избежать неориентированной интерпретации артефактов. Он произвел самую доминирующую исследовательскую модель с семнадцатого века. Его можно резюмировать по следующим этапам:
  • Генерация гипотез
    Это явно определяет идеи, которые должны быть проверены исследованием.
  • Идентификация метода
    Это явно определяет методы, которые будут использоваться для установления гипотезы.Это очень важно, потому что коллеги должны иметь возможность проверять и критиковать уместность выбранных вами методов. Способность повторить эксперимент — ключевая особенность сильных эмпирических исследований.
  • Компиляция результатов
    Это представляет и компилирует результаты, которые были собраны в результате использования метода. Важным понятием здесь является понятие статистической значимости; могут ли наблюдаемые результаты быть результатом случайности, а не наблюдаемого эффекта.
  • Заключение
    Наконец, выводы формулируются либо как поддерживающие гипотезу, либо как отвергающие ее. В случае, если результаты не подтверждают гипотезу, важно всегда помнить, что это может быть связано с недостатком метода. И наоборот, успешные результаты могут быть основаны на неверных предположениях. Следовательно, жизненно важно, чтобы все детали метода были доступны для экспертной оценки.
Этот подход использовался для поддержки многих различных аспектов исследований в области вычислительной техники.Например, Boehm, Gray и Seewaldt (1984) использовали его для сравнения эффективности методов спецификации и прототипирования для разработки программного обеспечения. Другие использовали его для сравнения эффективности алгоритмов поиска и сортировки. Исследователи в области информационного поиска даже разработали стандартные методы, которые включают хорошо известные наборы тестов, чтобы установить прирост производительности от новых поисковых систем.

Есть много проблем со стандартным подходом к научному эмпиризму в применении к информатике.Главное возражение состоит в том, что многие аспекты вычислений не подходят для использования вероятностных мер при анализе результатов эмпирических тестов. Например, многие статистические показатели полагаются на независимость между каждым тестом гипотезы. Очевидно, что такие методы нельзя использовать при попытке измерить производительность любой системы, которая пытается оптимизировать свою производительность с течением времени; это исключает алгоритмы балансировки нагрузки и т. д. Во-вторых, может быть трудно навязать стандартные экспериментальные условия продуктам информатики.Например, если программа ведет себя одним способом в одном наборе условий работы, то нет гарантии, что она будет вести себя таким же образом при другом наборе условий. Эти условия могут снизиться до уровня попадания альфа-частиц в микросхемы памяти. В-третьих, может быть трудно обобщить результаты строго контролируемых эмпирических экспериментов. Например, только потому, что пользователь находит систему простой в использовании в ходе лабораторной оценки, нет никакой гарантии, что другой пользователь сможет использовать этот продукт среди отвлекающих факторов своей повседневной рабочей среды.Наконец, трудно определить, когда было проведено достаточное количество испытаний, чтобы подтвердить многие гипотезы. Например, любая попытка доказать, что программа всегда удовлетворяет какому-либо свойству, почти наверняка будет обречена на провал с использованием стандартных экспериментальных методов. Количество потенциальных путей выполнения даже в простом коде делает невозможным тестирование свойств на всех возможных путях выполнения.

2.3 Математическое доказательство

Неудовлетворенность эмпирическими методами тестирования побудила многих в научном сообществе вычислительной техники исследовать другие способы структурирования аргументов в поддержку конкретных выводов.В Соединенном Королевстве большая часть этой работы была сосредоточена на методах аргументации, которые изначально были разработаны для моделирования человеческого дискурса и мышления в области философии. Например, Берроуз, Абади и Нидхэм (1990) использовали этот подход, чтобы рассуждать о правильности протоколов сетевой аутентификации. Центральная идея этой работы состоит в том, что математику можно использовать для создания системы правил, касающихся достоверных и неверных выводов. Эти правила затем могут быть применены, чтобы определить, является ли вывод действительным выводом с учетом некоторых начальных утверждений о программе или некотором оборудовании.

Область математических рассуждений — это самостоятельная область исследований. Однако можно выделить два разных подхода к использованию формального доказательства в качестве исследовательского метода в вычислительной науке:

  • аргумент проверки.
    Это попытка установить, что некоторая хорошая собственность будет удерживаться в данной системе. Классический подход состоит в том, чтобы позволить человеку интерактивно направлять систему доказательства теорем к некоторой последовательности шагов доказательства, которые подтверждают вывод.Проблема здесь в том, что если человек не может построить доказательство, это не означает, что вывод недействителен. Просто они не смогли это доказать. Другой человек мог бы построить необходимый математический аргумент.
  • довод опровержения.
    Вместо того, чтобы пытаться доказать правильность аргумента, этот подход пытается опровергнуть его. Обычно это делается путем настройки описания предполагаемого поведения системы. Затем инструменты проверки модели автоматически исследуют пространство состояний предлагаемого приложения в попытке найти ситуацию, в которой желаемый вывод не выполняется.
Математические методы доказательства очень привлекательны. Они обеспечивают согласованную основу для анализа исследовательских вопросов в области вычислительной техники. Они также явно устанавливают критерии для обоснованных выводов, а также условия окружающей среды, которые ограничивают объем и применимость процесса рассуждений. Однако есть много проблем, которые ограничивают полезность этого подхода как общего инструмента исследования.

Во-первых, необходимо с невероятной осторожностью подходить к интерпретации результатов математического доказательства.Формальные методы — это не что иное, как система аргументации, и здесь следует ожидать ошибок. Проблемы возникают из-за того, что ошибки бывает очень трудно обнаружить, учитывая сложный характер часто используемых математических расчетов. Напомним, что центральной чертой эмпирического подхода было то, что необходимо использовать открытую экспертную оценку для проверки правильности вашего метода.

Вторая проблема с формальными рассуждениями заключается в том, что их объем ограничен. Интерактивные и критичные ко времени системы создают особые проблемы для приложений математики.Эти вопросы решаются, но многие проблемы остаются.

Третья проблема связана со стоимостью применения формальных методов. На приобретение необходимых навыков уходит много времени. Точно так же может потребоваться несколько месяцев, чтобы провести относительно простые проверки для средних и крупных приложений.

Наконец, можно утверждать, что неадекватное обсуждение неудач формальных методов ведется. Опять же, важно напомнить, что неспособность доказать гипотезу была ценным результатом для эмпирических методов.Формальные рассуждения были преувеличены, как правило, не самими исследователями, и многие из этих утверждений были сфальсифицированы. В результате ошибки в применении математических рассуждений могут рассматриваться как источник стыда, а не как возможность обучения для своих коллег и коллег.

2.4 Герменевтика

Формальные методы доказательства основаны на разработке математической модели создаваемого артефакта. Это поднимает важные вопросы об отношениях между этой моделью и реальностью, которую она должна представлять.Например, если модель пропускает какой-то критический аспект программной среды, то может быть доказано, что она безопасна, но вполне может дать сбой при реализации. Дистанция между математическими моделями и реальностью обычно известна как разрыв между формальностями. Герменевтика предлагает альтернативу решению этой проблемы. Методы герменевтического исследования были впервые применены в области социологии. Сам термин означает:
  • `прил. относительно интерпретации, особенно Священного Писания или литературных текстов ». (Краткий Оксфордский словарь).
На практике эти подходы заставляют исследователей наблюдать за работой и использованием артефакта в предполагаемой рабочей среде. Основная предпосылка заключается в том, что абстрактные модели не заменяют реальное приложение. Точно так же результаты контролируемых экспериментов не могут предоставить общие результаты, которые можно было бы точно использовать для оценки производительности за пределами этих контролируемых параметров. В частности, эффект Хоторна предполагает, что люди и даже системы будут работать по-разному, если их поместить в эмпирическую среду.Действия по ремонту и техническому обслуживанию оборудования, предоставляемого в лабораторных условиях, сильно различаются. Люди по-разному реагируют, когда знают, что за ними наблюдают. Таким образом, герменевтические исследования полагаются на интерпретацию знаков и наблюдений в рабочем контексте, а не на явный опрос людей о производительности их систем. Техники герменевтики побуждают исследователей выходить на рабочее место. В крайнем случае, производительность алгоритма может быть оценена только в ходе полевых испытаний с реальными наборами данных о существующих архитектурах с «реальными» уровнями загрузки из других приложений.Этот упор на анализ окончательной реализации очень похож на доказательство демонстрацией. Однако главное отличие состоит в том, что исследователь подходит к контексту работы непредвзято и без какой-либо установленной гипотезы, которую нужно доказать или опровергнуть (Сачман, 1987). Это создает проблемы для проведения целевого исследования, поскольку пользователи могут использовать программы не так, как было задумано. Например, может быть трудно продемонстрировать, что одна поисковая система работает быстрее, чем другая, если пользователи постоянно отказываются от своих запросов после возврата одного или двух элементов или если они используют эти поисковые системы только один или два раза в свой рабочий день.

Выводы и дальнейшие шаги …

Информатика — это незрелая дисциплина. Огромные ресурсы также были вложены в эту тему за относительно короткий период времени. Это принесло поразительные успехи как в аппаратной, так и в программной инженерии. К сожалению, развитие вычислительной техники не сопровождалось аналогичным развитием методов академических исследований. Преследуя технологические цели, исследователи заимствовали модели аргументации и дискурса из таких разнообразных дисциплин, как философия, социология и естественные науки.Отсутствие какой-либо согласованной исследовательской структуры отражает силу и жизнеспособность компьютерной науки. Оптимист может возразить, что мы многому научились из введения герменуэтики в сферу анализа требований. Точно так же мы извлекли выгоду из введения математических моделей аргументации для определения и проверки сложных систем. Однако ключевая цель этой статьи — побудить людей задуматься о расходах, которые также были вызваны неоднородным характером исследований в нашей дисциплине: Я не утверждаю, что мы должны разработать единую исследовательскую модель для вычислительной науки.Я, однако, утверждаю, что исследователи должны активно думать о сильных и слабых сторонах исследовательской традиции, которую они перенимают. Слишком часто магистерские и докторские диссертации рабски следуют эмпирическим или формальным методам доказательства, не ставя под сомнение пригодность этих подходов. Например, герменевтическая традиция дала результаты, которые игнорируют ограничения времени и денег на разработку коммерческих систем. Исследование формальных методов привело к результатам, которые настолько абстрагируются от предметной области, что их нельзя применить или проверить.Трагедия в том, что, если мы не начнем осознавать эти неудачи, мы продолжим заимствовать ошибочные методы исследования из других дисциплин.

использованная литература

  • B.W. Бём, Т. Грей и Т. Зеевальдт, Прототипирование против. Спецификация: Многопроектный эксперимент, IEEE — Седьмая конференция по разработке программного обеспечения, 473-484, Computer Society Press, Вашингтон, Соединенные Штаты Америки, май 1984 г.
  • М. Берроуз, М. Абади и Р. Нидхэм, Логика аутентификации. ACM Transcations по компьютерным системам, 8 (1): 18-36, 1990.
  • N.E. Fuchs, Specifications are (предпочтительно) Executable, Software Engineering Journal, 323-334, сентябрь 1992 г.
  • А. М. Гравелл и П. Хендерсон, Выполнение формальных спецификаций не обязательно должно быть вредным, Software Engineering Journal, 104-110, март 1996.
  • I.J. Hayes и C.B. Jones (1989), Спецификации не (обязательно) исполняемый файл, Software Engineering Journal, 1989, 4, (6), pp. 330-338
  • C.W. Johnson, Literate Specification, Software Engineering Journal, 225-237, сентябрь 1996 г.
  • Л. Сучман, Планы и предполагаемые действия: проблема взаимодействия человека и машины, Издательство Кембриджского университета, Кембридж, Соединенное Королевство, 1987.

CS 534 Методы исследования в области компьютерных наук

Преамбула
Это курс по методологии исследования, направленный на развитие навыков исследования и письма в области компьютерных наук и инженерии. Поскольку разработка программного обеспечения требует междисциплинарного подхода, многие концепции заимствованы из социальных наук, психологии, статистики и других областей.Здесь мы исследуем эмпирические методы исследования на предмет их применимости и пригодности к исследовательской проблеме. Поскольку каждый из них обладает своими сильными и слабыми сторонами, возможно, осуществимое сочетание таких методов в судебном порядке должно обеспечить более глубокое понимание и понимание, чтобы внести полезный вклад. Цели обучения:

a. Ознакомить студентов с исследованиями в области CS.
г. Чтобы понять сильные и слабые стороны каждого из этих методов.
г. Как выбрать подходящий метод (-ы) для исследования?
г. Как проводить исследования с использованием этих методов?
e. Какие угрозы связаны с этими методами и как с ними бороться.
ф. Отчет о результатах этих расследований. Написание технических статей / исследовательских работ.
г. Понимание ролей авторов, рецензентов. Как просматривать исследовательские статьи?


Содержание курса

В этом курсе мы охватываем

9042 # 2 Лекция 9042 9 Введение в исследование
Темы Слайды лекций Рекомендуемая литература
Методы исследования в компьютерных науках, аналитические vs.Эмпирические методы, опросы, тематические исследования, контролируемые эксперименты, этнография и практические исследования, количественные, качественные и смешанные методы, выбор методов исследования, угрозы достоверности Лекция № 3, 4, 5, 6
Истербрук и др.: Выбор эмпирических Методы исследования программной инженерии
Кресвелл: Дизайн исследования: качественные, количественные и смешанные методы (глава 1)
Структура эмпирических исследований Лекция № 7
Проблемы исследования, обзоры литературы, Примеры. : Экспериментальный дизайн и анализ в программной инженерии.

Примеры экспериментов: (i) Оценка трех методов тестирования (ii) TDD и CDD (iii)
другое сравнение методов тестирования

Методы сбора данных, анализ и интерпретация количественных данных, описательная статистика, Лекция № 13 , № 14
Выборка, распределение выборки, оценка параметров, статистический вывод, доверительный интервал и проверка гипотез Лекция № 15, № 16
Вводные разделы электронного учебника Statsoft;
Тесты значимости, тест на разницу средних и пропорций, t-тесты, ANOVA, тесты хи-квадрат, корреляция и регрессия, Лекция № 17, № 18, № 19, № 20

вводные разделы электронного учебника Statsoft;
Процесс проверки, рекомендации по проверке, угрозы действительности, решения по проверке
Лекция № 21, № 22
Качественные методы, дизайн исследования, элементы и методы, сущность и типы качественного исследования, Лекция № 23, № 24
Методы сбора данных — первичные и вторичные источники, Типы методов анализа данных
Опросные исследования, методы выборки, дизайн опросов, тематические исследования,
Лекция № 31, 32
Лекция № 33, № 34
Введение в смешанные методы исследования, схемы и методы исследования,

Написание исследовательских работ, цель и оценка, содержание и формат, Исследовательские презентации
Искусство научно-технического письма.


Справочники:

1. Исследования и разработки . Качественные , Количественные и смешанные методы . Джон В. Кресвелл, четвертое издание. Публикация SAGE, 2014 г.

2. Искусство исследования, Уэйн К. Бут, Грегори Г. Коломб, Джозеф М. Уильямс, Джозеф Бизуп, Уильям Т. Фицджеральд, третье издание, The University of Chicago Press, 2008

3. Элементы стиля. Уильям Странк-младший и Э. Б. Уайт, Четвертое издание, Пирсон, 1999 г.

4. Методология исследования Паннеерсельвам Р., 2-е издание, PHI, 2014

1. Зельковиц М. В. и Уоллес Д. Р. 1998. Экспериментальные модели для проверки технологии. Компьютер 31, 5 (май 1998 г.), стр. 23–31. Одно обновление здесь.
2. Бём Б. В., Браун Дж. Р. и Липов М. 1976. Количественная оценка качества программного обеспечения. В материалах 2-го ICSE, IEEE Computer Society Press, стр.592-605.
3. Серж Демейер. Методы исследования в компьютерных науках
4. Аарон Сломан. ВИДЫ ИССЛЕДОВАНИЙ В ВЫЧИСЛИТЕЛЬНЫХ НАУКАХ, ПРОГРАММНОМ ОБЕСПЕЧЕНИИ И ИСКУССТВЕННОМ ИНТЕЛЛЕКТЕ

Интернет-ресурсы на

Видеоруководство по проверке гипотез видео-1


Сайты других курсов по эмпирическим исследованиям или аналогичным материалам в области эмпирических исследований
Время встречи


Курсовая работа
Курсовая работа
Тезисы курсовой работы (с комментариями)

Задания



Экзамен

две викторины (20%),

один экзамен в середине семестра (20%),

один экзамен в конце семестра (30%) и

один курсовой проект / курсовая работа (30%)

Типы научных Исследования — компьютерные науки, коммуникации и информационные технологии

Типы научных исследований определяются и классифицируются в зависимости от различных факторов, в том числе цели и формы.

Что такое исследования?

Исследования — это особый процесс для достижения определенных целей, связанных с поиском новых результатов и продвижением человеческих знаний.

Наука в общем смысле относится к опыту, который люди приобрели путем экспериментов или опыта, а исследования — это процесс достижения этих результатов и наблюдений.

Исследования происходят из человеческого любопытства или, иногда, из-за потребности людей что-то искать. Это должен быть систематический, понятный, стимулирующий, новаторский и реконструктивный процесс.

Виды научных исследований

Для определения типов исследований рассматриваются разные формы и разные типы. Однако наиболее важным разделом для исследования является разделение его на два основных класса:

Фундаментальные или фундаментальные исследования

Проводятся фундаментальные исследования для представления новых научных теорий и расширения области науки в различных областях. Этот тип исследований направлен на развитие научных теорий через открытие общих принципов или правил, и меньше внимания уделяется применению этих способностей в действии и реальности.Этот тип исследований обычно проводится в лабораториях и часто на животных. Психологи относятся к числу ученых, которые больше всего заинтересованы в проведении такого рода исследований.

Прикладные исследования

Прикладные исследования проводятся для быстрого решения проблем и принятия необходимых мер. Этот вид исследований направлен на решение различных проблем с использованием результатов фундаментальных исследований. Другими словами, в прикладных исследованиях исследователь применяет результаты фундаментальных исследований в действии.Это исследование, в отличие от фундаментальных исследований, носящих теоретический характер, больше сосредоточено на реальных явлениях и научных проблемах. Он не имеет лабораторного характера и предназначен для работы с социальными, политическими и т. Д. Реалиями.

Фундаментальные и прикладные исследования также делятся на три типа исследований:

Количественное исследование

В количественных исследованиях обычно рассматриваются аспекты подсчета и измерения социальной жизни. В количественных методах все основано на ряде ключевых и предопределенных концепций, таких как гипотеза, операционное определение, валидность, значимость, статистика, надежность, дедуктивный анализ и повторяемость.Проще говоря, результаты количественных исследований являются результатом систематических исследований, проводимых нисходящими методами.

Качественное исследование

Качественное исследование, как правило, касается аргументированных описаний, раскрытия значений и изменений социальных субъектов. Это исследование, прежде всего, описывает повседневные реалии социальной жизни и, руководствуясь здравым смыслом, наряду с индуктивным анализом и интерпретациями, делает гипотезу, которая была непредсказуемой до проведения исследования или не предопределенной.

Смешанные исследования

Смешанное исследование сочетает количественные и качественные методы или парадигмальные характеристики. По своей природе данные представляют собой смесь переменных, слов и изображений. Фактически, цель использования смешанных методов исследования не в том, чтобы применить одно исследование вместо другого, а в том, чтобы улучшить сильные стороны и уменьшить или минимизировать слабые стороны обоих типов исследований в одном исследовании.

Другие виды научных исследований

Разведочные исследования

Поисковые исследования на предмет наличия или отсутствия явления.Он также пытается найти ответы на непонятные проблемы. Разведочные исследования могут проводиться во многих областях и, следовательно, могут считаться наиболее гибким и обширным методом исследования.

Описательные исследования

В этом типе исследования исследователь изучает текущее состояние предмета, описывает и интерпретирует существующие условия и отношения. Другими словами, описательное исследование исследует явление, давая более полное определение и противопоставляя его другим явлениям.Основная цель этого типа исследования — дать объективное и реалистичное описание характеристик ситуации или темы.

Разъяснительные исследования

Этот тип исследования направлен на поиск причинно-следственных связей между различными переменными. Объяснительное исследование — это изучение и передача сложных идей и информации. Анализ и синтез информации из различных источников для создания текста — наиболее важная цель объяснительного метода, позволяющего улучшить понимание читателем предмета и проблемы исследования.

Продольные исследования

Продольное исследование относится к набору наблюдательных исследований, в которых группа случаев изучается с течением времени.

Поперечное исследование

Поперечное исследование — это тип обсервационного исследования, в котором переменные с точки зрения распространенности или актуальности изучаются только в определенное время и в данном сообществе.

Исследование действий

Исследование действий — это тип исследования, проводимого людьми, вовлеченными в социально-образовательные ситуации, цель которого состоит в том, чтобы улучшить рассуждение, справедливость их социальных практик и улучшить их понимание ситуации.

Методы исследования компьютерных наук: ресурсы

Методы исследования компьютерных наук: ресурсы

CPSC 590: Методы исследования в области компьютерных наук


Ресурсы Следующий список ресурсов был скопирован из Штат Айова с любезного разрешения Доктор Васант Хонавар.

Общие советы молодым ученым

  • Питер Медавар, Совет молодому ученому, Basic Books, 1981.
  • Р. Кахал, Совет для молодого исследователя, (английский перевод) MIT Press, 1999.
  • Р. Рейс, профессор завтрашнего дня: подготовка к академической карьере в области науки и техники, IEEE Press, 1987.

Исследования в области компьютерных наук

Научное письмо и презентация

  • Дж. Зобель, Writing For Computer Science, New York: Springer-Verlag, 1997.
  • Дж. Паради и М. Циммерман, MIT Guide to Science and Engineering Communication, Cambridge, MA: MIT Press, 1997.
  • В. Бут.Общение в науке: написание научной статьи и выступления на научных встречах. Лондон: Издательство Кембриджского университета, 1993.
  • Р. Дэй (Ред). Как написать и опубликовать научную статью. Орикс Пресс, 1998.
  • М. Дэвис, Дж. Фрай. Научные статьи и презентации. Нью-Йорк: Academic Press, 1996.
  • Р. Дэй. Научный английский. Руководство для ученых и других специалистов, Oryx Press, 1996.
  • А. Фридланд, Написание успешных научных предложений.Издательство Йельского университета, 2000.
  • В. Странк-младший, Э. Уайт, К. Осгуд, Р. Энджелл. Элементы стиля. Аллин и Бэкон, 2000.
  • Дж. Гибальди. Справочник MLA для авторов исследовательских работ. Американская ассоциация современного языка. 1999 г.
  • Советы по написанию и презентации диссертации Джозефа Левина.
  • Как написать докторскую диссертацию диссертация Джо Вулфа.
  • Как написать диссертацию в экспериментальной области компьютерных наук Дуга Комера.
  • Как организовать свою диссертацию, Джон Чиннек.
  • Образцы тезисов Массачусетского технологического института
  • Руководство по написанию исследовательского предложения Джозефа Левина.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *