CC BY
58
ПРОЦЕССУАЛЬНОЕ ПРАВО
О методике оценки коррупционных рисков норм уголовно-процессуального доказательственного права
ЛУБИН Александр Федорович, профессор кафедры криминалистики Нижегородской академии Министерства внутренних дел Российской Федерации, доктор юридических наук, профессор
603144, Россия, г. Нижний Новгород, Анкудиновское шоссе, 3 E-mail: [email protected]
АФАНАСЬЕВ Алексей Юрьевич, адъюнкт адъюнктуры Нижегородской академии Министерства внутренних дел Российской Федерации
603144, Россия, г. Нижний Новгород, Анкудиновское шоссе, 3 E-mail: [email protected]
Коррупциогенность уголовно-процессуального закона, отсутствие законодательной методики антикоррупционной экспертизы правовых актов и их проектов свидетельствуют об актуальности проблемы коррупционных рисков уголовно-процессуального доказательственного права. В настоящее время ни один представитель уголовно-процессуальной науки не проводил подобного исследования. В данной статье рассматриваются некоторые особенности методики выявления, оценки и нейтрализации коррупционных рисков доказательственного права уголовного процесса. Однако более пристальное внимание акцентируется на сложностях не только выявления таких рисков, но и их оценки после обнаружения. Авторами отмечается, что действенным способом оценки коррупционных рисков уголовно-процессуального доказательственного права является метод статистического многомерного анализа, а именно кластерный анализ коррупциогенных норм уголовно-процессуального доказательственного права. Этот метод позволяет не только оценить коррупционные риски, но и построить иерархическую систему данных норм для последующего их изменения в целях снижения и нейтрализации коррупциогенности. Каждый уровень такой иерархии требует своего решения: от использования средств юридической техники до полной ликвидации нормы. В рамках статьи раскрываются основные этапы и содержание указанной процедуры.
Ключевые слова: кластерный анализ, коррупционный риск, коррупциогенный фактор, методика оценки коррупционных рисков, уголовно-процессуальное доказательственное право.
Methodology of Corruption Risk Assessment of the Criminal Procedural Law of Evidence
A. F. LUBIN, doctor of legal sciences, professor
Nizhny Novgorod Academy of the Ministry of Internal Affairs of Russian Federation 3, Ankudinovskoe Shosse, Nizhny Novgorod, Russia, 603144 E-mail: [email protected]
A. Yu. AFANASIEV, adjunct
Nizhny Novgorod Academy of the Ministry of Internal Affairs of Russian Federation 3, Ankudinovskoe Shosse, Nizhny Novgorod, Russia, 603144 E-mail: [email protected]
The corruption potential of the criminal procedure law, the lack of a legal methodology of the anti-corruption expertise of legal acts and their drafts are showing the relevance of the problem of corruption risks in the criminal procedure law of evidence. Currently, there is no any representative of the criminal procedure science who has conducted such research. This article discusses some features of methods to identify, assess and neutralize the corruption risks of the law of evidence
in the criminal process. However, the main attention in present article was paid on complexities of identify such risks as well as on their evaluation after the detection. The authors note that an effective way of assessing corruption risks in the criminal procedure law of evidence is a method of statistical multivariate analysis, namely cluster analysis of corruption-norms of the criminal procedure law of evidence. This method allows to assess corruption risks, as well as to design a hierarchical system of data standards for subsequent changes to reduce and neutralize the corruption. Each level of such a hierarchy needs to be addressed — from the use of legal techniques to the complete elimination rules. The article describes the main stages and content of this procedure.
Keywords: cluster analysis, corruption risk, corruption factor, methods of corruption risk assessment, criminal procedure, law of evidence.
DOI: 10.12737/article 58e39ece922808.05583566
Выявление коррупциогенных факторов в нормах уголовно-процессуального доказательственного права — задача чрезвычайной сложности. Во-первых, не существует апробированной методики выявления, оценки и нейтрализации коррупционных рисков законодательства. Название постановления Правительства РФ от 26 февраля 2010 г. № 96 «Об антикоррупционной экспертизе нормативных правовых актов и проектов нормативных правовых актов» может ввести в заблуждение: там нет экспертной методики, речь в действительности идет лишь об отдельных видах коррупциогенных факторов.
Во-вторых, ни один представитель уголовного процесса не занимался научной разработкой проблем выявления, оценки и устранения коррупциогенных факторов доказательственного права1. Имеются лишь статьи, содержащие предположения о коррупциогенности норм УПК РФ, основанные прежде всего на антикоррупционном законодательстве и интуиции исследователя2.
1 Не считая уже опубликованных работ авторов. См., например: Афанасьев А. Ю. О коррупционном риске в нормах доказательственного права уголовного процесса // Юридическая наука и практика: Вестник Нижегородской академии МВД России. 2015. № 2. С. 136—140.
2 См., например: Муженская Н. Е., Ко-стылева Г. В. Коррупциогенность норм УПК РФ // Российский следователь. 2012. № 24. С. 22—25. Существуют ведомственные рекомендации: Методика проведения мониторинга административного законо-
Существует утверждение: если норма УПК РФ является диспози-тивной, то ее необходимо поменять на императивную, иначе она потенциально соответствует признакам коррупциогенности3. Это слишком простое решение, чтобы признать его верным. Устранять коррупцио-генные факторы в уголовно-процессуальном законодательстве исключительно путем законодательного ограничения свободы принятия должностным лицом процессуальных решений — путь к огрублению и «иссушению» закона. По-видимому, «соблюсти баланс между гибкостью нормативных правовых актов, подразумевающей определенную свободу действий должностных лиц, и минимизацией коррупциогенных факторов»4 — задача не из простых. Необходимо выявить связь уголовно-процессуальных решений, ос-
дательства на предмет выявления коррупционных рисков в сфере миграции. URL: http://www.fms.gov.ru/upload/iblock/803/ metod_prov_ Monitor.pdf (дата обращения: 20.08.2016); Методика оценки коррупционных рисков, возникающих при реализации функций Следственного комитета
России. URL: http:// kchr.sledcom.ru/anti_ corruption/detail.php?ID=9615 (дата обращения: 20.08.2016) и др.
3 См.: Афанасьев А. Ю. Усмотрение следователя как коррупциогенный фактор // Библиотека криминалиста. Научный журнал. 2016. № 3. С. 51—56.
4 Андрусенко С. П. Антикоррупционная
экспертиза в российской уголовной юсти-
ции // Журнал российского права. 2013.
№ 4. С. 56.
нованных на диспозитивной норме, и оценить степень коррупционных рисков.
Сложная задача требует адекватных методов решения. Вообще для оценки коррупциогенности предлагается использовать комплекс методов: 1) логический метод; 2) социологический метод; 3) функциональный метод; 4) аксиологический метод; 5) метод экстраполяции; 6) системный метод; 7) метод сравнительного правоведения; 8) метод экспертных оценок; 9) статистический метод5.
Конечно, мы всегда предполагаем наличие причинных связей, но не знаем, так ли это на самом деле. Кроме того, «нас интересует не только наличие-отсутствие объективных отношений между элементами... но и степень близости (теснота) установленных зависимостей»6. Иначе говоря, «необходимо установить не только направление, но и силу связи между переменными, дать интерпретацию этой связи»7. Степень (уровень) коррупциогенно-сти может быть выражена только в количественном значении. Количественная оценка коррупционного риска «позволяет предвидеть возникновение неблагоприятной ситуации и по возможности ее негативное влияние... выделить наиболее вероятные по возникновению и весомые по величине потерь риски»8. Именно методы математической статистики «позволяют выявить такие объ-
5 См. об этом: Цирин А. М. Противодействие коррупции: сб. аналит. матер. М., 2012. С. 145.
6 Лубин А. Ф. Механизм преступной деятельности. Методология криминалистического исследования. Н. Новгород, 1997. С. 208.
7 Олькова О. А. Установление криминологических закономерностей преступности в Украине с использованием корреляционного и регрессионного анализа // Актуальные проблемы экономики и права. 2013. № 2. С. 265.
8 Шапкин А. С., Шапкин В. А. Теория риска и моделирование рисковых ситуаций. М., 2005. С. 669, 670.
ективные зависимости, которые в обширном эмпирическом материале обычными способами не выявляются»9.
Кластерный анализ кроме обнаружения каких-либо связей способен из множественных наблюдений вычленить переменные, объединить их по схожим свойствам в кластеры (классы) и показать их иерархию. Как раз возможность оценить признаки и расположить их по степени значимости выделяет данный метод из числа остальных. Тем более что кластерный анализ относится к разряду универсальных математических методов анализа статистических данных. Нашлось место для данного метода и в юриспруденции10.
Исходя из научных целей для нас предпочтительнее иерархический алгоритм кластерного анализа, в основе которого — построение наглядных дендрограмм11 (от греч. "dendron" — дерево), именуемых кластерным деревом. Дендрограм-ма представляет собой вложенную группировку объектов, которая изменяется на различных уровнях иерархии12.
Нами использован один из методов иерархического кластерного анализа — метод Уорда (Ward's method), который более популярен среди осталь-
9 Лубин А. Ф. Указ. соч. С. 207.
10 См., например: Бугель Н. В., Булав-чик В. Г. Правовая статистика: учеб. пособие. М., 2009; Правовая статистика: учебник для студентов вузов, обучающихся по специальности «Юриспруденция», для курсантов и слушателей образовательных учреждений МВД / [В. С. Лялин и др.]; под ред. В. С. Лялина, А. В. Симоненко. 2-е изд. М., 2008.
11 Дендрограмма описывает близость отдельных точек и кластеров друг к другу, представляет в графическом виде последовательность объединения (разделения) кластеров.
12 См.: Методы кластерного анализа. Иерар-
хические методы. URL: http://www.intuit.ru/ studies/courses/6/6/lecture/182?page=2 (дата обращения: 25.08.2016).
Таблица
Случаи (cases) Факторы (variable)
Var1 Var2 Var3 Var4 Var5 Var6 Var7 Var8 Var9
1
2
3
4
ных в связи с построением компактных и хорошо разделенных кластеров, а также его отличает возможность получить минимальную дисперсию внутри кластеров13. Тем самым гарантируется точность результатов, что характеризует полученную иерархию кластеров (групп факторов) как достоверное сведение.
Как мы уже отмечали, кластерный анализ является математическим методом и потому он связан с очень большим количеством вычислений и применяемой при этом совокупностью множественных формул. Сложность процедуры вычисления до появления компьютерных технологий делала кластерный анализ практически недоступным. Однако вскоре появились программы, облегчающие участь исследователя. Одной из таких программ является "Statistica", которая последовательно с 1984 г. модернизировалась, и последняя версия именуется как "Statistica-12". С помощью этой программы составляется таблица данных, в которой строки — это случаи, или казусы (cases), а столбцы — это факторы "Var" (сокр. от "variable") — переменная величина (фактор, объект, элемент), обладающая именем и значением, которое может быть получено и в последующем изменено статистической компьютерной программой (см. табл.).
13 Дисперсия есть не что иное, как рассеивание, разброс, т. е. отклонение данных от средних значений. См. об этом: Большая советская энциклопедия. М., 1969—1978. URL: http://bse.sci-lib.com/article029100.html (дата обращения: 12.08.2016).
В указанной таблице исходных данных по вертикали рассматриваются основные факторы, могущие присутствовать в совершенном в ходе уголовного процесса корруп-ционно-опасном деянии ^аг1, Var2 и т. д.)14, а по горизонтали — сами казусы в виде уголовных дел о получении взятки должностными лицами уголовного процесса15.
Например, ч. 2 ст. 140 УПК РФ по своим признакам16 является диспо-зитивной нормой — содержит юри-дико-лингвистическую неопределенность в виде «наличие достаточных данных». Это позволяет говорить, что данное положение может быть коррупциогенным. Далее в судебной практике выявляются случаи использования ч. 2 ст. 140 УПК РФ для получения взятки должностными лицами уголовного процесса. Выборка из уголовных дел архивов су-
14 Факторы — нормы УПК РФ, имеющие диспозитивный окрас и, соответственно, являющиеся потенциально коррупциогенны-ми. Степень их коррупционности определяется путем кластерного анализа.
15 Количество наблюдений (случаев) для кластерного анализа зависит от количества факторов. Например, при количестве факторов 16 наблюдений должно быть не менее 80, что и позволит достичь достоверности.
16 Подробнее о признаках диспозитивно-
сти и коррупциогенности нормы см.: Афанасьев А. Ю. О признаках коррупционных рисков уголовно-процессуального доказа-
тельственного права // Актуальные проблемы предварительного расследования: сб. науч. ст. по итогам Всерос. науч.-практ. конф. / под ред. С. А. Грачева. Н. Новгород, 2016. С. 10—15.
Рисунок
Tree Diagram for 16 Variables Ward's method Euclidean distances
Var1
Var10
Var12
Var13
Var14
Var15
Var11
Var2
Var3
Var5
Var4
Var6
Var16
Var9
Var7
Var8
0 20 40 60 80 100 120
(Dlink/Dmax)*100
дов, а также массива материалов из Интернета17 велась в отношении следователей, дознавателей, руководителей следственных отделов, начальников подразделений дознания, прокуроров и судей. Примечательно, что таких случаев в правоприменительной практике достаточно.
Так, 25 сентября 2014 г. был задержан сотрудник следственного отдела следственного управления СКР по Тульской области, который при проверке сообщения о преступлении в отношении жителя Киреевского района решил получить от него 3 млн руб. за вынесение постановления об отказе в возбуждении уголовного дела18. Еще один пример: 1 февраля 2016 г. задержан старший следователь одного из территориальных от-
17 Например, следующие интернет-ресурсы судебных решений по уголовным делам: Росправосудие. URL: https://rospravosudie. com/vidpr-ugolovnoe; Судебные решения.рф. URL: Ы^р://судебныерешения.рф/; Право.ру. URL: http://pravo.ru/; Судебные и нормативные акты РФ. URL: http://sudact.ru/practice/ sudebnaya-praktika-po-ugolovnym-delam.
18 URL: https://www.ridus.ru/news/168214 (дата обращения: 16.08.2016).
делов МВД по Кабардино-Балкарской Республике при получении взятки в сумме 35 тыс. руб. от 33-летнего жителя Баксанского района, подозреваемого в совершения кражи из продуктового магазина в г. Нарткала, за отказ возбуждения уголовного дела19.
Если конкретный фактор обнаруживается в анализируемом случае, то в ячейку ставится «1», а если нет, то, соответственно, «0». Важное обстоятельство, которое необходимо учитывать: числовые показатели ни в коем случае не суммируются ни по вертикали, ни по горизонтали. В противном случае не получится того «многомерного пространства, натянутого на многообразие»20.
После заполнения исходной таблицы программой '^аШйса" строится кластерное дерево. Для примера приведено кластерное дерево, построенное относительно 16 факторов (см. рис.).
Далее следует интерпретация — истолкование с позиций целесооб-
19 URL: https://07.mvd.ru/news/item/ 7158930/ (дата обращения: 16.08.2016).
20 Лубин А. Ф. Указ. соч. С. 253.
разности кластерного дерева как самостоятельной части методики выявления и оценки коррупциогенных факторов при принятии уголовно-процессуальных решений. При этом выявляются некоторые закономерности, отвечающие на вопрос: какой фактор (переменная) — в виде нормы уголовно-процессуального доказательственного права — и насколько он влияет на совершение коррупционных преступлений? Одновременно решается вопрос о том, какие закономерности являются более типичными, а потому наиболее ценными21, а какие вообще не могут быть истолкованы как закономерности.
Интерпретацию результатов кластерного анализа необходимо осуществлять последовательно с основания кластерного дерева (слева направо) либо снизу-вверх при вертикальном построении. Каждый кластер содержит определенную закономерность, а связка кластеров характеризует более общую (совокупную) закономерность. Связки кластеров производятся в несколько этапов. В нашем кластерном дереве насчитывается семь этапов кластеризации. Так, объединение факторов Var4 и Var6 относится к первому этапу кластеризации, объединение факторов Var4, Var6 и Var16 — ко второму (и таких связок несколько), связка факторов Var4, Var6, Var16 и Var9 — к третьему и т. д.
Во-первых, если следователь (дознаватель) или иное уполномоченное лицо принимает уголовно-процессуальное решение о возбуждении уголовного дела либо об отказе в возбуждении уголовного дела (Уаг2), то на 86% вероятно, что он получит взятку. Либо если совершается коррупционное преступление в уголов-
21 При возникновении ситуации типичности можно говорить о закономерности, т. е. об объективно существующей, повторяющейся, существенной связи явлений. См.: Философия науки и техники: тематический словарь / С. И. Некрасов, Н. А. Некрасова. Орел, 2010.
ном процессе, то на 86% вероятно, что это произойдет при принятии уголовно-процессуального решения о возбуждении уголовного дела либо об отказе в возбуждении уголовного дела.
Во-вторых, если следователь (дознаватель) или иное уполномоченное лицо принимает уголовно-процессуальное решение об избрании меры пресечения в виде заключения под стражу ^аг5), то на 77% вероятно, что он получит взятку. Или по-другому: на 77% вероятно, что правоприменитель с целью получения взятки использует именно уголовно-процессуальное решение об избрании меры в виде заключения под стражу. Данное решение находится в тесной связи с фактором Var3 — уголовно-процессуальным решением об избрании меры пресечения в целом.
Это логично, ведь принятие решения об избрании меры пресечения в виде заключения под стражу опирается на общий порядок избрания мер пресечения вообще. И эта связка ^аг3 и Var5), т. е. кластер, и образует столь высокую вероятность кор-рупциогенности при избрании меры в виде заключения под стражу, которая основана на диспозитивных нормах — ч. 1 ст. 97 УПК РФ — установление компетенции по формуле «вправе», ст. 108 УПК РФ, где ч. 1 и 3 включают юридико-лингвистиче-ские неопределенности «при невозможности» и «при необходимости» соответственно, ч. 71 содержит формулировку «вправе».
В-третьих, если следователь (дознаватель) или иное уполномоченное лицо принимает уголовно-процессуальное решение о прекращении уголовного дела (уголовного преследования) с примирением сторон (Уаг7) или в связи с деятельным раскаянием ^аг8), то вероятно на 62%, что он получит взятку. Иными словами, если в уголовном процессе совершается коррупционное преступление, то вероятно на 62%, что оно произойдет при принятии уголовно-процессуального решения о пре-
кращении уголовного дела (уголовного преследования) именно по данным основаниям.
В целом прекращение уголовного дела (уголовного преследования) — это собирательный кластер факторов Var7, Var8 и Var9 — прекращение уголовного дела (уголовного преследования) в связи с примирением сторон, в связи с деятельным раскаянием и по делам о преступлениях в сфере экономической деятельности соответственно. В кластерном дереве указанные факторы расположились близко друг к другу; если выражаться языком статистического анализа связей, они являются «близкими соседями»22. Это и объяснимо, ведь все эти факторы связаны с прекращением уголовного дела (уголовного преследования).
Более того, факторы Var7 и Var8 образовали единый кластер и теснота связей между ними 36%, что весьма существенно. Данная связь говорит о том, что должностное лицо при расследовании преступлений небольшой и средней тяжести (а прекращение по данным основаниям возможно только по этой категории преступлений) получает взятку за прекращение уголовного дела и может прекратить его как в связи с примирением сторон, так и в связи с деятельным раскаянием. Потому эта связка ^аг7 и Var8), сформированная кластерным анализом, рассматривается как единый фактор, который сосредоточивает в себе 62% коррупционных рисков. То есть на 62% вероятно, что должностное лицо получит взятку, используя уголовно-процессуальные решения о прекращении уголовного дела (уголовного преследования) в связи с примире-
22 См. об этом: Буреева Н. Н. Многомерный статистический анализ с использованием ППП '^ТАТКТГСА". Учебно-методический материал по программе повышения квалификации «Применение программных средств в научных исследованиях и преподавании математики и механики». Н. Новгород, 2007. С. 19.
нием сторон либо в связи с деятельным раскаянием.
В-четвертых, если следователь (дознаватель) или иное уполномоченное лицо принимает уголовно-процессуальное решение об избрании меры пресечения в виде домашнего ареста ^аг4), то вероятно на 42%, что он получит взятку. Иначе говоря, с целью получения взятки на 42% вероятно, что уполномоченное лицо использует именно уголовно-процессуальное решение об избрании меры пресечения в виде домашнего ареста. И данная вероятность относится и к уголовно-процессуальному решению об отмене либо изменении меры пресечения ^аг6). Все факторы, связанные с мерой пресечения ^аг3, Var4, Var5 и Var6), выступают «близкими соседями», что подтверждает возможность манипуляции ими в уголовном процессе.
В-пятых, если следователь (дознаватель) или иное уполномоченное лицо принимает уголовно-процессуальное решение об изменении предъявленного обвинения ^аг16), то вероятно на 42%, что он получит взятку. Или: вероятность того, что для получения взятки будет использовано данное уголовно-процессуальное решение, составляет 42%. Решение вопроса об изменении обвинения по усмотрению предоставляется диспозитивной нормой — ч. 1 ст. 175 УПК РФ, которая содержит дискреционные полномочия — неопределенные основания для принятия решения.
В-шестых, если следователь принимает уголовно-процессуальное решение о привлечении лица в качестве обвиняемого ^аг11), то вероятно на 22%, что он получит взятку. Соответственно, такая же вероятность того, что следователь использует именно данное уголовно-процессуальное решение для получения взятки. Очевидно, что данную ситуацию нельзя назвать типичной, ибо из всего массива уголовных дел нами было обнаружено лишь одно дело о получении взятки при при-
нятии решения о привлечении в качестве обвиняемого.
В-седьмых, если следователь (дознаватель) или иное уполномоченное лицо принимает уголовно-процессуальное решение о задержании подозреваемого (Уаг1), то вероятно на 16%, что он получит взятку, или вероятность того, что для получения взятки будет использовано данное уголовно-процессуальное решение, составляет 16%. Такая связка также не является типичной, если ее соотносить с предыдущими. Но относительно других факторов ^аг10, Var12, Var13 и Var15), которые вообще не подверглись кластеризации, фактор Var1 является более вероятным.
В кластерном дереве имеются факторы, не отразившиеся в общей структуре. Речь идет о таких факторах, как Var10, Var12, Var13, Var14 и Var15, которые не подверглись кластеризации, так как они не были обнаружены ни в одном из анализируемых уголовных дел (случаев) о получении взятки.
Таким образом, методика оценки коррупционных рисков норм доказательственного права в уголовном процессе включает следующие этапы:
1) формирование группы факторов (переменных), выявляемых в анализируемых случаях, а именно
норм уголовно-процессуального доказательственного права, применяемых при принятии коррупциогенных уголовно-процессуальных решений;
2) построение таблицы исходных данных для проведения кластерного анализа в программе '^аШйса", в которой по вертикали располагаются факторы (переменные), а по горизонтали — случаи (наблюдения) о коррупционных преступлениях, и внесение в нее данных;
3) выбор метода кластерного анализа и метрики измерений расстояний между кластерами, вида кластерного дерева и его построение;
4) построение кластерного дерева с помощью программы '^аШйса";
5) интерпретация результатов кластерного анализа и формирование иерархии норм уголовно-процессуального доказательственного права по степени коррупциогенности.
После оценки коррупционных рисков норм уголовно-процессуального доказательственного права появляется возможность обоснованно построить иерархию этих норм для последующего их изменения в целях снижения и нейтрализации корруп-циогенности. Каждый уровень такой иерархии требует своего решения: от использования средств юридической техники до полной ликвидации нормы.
Библиографический список
Андрусенко С. П. Антикоррупционная экспертиза в российской уголовной юстиции // Журнал российского права. 2013. № 4.
Афанасьев А. Ю. О коррупционном риске в нормах доказательственного права уголовного процесса // Юридическая наука и практика: Вестник Нижегородской академии МВД России. 2015. № 2.
Афанасьев А. Ю. О признаках коррупционных рисков уголовно-процессуального доказательственного права // Актуальные проблемы предварительного расследования: сб. науч. ст. по итогам Всерос. науч.-практ. конф. / под ред. С. А. Грачева. Н. Новгород, 2016.
Афанасьев А. Ю. Усмотрение следователя как коррупциогенный фактор // Библиотека криминалиста. Научный журнал. 2016. № 3.
Большая советская энциклопедия. М., 1969—1978. URL: http://bse.sci-lib.com/article029100. html (дата обращения: 12.08.2016).
Бугель Н. В., Булавчик В. Г. Правовая статистика: учеб. пособие. М., 2009.
Буреева Н. Н. Многомерный статистический анализ с использованием ППП "STATISTICA". Учебно-методический материал по программе повышения квалификации «Применение программных средств в научных исследованиях и преподавании математики и механики». Н. Новгород, 2007.
Лубин А. Ф. Механизм преступной деятельности. Методология криминалистического исследования. Н. Новгород, 1997.
Муженская Н. Е., Костылева Г. В. Коррупциогенность норм УПК РФ // Российский следователь. 2012. № 24.
Олькова О. А. Установление криминологических закономерностей преступности в Украине с использованием корреляционного и регрессионного анализа // Актуальные проблемы экономики и права. 2013. № 2.
Правовая статистика: учебник для студентов вузов, обучающихся по специальности «Юриспруденция», для курсантов и слушателей образовательных учреждений МВД / [В. С. Лялин и др.]; под ред. В. С. Лялина, А. В. Симоненко. 2-е изд. М., 2008.
Философия науки и техники: тематический словарь / С. И. Некрасов, Н. А. Некрасова. Орел, 2010.
Цирин А. М. Противодействие коррупции: сб. аналит. матер. М., 2012.
Шапкин А. С., Шапкин В. А. Теория риска и моделирование рисковых ситуаций. М., 2005.
Статус задержанного как нового участника уголовного судопроизводства
РУДНЕВ Владимир Ильич, ведущий научный сотрудник Института законодательства и сравнительного правоведения при Правительстве Российской Федерации, кандидат юридических наук
117218, Россия, г. Москва, ул. Большая Черемушкинская, 34
E-mail: [email protected]
Статья посвящена применению такой меры принуждения, как задержание. Анализируются некоторые аспекты обеспечения прав, свобод и законных интересов личности. Раскрываются проблемы, которые существуют в практической деятельности правоохранительных органов. Описаны нарушения прав человека при применении задержания, их причины и условия. Анализируется сущность понятий «подозрение», «подозреваемый», «задержание», «задержанный». Автор критикует значение понятия «подозреваемый», отмечает его недостатки. Показано значение такого принципа, как презумпция невиновности, и его влияние на развитие уголовно-процессуального законодательства. Рассматриваются решение Конституционного Суда Российской Федерации от 27 июня 2000 г. по жалобе В. И. Маслова и его последствия для совершенствования уголовно-процессуального законодательства Российской Федерации. Комментируются позиции авторов, которые дали оценку указанному постановлению Конституционного Суда. Анализируется уголовно-процессуальное законодательство иностранных государств. В качестве примера представлены некоторые положения Уголовно-процессуального закона Латвийской Республики, который содержит понятие «задержанный». По мнению автора, следует ввести понятие «задержанный» в уголовно-процессуальное законодательство Российской Федерации и в другие федеральные законы, а также рассматривать задержанного как нового участника уголовного судопроизводства со стороны защиты, что направлено на улучшение защиты прав и свобод граждан.
Ключевые слова: задержанный, подозреваемый, уголовно-процессуальный кодекс, участник уголовного судопроизводства, содержание под стражей.
Status of a Detainee as a New Participant in Criminal Proceedings
V. I. RUDNEV, candidate of legal sciences
The Institute of Legislation and Comparative Law under the Government of the Russian Federation
34, Bolshaya Cheremushkinskaya st., Moscow, Russia, 117218
E-mail: [email protected]
