형사사법절차 전자화와 빅 데이터를 이용한 양형합리화 방안 모색 (Digitalization of the Criminal Justice Procedure and Applying Big data Analytics in Rationalization of Criminal Sentencing)

서지정보

· 발행기관 : 홍익대학교 법학연구소
· 수록지 정보 : 홍익법학 / 17권 / 1호 / 419 ~ 448페이지
· 저자명 : 양종모

초록

현대사회는 모바일 혁명으로 인해 초연결사회로 이행되었으며, 그로 인한 사람과 사람, 사람과 사물의 연결로 엄청난 양의 데이터가 생성되면서 빅 데이터가 중요한 화두가 되었다. 빅 데이터에 대한 다양한 분석처리기술로 인해 빅 데이터의 활용가능성은 무궁무진하고, 그 가치도 높다. 모바일 환경으로 인해 인간은 언제, 어디서나 각종 정보를 접하고, 획득할 수 있다. SNS가 일상화되면서 SNS와의 단절은 고립을 의미하게 되었다. 디지털 환경에서의 정보유통은 소비가 생산의 측면을 함께 가지는 양면성이 있다. 빅 데이터 시대에정보는 체계적인 지식생산시스템에서 계획적으로만 이루어지지 않고, 비의도적인 지식 소비활동 차원에서도 일어난다. 형사사법절차도 정보가 생산되고, 소비되는 일종의 정보시스템의 성격을 가지고 있다. 최근 형사사법절차 전자화 촉진법, 약식절차에서의 전자문서 이용 등에 관한 법률의 시행에 따라 대부분의 범죄정보가 전자적 형태로 생성되고, 보존되면서 형사사법절차도 빅 데이터 시대에 진입하게 되었다. 이러한 형사사법절차 전자화와 형사사법정보시스템에 대하여 비판적 견해가 없는 것은 아니지만, 형사사법절차에서 생성된전자사법정보가 대량으로 축적될 수 있는 길이 열렸고, 이와 같이 축적된 대량의 빅 데이터를 활용·분석하여 가치 있는 정보를 추출하고 생성된 지식을 바탕으로 범죄 예측과 능동적대응, 그리고 양형 합리화 방안 모색과 같은 형사사법에 활용할 필요성이 그 어느 때보다도커졌다. 본고에서는 현재 전자약식절차에 국한되어 있는 전자화를 형사사건 절차 전반에확대할 필요성에 대하여 검토하여 보았다. 기왕의 형사사법절차는 공정성이나 투명성 면에서 불신을 받아왔다. 특히 양형에 대한 국민의 불신은 뿌리 깊다. 형사사법절차 전자화는이러한 형사사법절차의 신뢰회복에 중요한 전기가 될 수 있다. 형사사법절차 전자화로 형성된 빅 데이터, 즉 전자사법정보를 데이터 마이닝 등 통계적 기법으로 양형과정에 적절히활용하면 공정성 확보는 물론 투명성도 높여줄 것이다. 뿐만 아니라 형벌의 범죄억제효과도 거양할 수 있을 것으로 예상된다. 이러한 통계적 기법을 이용한 대규모 데이터 처리에서위력을 발휘하는 것이 인공지능 기반의 기계학습이다. 본고에서는 기존의 양형기준과 관련된 문제점을 살펴보고, 위험평가에 기초한 양형방안과 이러한 위험평가에 빅 데이터 처리기술을 사용하여 그 효과를 극대화하는 방안도 함께 검토하였다. 형사사법절차에서 형성된빅 데이터 활용 방안이 양형합리화에 기여할 것은 분명하다.

영어초록

We are in a new era of big data. “Big data” is an inclusive term used to describe vast amounts of information. Contrary to traditional data which is typically stored in a relational database, big data varies in terms of volume, velocity, and variety. Big data is typically generated in large volumes. Big data comes from everywhere: social data, machine data and transactional data.
Analytics has always involved attempts to improve decision making, and big data contributes that. Large organizations are seeking both faster and better decisions with big data, and Law enforcement also are seeking them.
The big data trend promises that harnessing the wealth and volume of information leads to better operational efficiency, and competitive advantage. Traditional analytics tools are not well suited to capturing the full value of big data. Machine learning is ideal for unlocking hidden profits in big data. It fulfills the promise of extracting value from big data with less reliance on human intervention. It is well suited to the complexity of dealing with disparate data sources and the huge variety of variables and amounts of data involved. And unlike traditional analysis, machine learning thrives on growing datasets. The more data fed into a machine learning system, the more it can learn andapply the results to higher quality insights.
One of the basic arguments in this article is extended enforcement of the digitalization of the criminal justice procedure. With the execution of Act on promoting the digitalization of the criminal justice procedure and Act on the use of electronic documents in summary procedures, A criminal justice agency shall store and keep decisions, indictments, warrants, records and other documents concerning criminal justice affairs by using their systems. The stored and kept data in this procedure is intrinsically characterized as Big data in terms of volume and variety. Byproducts of all this data are the new insights that can drive judicial decision making in new way. The new insights will contribute to a process of reform of our justice systems to render them more effective. In korea, substantial disparity in criminal sentencing is a critical issue. The Sentencing Guidelines were designed to eliminate this sentencing disparities.
This article suggests that big data analytics will help to improve eliminating sentencing disparity and effective law-enforcement.
This article presents the actuarial risk assessment instrument used to predict the risk of future dangerousness in United States. Actuarial method of risk assessment is designed to predict specific behaviors within a specific time frame. The stated goal of the actuarial method is to predict future dangerousness in a relative sense, by comparing an individual to a norm-based reference group. Big data analytics will also improve this actuarial risk assessment. This article also suggests Machine learning-based legal expert system that help judges explain why they decided that way. Since machine learning algorithm can be very good at detecting hard to observe relationship between data, it may be possible to detect obscured association between certain variables in criminal case and particular legal outcomes. Probably this expert system outperforms several experts in terms of predicting judicial outcomes.

참고자료

· 없음