شناسایی راهبردهای پیشبینی جرایم در مدارس با استفاده از اینترنت اشیا | ||
| علوم و فنون مدیریت اطلاعات | ||
| مقاله 13، دوره 10، شماره 3، مهر 1403، صفحه 325-350 اصل مقاله (2.9 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22091/stim.2025.10372.2063 | ||
| نویسنده | ||
| سامان عبدالهی* | ||
| استادیار، گروه حقوق، واحد نراق، دانشگاه آزاد اسلامی، نراق، ایران | ||
| چکیده | ||
| هدف: راهاندازی و پیادهسازی فناوری اطلاعات و ارتباطات و به کارگیری آن در مقابله با جرایم در هر جامعه باعث شده برخی جوامع در جرمیابی مدرنتر و پیشگامتر باشند. بر این اساس، چنین جوامعی با ظرفیتهایی مدرن، دارای فرصتهای بیشتری هستند و برای شناسایی و مداخله در این حوزه، پیشنهاد سیستمی مبتنی بر ابزارهای اجتماعی اینترنت اشیا، برای پشتیبانی از شناسایی مجرمان و پیشبینی جرم در دنیای واقعی لازم و ضروری به نظر میرسد. یکی از مهمترین اماکنی که لازم است اینترنت اشیا برای پیشبینی جرایم به کار گرفته شود، مدارس هستند. دانشآموزان نیز مهمترین و حساسترین عناصر نظام آموزشی و سرمایههای ملی هر کشوری بوده و لازم است در زمینه پیشبینی جرایم در مدارس، از فناوریهای نوین استفاده کرد. بر همین اساس، هدف پژوهش حاضر بررسی نقش اینترنت اشیا در پیشبینی جرایم در مدارس است. روش: این پژوهش از نظر هدف کاربردی و از نظر شیوه اجرا، کمّی و پیمایشی است. جامعه آماری پژوهش کارشناسان و جرمشناسان شهر تهران در سال 1402 هستند که از طریق فرمول حجم نمونه جامعه نامعین و در یک بررسی آزمایشی از 30 پرسشنامه، واریانس نمونه اولیه 32/0 به دست آمده که در نهایت 157 نفر با روش تصادفی ساده به عنوان نمونه انتخاب شدند. ابزار پژوهش حاضر، پرسشنامه محققساخته اینترنت اشیاء در مدارس مبتنی بر پیشبینی جرم است که دادههای آن از طریق آزمونهای استنباط آماری و مدلسازی معادله ساختاری تحلیل شدهاند. یافتهها: در تحلیل روابط ساختاری نتایج حاصل از مدلسازی نشان داد که اثر مستقیم «قابلیتهای اینترنت اشیا» بر پیشبینی جرم با ضریب (81/0) گویای این واقعیت است که «قابلیتهای اینترنت اشیا» میتواند بر پیشبینی جرم در مدارس موثر باشد. در جایگاه دوم نیز «کاربردپذیری اینترنت اشیا در شناسایی الگوهای جرم» با ضریب (63/0) بر پیشبینی از جرم در مدارس تاثیر داشته و نهایتاً «الزامات عملکردی اینترنت اشیا در مدارس» با ضریب (52/0) بر پیشبینی از جرم در مدارس تاثیر دارد. در مجموع، این نتایج حاصل از مدلسازی با نتایج استنباطی در آزمون فرضیات همسو و همجهت است. نتیجهگیری: با به کارگیری اینترنت اشیا از طریق طراحی و نگهداری محیطی، افزایش ایمنی محلی و کنترل محیطی، شناسایی الگوهای جرم، افزایش آگاهی پلیس از وقوع جرم، تحلیل جرم و الگوریتم هوش مصنوعی میتوان وقوع جرایم در هر مکانی را به طور دقیق پیشبینی کرد و مانع از بروز این جرایم شد. بنابراین، باید سیستمها و زیرساختهای تخصصی توسعه اینترنت اشیا در مدارس و همه مکانهای مهم و حساس، به صورت تخصصی به کار گرفته شوند و برای پیشرفت آنها بسترهای مناسب فراهم گردد. از اینرو برنامهریزان، سیاستگذاران و جرمشناسان میتوانند بر پایه دادههای واقعی، روندهای پیشگیری از جرایم را در مدارس تا اندازه زیادی تحت کنترل خود درآورند و بهازای هر مقدار توسعه در این زیرساخت، به همان اندازه از وقوع جرایم پیشگیری کنند. | ||
| کلیدواژهها | ||
| اینترنت اشیا؛ مدارس؛ دانشآموزان؛ پیشبینی جرم | ||
| عنوان مقاله [English] | ||
| Identifying Crime Prediction Strategies in Schools Using the Internet of Things (IOT) | ||
| نویسندگان [English] | ||
| Saman Abdollahi | ||
| Assistant Professor, Department of Law, Naragh Branch, Islamic Azad University, Naragh, Iran. | ||
| چکیده [English] | ||
| Purpose: The establishment and implementation of information and communication technology (ICT) in combating crime have made some societies more modern and innovative in crime detection. Accordingly, societies equipped with modern capabilities have greater opportunities. To enhance identification and intervention in this area, it is essential to propose a system that utilizes social tools from the Internet of Things to support the identification of criminals and the prediction of crime in the real world. One of the most critical areas for implementing the Internet of Things (IoT) to predict crimes is within schools. Students represent both the most vital and vulnerable components of the educational system and the national capital of any country. Therefore, it is essential to leverage modern technologies for crime prediction in schools. The purpose of this study is to investigate the role of the Internet of Things in predicting crimes in schools. Method: This article is focused on its purpose and employs quantitative methods and surveys for implementation. The statistical population for this research consists of experts and criminologists in Tehran in 2023. The sample size was determined using the formula for an indefinite population. In a pilot study involving 30 questionnaires, the variance of the original sample was found to be 0.32. Ultimately, 157 individuals were selected as the sample using a simple random sampling method. The instrument used in this research is a researcher-developed questionnaire focused on the Internet of Things in schools, specifically regarding crime prediction. The data collected were analyzed using statistical inference tests and structural equation modeling. Findings: The structural relationship analysis revealed that the direct effect of "Internet of Things capabilities" on crime prediction, with a coefficient of 0.81, indicates that these capabilities can significantly contribute to predicting crime in schools. In second place, the "Internet of Things applicability in identifying crime patterns, with a coefficient of 0.63, significantly influences crime prediction in schools. Finally, the "Internet of Things functional requirements in schools, with a coefficient of 0.52, also impacts crime prediction in educational settings. Overall, these modeling results align with the inferential findings from testing the hypotheses. Conclusion: By using the Internet of Things in environmental design and maintenance, we can enhance local safety and environmental control, identify crime patterns, increase police awareness of criminal activity, conduct crime analysis, and utilize artificial intelligence algorithms. This approach enables us to accurately predict the occurrence of crimes in specific locations and take proactive measures to prevent them. Therefore, specialized systems and infrastructures for the development of the Internet of Things (IoT) in schools and other critical and sensitive locations should be utilized effectively, and appropriate platforms should be established to support their development. Therefore, planners, policymakers, and criminologists can leverage real data to significantly manage crime prevention processes in schools, thereby reducing the incidence of crime as the infrastructure develops. | ||
| کلیدواژهها [English] | ||
| Internet of Things, Schools, Students, Crime prediction, Crime prevention | ||
| مراجع | ||
|
ابراهیمی، ش. (1401). پیشگیری از تکرار جرم از طریق هوش مصنوعی؛ مقتضیات و محدودیتها. آموزههای حقوق کیفری، 19(23): 54-33. https://doi.org/ 10.30513/cld.2023.4345.1701
ابراهیمی، م.، تدین، م.، صیاد حقیقی، م. (1400). الگوریتمهای اعتماد در اینترنت اشیا: بررسی، تحلیل و ارائه معیارهای ارزیابی. پردازش علائم و دادهها، ۱۸(۲): ۲۸-۳. https://doi.org/10.52547/jsdp.18.2.3
اصغرینژاد، س.، رزقیشیرسوار، ه.، خانزادی، خ. (1403). بررسی وضعیت توسعه اینترنت اشیاء در مدارس مبتنی بر آیندهپژوهی. جامعهشناسی آموزش و پرورش، 10(1): 160-152.
https://doi.org/10.22034/ijes.2024.2017649.1517
دارابی، ش. (1397). پیشگیری از جرم در مدل مردمسالار سیاست جنایی. چاپ دوم. میزان.
صادقی، ح.، ناصر، م. (1399). ارائه چارچوب حقوقی مسئولیتپذیری در عملکرد ابزارهای اینترنت اشیا در بستر دولت الکترونیک؛ تبیین الگوی سیاستگذاری موثر. سیاستگذاری عمومی، 6(3): 103-81.
https://doi.org/10.22059/jppolicy.2021.79493
قنبری، م. (1402). شناسایی و ردیابی مجرمان از طریق اینترنت اشیا. کارآگاه، 17(63): 1-23.
https://doi.org/10.22034/det.2023.1273131.1387
کاری یو، ر. (1381). مداخله روانشناختی- اجتماعی زودرس در پیشگیری از رفتارهای مجرمانه. ترجمه علی حسین نجفی ابرندآبادی. تحقیقات حقوقی، 5(35-36): 304-267.
محمد نسل، غ. (1393). پیشگیری از جرم از طریق طراحی محیطی. بنیاد حقوقی میزان.
محمدی جانکی، ف.، قورچی بیگی، م. (1388). نقش طراحی محیطی در پیشگیری از جرم. مطالعات حقوق خصوصی، 39(2): 367-345. | ||
|
آمار تعداد مشاهده مقاله: 483 تعداد دریافت فایل اصل مقاله: 297 |
||