lawbook.org.ua - Библиотека юриста




lawbook.org.ua - Библиотека юриста
March 19th, 2016

Комиссаров, Анатолий Юрьевич. - Криминалистическое исследование письменной речи с использованием ЭВМ: Дис. ... канд. юрид. наук :. - Москва, 2001 225 с. РГБ ОД, 61:01-12/596-8

Posted in:

МИНИСТЕРСТВО ВНУТРЕННИХ ДЕЛ РОССИЙСКОЙ ФЕДЕРАЦИИ

МОСКОВСКАЯ АКАДЕМИЯ

На правах рукописи Экз. N

Комиссаров Анатолий Юрьевич

КРИМИНАЛИСТИЧЕСКОЕ ИССЛЕДОВАНИЕ ПИСЬМЕННОЙ РЕЧИ С ИСПОЛЬЗОВАНИЕМ ЭВМ

Диссертация на соискание ученой степени кандидата юридических наук

Специальность 12.00.09 - Уголовный процесс;

криминалистика и судебная экспертиза; оперативно-розыскная деятельность

Научный руководитель: доктор юридических наук,

профессор,

Заслуженный деятель науки РСФСР Снетков В.А.

Москва 2001

Москов ская академ ия МВД
России

Прил. к Вх. №
<& У?

” Pfr
tCt/ ~~200/.г.

  • г -

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ 4

ГЛАВА 1. Теоретические и методологические предпосылки

использования ЭВМ в криминалистическом исследовании письменной речи 17

  1. Развитие и современное состояние проблемы использования электронно-вычислительной техники в криминалистическом исследовании письменно-речевых навыков автора и исполнителя текста 17
  2. Криминалистические задачи экспертизы письменной
  3. речи в системе общей классификации задач 46

  4. Возможности алгоритмизации процесса решения идентификационных, диагностических и классифика ционных задач в криминалистическом исследовании письменной речи 53

ГЛАВА 2. Основы экспериментального решения задач

криминалистического исследования письменной речи

с использованием ЭВМ 72

  1. Задачи и рабочие гипотезы экспериментальных исследований 72
  2. Экспериментально-статистическое исследование с целью создания методики идентификации исполнителя текста на основе анализа признаков письменной речи (орфографических навыков) 91
  3. Экспериментально-статистическое исследование с целью создания методики дифференциации авторов текстов на основе анализа признаков письменной речи (лексических навыков) 96
  • 3 -

ГЛАВА 3. Частные методы криминалистического исследования

письменной речи с использованием ЭВМ 114

  1. Метод идентификации исполнителя текста по орфографическим ошибкам 114
  2. Метод классификации авторов текстов по уровню языковой культуры на основе частотных характеристик лексического состава текстов 118
  3. Основы криминалистических методов исследования письменной речи авторов текстов на искусственных
  4. языках программирования 120

ГЛАВА 4. Методологические и правовые аспекты

криминалистической экспертизы письменной речи 140

  1. Концептуальные основы создания автоматизированного рабочего места эксперта-исследователя письменной речи 140
  2. Компьютерная автороведческая программа “Автор” 167
  3. Автоматизированное рабочее место (АРМ) эксперта-автороведа “Лексика” 172
  4. Экспертные ошибки в криминалистическом исследовании письменной речи, их предупреждение 186
  5. Правовые проблемы назначения и оценки заключения эксперта- исследователя письменной речи 206
  6. ВЫВОДЫ 209

ЛИТЕРАТУРА 211

ПРИЛОЖЕНИЕ 224

  • 4 -ВВЕДЕНИЕ Актуальность темы исследования

Построение в нашей стране правового государства в условиях кардинального изменения общественных отношений предполагает обеспечение строгого и безукоснительного соблюдения правопорядка и законности, основанных на приоритете общечеловеческих ценностей, провозглашенных в “Декларации прав и свобод человека” [97].

Укрепление законности и правопорядка - одна из важнейших задач сегодняшнего дня для Российской Федерации. Статья 17 Конституции гласит, что “в Российской Федерации признаются и гарантируются права и свободы человека и гражданина согласно общепризнанным принципам и нормам международного права” [133]. В деле обеспечения законности и правопорядка большая роль отводится правоохранительным органам, совершенствование деятельности которых невозможно без активного использования достижений науки и техники. Деятельность таких органов, как суд, прокуратура, милиция, немыслима без помощи экспертно-кримина-листической службы.

Повышение уровня раскрытия и расследования преступлений в значительной мере обеспечивается путем разработки и внедрения в практику современных и эффективных методов исследования ве- щественных доказательств, повышения научного уровня и обосно- ванности заключений судебных экспертов. Роль криминалистики в современном цивилизованном обществе не только не снижается, а и существенно возрастает и одним из действенных рычагов, способных в реально осуществимые сроки содействовать прогрессу отдельных родов и видов криминалистической экспертизы, является внедрение средств вычислительной техники в процесс эксперт-

  • 5 -ного исследования.

Ученые-криминалисты отмечают, что сегодня идет активный процесс математизации и кибернетизации криминалистики [125, 83]; существенный вклад в решение этой проблемы вносит крими- налистическое исследование речи, функционирующая в нескольких родах экспертизы: автороведческой, почерковедческой, фоноско- пической (в части сравнительных образцов) технической экспертизе документов и компьютерной.

Характерными чертами этих родов криминалистической экспертизы являются постоянное расширение круга решаемых задач, увеличение объема производимых исследований. Исследование речевых признаков является неотъемлемой частью при расследовании и судебном разбирательстве самых разнообразных уголовных и гражданских дел и представляет следственным и судебным органам важную в доказательственном плане информацию, необходимую для установления обстоятельств рассматриваемого события.

Анализ и обобщение экспертной практики (по материалам Харьковского НИИ судебных экспертиз за 1965 - 85 г.г.. Российского Федерального Центра судебных экспертиз при министерстве юстиции РФ и Экспертно-криминалистического Центра МВД РФ за 1982 - 2000 г.г.) свидетельствуют о расширении потребности правоохранительных органов в решении круга вопросов, которые ставятся перед экспертами-исследователями речи.

Наряду с этим отмечается явная тенденция к увеличению случаев использования точных количественных методов, что объясняется, в основном, недостаточной научной обоснованностью используемых современных методик. В процессе исследования рассматриваемых объектов эксперты сталкиваются с значительными трудностями при выявлении криминалистически значимых признаков

  • 6 -

речи, оценке их значимости , выяснении причин появления приз- наков необычности или различий, определении существенности последних.

Подобного рода исследования сложны для экспертов-исследователей речи, а трудоемкость их проведения диктует настоятельную необходимость использования в них автоматизированных систем, программных комплексов, ориентированных на применения ЭВМ, способных хранить и перерабатывать данные о речевых единицах лексического, синтаксического, орфографического, пунктуационного и стилистического уровней.

В целом вопрос об использовании ЭВМ в криминалистическом исследовании речи следует отнести к числу наименее разработанных в судебной экспертизе речи. В работах Е.И. Азарченковой [7]. Л.Е.Ароцкера, В. К.Воинова [13], В.И.Батова [20], С.М.Вула [70], Л.А.Гегечкори [79], Р.Х.Дроммеля [244] В.Штайнке [256] и других авторов затрагивались различные аспекты данной проблемы; однако нужно признать, что до сих пор исследователями крайне незначительное внимание уделялось вопросам выявления информативных речевых признаков, анализу их идентификационной значимости, научному прогнозированию в области криминалисти- ческого’ исследования речевых свойств носителей языка, изучению закономерностей функционирования речевых признаков в конкретной реализации в виде текстов.

Экспериментальные разработки в этом направлении, проводившиеся в основном в области решения некриминалистических задач (то есть в области прикладной лингвистики, текстологии), отличались определенной методологической некорректностью выборок материала, непоследовательностью отбора признаков.

Современное криминалистическое идентификационное, класси-

  • 7 -фикационное и диагностическое исследование письменной речи основано на общих положениях судебного автороведения, теорети- ческие и методические аспекты которого рассматривались оте- чественными и зарубежными криминалистами [39,76,86,95,119, 120,242]. В этих работах специально рассматривались результаты экспериментов, определяющих характерные, значимые, устойчивые речевые признаки, позволяющие составить комплекс, необходимый для получения определенных выводов в экспертном исследовании.

Эти результаты имеют несомненное значение и составляют основу судебно-автороведческих исследований. Однако в целом проблема оставалась неразрешенной: не анализировалась связь судебного автороведения со знаниями о смежных родах и видах криминалистической экспертизы, а также с соответствующими дис- циплинами прикладной лингвистики; отсутствовало естественно- научное объяснение механизма влияния квантитативных речевых признаков на интеллектуальный функционально-динамический комп- лекс навыков автора или исполнителя текста; не была разработана систематизация задач экспертизы речи как рода криминалистической экспертизы, методология исследования ее объектов; отсутствовала систематизация объектов этого рода экспертизы; не проводились исследования по выявлению составляющих блочной структуры автоматизированного места эксперта-исследователя речи.

Существующие частные методические рекомендации носят, в основном, разобщенный характер, публикации по рассматриваемой проблеме затрагивают отдельные вопросы, не создают системного и комплексного представления о рассматриваемых основах автома- тизации экспертных исследований речи.

Следует отметить, что в отношении исследований письменной

  • 8 -речи на качественном уровне проблема разработана в большей степени, однако это относится только к “авторским”, а не к “исполнительским” признакам речи. Так, С.М.Вулом были сформу- лированы основные теоретические положения идентификационных, диагностических и классификационных исследований.

На основе использования естественно-научных знаний и развития представлений о структурной организации механизма реализации письменно-речевых навыков выявлены его закономерности, определяющие природу письменной речи как объекта криминалисти- ческой экспертизы. Вместе с тем, эти теоретические предпосылки не могут быть экстраполированы на текстовые реализации во всех проявлениях речи, так как функциональная принадлежность и другие экстралингвистические факторы, определяющие специфику текста, не были учтены в полной мере, что обусловливает необходимость дополнительного исследования.

Кроме того, при проведении автороведческих экспертиз практически не использовались кибернетические методы, позволяющие автоматизировать наиболее трудоемкие процессы экспертного исс- ледования и при решении отдельных задач существенно повысить точность выводов.

Недостаточная разработанность проблемы оказывала негативное воздействие на состояние экспертной практики проведения исследований текстов, существенно ограничивая круг решаемых задач и возможности их решения. Поэтому с учетом возрастающих потребностей судебной и следственной практики возникла необхо- димость дальнейшей, углубленной разработки научных основ теории судебного автороведения как вида и экспертизы речи как рода криминалистической экспертизы в целом.

  • 9 -Цель и задачи исследования

Основной целью диссертационного исследования является со- вершенствование теоретических и методических основ экспертизы письменной речи. При этом решаются следующие задачи: раскрытие содержания основных свойств письменной речи (индивидуальности, динамической устойчивости, вариационности и избирательной из- менчивости), идентификационных, классификационных и диагности- ческих признаков; создание автоматизированных методов с ис- пользованием ЭВМ для решения типичных идентификационных и классификационных экспертных задач; разработка автоматизиро- ванного рабочего места (АРМ) эксперта-исследователя речи.

Предмет и объект исследования Предмет диссертационного исследования составляют научно-теоретические и научно- практические проблемы применения автоматизированных систем при криминалистическом исследовании письменной речи, алгоритмизации отдельных действий эксперта-криминалиста, связанные с исследованием письменной речи автора или исполнителя текста, а также проблем использования современных возможностей компьютерной техники для оптимизации экспертных действий с целью повышения надёжности выводов в экспертизе.

Объектом исследования является деятельность эксперта-кри- миналиста, исследователя письменной речи по обнаружению и оценке признаков письменно-речевых навыков автора и исполнителя текста, выполненного рукописным, машинописным или полиграфическим способом.

Общая методология и методика исследования

Методологической основой диссертационного исследования являются положения философских наук (диалектического материализ-

  • 10 -ма), прикладной лингвистики, нормативный материал. Работа основана на теоретических и экспериментальных исследованиях в области криминалистики и судебной экспертизы, судебного авто- роведения, положениях лингвостатистики, физиологии, биомеханики, психолингвистики, психологии, кибернетики, обширном фак- тографическом материале, основанном на изучении и обобщении экспертной практики. В основу методических рекомендаций положены результаты специально проведенных экспериментов, использующих математическое моделирование, что обусловливает их надежность и научную обоснованность.

Экспериментальные исследования осуществлены на базе Российского Федерального Центра судебных экспертиз при министерстве юстиции РФ (бывшего Всесоюзного НИИ судебных экспертиз), при подготовке работы использован личный 18-летний экспертный опыт автора.

Научная новизна работы.

Диссертация представляет собой первое монографическое исс- ледование речи, в котором в качестве основных узловых проблем:

  • рассмотрены естественно-научные предпосылки и теоретические основы криминалистического исследования квантитативных характеристик письменной речи, базирующиеся на современных достижениях криминалистики, судебного автороведения и наук ес- тественного профиля: физиологии, психолингвистики, кибернетики, лингвостатистики, биомеханики;
  • дан анализ развития и современного состояния проблемы исследования квантитативных характеристик письменной речи;
  • раскрыты представления о речи как едином криминалистическом объекте, содержащем ее основные свойства (индивидуальности, динамической устойчивости, вариационности и избиратель-
  • 11 -

ной изменчивости общих и частных признаков) в аспекте системности применения количественных и качественных характеристик;

  • обобщен, дополнен и формализован по признаку возможности использования в автоматизированном режиме ЭВМ список информа- тивных идентификационных и классификационных квантитативных признаков письменной речи;
  • разработаны общие принципы использования квантитативных единиц в криминалистическом исследовании письменной речи и методы решения отдельных типовых экспертных задач с использованием ЭВМ;
  • разработаны наиболее общие принципы создания на базе ЭВМ автоматизированного рабочего места эксперта-криминалиста, исс- ледователя речи.
  • На защиту выносятся следующие основные положения:

  • формирование письменно-речевых навыков, составление и исполнение текстов способствует образованию специального ин– теллектуального функционально-динамического комплекса (стерео- типа) в механизме реализации речевых навыков. Это положение, дополняющее теорию построения движений, является существенным для формулирования научных основ исследования письменной речи;
  • письменная речь является репрезентативным носителем свойств, существенных для решения задач экспертизы, а именно: индивидуальности, динамической устойчивости, вариационности и избирательной изменчивости, отражающихся в идентификационных, классификационных и диагностических признаках;
  • экспертиза письменной и устной речи по совокупности кри- миналистических задач методологически могут быть объединены в самостоятельный род судебной экспертизы (условное наименование - экспертиза речи), в каждом из видов которого имеются подвиды
  • 12 -речи, так называемой “авторской” и” “исполнительской”. Объектом исследования данного рода являются речь (устная и письменная) автора (составителя) и исполнителя (диктора в устной речи); предметом экспертизы речи являются фактические данные об авторе и исполнителе текста (диагностического, классификационного и идентификационного характера);

  • исследование текстов программ для ЭВМ, составленных на искусственных языках программирования, является подвидом экс- пертизы письменной речи; тексты программ для ЭВМ обладают свойствами проецирования криминалистически значимых признаков авторов этих текстов;
  • приоритетное направление в криминалистическом исследовании речи принадлежит изучению идентификационного комплекса качественных и количественных признаков, отвечающих критерию их бессознательного проявления в исследуемом тексте;
  • метод идентификации исполнителя текста по орфографичес-‘ ким ошибкам;
  • метод классификации авторов текстов по уровню языковой культуры на основе частотных характеристик лексического состава текстов;
  • алгоритмизация процесса решения экспертных задач в области автороведческои экспертизы создает реальные предпосылки совершенствования действующей модели автоматизированного рабочего места (АРМ) эксперта-исследователя речи;
  • автоматизированное рабочее место (АРМ) эксперта-авторо-веда является основным действенным инструментом в разработке новых и уточнении имеющихся методов и методик криминалистического исследования письменной речи.
  • 13 -Практическая значимость работы.

Использование разработанных методов расширяет круг решаемых задач автороведческих, почерковедческих. фоноскопических, технических экспертиз документов и компьютеной экспертизы. В связи с использованием предложенных алгоритмизированных методов открываются новые возможности алгоритмизации процесса решения экспертных задач, совершенствования автоматизированного рабочего места эксперта-исследователя речи.

Исследования по теме проводились в соответствии с Координационным планом НИР ВННИСЭ МЮ СССР на 1989-90 г.г. (проблема 3. тема N 8а, задание 1), а также в соответствии с планом НИР Экспертно- криминалистического Центра МВД России на 1993-94 г. г. (темы 4. И и 4.13).

Разработанный метод классификации авторов текстов по уровню языковой культуры на основе частотных характеристик лексического состава текстов рассмотрен и одобрен научно-методическим Советом по судебно-почерковедческой и судебно-авторовед-ческой экспертизе ВНИИСЭ (декабрь 1990 г.).

Основные положения работы докладывались на 1-й Конференции молодых ученых и специалистов ВНИИСЭ (июнь 1983 г.), на теоре- тических семинарах - криминалистических чтениях ВНИИСЭ (1986, 1990 г.г.), на философском семинаре ВНИИСЭ (1985 г.), на меж- дународных конференциях “Информатизация правоохранительных систем” (Москва, июль 1994 г. и июль 1995 г.). 1-й международной конференции “Компьютерная преступность” (Лион, Франция, апрель 1995 г.).

Основные положения диссертации включались в программы обучения на Заочных курсах повышения квалификации работников судебно- экспертных учреждений МЮ СССР, во Всесоюзном институте

  • 14 -усовершенствования работников юстиции, докладывались на научно-практических криминалистических семинарах в Московском го- сударственном университете (1987, 1990 г.г.), в Московской го- родской и областной коллегиях адвокатов (1990-95г.г.), в Вер- ховном Суде СССР (1990 г.), Академии МВД России (1992 г.).

Предложенные методы находят применение в практике производства автороведческих экспертиз (архив ЭКЦ за 1995-2000 г.г. - все автороведческие экспертизы).

Основные положения диссертации опубликованы в следующих работах:

  1. Возможности применения ЭВМ при исследовании статистических структур текстов в судебно-автороведческой экспертизе // Новые разработки и дискуссионные проблемы теории и практики судебной экспертизы.- М., 1985.- С. 18-28 (в соавторстве)

  2. Анализ спектров частот встречаемости слов в судебно- автороведческой экспертизе // Актуальные вопросы судеб-но- почерковедческой экспертизы.- М., 1985.- С. 170-179 (в со- авторстве)
  3. Памятка следователя и судьи о подготовке материалов о назначении судебных почерковедческой и автороведческой экспертиз (методические рекомендации).- М.: ВНИИСЭ, 1986.- 13 с. (в соавторстве)
  4. Возможность идентификации исполнителя текста по ор- фографическим ошибкам // Проблемы автоматизации, создания ин- формационно-поисковых систем и применения математических методов в судебной экспертизе.- М.: ВНИИСЭ, 1987.- С. 53-57 (в со- авторстве)
  5. Методологические и теоретические проблемы криминалистического исследования речи // Вопросы теории судебной экспер-
  • 15 -тизы и совершенствования деятельности судебно-экспертных учреждений.- М.: ВНИИСЭ, 1988.- С. 62-67
  1. Математические методы и ЭВМ в комплексной судебно-по- черковедческой экспертизе // Использование математических ме- тодов и ЭВМ в экспертной практике.- М.: ВНИИСЭ, 1989.- С. 145- 149
  2. Решение ситуационных задач в криминалистической экспертизе письменной речи // Новые разработки, технические приемы и средства судебной экспертизы.- М.: ВНИИСЭ. 1990.- С. 1-5
  3. Судебно-автороведческая классификация на основе анализа частотных характеристик лексического состава текстов // Актуальные вопросы судебной экспертизы. Сборник научных трудов.- М., 1992.- С. 123-138 (в соавторстве)
  4. Идентификация особенностей работы оператора на клавиатуре персонального компьютера // Международная конференция “Информатизация правоохранительных систем”. Тезисы докладов.-М., Академия МВД России, 1994.- С. 79-83 (в соавторстве)
  5. Проблемы предупреждения экспертных ошибок в кримина- листическом исследовании письменной речи // 50 лет НИИ крими- налистики: Сборник научных трудов.- М.:ЭКЦ МВД России, 1995.- С.75-80
  6. АРМ эксперта-автороведа “Лексика” // Международная конференция “Информатизация правоохранительных систем”. Тезисы докладов.- М., Академия МВД России, 1995.- С. 83-86
  7. Исследование компьютерных средств - новый род кримина- листической экспертизы // Международная конференция “Информа- тизация правоохранительных систем”. Тезисы докладов.- М., Ака- демия МВД России, 1995.- С. 86-88 (в соавторстве)
  8. Материалы 1-й международной конференции Интерпола по
  • 16 -

компьютерным преступлениям //Информационный бюллетень N 14.-М.: Национальное бюро Интерпола в Российской Федерации, 1995.-с. 29

  1. Идентификация пользователя ЭВМ и автора программного продукта. Методические рекомендации.- М.: ЭКЦ МВД РФ.- 1996 (в соавторстве)
  2. К вопросу о криминалистической экспертизе речи // Вопросы криминалистики и экспертно-криминалистические проблемы. Сборник научных трудов.- М.: ЭКЦ МВД РФ.- 1997.- С.49-58
  3. Криминалистические аспекты раскрытия и расследования компьютерных преступлений // Аналитический банковский журнал.-М. , 1998.- N 7.- С.61-65
  4. Криминалистическое исследование письменной речи. Учебное пособие.- М.: ЭКЦ МВД РФ.- 2000
  5. Судебно-автороведческая экспертиза // Современные возможности судебных экспертиз (Методическое пособие для экспертов, следователей и судей).- М.:РФЦСЭ, 2000.- с.16-21 (в соавторстве)
  6. Преступление раскрыл филолог // Милиция.- N 1, 2000, с.14-16
  7. Технико-криминалистическое обеспечение производства автороведческой экспертизы//Технико-криминалистическое обеспечение раскрытия и расследования преступлений.-М.:Былина, 2000.- С.141- 145
  8. Правовые и методологические аспекты установления факта предварительной подготовки письменных и устных текстов // Материалы научно-практической конференции “Криминалистика. XXI век”.- М: ЭКЦ МВД РФ.- 2001 (в соавторстве, в печати).
  9. Объем и структура работы. Диссертация изложена на 225 стр. машинописного текста, состоит из введения, 4-х глав, заключения, списка использованной литературы и приложения.
  • 18 -по нашему мнению, не следует представлять этот период, однако, в качестве хронологического преемника доавтороведческого периода: последний до сих пор находит отражение в отдельных рабо- тах. В связи с этим и сегодня представляется оправданным обра- щение криминалистов-исследователей речи к ранним опытам фило- логов, приоритет которых неоспорим в разработке этого направ- ления, получившего в дальнейшем свое развитие и в криминалистике.

Первый период - филологический - характеризуется постановкой и решением задач в области прикладной филологии, относящейся к ее отдельной отрасли - текстологии и объединенных одним, достаточно употребительным термином - атрибуция (установление автора или исполнителя художественного или исторического текста).

Одной из подзадач атрибуции декларируется изучение подделок литературных сочинений и среди них подделок произведений, приписываемых реально существующим писателям, вымышленным ав- торам, определенному историческому лицу [184, 144. 152, 165].

Фундаментальная и прикладная лингвистика, занимаясь тож- дественными автороведению проблемами, достигла определенных успехов: текстологу постоянно приходится производить сложную и ответственную работу по определению авторства (или степени ав- торства) тех или других произведений. Во всех случаях текстологу приходится заниматься вопросами атрибуции, т.е. утверждением авторства того или иного писателя. Эта работа (особенно в классической филологии) неразрывно связана с атетезой (от гре- ческого athetesls - отрицание принадлежности произведения данному лицу). Практически оба эти процесса сливаются и в новой текстологии обычно объединяются одним термином - атрибуция

  • 19 -[184].

Отдельным этапом выглядит раннее направление таких исследований, цель которых - отождествление исполнителей древних рукописей в палеографии и кодикологии, задача, важная для вспомогательных исторических дисциплин. В этих случаях письменная речь как объект идентификационного или классификационного исследования использовалась исследователями-филологами наряду с почерком и топографическими признаками; так, изучая рукопись XVI века, исследователь Канар выделяет ряд характеристик “общего порядка”, среди которых: материал письма, организация страницы (число строк, размеры полей, расположение заглавий и рубрик), орнаментация (заглавная, инициалы, соединительные линии, использованные краски), чернила, письмо (высота и ширина букв и их соотношение; расстояние между буквами и строками, “вес” письма, угловатость либо округлость форм. наклон букв, непринуждённое либо неловкое их начертание, количественные соотношения вариантов их форм, наиболее примечательные своеобразные формы, лигатуры и способы сокращений [148, С. 278].

В первой половине XX века Е.Ланн предложил аналогичные принципы исследования, базирующиеся на уровневом анализе текста, выделяя при этом следующие уровни: филологический (лексика, грамматика, синтаксис), палеографический (бумага, чернила, начертание графем), графический (почерк) и социологический (идеология предполагаемого автора) [142].

Исследователь Жиль при исследовании текстов в целях атрибуции устанавливает достаточно высокую устойчивость навыков исполнителя в способах сокращения слов [148, С.287], и этот частный признак оказывается приемлемым и в современной методи-

  • 20 -ке исследования письменной речи “исполнителя, что доказывает один из экспериментов, описанных в настоящей работе.

Как видим, в разные времена и разными авторами не делалось различий по большинству объектов, разделенным современными классификаторами по криминалистическим родам экспертизы. Подобный, ставший классическим, подход используется в филоло- гических трудах и большинством из современных исследователей- филологов.

Другой отличительной чертой работ филологического подхода является преимущественное использование качественных оценок выявленных признаков: “в лингвистике обычно высказываются о “богатстве” словаря или его “однообразии”, о сходстве или раз- личии в стиле текстов или авторов, основываясь преимущественно на интуитивных ощущениях и иногда сопровождая их соображениями о том, что у писателя А “чаще” или “реже” встречаются какие-либо слова или формы, чем у писателя В” [16, С.85].

Во многом аналогичное положение сохраняется и в кримина- листическом исследовании письменной речи: так, “о правильности речи (низший уровень) мы говорим при овладении индивидом нормами литературного языка (критерии оценки языковых средств на этом уровне: правильно-неправильно)” [74,С.103].

Кроме того, всем филологическим работам свойственно отсутствие классификации используемых признаков письменной речи на общие и частные.

Несмотря на отрицание отдельными представителями филологического направления возможности создания единой методики установления авторства анонимных произведений [232], можно отметить явную тенденцию активного поиска универсального метода атрибуции автора текста, не увенчавшегося, правда, существен-

  • 21 -ными успехами [25, 169, 232, 243].*

Сторонники филологического подхода, исчерпав, вероятно, определенные возможности анализа на качественном уровне, с от- носительно недавнего времени стали в большей степени опираться и на количественные методы, признавая в первую очередь пользу сравнительного изучения статистических структур текстов, которое позволяет уточнить субъективные высказывания. В России ос- нователем этого направления, активно развивающегося в начале и существенно обделенного вниманием в середине XX века, справедливо считают Н.А.Морозова, который предложил использовать в качестве характеристики индивидуальности автора текста, например, частоту употребления служебных слов на 100 слов текста [161]. а также ввел понятие коэффициента индивидуальности ( отношение среднего числа повторений каждой служебной частицы к средней повторяемости этой частицы, вычисленная по многим авторам данного периода времени, эпохи).

Значение работ Н.А.Морозова, на первый взгляд, весьма не- совершенных по современным меркам, трудно переоценить: именно в этих работах впервые была высказана мысль о возможности и необходимости количественной оценки комплекса лингвистических единиц текста. В’дальнейшем такой подход развивался и совер- шенствовался, получив достаточно широкое распространение как в классическом, так и прикладном языкознании [69, 93, 96, 221, 237].

Количественные методы исследования письменной речи, отражая объективно существующие закономерности языка, в свою очередь, являются составной частью комплексного, системного подхода в изучении языковых структур. Наряду с качественным подходом к решению проблем авторства текстов количественные мето-

  • 22 -ды, основанные на вероятностном моделировании, позволяют исследователю точнее воспроизвести и описать наблюдаемые явления, что безусловно привлекает к себе внимание как в фундаментальной, так и в прикладной науке.

“Эволюция методов атрибуции (в историческом аспекте) сви- детельствует о сходстве концептуальных основ атрибуции текстов в криминалистической экспертизе письма и в литературоведении. Для используемых в криминалистике и литературоведении методов анализа текстов характерно использование формализованных методов, обеспечивающих эксплицитное представление результатов анализа текста. Современные методы атрибуции текста непригодны для анализа текстов небольшого объема» если ставится задача установления их авторства” [167, С.118].

Письменная речь привлекла к себе внимание криминалистов еще в давние времена: в России первый случай проведения судебной экспертизы по установлению автора по признакам письменной речи зафиксирован в 1886 г. [246].

Естественно, первые, не самые показательные с методологической точки зрения экспертизы, интересуют сегодняшнего исследователя лишь в историческом плане, как свидетельство потребностей судебных и следственных органов в подобного рода исследованиях. У нас нет сведений, использовали ли признаки письменной речи в своих заключениях эксперты, например, учрежденной в 1570 году во Франции экспертной корпорации, хотя известно. что они производили экспертизы документов, чему француз Равенно в 1669 г. посвятил специальную брошюру [114, С. 19].

Доавтороведческий период характеризуется прежде всего ис- пользованием криминалистами письменно-речевых навыков автора рукописного текста лишь в совокупности с почерковыми (исполни-

  • 23 -тельскими) навыками, тем самым ча’стично переняв методологию филологического направления. В работах этого периода выделяются исследователи А.М.Агушевич [6], А.И.Винберг [61], Г.Л.Грановский [87, 88], Р.Х.Дроммель [244], Н.И.Клименко [120], Г.Д.Маркова [151], О.М.Мгеладзе [153,154,155], Л.П.Оганян [168]. Б.И.Пинхасов [174]. К.Г.Сариджалинская [189], М.Я.Сегай [191,192], С.И.Тихенко [204], А.М.Ткачук [205]. В.В.Томилин [206], З.Д.Ямакова [238]. В.Р.Харрисон [246], В.Штайнке [256].

Автороведческий период в криминалистике начался, как указывалось, с исследований Э.У.Бабаевой [17, 18. 19], которая в конце 60-х годов впервые пришла к выводу о том. что “установление авторов анонимных документов - совершенно самостоятельный вид исследования”. При этом однако Э.У.Бабаева полагала, что все признаки “письменной речи должны быть выделены из разделов “судебное почерковедение” многих пособий для практических работников и учебников ‘ по криминалистике” [18, С.92], включая в число таких признаков орфографические и пунктуационные. Современная криминалистическая методология и практика криминалистического исследования письменной речи исходят из того, что именно знание возможностей исследования таких признаков и их исследование служит показателем достаточно высокой квалификации эксперта-почерковеда.

В целом же работы Э.У.Бабаевой по многим аспектам не потеряли своей актуальности и методологической ценности как определяющий этап развития криминалистического исследования речи в целом, а высказанные ею идеи находят свое подтверждение в современной экспериментальной и практической экспертной деятельности.

Заметим, что и сегодня встречаются как отдельные публика-

  • 24 -ции, так и нормативные ведомственные инструкции, в которых по-прежнему объединяются предметы почерковедческой и авторо- ведческой экспертиз [114, С.137], объединяются эти два рода криминалистических экспертиз в один и не признаются, по сути, их самостоятельные теоретические и методологические основы, существование которых обосновано наличием у каждого из них собственных объектов, предметов и задач исследования. В даль- нейшем это положение не раз подвергалось дискутированию в научной литературе, при этом ни разу не была опровергнута необходимость разделения объектов криминалистического исследования

Потребовались многолетние усилия ряда исследователей для выявления реальной ценности, самостоятельного значения и иден- тификационной, классификационной и диагностической значимости признаков письменной речи автора (составителя) текста. В числе таких исследований можно назвать работы В.Н.Белова [36-44], В.К.Воинова [64], С.М.Вула [70-76], Т.В.Гомон [84-86], О.К.Дамбраускайте [95], З.Х.к. Кишиевой [119].

В последних двух из перечисленных трудов, по существу. экстраполируется методологический подход русскоязычной методики на национальные ареальные языки (литовский и азербайджанский) конкретных регионов.

Несмотря на преимущественную ориентацию авторов вышеперечисленных трудов на качественный уровень анализа выявленных признаков письменной речи, достаточно большой объем в общем списке занимают работы, в определенной степени освещающие проблематику использования методов математической статистики и ЭВМ в изучении языка.

Список работ, составляющий достаточно полную картину развития обсуждаемой здесь проблемы, можно условно классифициро-

  • 25 -вать на несколько разделов:
  1. лингвистические работы, посвященные использованию методов математической статистики в изучении языка;
  2. лингвистические работы, посвященные использованию ЭВМ в исследовании языка;
  3. работы, посвященные использованию методов математической статистики в криминалистике;
  4. криминалистические работы, посвященные использованию ЭВМ в исследовании языка.
  5. Каждый из этих разделов составляет определенный объем материала, отражающий в известной степени теоретический и методологический аспекты автоматизации деятельности эксперта-исследователя речи, поэтому представляется целесообразным рассмотреть весь комплекс перечисленных проблем.

Многочисленные работы, посвященные использованию методов математической статистики в изучении языка, по целям исследования можно условно дифференцировать по двум направлениям: работы, относящиеся к фундаментальным [9, 11, 63, 81, 90, 82, 89. 98, 170, 176-178, 187, 190, 200, 201. 207, 208, 215-219, 234, 236], и работы, относящиеся к прикладным [20-27, ИЗ, 32, 46, 51, 59, 64, 65. 80, 91. 94, 141. 144, 156, 157, 202, 103, 221-223. 225, 241, 251, 258, 260, 261].

Первое из перечисленных направлений характеризуется ис- пользованием преимущественно общенаучного подхода к исследованию статистических проблем в области исследования языка и речи, ориентированного в основном на дидактическую область применения.

Второе направление по конечным целям ограничивается, как правило, небольшим кругом проблем: автоматическое реферирова-

  • 26 -ние и индексирование текстов, автоматизированный перевод с одного языка на другой с последующим редактированием, автомати- ческое составление словарей и конкордансов; сюда же входит и атрибуция авторов литературных произведений и исторических до- кументов. Нетрудно убедиться, что последняя из перечисленных задач, относится к родственно близким криминалистике и, в частности, автороведению.

Результаты этих работ, по нашему мнению, еще ждут более полного и специального анализа со стороны ученых-криминалистов. Было бы по меньшей мере опрометчиво игнорировать многочисленные предложения прикладников-филологов, ставящих и решающих проблемы атрибуции литературных произведений; до сих пор в криминалистической литературе имеются лишь отрывочные, несистематизированные сведения об этих работах, не подкрепленные фактически достаточно обоснованной критикой используемых методов и концепций.

В лингвистических работах, посвященных использованию ЭВМ в исследовании языка привлекают внимание труды сравнительно небольшого периода последних лет, когда технические возможности ЭВМ позволили, наконец, выйти за рамки сравнительно примитивного поиска слов с целью определения их эквивалентов в других языках. Наиболее заметными и существенными для нашего исследования нам представляются труды, ориентированные на решение классификационных задач, как имеющие значение для промежуточных исследований в криминалистике. Эти работы, несмотря на разнообразие конкретных тематик и объектов исследования, в целом призваны обеспечить полную или частичную автоматизацию процесса решения перечисленных выше задач: автоматическое реферирование. индексирование, перевод текстов, атрибуция авто-

  • 27 -ров и составление словарей [1-5. ‘45, 51-54, 60, 77, 66, 67, 92, 107-109, 112, 116, 117, 122. 134. 139. 163. 164. 176. 182, 185, 194» 197, 220, 227, 239. 245, 249. 250. 252. 253.
    1. 259]. Однако несмотря на кажущуюся отдаленность этих задач от собственно криминалистических, каждая из них может быть ис- пользована в определенной мере и в разработке АРМ (автоматизи- рованного рабочего места) эксперта-криминалиста, исследователя письменной и устной речи.

В принципе, любой из количественных методов предполагает возможность его реализации на электронно-вычислительной аппа- ратуре, поэтому в фундаментальной лингвистике, где ЭВМ исполь- зуется сейчас, в основном, как необходимый исследователю инс- трумент, “необходимость привлечения ЭВМ для лингвистических исследований признавалась давно, однако несовершенство ЭВМ первых поколений сильно затрудняло их использование лингвистами. Ограниченный объем памяти, отсутствие необходимых устройств ввода-вывода и небольшая скорость обработки данных составляли существенное препятствие для решения информационно-логических задач” [185].

Среди работ, посвященных использованию методов математической статистики и ЭВМ в криминалистике, имена многих известных отечественных криминалистов: Л.Е.Ароцкер [14], Р.С.Белкин [33, 34], З.И.Кирсанов [118]. В.Я.Колдин [125], Р.М.Ланцман [143], В.С.Митричев [159], В.Ф.Орлова [172]. Пинхасов Б. И. [175]. Н.С.Полевой [179], В.А.Пошкявичус [180], В. А.Снетков [196], И.Н.Сорокотягин [199], А.Р.Шляхов [231]. Л.Г.Эджубов [159] и др.

В этих трудах можно встретить достаточно подробное освещение некоторых общетеоретических, методологических, процессу-

  • 28 -

альных и организационных проблем ‘математизации и кибернетизации криминалистической деятельности в целом.

Тем же проблемам, но в более узком плане, относительно конкретных родов и видов судебной экспертизы либо одной из правовых проблем посвящены многие работы, упоминание лишь о некоторых из них дает представление о возрастании роли и зна- чения процесса создания автоматизированных систем в кримина- листике. Приоритет в этом списке мы предоставили, разумеется, тем работам, которые идут в русле задач криминалистического исследования речи или наиболее близки им [42, 48, 68, 70, 86, 95, 104, 106. 135, 137, 147, 186, 229. 233].

Большинство криминалистов сходятся на том. что “математические методы в криминалистических исследованиях имеют свою сферу и пределы эффективного применения, ограничиваемые как сложностью объекта познания, целями исследований и их научным уровнем, так и возможностями … и спецификой математического знания, проявляющейся в его аксиоматическом характере (в основе знания лежит система принятых без доказательств положений, из которых логически выводятся все основные утверждения). Масштабы и глубина математизации криминалистических исследований во многом зависят от разрешения их теоретических и особенно методологических и логических проблем” [135, С.109].

Обращаясь к криминалистическим работам, посвященным ис- пользованию ЭВМ в исследовании языка, необходимо отметить, что первые серьезные исследования проблемы использования количест- венных методов и ЭВМ в целях криминалистической идентификации автора документа совпали по времени с периодом становления те- ории судебно-автороведческой экспертизы и характеризуют на- чальный, экспериментально-поисковый этап работы, этап формиро-

  • 29 -вания основных принципов и альтернативных подходов [7, 13, 20, 70, 79, 149. 242, 244, 256].

Общим недостатком указанных работ является недостаточно высокая надежность и достоверность предлагаемых методов, обусловленная ограниченным, недостаточным количеством экспериментального материала, что в целом снижает их практическую значимость.

Использование ЭВМ в криминалистическом исследовании письменно- речевых навыков автора и исполнителя текста, являются, по сути, завершающим этапом любой научной работы, ориентированной преимущественно на квантитативные методы решения в области исследования речевых свойств и навыков.

“Значение количественных методов идентификации определяется тем, что они в конечном счете являются средствами познания наиболее существенного качества исследуемого объекта - его индивидуальности. Количественным путем могут быть выражены многие качественные признаки исследуемых объектов” [124, С. 51].

Можно не соглашаться с возможностью скорой реализации утверждений о том, что “производство некоторых видов криминалистических экспертиз преимущественно идентификационного характера будет полностью автоматизировано - от кодирования исходной информации до оценки полученных результатов, достоверность которых уже не станет вызывать сомнений [34, С.51]. Но нельзя не согласиться с неотвратимостью технического прогресса, невозможностью его поступательного проникновения во все сферы человеческой деятельности, включая и обсуждаемую в настоящей работе.

Современные тенденции эволюции экспертных оценок письмен-

  • 30 -но-речевых признаков автора или исполнителя текста и условий составления последнего определяются некоторыми закономерностями, обусловленными в том числе и уровнем методологического и технологического обеспечения.

Большинство исследователей сходятся на том, что “каждый человек обладает только ему свойственной манерой изложения как письменной, так и устной речи,… каждый человек, кем бы он ни был, обладает особым стилем, который можно обнаружить при тща- тельном исследовании и сравнениями со стилями других людей” [223]. Отмечая стилистические различия любого письменного текста, можно однозначно сказать, стиль любого текста частично определяется его формальными свойствами [221, С.313).

Вместе с тем, большинство исследователей языка признают явную недостаточность разработок, характеризующих главные функциональные стили языка на количественном уровне; выделенные лингвистикой без применения статистического аппарата и статистических методик, обладая внутренней дифференциацией на жанровые, тематические и индивидуальные [83. С.127], эти стили ждут объективного и полного описания.

Описание на количественном уровне речевых явлений, связанных с установлением лиц, причастных к составлению текстов, по сути, и является ключевым вопросом судебно-автороведческой экспертизы в частности и комплексной речевой экспертизы речи в целом.

Проблемы комплексности и системности экспертного исследования, надежности методов и достоверности выводов эксперта по-прежнему остаются в ряду наиболее актуальных вопросов криминалистики. При этом мы должны ясно осознавать, что “математические методы в криминалистических исследованиях имеют свою

  • 31 -сферу и пределы эффективного применения, ограничиваемые как сложностью объекта познания, целями исследований и их научным уровнем, так и возможностями… и спецификой математического знания, проявляющейся в его аксиоматическом характере (в основе знания лежит система принятых без доказательств положений, из которых логически выводятся все основные утверждения). Масштабы и глубина математизации криминалистических исследований во многом зависят от разрешения их теоретических и особенно методологических и логических проблем” [135,С.109].

В настоящее время уже не вызывает сомнения мысль о том, что классификационные судебно-автороведческие задачи , порой трудно разрешимые на путях качественного анализа, могут быть во многих случаях решены с помощью квантитативных, математических методов. Преемственность и в этом вопросе от судебного почерковедения очевидна: “в судебном почерковедении вероятностно-статистический метод возник и развивался именно как метод исследования одной из основных проблем почерковедения -индивидуальности почерка” [172, С.99].

Теоретическим основанием для использования математических методов исследования письменной речи является стохастическая (вероятностная) модель порождения речевого высказывания: “бла- годаря прочной фиксации навыков письма и образованию в коре головного мозга систем временных нервных связей - динамического стереотипа, нервный труд, затрачиваемый в процессе письма, уменьшается и создается возможность…писать автоматизирован-но” [226, С.17].

В речевом опыте носителя языка на протяжении всей его жизни формируется, обогащаясь в силу тех или иных условий или обедняясь, но оставаясь относительно инвариантной, специфичной

  • 32 -в определенный период времени, вероятностная организация его речи. Так же как и в почерковедении, где “экспериментатор всегда имел дело с почерком как результатом письменно-двига- тельной функции человека” [172, С.98], в автороведении иссле- дователь всегда имел дело с речью как результатом интеллекту- ально-мыслительной функции.

Отдельные экспериментальные исследования, окончившиеся не вполне обнадеживающими результатами, дали основания для заявлений о том, что влияние фактора “индивидуальность.. .на формальные характеристики текста незначительное. Этот вывод снимает вопрос о пригодности формальных характеристик для атрибуции текстов до 300 словоупотреблений” [21].

Строго говоря, такое ограничение нельзя признать оптимальным даже для относительно качественного уровня исследования: практика показывает, что при наличии добротных, идеально сопоставимых по всем необходимым критериям образцов тексты объемом до 30-50 словоупотреблений могут быть пригодными для идентификации их автора. Вывод о непригодности текстов объемом менее 300 словоупотреблений объясняется спецификой исследуемых объектов (условия составления текстов художественной литературы здесь могут быть приравнены к традиционно необычным, так как авторы художественных произведений трансформируют собственные письменно- речевые навыки в соответствии с сюжетной ситуацией) .

Некоторые исследователи предпочитают включать в число классификационных (дифференцирующих) признаков также и психо- логические характеристики автора [156], и это нельзя не признать правильным и перспективным направлением, несмотря на слабую практическую реализацию этой идеи в отечественной судебной

  • 33 -экспертизе.

Настоящая работа, ее результаты, показывают, что достаточно достоверные и надежные в плане идентификации автора или ис- полнителя текста количественные решающие правила невозможно применять в отрыве от качественных оценок выявленных частных признаков; при этом подтверждается мысль о том, что “особый интерес представляет применение метода сравнения статистических структур текстов для установления авторства анонимных про- изведений” [16, С.86].

“Предполагается, что в языковом поведении каждого человека отражается динамический стереотип, подобный описанному для других форм поведения. Исходя из посылки о языковом динамическом стереотипе, можно полагать, что каждый автор устойчиво предпочитает одни синонимы другим” [13. С.143].

Здесь уместно заметить, что криминалистическая авторовед-ческая методология порой напоминает традиционную судебно-по- черковедческую. По-видимому, это вполне объяснимо: долгие годы письменно-речевые навыки рассматривались в отечественной кри- миналистике только в совокупности с почерковыми, поэтому вполне обоснованно признается, что эти виды судебной экспертизы родственны. Собственно, и до сих пор в методологических подходах некоторых зарубежных криминалистов (например, США) эти два рода экспертизы объединены в один, именуемый экспертизой документов (в США функционирует Американская Ассоциация экспертов спорных документов, в которую входят и почерковеды, и авторо-веды, и специалисты технического исследования документов).

Кроме того, именно в почерковедении впервые в криминалистике было заявлено о сущности и роли функционально-динамического комплекса как одного из ведущих компонентов психофизиоло-

  • 34 -гической структуры человека; письменно-речевой функциональ- но-динамический комплекс, являясь частью коммуникационных средств человека, образован из системы интеллектуальных навыков автора или исполнителя текста.

Не меньшую привлекательность для автороведения представляют термины, заимствованные из лингвистических дисциплин: так, на наш взгляд, заслуживает внимания предложенный в частной беседе профессором Д.Я.Мирским термин “идиолект” как синонимическое понятие комплекса частных и общих признаков письменной речи, составляющих индивидуальную совокупность.

Чтобы точнее обозначить круг проблем, рассматриваемых в настоящей работе, отметим, что наш подход основан на постулате, что современные методы криминалистического исследования письменной речи предполагают изучение рукописных, машинописных и выполненных полиграфическим способом документов на следующих основных уровнях: пунктуационном, орфографическом, синтаксическом, лексико-фразеологическом и стилистическом. На наш взгляд, эти уровни полностью поглощают и все традиционные ав-тороведческие признаки, где “при решении вопроса об авторе используются признаки синтаксических, лексико-фразеологических, стилистических, формально-логических и интеллектуальных навыков” [75 С.1Ш, и другие, не используемые в этом роде судебной экспертизы.

В зависимости от степени развития соответствующих навыков автора или исполнителя документа эксперт в процессе исследования выявляет общие и частные признаки, составляющие затем со- вокупность, достаточную для конкретного вывода. При этом особое внимание уделяется вопросам наличия или отсутствия факта необычных условий при составлении или исполнении текста.

  • 35 -

Современное понимание проблем криминалистического авторо-ведения предполагает сочетание качественного и количественного подхода к исследованию криминалистических объектов, что, по общему мнению, должно приобрести статус обязательности. Чтобы познать важнейшие стороны объекта, максимально проникнуть в его сущность и выявить индивидуальные особенности, необходимо наряду с качественным применять и количественный подход к его анализу [179. С.117].

Одним из наиболее актуальных вопросов остается использование экспертом современной компьютерной техники, что связано с применением точных методов обработки текстов. Являясь надежным помощником в научных работах, ЭВМ, по нашему мнению, не- достаточно полно используется в практике судебного эксперта- исследователя речи, и основные причины такого положения (исключая недостаточно высокий уровень технического оснащения судебно-экспертных учреждений) следующие: преимущественно ка- чественный подход существующих методов и методик в исследовании речи, отсутствие математически точных решающих правил. позволяющих формализовать отдельные этапы экспертного исследо- вания .

В судебно-автороведческой экспертизе применяются как тра- диционные качественные, так и количественные методы, позволяющие выявить совокупность признаков письменной речи индивида и являющиеся основанием для конкретного вывода эксперта.

В связи с этим возникает вопрос о критериях оценки текста с позиции вероятности появления отдельного слова или фразы в речи конкретного лица или группы лиц, объединенных профессией, возрастом, полом, родным языком знанием конкретных фактов и т.п., причем важно исследование этих вопросов как в норме,

\

  • 36 -так и в патологии и других случаях отклонения от нее.

Одним из таких критериев, по нашему мнению, может служить частота встречаемости слова, то есть количество его появлений в языке вообще и в текстах определенного жанра в частности.

В общем случае принцип установления тождества описан исс- ледователями письменной речи довольно точно: “мы должны выбрать ряд составляющих, связанных с понятием стиля, и затем ис- пользовать их в качестве измеряемых единиц или параметров. Ре- зультат измерения связывают с результатами, полученными при анализе произведений, принадлежащих другим возможным авторам. Если мы приходим к выводу, что достаточно, чтобы отличить нашего писателя от всех других, то нам остается лишь выяснить, насколько статистически значимыми являются отклонения, иными словами, можем ли мы быть уверены в достоверности полученных результатов. Но каким бы ни был результат, он всегда будет соответствовать истине с той или иной степенью вероятности” [225, С.56].

Очевидно, что если справедливо утверждение о том, что частотность и распределение частотности являются самостоятельными величинами и зная одну из этих двух характеристик, мы не можем предсказать другую СИ, С.86], то было бы достаточно опасно выбирать одну из этих характеристик, заведомо отдавая ей предпочтение перед другой: в криминалистическом исследовании речи особенно важны полнота и достоверность, а предполагать априори о независимости этих величин было бы по крайней мере преждевременно.

Что касается частоты встречаемости слова в речи, то с одной стороны, нельзя не признать ее роли в общем анализе текста, с другой - в научной литературе встречаются высказывания,

  • 37 -которые в принципе ставят под сомнение возможность ее использования: существуют соображения, позволяющие вообще усомниться в том. насколько целесообразно использование сведений частотных словарей в экспериментальных исследованиях речевого поведения. При использовании в исследованиях этого типа данных о частотах слов, полученных путем подсчетов по письменным текстам. возникает вопрос о том, в какой мере частота появления слов в письменной речи может рассматриваться как приближение к тем вероятностным характеристикам этих слов, которые сформировались в памяти индивида и в соответствии с которыми строится вероятностное прогнозирование речевого поведения [57. С. 45-46].

Исходя из этого, исследователи иногда определяют частоту встречаемости на основе опросов респондентов, фактически отдавая предпочтение субъективным оценкам [218].

Подобный подход, возможный при изучении вероятностного речевого поведения, несмотря на приведенный в указанных работах ряд математических обоснований, представляется менее приемлемым в криминалистике из-за значительной вариационности таких субъективных оценок, их зависимости от многочисленных внешних, экстралингвистических факторов. И если прогноз в речевом поведении управляется именно субъективными вероятностями [218, С. 34]. то объяснен он должен быть, по нашему мнению, все же объективными закономерностями: замечено, что “устройство” текста с точки зрения повторяемости слов еще не определяется ни длиной текста, ни объемом словника, а определяется тем, каков объем отдельных групп слов, повторенных определенное число раз [16, С.82]. По этой же причине нельзя отдать приоритет субъективной оценке признака письменной речи перед объективной

  • 38 -оценкой, хотя налицо и небесспорнбсть этого тезиса.

По-видимому, как это часто случается, и в нашем случае истина лежит между этими полярными, на первый взгляд, подходами. и поэтому в криминалистическом исследовании письменной речи предпочтительным является определенное сочетание субъективного и объективного подходов.

Сторонники субъективного подхода в оценке признаков письменной речи считают, что оптимальным способом получить сведения о частотах слов является проведение эксперимента с применением методики субъективных оценок; этот прием удобен еще и потому, что субъективные оценки частот слов могут быть получены для той группы испытуемых . для которых ранее были получены результаты, связанные с исследованиями других характеристик тех же слов. Это обстоятельство особенно важно для тех случаев. когда обследуемые испытуемые представляют собой в каком-то смысле специфическую группу (ср. больных шизофренией или афазией; резко обособленные социальные группы и т.п.) [57. С.46-47].

Однако при этом нельзя игнорировать и полученные ранее ре- зультаты, определенно указывающие на то. что частота односло- товых или многослоговых слов характеризует как язык, на котором написано произведение, так и индивидуальный стиль автора [221. С.287].

“Примирение” сторонников двух направлений (объективного и субъективного), подходов к изучению речевых особенностей нахо- дится в области, как нам кажется, метода экспертных оценок. Рассмотрим, например, включение одного из методов экспертных оценок - семантического дифференциала - в процесс экспертного исследования по установлению автора рукописного текста неболь-

  • 39 -шого объема. С помощью этого метода экспертные оценки, полученные от группы испытуемых, обрабатывались таким образом, что имелась некоторая объективная информация о семантической структуре текста. Эти оценки представляли собой определенную экстраполяцию действительных (объективных) показателей, которые могли быть получены формализованно в текстах большого объема [22].

Теоретически и экспериментально установлено, что единицы и категории языка, а также построенные из них речевые цепи имеют качественную и количественную стороны (качественные и количественные признаки), поэтому знание о языке не может быть полным и достоверным, если изучается лишь одна из этих сторон.

На необходимость изучения и использования статистических характеристик текстов указывалось в многочисленных работах, как посвященных проблемам текстологии, так и в криминалистических публикациях: имеются сведения о том, что, к примеру, средняя длина словоформы может быть статистической характеристикой стиля и языка [178, С.316-317], а частота однослоговых или многослоговых слов в литературных произведениях характеризует индивидуальный стиль автора [221, С.287]. Большинство же исследователей письменной речи сходятся в мнении, что внутренний параметр лингвистического описания характеризуется двумя факторами - частотностью употребления языковых единиц и степенью интеграции этих единиц [150, С.156].

Не могут не вызвать интереса криминалиста-исследователя речи и такие наблюдения: “длины слов и предложений делят писателей на группы”(137, С. 315); или “словарный состав произведения очень важен сам по себе как стилевая характеристика и, естественно, важен также для исследования вопроса об авторстве

  • 40 -[221, С.415]; или “общие выводы, .’.дают основания считать, что для характеристики словарного состава текстов какого-либо ав- тора или сравнения словников разных авторов необходимо учитывать не просто перечень слов, входящий в данный словник, но рассматривать слова вместе с их частотами в тексте” [219. С.8].

Важными, на наш взгляд, являются и наблюдения, указывающие на необходимость использования частотных характеристик отдельных фрагментов текста: речь идет о распределении частот слов целого текста и отдельных его частей, значение отдельных частей текста (например, его начала) [240].

Известный опыт по сравнению степени лексической близости словарей исследуемых текстов [164, С.25] также может найти применение в решении криминалистических задач.

Для криминалиста-исследователя речи не могут пройти незамеченными предложения использования методов по определению вероятности принадлежности исследуемого текста с известным числом определенных морфологических признаков (частей речи) пред- полагаемым типам текстов или методики вычисления обобщающего показателя атрибуционных возможностей комплекса морфологических признаков ‘[237].

Общие результаты этих исследований показали принципиальную возможность судебно-экспертной идентификации автора документа на основе множества статистических параметров текстов, а также очевидную эффективность использования при этом электронно- вычислительной техники. В частности, они свидетельствуют о том, что в качестве первого этапа исследований по разработке методики идентификационной судебно-автороведческой экспертизы. реализуемой с помощью статистических методов и ЭВМ. целесооб-

rosy/v ? .

’ •’ ‘ ‘

  • 41 -разно рассматривать решение проблемы дифференциации авторства.

В некоторых предшествующих работах отмечалось, что основным правилом в использовании статистических характеристик текстов является то, что совпадение количественных стилевых характеристик дает существенно меньше, чем их несовпадение, которое может иногда быть решающим в конкретной задаче [221, С. 418].

Дифференциация авторства может осуществляться на двух уровнях: правильности и собственно культуры речи; о правильности речи (низший уровень) можно говорить при овладении индивидом нормами литературного языка (критерии оценки языковых средств на этом уровне: правильно - неправильно), о культуре речи в собственном смысле (высший уровень) - при условии владения индивидом литературными нормами (критерии оценки: лучше - хуже) [74. С.103].

Такая дифференциация на уровне “правильности” речи связана с анализом количественной стороны языковых нарушений. Необходимая для этого методика уже разработана и используется в экспертной практике; но дифференцирующие возможности этой методики ограниченны: они проявляются лишь при исследовании текстов, которые характеризуются различным уровнем грамотности автора. Проблема дифференциации авторства на уровне “культуры” речи является значительно более сложной. Некоторые считают, что успех в этом деле явится побочным продуктом развития новой отрасли науки - особой ветви литературоведения, пользующейся математическими методами исследования [221, С.422].

Сказанное относится к случаям исследования текстов, которые характеризуются одинаковым уровнем культуры письменной речи, но существенно различаются предметом, тематической сторо-

  • 42 -ной изложения и не обнаруживают ‘сопоставимых структур лекси-ко-семантического характера. Если у эксперта в подобных случаях возникает версия о том, что проверяемое лицо не является автором исследуемого документа, то проверить ее на качественном уровне анализа текстов крайне сложно или почти невозможно.

Изучение практики производства судебно-автороведческой экспертизы, а также анализ рекомендованных методов исследования, описанных в ряде научных работ, показали, что наиболее перспективным представляется использование лингвистической статистики, методов стилистического и грамматического анализа текстов при ориентации исследований на применение ЭВМ [7, С.33].

В сущности, дифференциация авторства и установление тождества - это две стороны одной и той же проблемы, и они должны решаться в рамках единой теоретической модели. Одна из такого рода моделей была предложена и апробирована в настоящей работе. Основной подход, разработанный нами, базируется на принципе нетрадиционного решения криминалистической классификационной задачи в судебно-автороведческой экспертизе.

При решении проблем авторства методами лингвостатистики необходимо прежде всего установить жанр’ово-стилистическую при- надлежность исследуемого текста и текстов предполагаемых авторов, поскольку, как показали исследования в этой области, колебания частот лингвистических элементов в гораздо большей степени зависят от жанра и стиля , чем от принадлежности тому или иному автору. Нейтрализовав влияние стиля и жанра, можно переходить к анализу авторских различий и сравнению исследуемого текста с текстами предполагаемых авторов [113, С.26]. Приведенная выше мысль из работы текстологического харак-

  • 43 -тера, где выявлялся один из шести предполагаемых авторов, несомненно, является основополагающей в любом исследовании рече- вых свойств, и поэтому мы склонны считать, что фактор стиля, о котором здесь идет речь, должен быть учтен и при проведении судебно-автороведческой экспертизы.

Так. при оценке совокупности частных признаков письменной речи автора текста, составленного в официально-деловом функциональном стиле, эксперту-автороведу в первую очередь необходимо учитывать вопросы качественного анализа. Этот стиль, являющийся преимущественным в документах, от авторства которых отказываются участники гражданского и уголовного процессов, общепризнанно считается одним из самых сложных: по трудности выявления в нем идентификационных частных признаков его можно приравнять к научному стилю, в котором отмечается устойчивая индифферентность лексико-фразеологического и синтаксического состава, что делает весьма затруднительным решение криминалистических задач по таким текстам.

Однако официально-деловой стиль даже в “чистом” виде оставляет место для определенных выводов об авторе текста: клас- сификационные исследования по традиционной методике в отношении уровня образования, места формирования родного языка, уровня профессиональных навыков в составлении официальных документов, каковыми являются, например, чистосердечные признания или заявления в государственные органы, дают возможность получить конкретные, промежуточные для решения идентификационной задачи, обобщения, позволяющие в конечном счете составить интеллектуальный портрет автора.

Относительно низкая идентификационная значимость лексических, фразеологических и синтаксических признаков письменной

  • 44 -речи автора текстов, составленных в официально-деловом стиле. не может компенсироваться за счет интуиции эксперта; в то же время, на наш взгляд, было бы ошибочным утверждать о невозмож- ности получения категорического положительного вывода о тождестве автора в подобных исследованиях. Практика убедительно свидетельствует об обратном, несмотря на то, что минимально необходимое количество сравнительных образцов при этом сущест- венно повышается (приблизительно в 2 - 5 раз больше, чем в исследованиях текстов бытового стиля). Нельзя не признать и то. что количество решаемых случаев в заключениях экспертов по делам, связанным с отказами от показаний на предварительном следствии, значительно ниже, чем в остальных случаях.

Еще больше возможностей для этого раскрывает анализ фрагментов текста, составленных в бытовом, разговорном стиле, органично входящих в виде отступлений в официально-деловой стиль. При исследовании таких фрагментов необходимо постоянно учитывать требования однородности (отсутствия соавторства) текста, в связи с чем надо признать, что этот вопрос еще не нашел достаточно полного и всестороннего отражения в научных и методических разработках и поэтому является наиболее уязвимым этапом экспертного автороведческого исследования.

Одной из самых трудоемких задач в судебном автороведении считается задача определения наличия соавторства однородного связного текста. Строго подходя к методологическим основам су- дебно-автороведческой экспертизы, такую задачу нужно и должно считать необходимым предварительным этапом любого исследования. однако наука сегодня не располагает достаточно надежными методами, позволяющими сделать это.

Пожалуй, наиболее достоверными данными о соавторстве можно

  • 45 -получить используя метод Мортона-Майкелсона, который все же дает возможность проводить такие исследования. Этот метод применим в прозе и поэзии, к возвышенному сонету и запутанным признаниям в полиции и при этом дает удивительные результаты. Во-первых, это свидетельствует о том, что авторы приобретают и сохраняют постоянный стиль, как бы ни сложилась их жизнь; кроме того, он прекрасно выявляет незначительные отклонения в казалось бы однородном тексте, что обычно представляет собой труднейшую задачу. Метод также выявляет попытки подделать авторский стиль, даже если подделка выполнена достаточно умело и убедительно для рядового читателя.

Возможности применения этого метода очевидны. Мортон намерен использовать его для анализа спорных признаний обвиняемых. Здесь, по его мнению, часто встречается смешение разных стилей: “отчасти они заключают в себе то, что говорит обвиняемый, отчасти то, что от него хочет услышать полиция, и отчасти то. что сказали другие люди” [223], то есть метод работает на установление доли соавторства конкретного лица.

Подводя итог сказанному, можно отметить тот факт, что на современном этапе использование точных количественных методов и ЭВМ в криминалистическом исследовании письменной речи оставляет широкое поле деятельности как в практическом, так и в те- оретическом и организационном аспектах решения этих вопросов. Настоящая работа призвана в определенной степени восполнить некоторые пробелы, решив следующие задачи:

а) создание новых количественных методов криминалистичес кого исследования письменной речи;

б) разработка концепции организации автоматизированного рабочего места (АРМ) эксперта-исследователя речи;

  • 46 -

в) создание методологических предпосылок для разработки, оперативной апробации и статистической оценки достоверности выводов новых методов и методик криминалистического исследова ния письменной речи;

г) разработка автоматизированного рабочего места (АРМ) эксперта-исследователя речи.

  1. Криминалистические задачи экспертизы письменной речи в системе общей классификации задач.

Криминалистическое исследование письменной речи автора или исполнителя текста предполагает выявление определенных речевых признаков, способных образовывать совокупности, необходимые и достаточные для решения конкретной экспертной задачи. Круг таких задач довольно обширен и тесно взаимосвязан со следственной задачей по каждому уголовному или гражданскому делу. Классифицируя эти задачи в общем случае на идентификационные, диагностические и классификационные, можно констатировать наличие в каждом экспертном исследовании следующих стадий:

а) подготовительной,

б) раздельного, аналитического исследования объектов,

в) сравнительного исследования,

г) заключительной (общей оценки результатов исследования и формулирования выводов).

На наш взгляд, было бы ошибочным считать отсутствие стадии сравнительного исследования в классификационных или диаг- ностических исследованиях, так как эта стадия в любом случае имеет место быть на этапе разработки соответствующей методики и эксперт обязан учитывать это обстоятельство и оценивать дос-

  • 47 -товерность экспериментальных результатов.

Отсутствие в заключении эксперта сравнительного исследования при решении диагностических и классификационных задач свидетельствует лишь о том, что эта стадия как бы вышла за рамки заключения, так как формирование выводов этих категорий возможно только на основании сравнительного (сопоставительного) исследования общих и частных признаков письменной речи.

Ссылки на источники происхождения классификационных и ди- агностических данных, таким образом, являются основанием при- менения той или иной методики и указывают на применение самос- тоятельных научных разработок, результаты которых используются экспертом. Так, например, при решении классификационной задачи о месте формирования языковых навыков автора текста эксперту необходимо произвести сравнение выявленного комплекса признаков письменной речи с совокупностью аналогичных признаков группы лиц с заранее известными речевыми свойствами (диалектом).

Проведение такой крайне трудоемкой работы в рамках экспертного эксперимента представляется делом, лишенным рационального смысла, и нереальным из-за ограниченности в сроках производства судебной экспертизы. Подобные вопросы могут быть успешно решены только при наличии готовых методик или методов, подтвержденных на достаточно репрезентативных выборках текстов, с необходимой степенью достоверности результатов.

Работы по созданию подобных методик (под методикой исследования мы понимаем упорядоченную совокупность или систему отдельных методов - конкретных способов или приемов решения задачи, а также применение этой системы) [209. С.123], ведущиеся в настоящее время в ряде судебно-экспертных учреждений, дают

  • 48 -основания надеяться на получение практически значимых результатов в этой области.

Процесс раздельного исследования текстов - наиболее трудный с точки зрения анализа многочисленных письменно-речевых фактов и ситуаций. На этой стадии эксперту необходимо из огромного количества языковой информации выделить именно те частные признаки, которые представляют интерес с позиций решения поставленной перед ним конкретной экспертной задачи. Иными словами, уже на этом этапе при исследовании текстов большого объема, эксперт должен определить значимые, существенные для решения именно этой задачи факторы, зафиксировать их в качестве речевых признаков-следов, способных составить идентификационную, диагностическую или классификационную совокупности.

Существующее положение, когда значимость каждого признака письменной речи в подавляющем большинстве случаев определяется субъективными методами, не может удовлетворять требованиям высокой точности, и поэтому существует объективная необходимость постоянного обращения эксперта-исследователя письменной речи к справочно-информационному фонду, включающему в себя все известные методы, методики и оценочные характеристики различных лингвистических явлений и фактов.

По характеру анализируемых общих и частных признаков письменной речи их можно дифференцировать на качественные и количественные. Такая дифференциация не может служить основанием для противопоставления одного уровня другому: ни качественная, ни количественная стороны исследования письменной речи не являются приоритетными.

Анализ общей структуры решения криминалистической задачи, позволяет выделить часть задач, передающихся машине. “И именно

  • 49 -в связи с этим и возникает ряд проблем как криминалистического, так и уголовно-процессуального характера” [179, С.117].

ОБЩИЕ

ЧАСТН ЫЕ

КОНЕЧ НЫЕ

ПРОМЕ ЖУТОЧ НЫЕ

ПО УРОВНЮ ЦЕЛИ

ПО УРОВНЮ РЕШЕНИЯ

КРИМИНАЛИСТИЧЕСКИЕ ЗАДАЧИ, РЕШАЕМЫЕ С ИСПОЛЬЗОВАНИЕМ МАТЕМАТИКО- КИБЕРНЕТИЧЕСКИХ МЕТОДОВ

ПО ФУНКЦИОНАЛЬНОМУ НАЗНАЧЕНИЮ

ПРЕДМЕТНО- ПРОИЗВОДСТВЕННЫЕ

НАУЧНО-ПОИСКОВЫЕ

ОРГАНИЗАЦИОННО- УПРАВЛЕНЧЕСКИЕ

следственно- ситуационные

определение колич. характеристи к

управление кримин. деятельность ю как метасистемой

идентификационные

дифференционные

справочно- информационные

определение частоты встречаемости

определение идентификационной значимости

определение прое- ктивных свойств

управление конкретным видом деятельности

управление отдельным процессом

управление действием

Рис. 1

Криминалистические задачи, решаемые с использованием

математико-кибернетических методов (282, С.132)

Реальным основанием для применения математических методов при изучении языка является объективное наличие в нем количественных характеристик. Кроме системы языка, в тексте принимают участие норма, которая носит тоже вероятностный характер, и независимая от языка ситуация. В результате их взаимодействия получаем текст, представляющий собой линейную цепочку дискретных символов, каждый из которых встречается с определенной частотой и обладает индивидуальными способностями соче-

  • 50 -таться с другими символами. Эти свойства текста находят свое выражение в терминах теории вероятности и математической ста- тистики [112, С.14].

Естественно однако предположить, что автоматизированные экспертные системы, являющиеся завершающим этапом применения ЭВМ во многих областях деятельности человека, в том числе экспертной, могут ориентироваться преимущественно (хотя и не исключительно) на количественный уровень, на количественные единицы письменной речи, которые могут быть легко формализованы для понимания их на искусственных языках программирования.

По мнению кибернетиков, практический подход связан с построением функциональных моделей деятельности человека в процессе решения лингвистической задачи; процедура построения такой модели при этом состоит из следующих основных этапов:

  • формулирование задачи;
  • отбор исходной лингвистической информации;
  • изучение лингвистического материала и выдвижение гипотезы о принципе решения задачи (выдвижение концептуальной модели);
  • описание концептуальной модели в виде формализованной последовательности правил (построение машинного алгоритма);
  • построение действующей (динамической) модели ‘задачи (создание программы для ЭВМ);
  • реализация модели (работа программы на ЭВМ) и анализ результатов ее работы;
  • корректировка (совершенствование) ее работы [110, С. 10].

Исследование общих и частных признаков письменной речи

. исполнителя рукописного текста, отражающих уровень его навыков

использования литературно нормированных пунктуационных средств

и орфографически корректной лексики, органично входит в про-

  • 51 -цесс комплексной судебно-почеркове’дческой экспертизы. Объекты криминалистического исследования (в данном случае почерк и письменная речь исполнителя), дополняя друг друга, несмотря на кажущееся несходство происхождения, создают более полную картину о функционально-интеллектуальном динамическом стереотипе индивида, помогают получить точный вывод при решении экспертной задачи установления тождества исполнителя текста среднего и большого объема.

Выделяя категории среднего и большого объема исследуемых текстов (в связи с крайне ограниченной возможностью определения устойчивости и вариационности письменной речи в текстах малого объема), можно отметить, что уже на первых стадиях исследования у эксперта есть необходимость провести элементарные количественные оценки текста.

Следующим методически обоснованным этапом является установление количественных показателей общих письменно-речевых навыков. Вопреки встречающейся в криминалистической литературе точке зрения о необязательности этого этапа, с таким утверждением трудно согласиться: ведь именно в этой фазе могут быть установлены такие немаловажные факторы как наличие или отсутс- твие необычных* условий выполнения текста (намеренное искажение письменной речи и почерка, выполнения текста лицом, не являю- щимся его автором и др.).

Эти, хотя и несложные, математические операции в многообъектной экспертизе (свыше 10 исследуемых текстов) или при необходимости сопоставительного анализа образцов письменной речи значительного числа предполагаемых авторов заметно затрудняют проведение экспертизы, увеличивают сроки ее проведения. Использование ЭВМ в таких случаях может существенно уп-

  • 52 -ростить этот процесс, позволяя произвести необходимые вычисления автоматизированно и с большей точностью.

“Применение статистических методов для лингвистического материала с ориентацией на ЭВМ предполагает четкое, точное, однозначное определение считываемых элементов в различных текстах - фонем, морфем, словоупотреблений, словосочетаний, типов предложений и т.д.” [112, С.31].

Алгоритм программы для ЭВМ должен предусмотреть диалоговый режим ввода исходных данных (количественных параметров общих признаков) с возможностью записи всех данных во внешнее запоминающее устройство и выводом их на печатающее устройство.

Нельзя не заметить и естественное сходство криминалистических методов и методик, направленных на исследование письменной речи, с одной стороны, и устной речи, с другой. Тождественность методологических подходов, не использующаяся в настоящее время в полной мере в судебно-экспертных исследованиях, оставляет достаточный простор для совершенствования концепции развития данных родов экспертиз.

Такое положение усугубляется и методологически нецелесообразным, по нашему мнению, “дроблением” отдельных частных методов криминалистического исследования языковых навыков по различным родам экспертиз, что приводит к излишне узкой специализации экспертов, их разобщенности в понимании научных и прикладных проблем. Примером такого подхода может служить мнение о необходимости вычленения письменной речи исполнителя рукописных или машинописных текстов из числа гипотетически самостоятельного рода экспертизы - судебно-лингвистической [123].

Сказывается и отсутствие достаточно надежных методик.

53 -

способствующих решению вопросов о тождестве автора или исполнителя на основе корреляции признаков письменной и устной речи.

КРИМИНАЛИСТИЧЕСКАЯ ЭКСПЕРТИЗА РЕЧИ

1 i

?— ? i

1

ПИСЬМЕННАЯ РЕЧЬ

УСТНАЯ РЕЧЬ

i 1

i 1

i - - 1 1 1

ИДЕНТИФИКАЦИОННЫЕ ПРИЗНАКИ

КЛАССИФИКАЦИОННО

И ДИАГНОСТИЧЕСКИ

ПРИЗНАКИ Е Е ИДЕНТИФИКАЦИОННЫЕ ПРИЗНАКИ

1 1 i 1

i 1 ? —’ “?”т-“

1

1

4,

1

1

АВТОР

ИСПОЛНИТЕЛЬ

АВТОР

ИСПОЛНИТЕЛЬ

i

1

 i

1 N * 1

— 1

1 А

СИНТАКСИС

ЛЕКСИКА

ФРАЗЕОЛОГИЯ

СТИЛЬ п т

ОРФОГРАФИЯ ПУНКТУАЦИЯ А, Ф

РОДНОЙ ЯЗЫК

ОБРАЗОВАНИЕ

ПРОФЕССИЯ

ВОЗРАСТ

ПАП Ф

СИНТАКСИС

ЛЕКСИКА

ФРАЗЕОЛОГИЯ

СТИЛЬ ф

ОРФОЭПИЯ АКЦЕНТУАЦИЯ

пил НЕОБЫЧНЫЕ 1 /СЛОВИЯ

Рис. 2 Использование специальных лингвистический знаний в современной криминалистической экспертизе письменной и устной речи: А - в автороведческой экспертизе П-в почерковедческой экспертизе Т - в технической экспертизе документов Ф - в фоноскопической экспертизе

Как следует из приведённой схемы, имеются все основания рассматривать обе эти формы речи как единый криминалистический объект единого рода судебной экспертизы (назовем его условно экспертизой речи): на схеме использования специальных лингвистических познаний в криминалистической экспертизе письменной и устной речи отчетливо просматривается тенденция совпадения наименований речевых признаков на различных лингвистических уровнях и в различных родах экспертизы.

Каждый из исследуемых уровней речи может и должен быть

  • 54 -использован в решении криминалистических задач в нескольких родах экспертиз, и этим объясняется необходимость методологического обоснования выделения специальных познаний, связанных с исследованием речи, в отдельный род судебной экспертизы.

Общепринято считать, что при отсутствии установленного факта необычных условий первые два из перечисленных лингвистических уровней (пунктуационный и орфографический) отражают навыки исполнителя текста документа, а оставшиеся три - его автора. Этим обосновывается правомерность использования анализа письменной речи на орфографическом и пунктуационном уровнях в комплексе с почерковедческим (в случае рукописного исполнения) и судебно-техническим (машинописное исполнение) исследованием документов, что безусловно дает свои положительные результаты в решении идентификационных, диагностических и классификационных задач об исполнителе текста большого объема.

Различные объекты исследования (почерк или машинописные навыки, с одной сторо’ны, и письменная речь исполнителя, с другой) в известной мере усложняют процесс производства экспертизы на синтезирующем этапе, превращая ее по существу в комплексную, требуют подбора специфических образцов, пригодных для сопоставления.

Экспертизы такого рода, то есть с использованием специальных познаний, выходящих за пределы одного традиционного рода экспертизы в современной классификационной структуре, так же как и автороведческие допускают в рамках системного подхода возможность сравнительного анализа признаков письменной речи с образцами устной речи.

Эта возможность в экспертной практике реализуется достаточно редко из-за имеющихся затруднений, обусловленных процес-

  • 55 -суальными нормами, неоднозначным пониманием и интерпретацией этих норм. Так, отбор экспериментальных образцов устной речи подозреваемого лица, как правило, происходит во время допроса, обязательное предупреждение о применении технических средств звукозаписи зачастую предопределяет появление в образцах признаков необычности, в том числе умышленного искажения частных признаков лексико-фразеологических и синтаксических навыков.

Большинство работ в этой области посвящены преимущественному изучению признаков исключительно письменной речи [72], в то время как исходя из принципов комплексного подходя к исследованию речи в криминалистике, трудно было бы обойти факт органической взаимосвязи обеих форм речи, устной и письменной, восходящих к единому источнику - внутренней речи. Последняя не имеет словесного выражения и способы ее фиксации даже в обозримом будущем не смогут, видимо, удовлетворять требованиям необходимой достоверности, поэтому она не сможет стать объектом криминалистического исследования.

Письменная и устная речь имеет некоторые различия, и эти различия можно сравнить с вырезанными кадрами из художественного фильма и документального кино: первые создаются режиссером - нормой и ее служителями, вторые - самой жизнью [89, С.367].

Однако несмотря на это внутренняя речь является основой для понимания единства этих, казалось бы противоположных форм речи, рассчитанных на различные органы ее восприятия и имеющие в одинаковых коммуникативных ситуациях различные степени спон- танности.

Единым в устной и письменной речи является и слово - минимальная единица, носитель смыслового содержания, что также

  • 56 -объединяет эти две формы в один ‘ объект криминалистического исследования.

В любой экспертизе речи (автора устного или письменного текста) у эксперта возникает проблема решения одного из ключевых вопросов - определение криминалистической (идентификационной, классификационной, диагностической) значимости выявленных частных признаков как каждого в отдельности, так и их совокупности.

Говоря о взаимозависимых признаках письменной и устной речи, нельзя не сказать и о том, что обе формы речи подчинены одному языковому закону - норме. Произношение, ударение, объем словаря, значение и употребление слов, грамматические формы и синтаксические конструкции - все это в литературном языке со- поставляется с некоторым общепринятым образцом - языковой нормой, которая представляет собой совокупность средств языкового выражения в фонетике, лексике, стилистике, синтаксисе, грамматике и орфографии, являющимися образцовыми [213, С.31-32).

Письмо каждого человека тесно связано с его устной речью. Навыки письма, в частности, письменной речи, возникают на базе выработанных ранее навыков речи устной, поэтому процесс форми- рования письма не может быть понят без описания процесса овла- дения первыми знаниями родного языка [226, С.2].

Поэтому синтаксис, лексика, фразеология и стиль (индивидуальный) в устной и письменной речи требуют применения идентичных методов исследования, в которых решающим звеном в координации действий экспертов разных специальностей становится комплексный подход к решению экспертной задачи. Описанные на схеме совпадающие криминалистические признаки речи автора (составителя) устных и письменных текстов не случайны и могут

  • 57 -быть объединены естественным методологическим сходством.

Это сходство подтверждаются и в других исследованиях: отмечается единство линейных структур устной и письменной речи [45. С. 134]. их безусловная взаимозависимость в развитии [226, С. 12]. идентичное проявление признаков, обусловленное непосредственной связью с мышлением . с деятельностью мозга, его второй сигнальной системы [6, С. 41].

Неоднократно отмечалась в литературе несомненно существующая тесная связь между устной и письменной речью каждого человека, которая проявляется в общности словаря, а также отчасти в стилистике [50, С.1163.

Естественно, здесь нельзя не заметить и особенностей каждой из форм речи, которые определяются в общем виде спецификой реализации высказывания, заданной самими условиями общения: письменное высказывание в отличие от устного всегда подготовлено. его можно подвергать обработке (отчего пишущий при переводе высказывания в письменную форму “олитературивает” его, сглаживает зачастую индивидуальную манеру); оно более логично. последовательно, стройно [158. С.38].

Отдельные отличительные черты этих речевых форм лишь подтверждают диалектический характер решаемой проблемы: основное различие, состоящее в том, что устная речь рассчитана на слуховое восприятие, а письменная речь - на восприятие зрительное, практически нивелируется при применении отличительных понятий речи и голоса в криминалистике. Кроме того, это отличие проявляется преимущественно в синтаксисе, что еще более снижает значимость различия [50].

Письменная речь свободно использует разные способы сочинения и подчинения, обособление, вводные предложения, устная

  • 58 -же речь оперирует простыми предложениями чаще, чем сложными, а из сложных чаще сочинительными, чем подчинительными. При этом разные синтаксические конструкции прерывают друг друга, иногда одна начинается прежде, чем другая закончилась, так что предложения устной речи сплошь и рядом не укладываются в обычные рамки грамматического разбора, чего никогда не бывает в гра- мотной письменной речи [50, С.144].

Таким образом, единая природа языка дает нам право утверждать о возможности появления рода судебной экспертизы с собственным предметом, объектом и задачами; этот род располагает специфическими методами, заимствованными из лингвистики, психолингвистики и их прикладных областей или специально соз- данными криминалистами; именно при этих условиях судебно-линг- вистическая экспертиза приобретает черты самостоятельного рода криминалистического экспертного исследования [123, С. 6].

Вполне законченным выглядит, на наш взгляд, предложенное определение (за исключением, пожалуй, самого названия, не от- ражающего объекта исследования), предмета нового рода: предметом судебно-лингвистической экспертизы можно назвать фактические данные о личности человека на основе исследования особенностей его письменной и устной речи; тогда основной задачей этого рода экспертизы будет отождествление посредством исследования на основе специальных познаний признаков речевых навыков и свойств, а также выявление через свойства речевых навыков условий ситуации общения, отраженной в конкретном тексте (устном или письменном).

Эта мысль поддерживается и другими авторами, указывающими на целесообразность такого методологического подхода; при этом однако высказывается, на наш взгляд, не вполне обоснованная и

  • 59 -несколько претенциозная идея выделения лингвистических исследований в отдельный класс, расположенный как бы между существующими криминалистическим и некриминалистическим классами экспертиз [86]. Такая точка зрения, появившаяся, на наш взгляд, на почве не вполне корректного или неполного анализа соотношения собственно лингвистических и криминалистических методов исследования письменной речи, представляет лишь сугубо теоретический интерес, как проявление крайности в методологи- ческой проблематике.

Такой подход противоречит практической реализации кримина- листических методов автороведческой экспертизы, использование которых при решении именно криминалистических задач имеет мак- симальную отдачу. Использование же некриминалистических методов при решении лингвистических задач не может быть основанием для предложения выделения их в промежуточный класс экспертизы, в противном случае на такую роль могли бы претендовать почти все новые роды и виды судебной экспертизы.

Поэтому мы не считаем возможным поддержать высказанную идею о новом классе судебной экспертизы; что же касается названия, предпочтение здесь, по нашему мнению, было бы целесообразно отдать экспертизе речи как роду криминалистической судебной экспертизы.

Криминалистические задачи экспертизы речи, на основе которых можно было бы предложить классификацию видов этого рода, включают в себя:

1) идентификацию автора текста, выполненного рукописным, машинописным, полиграфическим или другим способом;

2) идентификацию исполнителя рукописного (в комплексе с почерковыми признаками) и машинописного (в комплексе с призна-

-боками машинописных навыков);

3) идентификацию автора и диктора устного текста; 4) 5) установление родного языка, образовательного уровня. профессии, пола, возраста автора устного или письменного текста; 6) 7) установление факта необычных условий (диктовки, переписывания и т.п.) составления устного или письменного текста; 8) 9) идентификация автора программы для ЭВМ. 10) Последний пункт в этом списке, конкретизированный в главе 3 настоящей работы, не выглядит неожиданным если принять во внимание тождественность методов и способов исследования письменной речи текстов, составленных на искусственных языках программирования, традиционным судебно-автороведческим методам.

Наиболее информативным для криминалистического исследования является эпистолярный функциональный стиль; отдельными авторами он ставится в обособленное положение в иерархии функциональных стилей. Так, указывается на то, эпистолярная речь имеет много общего с разговорной речью, и эта близость определяется сходством ситуаций и целей порождения и восприятия текста в обоих видах речевой деятельности. Эпистолярная речь имеет и много черт, отличающих ее от разговорной речи, что вызвано различиями в условиях коммуникации [90, С.З].

Таким образом, задачи криминалистической экспертизы речи включают в себя выявление интеллектуального функционально-динамического речевого комплекса, включающего более или менее устойчивые навыки индивида продуцировать и реализовывать речевые единицы (в том числе тексты) в устной и письменной формах. Эту задачу можно определенно поставить в число первых по значимости для криминалистики.

  • 61 -

Закономерен вопрос, какие из ‘качественных признаков письменно- речевых навыков несут в себе большую идентификационную значимость, какие - меньшую; эту кардинальную проблему решить пока не удалось ни одному исследователю, и, думается, именно на этом пути использование ЭВМ станет незаменимым инструментом.

Как уже указывалось, исходным, побудительным мотивом устной и письменной речи является один и тот же объект - внутренняя речь индивида, и эта база предопределяет единство методологического подхода в решении смежных научно-исследовательских вопросов. Такое единство особенно отчетливо просматривается при использовании лингво-статистических параметров речи, методики которых в устной и письменной речи отличаются лишь решающими правилами. Поэтому представляется необходимым при крими- налистическом экспертном исследовании устной речи различать два объекта исследований: произношение и речевое ядро - проявляемые в процессе высказывания характерные для каждого человека особенности мышления, а также навык оформления мыслей с помощью языковых средств и построения высказывания [195, С.7].

Работа в направлении поиска корреляций признаков устной и письменной речи, их уровневой организации и криминалистической интерпретации результатов обещает быть достаточно плодотворной. а использование в ней современных ЭВМ представляется перспективным и необходимым звеном.

  1. Возможности алгоритмизации процесса решения

идентификационных, диагностических и классификационных задач

в криминалистическом исследовании письменной речи

Один из основоположников кибернетики Н.Винер, определяя в

  • 62 -целом трудности, возникающие на пути количественных исследований в области языкознания, высказался крайне пессимистично: “гуманитарные науки - убогое поприще для новых математических методов” [62. С.74].

Связано это, по-видимому, с тем, что если все задачи, с которыми в своей жизни сталкивается человек, можно условно разделить на две группы : задачи с “хорошей” структурой и задачи с “плохой” структурой, то справедливо утверждение о том, такие задачи, как синтаксический или семантический анализ текстов любого языка относятся ко второй группе. Отсутствие точной конечной последовательности операций для таких задач может быть следствием двух причин: невозможностью собрать полные данные, необходимые для решения задачи и неясностью самого процесса решения задачи [110. С.6-7].

Автоматизацию отдельных этапов исследования письменной речи в криминалистике нельзя считать самоцелью: если “коэффициент полезного действия” при внедрении вычислительных средств недостаточно высок, то. видимо, есть смысл поставить под вопрос резонность самого процесса автоматизации в конкретном случае.

Определенные трудности представляет выбор собственно кон- цептуальных принципов, исходя из которых исследователь составляет базы знаний на ЭВМ, то есть возможностей формализации лингвистических единиц текста для их полного понимания элект- ронно-вычислительной машиной. Простейший из этих принципов, на наш взгляд, позволяет исследователю пренебречь семантическими значениями лексических единиц, в противном случае мы имели бы дело не с криминалистической, а с традиционной классической проблемой языкознания, далекой пока до полного разрешения.

  • 63 -

Необходимо принять во внимание, что ЭВМ воспринимает только форму лингвистических единиц, но не их содержание [110, С. 12], поэтому использование принципа неучета значений слов имеет свои немалые преимущества, обусловленные временным выходом за пределы задач исследования проблем полисемии (многозначности) лексических единиц, что, к примеру, для русского языка является значительной трудностью.

Нельзя не признать, что ученые все еще далеки от полного понимания всех сложностей, присущих любому естественному языку, и. следовательно, не умеют составлять трансляторы с естественных языков или как-то иначе непосредственно использовать их в компьютере [183, С.230].

Выявление же в тексте криминалистически значимых параметров, под которыми мы понимаем количественные соотношения определенных лингвистических единиц, несущих идентификационную, классификационную или диагностическую информацию об авторе текста, обязывает нас несколько ограничивать качественные характеристики объектов, частично отрывая их от мыслительного процесса носителя языка.

Сознавая и признавая эту ограниченность, эксперту остается всегда одна из самых ответственных операций: качественная оценка признаков, существенности и устойчивости их совокупности. Необходимость постоянного проявления внимания к текстам лишь как к внешнему проявлению процессов влияния человека [45. С.140] заставляет признать неразрывную связь между качественными и количественными подходами, признать наличие и единство процесса квантификации - количественного представления качественных явлений [209].

Подтверждение этому концептуальному подходу мы находим и в

  • 64 -уровневой классификации текстов, которые, по некоторым данным. существуют на лингвистическом, социальном, и психологическом уровнях [257. С.23]:
  1. лингвистический уровень - выражение и содержание (языковая система);
  2. социальный уровень - выражение и обобщенная цель (типы и жанры текста);
  3. психологический уровень - выражение и индивидуальная цепь (индивидуальные речевые действия).
  4. По вполне понятным причинам остается трудно реализуемой в этой группе задач толкование объективных и субъективных смысловых значений лингвистических единиц (лексических и фразеологических), несмотря на то. что “для правильного анализа текстов необходимо располагать не только информацией о встречающихся в них словах и словесных выражениях, но и о понятиях, ими предоставляемых. Еще лучше иметь модель мыслящего субъекта, в которой достаточно полно была бы представлена не только система понятий и их словесных обозначений, но и система знаний о соответствующей предметной области - “модель мира”.

Все известные способы автоматического анализа текстов еще не удовлетворяют этим требованиям и поэтому несовершенны [45. С.144]; ни одна из разработок, связанных с автоматизированной обработкой текстов, не обладает достаточной мощностью для ши- рокого практического применения [183. С.249] - к таким малоу- тешительным выводам можно прийти, углубившись в поставленные перед нами проблемы.

Рассмотрим вторую группу задач (технические), подразумевающие внедрение в практику средств вычислительной техники на различных стадиях экспертного исследования, требующих упроще-

  • 65 -ния трудоемких, монотонных и доступных для алгоритмизации процессов. К таким процессам в первую очередь можно отнести про- цесс составления заключения эксперта (документа), так как зак- лючение эксперта в значительной мере отвечает описанным требо- ваниям, содержит в себе стереотипные фрагменты текста, ограни- ченные профессиональным словарем, терминологией и установленными формами.

Оказывается, с задачей автоматизации процесса составления заключения довольно успешно справляются программы текстового редактора, различные варианты которого находят все более широкое применение в экспертной практике (например. “Word Star”, “Editor”, “Лексикон” и др.). Такие программы способны хранить в памяти практически все компоненты, необходимые эксперту для составления заключения, целесообразность использования ЭВМ в этих целях подтверждается практикой проведения судебно-авторо- ведческих экспертиз во ВНИИСЭ, где в течение ряда лет все зак- лючения составлялись именно таким образом (на базе IBM-совмес- тимых персональных ЭВМ), что принесло свои положительные ре- зультаты в плане сокращения сроков производства экспертиз и обеспечении их высокого качества.

При использовании текстовых редакторов в экспертной практике исчезает необходимость последующей машинописной печати текста заключения, а также упрощается и ускоряется процесс его конечной корректировки. “Word Star” - одна из наиболее популярных программных систем обработки текстов, предназначенных для персональных компьютеров . Она действует в операционной системе СР/М, использует файловую систему СР/М для хранения своих файлов [145, С.66].

Можно понять большую приверженность многих экспертов, в

  • 66 -

том числе и зарубежных, к такого рода автоматическим системам, позволяющим достаточно рационально использовать труд и время.

В ряду технических задач можно выделить и задачу автома- тизированного поиска лексико-фразеологических совпадений в двух и более текстах. Задачи такого рода являются обязательным и необходимым атрибутом судебно-автороведческой идентификационной экспертизы, хотя не всегда достаточным для выявления всей совокупности письменно-речевых признаков.

Одним из первых реализованных в практике автороведческих экспертиз возможных путей решения этой задачи являются созданные в 80-е годы во ВНИИСЭ на базе ЭВМ “Искра-226” программа “Фраза” или ее аналог, ориентированный на ЭВМ “Искра-1030” (программист - Поляков В.3.), которые позволяют в короткий срок сравнить несколько текстов на определение факта наличия или отсутствия в них совпадающих слов или фраз в пределах одного предложения. На выходе эти программы предоставляют эксперту результаты сравнения в виде отпечатанной таблицы, содержащей цитаты исследуемых текстов, предложений с совпавшими словосочетаниями (естественно, без учета коммуникативной ситуации и других экстралингвистических факторов). Эти таблицы удобны не только для работы самого эксперта, но в’ отдельных случаях и в качестве иллюстративного материала к заключению для демонстрации в судебном заседании хода исследования.

У эксперта имеется возможность варьировать количество слов, запрашиваемых в совпадающей части текстов, что еще более расширяет возможности исследования. Дополнительная нагрузка эксперта, связанная с необходимостью последующей оценки степени случайности совпадений лексико-фразеологических признаков, выявленных программой “Фраза”, полностью компенсируется су-

  • 67 -щественным сокращением сроков проведения сопоставительного этапа экспертизы. Предварительная авторская апробация указанных вариантов программы “Фраза” показала ее достаточно высокую эффективность: доля совпавших фраз (частных признаков письменной речи). выделенных программой автоматически, к общему числу таких фраз, выделенных традиционным методом, оказалась близка к 90 %. Такая высокая доля совпадений, выявленная автоматически, может быть безусловно признана удовлетворительной, хотя любой эксперт- авторовед должен быть постоянно готов к ситуации, когда машинных резервов памяти просто не хватит даже для 50%-ной обработки текста. К таким текстам, по-видимому, следует отнести тексты с большой долей слов, относящихся к редко-частотным: например, жаргонизмам, профессионализмам, диалектизмам и т.п.

К научно-исследовательским задачам, реализуемым на ЭВМ. следует отнести задачи, связанные в первую очередь с автоматизацией имеющихся и вновь создаваемых экспертных методов и методик. Это. безусловно, наиболее трудоемкие процессы, требующие четкой организации и длительной подготовки, отличающиеся высокой степенью научного планирования и прогнозирования результатов.

Научно-исследовательские задачи, относящиеся к категории используемых в экспертной практике, могут быть реализованы на ЭВМ только в той мере, в которой возможна формализация конкретных методов и методик. Необходимо принимать во внимание естественные ограничения, налагаемые спецификой исследуемого объекта: компьютерные программы способны анализировать отдельные слова на значительной глубине, но не способны анализировать словосочетания [239, С.84].

  • 68 -

В настоящее время методов, методик и приемов, способных удовлетворять потребности криминалистической практики, имеется относительно небольшое количество, и все они отличаются в зна- чительной мере неопределенностью или отсутствием точных решающих правил, что затрудняет их использование в экспертизе и оценку достоверности. Несмотря на это, совершенно очевидно, что только использование ЭВМ способно помочь эксперту-исследователю речи определять и оценивать свойства, по которым речевые объекты могут отличаться друг от друга; кроме того, машина даст возможность располагать какой-то разумной процедурой (может быть, в виде программы), которая может сравнивать объекты и находить различия между ними [183. С.184].

Выявление возможности использования электронно-вычислительных машин для исследования статистических структур текстов в судебно- автороведческой экспертизе диктуется необходимостью получения более надежных, научно обоснованных методик ее проведения и исследования обширных, достаточно репрезентативных экспериментальных выборок письменной речи.

Таким образом, сегодня с сожалением остается констатировать факт, что создание системы полностью автоматизированного анализа письменного текста представляется делом довольно бесперспективным и утопическим. Это объясняется постоянным ростом объема словаря, появлением так называемой новой лексики и соответственно не поддающегося обсчету количества словосочетаний. Появляющиеся время от времени предложения исследователей задавать слово машине как совокупность словоформ (знать, знаю. знаешь, знает…) [110. С.13] в практике наталкиваются на труднопреодолимые препятствия, связанные, например, с омонимией: так. в приведенном примере слово “знать” может быть как

  • 69 -глаголом, так и существительным.

В Приложении 1 приводится краткий словарь с зафиксированными случаями омонимии в русском языке; простое ознакомление с этим перечнем дает основание сомневаться в скорой победе человеческого разума над проблемами, которые ставит перед исследователем бесконечно богатый и многообразный русский язык.

Весь круг подобных задач проблемой лексической омонимии не ограничивается. Причиной этому являются еще и естественные трудности, связанные с недостаточно адекватным пониманием сов- ременной филологической наукой многих языковых реалий: “структуры групп, трансформации, семантические категории и правила, логика, падежная грамматика, концептуальная зависимость, системная грамматика - ни одна из этих теорий пока не выглядит адекватной” [183]. поэтому оптимальным вариантом остается путь использования алгоритма, полуавтоматического анализа и отказ от некоторых недостаточно надежных методов, таких как, например. автоматизация морфологической обработки слов.

Таким образом, все тексты, поступающие на криминалистическую экспертизу речи, требуют так называемой лемматизации (предмашинной лингвистической обработки текста), в результате. которой каждому слову должно быть поставлено в соответствие словарное слово, указаны класс слова, набор его элементарных грамматических категорий, синтаксическая функция, место в структуре предложения, границы контекста, и т.д. [67, с.66].

Мы склонны считать наиболее приемлемым вариант с вводом в ЭВМ исходных форм слов, трансформированных по правилам, разработанным и описанным в “Частотном словаре русского языка” [228]: так. исходной формой имен существительных считается именительный падеж единственного числа, прилагательных и мес-

  • 70 -тоимений - именительный падеж единственного числа мужского рода, глаголов - форма инфинитива и так далее.

Выбранный подход позволяет исследователю обойти массу сложностей и уточнить уже на подготовительном этапе возможные неточности, практически трудно устраняемые при выборе, например. методов формализованного механизма статистического морфологического членения слов на квазиморфемы [141].

Это относится, в основном, к проблеме омонимии, широко распространенной в русском языке; даже краткое перечисление лексических единиц функциональной омонимии (см.Приложение N 1) дает представление о трудностях, возникающих при автоматизиро- ванном отнесении их к конкретной части речи. К примеру, лексемы “ясно” и “хорошо” в различных речевых ситуациях могут быть пятью частями речи: кратким прилагательным, наречием, безличным предикативом, частицей и вводным словом; а лексема “точно” - даже шестью: кратким прилагательным, наречием, безличным предикативом, частицей, союзом и вводным словом.

Отдавая отчет о том. что “предварительная лингвистическая обработка текста требует значительного времени и большого еди- нообразия. что вызывает необходимость тщательного составления инструкций по индексированию слов текста” [67. С.67], ‘за эскиз анализирующей модели переработки сегментов текста в элементы словаря можно предложить “Аналитическую грамматику словаря”. которая предполагает принять за элемент словника лексема, что требует минимальной кодификации правил сведения графических (текстовых) слов к исходным формам слова [228, С. 12-19].

Отметим, что далеко не все текстовые характеристики поддаются безусловной формализации; в этом смысле относительно стабильными можно считать лишь следующие из них:

  • 71 -

  • количество слов в тексте;
  • количество слов в предложении;
  • количество предложений в тексте;
  • количество слогов в слове;
  • частоты встречаемости слов в отдельном жанре и в языке.
  • В представлении исследователя письменной речи, желающего формализовать лингвистические явления до степени автоматизации некоторых процессов, любой текст должен быть представлен “как линейная совокупность единиц, именуемых в обыденной речи сло- вами, формально их определяют как промежутки между двумя про- белами в тексте” [209].

Каждая из перечисленных характеристик может быть формализована с помощью определенных меток; на лексическом уровне текст представляется как линейная совокупность единиц, слов, формально их определяют как последовательность букв между двумя пробелами в тексте [209, С.130].

Отдельное предложение констатируется появлением точки в тексте, слог - появлением гласной буквы в слове, принадлежность слова к определенной грамматической категории (имени существительного, имени прилагательного, имени числительного, глаголу, наречия, причастия, деепричастия, местоимения, предлога, союза, частицы, междометия, вводного слова и т. п.) требует особой метки в встроенном словаре.

  • 72 -

ГЛАВА 2. Основы экспериментального решения задач

криминалистического исследования письменной речи

с использованием ЭВМ

fc 1. Задачи и рабочие гипотезы экспериментальных исследований

Отмечающиеся в отдельных работах гипотезы исследователей письменной речи (зачастую интуитивного характера), которые могут быть полезны в криминалистике, сводятся в основном к замечаниям методологического плана и страдают недостаточно точной обоснованностью: так, например, гипотезы о классификации авторов по длине слов и предложений их текстов или по классам слов и их значениям [221. С.315] для реализации до уровня методики требуют для своего подтверждения проведения дополнительных довольно трудоемких исследований.

Такие исследования провести в рамках судебно-экспертной i деятельности представляется нецелесообразным и невозможным

ж из-за необходимости соблюдения экспертом установленных сроков.

Однако трудно не признать верным утверждение, что выявленные претендующие на статус индивидуальности “стилевые характеристики. . .должны удовлетворять следующим трем условиям: во-первых, они на протяжении всей жизни автора должны сохраняться столь же неизменными, как дактилоскопический узор пальца человека; во-вторых, этот литературный “отпечаток пальца” должен однозначно выделять каждого автора среди всех остальных; в-третьих, он должен быть легко опознаваем” [221, С.388]. Для наших целей эти характеристики должны быть от-

? носительно неизменными по крайней мере в течение идентификационного периода.

Рассматривая возможность использования формализованных методов в совокупности с качественными, эксперт руководству-

  • 73 -ется прежде всего степенью их надёжности. Надежность же новых методов, предлагаемых в экспертную практику, в значительной мере зависит от степени достоверности выводов, подтвержденных экспериментально, которая в свою очередь опирается на научную ответственность, добросовестность и состоятельность их авторов.

Необходимо, однако, признать, что в фундаментальных лингвистических науках многие из наблюдаемых явлений не находят полного объяснения в соответствующих теоретических трудах: “структуры групп, трансформации, семантические категории и правила, логика, падежная грамматика, концептуальная за- висимость, системная грамматика - ни одна из этих теорий пока не выглядит адекватной” [183. С.248-249], поэтому многократно возрастает роль эксперимента в подобных исследованиях.

Понятно, что если научная гипотеза исследователя подтверждается, к примеру, в пяти случаях из пяти возможных вариантов, то преждевременно говорить о создании нового метода. В экспертной практике немаловажным остается разрешение вопроса, какова же должна быть достоверность нового метода для возможности его внедрения.

Здесь уместно вспомнить слова видного математика XVII века Я.Бернулли, который сказал: “Было бы…полезно, если бы властью правительства были установлены для нравственной достоверности известные пределы - например, если бы было определено, достаточно ли для достижения ея 99/100 или требуется 999/1000 достоверности, чтобы судья не оказывал какого-либо пристрастия сторонам, но имел твердыя указания, с которыми постоянно согласовался бы при вынесении приговора” [47].

  • 74 -В нашем случае, думается, ‘было бы целесообразно путем оценки последствий всех возможных ошибок (1-го и 2-го рода), возникающих при применении метода, установить критерии оценки его надежности для рекомендации его к внедрению. Вычисление такого критерия можно, к примеру, предложить по формуле:

R - ~; .™е (1)

R - надежность метода,

К - количество случаев в эксперименте, подтверждающих гипотезу

N - общее количество случаев в эксперименте. Под общим количеством случаев в эксперименте N следует понимать количество проведенных тестов предложенного метода.

Как следует из формулы, критерии оценки надежности представляют собой по сути математическое ожидание конкретного вывода, подтвержденного в эксперименте К раз из N возможных случаев. Очевидно, этот критерий должен быть разработан с учетом специфики объекта рода экспертизы, хотя перманентный характер принципиального подхода к его разработке несомненен.* Наличие такого критерия позволит эксперту в меньшей степени призывать на помощь свою интуицию при формировании окончательного вывода, достоверность которого неизмеримо бы выросла. Кроме того, предложенный критерий надежности обещает стать действенным инструментом в руках эксперта, желающего объективно оценить качество работы предложенного метода.

При проведении экспериментальных исследований, безусловно, нельзя игнорировать и факт возможного изменения (умышленного и непредумышленного) характеристик отдельных письменно-речевых навыков: “утверждение, что авторы могут

  • 75 -менять свой стиль, безусловно верно. Верно, однако, и то, что…не каждый автор может в равной мере сделать это в от- ношении любой своей стилевой характеристики, в любом возрасте и т.д. “ [221, С. 393].

Создание криминалистических методик не является единственно возможным путем достижения точности в оценке значимости совокупности частных признаков письменной речи. Одним из
возможных вариантов этого является проведение экспертного эксперимента, в ходе которого эксперт получает научно обоснованную информацию, способствующую формированию вывода.

Под экспертным экспериментом подразумевается эксперимент в ходе проведения экспертизы (в данном случае - экспертизы письменной речи), целью которого является выявление количественных или (и) качественных характеристик конкретного, представленного на экспертное исследование, объекта. Не противопоставляя экспертный эксперимент криминалистической методике в целом, отметим, что он может стать компонентом последней (естественно, в определенных условиях и при наличии системного подхода).

Так, решая вопрос об исполнителе краткой записи, эксперту- почерковеду потребовалась информация об идентификационной значимости выявленного им комплекса частных признаков письменной речи, в числе которых были и орфографические. Среди последних обращало на себя внимание нормативное (корректное) написание аббревиатуры “КЗоТ” (со строчной буквой “о”). Поскольку данная аббревиатура могла быть отнесена к лексическому составу юридического подъязыка, экспертом было принято решение о проведении экспертного эксперимента с контингентом

  • 76 -юристов, активно использующих этот подъязык в своей про- фессиональной деятельности. Организационный аспект эксперимента не представил особых сложностей, так как временные затраты, необходимые эксперту для его проведения не превысили двух часов, и, следовательно, не повлияли существенно на увеличение сроков производства экспертизы. В описываемом случае эксперимент был полностью реализован самим экспертом.

Тридцати респондентам было предложено записать под диктовку аббревиатуру “КЗоТ”, и последующий экспресс анализ показал, что нормативное написание (то есть со строчной буквой “о” - “КЗоТ”) употребили лишь пятеро из тридцати или 16 %. Таким образом, этот эксперимент показал достаточно высокую идентификационную значимость (около 83 %) нормативного использования исследуемой аббревиатуры и соответственно низкую (около 17 %) значимость ее ненормативного написания с прописной буквой “0й.

С учетом факта предварительного отбора и ограничений условий этого отбора контингента испытуемых лиц по критерию их профессиональной принадлежности эксперт оценил частный признак нормативного использования аббревиатуры “КЗоТ” как заслуживающей включения его в совокупность, подтверждающую общий положительный идентификационный вывод (при совпадении с образцами).

В описанном случае действия эксперта характеризуются совершенно обоснованными логическими и методологическими приемами: организация экспертного эксперимента в условиях наименьшего благоприятствования появлению ложных данных способствует объективно точной оценке значимости частного признака.

  • 77 -

Необходимо также отметить, что не только орфографические ошибки, но и отсутствие таковой в конкретном слове, как было отмечено в указанном выше примере, может стать предметом вни- мания эксперта-исследователя письменной речи.

Так, описанный эксперимент, например, дает основания утверждать факт относительно высокой идентификационной значимости правильного (литературно нормированного) написания аббревиатуры “КЗоТ”, и поэтому при наличии устойчивого различия этого признака он может лечь в основу общего отрицательного идентификационного вывода о тождестве исполнителя текста. Такие факты и результаты частных исследований в свою очередь становятся необходимым материалом для составления банков данных (или банков знаний), на ЭВМ, создание которых имеет целью оперативное обеспечение экспертов и специалистов о частоте встречаемости того или иного лингвистического явления в письменной речи, что несомненно повышает научный уровень проведения судебной экспертизы.

В отдельных случаях экспертный эксперимент дает возможность решать нетривиальные экспертные задачи, например, ситуационные, относительно редко встречающиеся в практике. Так, при расследовании убийства подозреваемый Н. для подтверждения своего алиби показал, что во время совершения убийства он на- ходился в аудитории техникума на лекции, которую законспекти- ровал, в подтверждение чего он представил конспект лекции в виде текста объемом около 300 словоупотреблений. Для проверки истинности этого утверждения следователем была назначена экспертиза, на разрешение которой был поставлен вопрос: не списан ли исследуемый текст с одной из десяти тетрадей, при- надлежащих другим студентам, либо он был выполнен при

  • 78 -конспектировании лекции. Таким образом, смысл вопроса заключался лишь в том, в какой именно ситуации данный текст был воспроизведен: под диктовку либо путем переписывания.

Сама постановка вопроса наталкивает на мысль о необходимости переоценки существующей классификации судебной экспертизы речи, так как решение описанной ситуационной задачи невозможно включить ни в один из известных родов или видов экспертизы.

В первую очередь эксперту предстояло определить методы. приемы и последовательность их применения в ситуационном анализе; алгоритм, отражающий действия эксперта при решении поставленной задачи, можно условно разбить на 4 этапа:

ЭТАП 1: отбор частных ситуационных признаков письменной речи. Признаки были отобраны эмпирическим путем по принципу взаимной независимости (см. таблицу 2); очевидная нетрадиционность этих признаков определена нетривиальностью решаемой задачи.

ЭТАП 2: определение относительного темпа диктовки текста образцов. Установить относительный темп диктовки позволило по- парное сопоставление всех образцов по выделенным частным признакам, указанным в таблице под NN 1-3, 7-9; доля различий между записями в десяти тетрадях по каждому сравнению в от- дельности колебалась от 27% до 55%. Это позволило эксперту сделать вывод об относительно высоком темпе диктовки (ни в одном из проведенных сравнений не были зафиксированы полные и точные совпадения количества и последовательности воспроизведения слов, фраз и предложений).

ЭТАП 3: сравнение исследуемого текста с текстами образцов.
Поскольку все частные признаки, отмеченные в таблице,

  • 79 -носят различающийся смысл, количественные параметры отражают степень различия и сходства каждой пары текстов (исследуемый и образец). Оценкой результатов сравнительного анализа было установлено, что все тексты-образцы.за исключением текста N 4. существенно отличаются от исследуемого, причем эти различия носят устойчивый характер. В тексте N 4, напротив, степени сходства и различия различаются не менее, чем в 2.5 раза (степень сходства - в сторону увеличения, а степень различия -в сторону уменьшения).

Таблица 1

NN п/ /п НАИМЕНОВАНИЕ ЧАСТНОГО ПРИЗНАКА ПРОЯВЛЕНИЕ В СРАВНЕНИИ С ОБРАЗЦОМ N

1 2 3 4 5 6 7 8 9 10 1. 2.

3.

4.

  1. 6.

  2. 9. Отсутствие слова.име- ющегося в образце Наличие слова.отсут- ствующего в образце Различное окончание

одинаковых слов Отсутствие знака пре- пинания, имеющегося в

образце Различие знаков препинания Наличие знака препи- нания. отсутствующего

в образце Различие в написании аббревиатур, цифр Различный порядок

слов Различия рубрикатора 51 27

4

4 3

1

13

0

6 131 17

3

5

1

2

3

3 5 27 7

4

5 1

3

5

2 2 0 0 1

2 0

1

14

0 0 197 3

5

5 2

4

4

5 9 105 8 2

1 1

3

7

4 16 84 9

6

4 1

0

9

4 11 74 8 6

4 0

1

2

0 12 92 9 5

3

0

1 6

5 И 39

31

1

2

0

6

5

2 8 СТЕПЕНЬ СОВПАДЕНИЯ 1 0 0 5 0 0 1 2 1 1 СТЕПЕНЬ РАЗЛИЧИЯ 109 170 56 18 234 147 128 107 132 94 Количественные значения выявленных частных признаков

письменной речи

ПРИМЕЧАНИЕ: П’од степенью различия двух текстов понимается суммарное количество различающихся частных признаков, под сте- пенью совпадения - неразличающихся (нулевое значение в таблице)

  • 80 -

ЭТАП 4: установление роли участников переписывания.

С целью выяснения функций каждого из двух возможных участников процесса переписывания проводился экспертный эксперимент. Для этого из представленного в таблице списка признаков прежде всего был определен наиболее информативный признак; им оказался признак N 7 - различие в написании аббревиатур и цифр, доля которого в тексте N 4 превышает все одноименные параметры в других образцах.

Эти данные позволили эксперту сделать вывод о том, что исследуемый текст и текст образца N 4 имеют одинаковую ситуа- ционную основу, а именно: наличие факта переписывания одного из этих текстов с другого.

Суть экспертного эксперимента сводилась к следующему: испытуемым предлагалось переписать в быстром темпе текст объемом в 200 словоупотреблений, содержащий 20 аббревиатур; при этом допускалась возможность редактирования. Таким образом, воспро- изводилась ситуация, максимально приближенная к следственной. В итоге выяснилось, что 70 % испытуемых использовали наряду с имеющимися в тексте свои собственные аббревиатуры, при этом случаев использования приема их расшифровки отмечено не было.

Результаты этого эксперимента подтвердили гипотезу о том, что функции участников процесса переписывания тесно связаны с использованием аббревиатур, на основании чего и был установлен факт переписывания одного текста с другого. Выводы эксперта, сделанные исключительно на основе анализа признаков письменной речи, нашли полное подтверждение в ходе дальнейшего расследо- вания.

Следует однако отметить, что эмпирический отбор частных признаков и отсутствие научно обоснованных критериев их оцен-

  • 81 -ки диктуют необходимость проведения научно- исследовательской работы по выявлению и оценке значимости ситуационных признаков письменной речи, проявляющихся в процессе переписывания, конспектирования и т.п. Появления прецедентов проведения подобных исследований, не укладывающихся в рамки существующей классификации видов и родов судебных экспертиз, с использованием нетрадиционных признаков еще раз подтверждают необходимость выделения самостоятельного рода экспертизы речи, видами которого являются экспертиза письменной и устной речи.

Роль экспертного эксперимента повышается и тем. что он позволяет выявить определенные этапы, наличие которых, по-видимому, о бязательно:

  1. постановка общей задачи эксперимента,
  2. планирование эксперимента.
  3. отбор экспериментального материала,
  4. обсчет выявленных признаков письменной речи.
  5. экспертная оценка результатов эксперимента.
  6. Задачи, общие и частные, каждого из перечисленных этапов вытекают из конкретного материала экспертного исследования, его объектов и задач.

Опыт, накопленный в практике проведения судебно-авторо-ведческих экспертиз, заставляет обратить особое внимание на лексический состав исследуемых текстов: “словарный состав -чрезвычайно сложный объект, но для многих теоретических и прикладных задач существенны лишь некоторые его свойства, и в частности, его основные количественные характеристики. Необходимо знать, например, каковы наиболее вероятные количественные соотношения между текстом определенной длины и его словником, какого распределения частот слов ожидать для текста заданного

  • 82 -объема, изменяются ли соответствующие характеристики при изменении длины текста” [219, С.З].

Общие выводы “дают основания считать, что для характеристики словарного состава текстов какого-либо автора или сравнения словников разных авторов необходимо учитывать не просто перечень слов, входящий в данный словник, но рассматривать слова вместе с их частотами в тексте” [219, С.8].

С помощью частотных характеристик лексического состава текстов возможно определить и формализовать признаки, указывающие на наличие в текстах иностилевой лексики. По определению, наиболее адекватно, на наш взгляд, отражающему это широко распространенное в речи явление, к такой лексике можно отнести слова, абсолютная общая частота встречаемости которых в отдельных жанрово-стилевых выборках условно отличается не менее чем в 10 раз по сравнению с другими выборками (при погрешности +10% и присвоении коэффициента 0.5 словам, не встретившимся в частотном словаре).

Таким образом, выделяются слова лишь определенного стиля (стилей), и использование их в текстах других, несмежных стилей можно считать стилистической ошибкой [226] или по крайней мере отклонением от литературной нормы.

“В естественном речевом тексте элементы разных стилей могут даже находиться в известном равновесии, но в большинстве случаев одна из стилистических систем господствует над другими, элементы которых воспринимаются как иностилевые. В современном языке сравнительно редки случаи “чистого” проявления стиля” [58, С.72], и этот факт подтверждается практикой проведения судебно- автороведческих экспертиз.

“Частотный словарь русского языка” [228] дает возмож-

  • 83 -ность выделить стилистически нейтральную лексику: “нейтральные единицы в нашем понимании - это слова, сконцентрированные в первой 1000 наиболее употребительных слов…(порог F = 134). Доля покрытия ими текста определяется по формуле:

D = — . где (2)

N

где F - сумма частот выделенных слов в соответствующем тексте

N - длина текста в словоупотреблениях.

В этой зоне сумма служебных слов и местоимений сравнивается с суммой знаменательных слов.

Присутствие знаменательных слов объясняется, в частности, индивидуально-авторской наклонностью употреблять каждое из данных слов в определенной речевой ситуации” [102].

Отсюда вытекает и логический вывод о присутствии в лексическом составе языка и речи (в том числе индивидуально маркированной) некоторых единиц, не являющихся нейтральными по отношению к другим единицам.

Так, прилагательное “капиталистический” имеет следующие частоты встречаемости в подвыборках:

166 - научные и публицистические тексты; 29 - газетно-журнальные тексты; 1 - художественная проза; О - драматургия (как отображение разговорной речи).

Следовательно, это слово в максимальной степени характерно для научных и публицистических текстов, а при его употреблении в разговорной речи (что можно приравнять к эпистолярной форме в письменной речи) оно становится маркером стилистической ошибки, так как принадлежит в этом случае к

  • 84 -иностилевой лексике. В то же время употребление его в газет-но-журнальном тексте не дает права на такой вывод из-за несущественности различия частоты встречаемости.

Общее количество иностилевых слов в тексте также может служить критерием оценки лингвистических навыков автора, его индивидуальных навыков. Кроме того, определенный интерес представляет решение “проблемы определения лексической кон- центрации или относительного богатства словаря” [171, С.67] в соответствии с частотами встречаемости слов.

Словарный состав текста - чрезвычайно многообразный объект исследования, но для многих видов теоретических и прикладных задач существенными здесь являются лишь некоторые его свойства, в частности, основные количественные характеристики. Например, необходимо установить наиболее вероятные количественные соотношения между текстом определенной длины и его словником, вероятное распределение частот слов в тексте заданного объема, вероятность изменения соответствующих характеристик при изменении длины текста [219].

“Словарный состав очень важен и как стилевая характеристика и как характеристика авторского стиля” [221], и с этим трудно не согласиться; именно поэтому в настоящей работе основное внимание уделено лексическому составу речи.

Приведенных высказываний вполне достаточно для признания целесообразным использование частоты встречаемости слов в анализе текстов и сравнение полученных параметров в кримина- листическом исследовании письменной и устной речи: “индекс частоты складывается на основе суммарного отражения в опыте индивида разнообразных видов речевой деятельности: восприятие речи в ее устной и письменной форме (слушание, чтение) и по-

  • 85 -рождения речи (говорение, письмо)”’ [217, С.20].

В речевом опыте индивида зафиксированы частоты встречаемости элементов речи и их комбинаций (слов, словосочетаний, грамматических конструкций) в зависимости от их употребитель- ности, вероятностной иерархии их использования, что находит непосредственное выражение в процессе построения текста.

Можно с уверенностью прогнозировать высокую значимость частных признаков письменной речи, основанных на частотных ха- рактеристиках словарных и фразеологических единиц, не только для доказательства тождества, но и для дифференциации авторов текстов, что тоже немаловажно. При этом “важным критерием отбора является не только сама частота лексических единиц, но и устойчивость этой частоты” [171. С.45].

“Детальное изучение статистических структур различных текстов позволяет обнаружить, что. помимо описанных сходных черт, между текстами имеются и существенные различия с точки зрения распределения слов по частоте. Это выявляется, например, при сравнении статистических структур текстов разных авторов, пи- савших на одном языке” [16, С. 85].

Признавая относительную точность квантитативных методов в лингвистике вообще и в судебном автороведении в частности, мы, безусловно, отдаем себе отчет в том, что “точными рассуждениями и методами нельзя вывести либо обосновать истины, имеющие чрезмерно общий и расплывчатый характер” [49, С.25].

Тем не менее, описанный ниже метод анализа спектров частот встречаемости слов становится, на наш взгляд, дополнительным инструментом для получения новых источников лингвистической информации, способствующей комплексному изучению других количественных параметров текста, например, длин предложений и

  • 86 -слов, долей одно- и многослоговых “слов и др.

Справедливое замечание о том. что для характеристики словарного состава текстов автора или сравнения словников разных авторов необходимо не просто учитывать совокупность слов, входящих в данный словник, а рассматривать слова вместе с их частотами [16. С.90]. наталкивает на мысль о возможности характеристики лексического богатства словаря автора исследуемого текста с помощью частот встречаемости слов этого текста.

” Частотный словарь русского языка составлялся в первую очередь для определения границ активного словарного состава” [228, С.6]. поэтому логично предположить, что изучение именно этих границ позволит эксперту-исследователю речи уточнить некоторые параметры индивидуально-речевых навыков.

“Вопросы систематизации словарного состава связаны с разг- раничением в нем активного и пассивного запаса, что в свою очередь требует дифференцированного подхода к устной и пись- менной речи, возрастным, профессиональным и образовательным категориям носителей языка” [228. С.6].

При решении идентификационных, классификационных и диаг- ностических задач установления исполнителя рукописного или ма- шинописного текста эксперт в числе других признаков анализирует и признаки письменной речи, среди которых наибольшую нагрузку несут признаки, отражающие орфографические навыки. Определенную трудность в этом процессе представляет оценка значимости таких признаков, поэтому в существующих методиках рекомендуется использовать их лишь в совокупности с другими частными. экстралингвистическими признаками: в судебно-почерковед-ческой экспертизе - признаками почерка [74], в судебно-техни-ческой экспертизе документов - признаками машинописных навыков

  • 87 -исполнителя [106].

В связи с неразработанностью методов оценки значимости каждого частного признака орфографических навыков возникла необходимость проведения эксперимента, доказывающего принципиальную возможность самостоятельного употребления в экспертной практике всего комплекса частных признаков этой категории.

Рабочая гипотеза при этом состояла в установлении причинно- следственных связей между явлением устойчивости орфографических навыков индивида и идентификацией исполнителя текста.

Отдельным этапом эксперимента явилось исследование с ис- пользованием программного комплекса “Автор”, описанного ранее. Сравнивались распределения абсолютных частот встречаемости слов, в которых были зафиксированы орфографические ошибки, с общим распределением частот встречаемости слов эталонного текста.

1 15 46 111 236 496 1260 3470 6500 15000 42854 АБСОЛЮТНАЯ ЧАСТОТА ВСТРЕЧАЕМОСТИ СЛОВ Рис. 3 Распределения слов по абсолютной частоте встречаемости в эталонном тексте и в массиве слов с зафиксированными орфографическими ошибками (красная линия) исполнителей с низкой степенью навыков

  • 88 -На рисунке 3 наглядно прослеживается выявленная законо- мерность, устойчивая для всех групп исполнителей; эта законо- мерность свидетельствует, что орфографические ошибки чаще от- мечаются в относительно редких словах, в словах с низкой частотой встречаемости.

Использование данной закономерности в дальнейшем позволит повысить эффективность предложенной методики за счет построения модифицированного правила, учитывающего значимость совпадения конкретной ошибки, зависящей от частоты встречаемости слова- носителя ошибки.

Кроме того, полученные результаты могут быть полезны при разработке методики установления факта намеренного искажения признаков письменной речи, использующей анализ частот встреча- емости слов-носителей ошибок.

Необходимо, однако, помнить, что “можно измерить и величину того или иного параметра и частоту его встречаемости у объектов данного класса. …два эти показателя, вместе взятые, обладают большей выделительной способностью…, надежнее обеспечивают индивидуализацию объекта. Вот почему в решении проблемы объективизации и повышения научной обоснованности крими- налистических исследований, в частности, идентификационного характера, определению частоты встречаемости того или иного признака и на этой основе - определению его идентификационной значимости уделяется особое внимание” [179, С.138].

Трудно не согласиться и с утверждением, что “словарный запас пишущего может быть обширным и разнообразным или, напротив. скудным, ограниченным” [50, С. 144], что наталкивает на мысль использовать в криминалистической практике признаки письменно- речевых навыков автора текста, основанные на уста-

  • 89 -новленных экспериментально граничных значениях словарного запаса.

Естественно предположить, что “никто не пользуется всем словарем литературного языка, и каждый автор имеет словарь. определяемый его творческой индивидуальностью” [214, С.12].

Вероятно, было бы по крайней мере самонадеянно не воспользоваться рекомендацией о том, что “исследователь, изучающий тот или иной аспект речевого поведения, независимо от узкой задачи исследования, должен с необходимостью принимать во внимание вероятностные характеристики тех элементов речи, которыми он оперирует в эксперименте: если в опыте…в качестве стимулов используются слова, необходимо располагать сведениями о частоте слов” [57. С. 44].

Таким образом, гипотетически, одной из характеристик. позволяющей в определенной мере формализованно описать структуру языка и речи и способной стать классифицирующим маркером текстов, является частота встречаемости слова. Эта характеристика, достаточно точно описанная в частотном словаре, может быть принята за основу в выявлении новых квантитативных методов во многих лингвистических дисциплинах, и именно она и была предложена в качестве объекта наблюдения в данной работе.

Предложенная нами рабочая гипотеза, взятая за основу и призванная доказать наличие вышеупомянутой корреляции, выглядела так: существуют некоторым образом сгруппированные распределения слов (по частоте их встречаемости в языке или в определенном жанре), позволяющие с достаточной точностью классифицировать авторов текстов по отдельным параметрам. Таким параметром в нашем случае был избран уровень языковой культуры,

  • 90 -под которым понималась степень соответствия используемых в исследуемом тексте языковых средств (лексических, фразеологи- ческих, синтаксических и стилистических) нормам литературного русского языка. В других случаях ими могли стать другие клас- сификационные параметры: например, родной язык автора текста, его возраст, род занятий, пол.

Необходимо заметить, что для реализации описанного подхода был выбран один из наиболее полных и достоверных частотных словарей русского языка [228], однако его отдельные недостатки естественным образом отражаются и на результатах нашего исследования. К таким недостаткам следует в первую очередь отнести отсутствие в массиве текстов, на основе которого был создан словарь, источников, в достаточно полной мере отражающих современную бытовую и разговорную лексику определенных социальных и общественных слоев и групп: отображение разговорной лексики, по замыслу составителей словаря, наблюдается в драматургических произведениях 14 известных советских драматургов, однако при этом не учитывались определенные цен- зурные ограничения, по известным причинам воздействующие на на лексический состав текстов такого рода.

В силу указанных причин и в представленной работе эти ограничения повлияли на решающее правило, приведенное в проекте методики: так, представляется целесообразным исключить жаргонизмы из общего числа лексических единиц, подвергаемых анализу, а при превышении доли таких жаргонизмов 10 % к общему числу слов текста, исключить возможность применения и самой методики.

  • 91 -2. Экспериментальное исследование с целью создания методики идентификации исполнителя текста на основе анализа признаков письменной речи (орфографических навыков)

Как уже отмечалось ранее, частные признаки письменно-речевых орфографических и пунктуационных навыков исследуются в случаях установления не автора, а исполнителя текста. Однако из этого, в целом верного правила есть исключения: “наряду с нормативной пунктуацией (как общей, стабильной, так и ситуативной), существует и пунктуация ненормативная. Она обычно связывается с понятием авторских знаков препинания. При строгом понимании этого термина сюда включается пунктуация, связанная с четко выраженным пристрастием автора к определенным приемам, помогающим создать характерный эмоциональный строй речи. Такая пунктуация включается в понятие “слог писателя”, она предельно индивидуализирована. …Индивидуализация возможна лишь в определенных пределах. Индивидуальность в использовании пунктуации заключается не в нарушении функциональной значимости знаков препинания, а в расширении границ их использования, что проявляется при сохранении знаками типичных, т.е. общественно осознаваемых, значений в нетипичных контекстуальных условиях” [56, С.16-17].

Эти, на первый взгляд, малозначительные для криминалистов замечания, в определенных условиях могут сыграть существенную роль, обусловливающую методологическое единство комплекса общих и частных признаков письменной речи.

В проводимом эксперименте предстояло также выявить границы решения криминалистической задачи в зависимости от уров-невой организации исследуемых навыков; это означает, что уже гипотетически можно предположить наличие определенных ограни-

  • 92 -чений. которые вероятнее всего могут зависеть от общего уровня грамотности исполнителя.

Для этого был проведен следующий эксперимент: 100 испытуемым предлагалось дважды, с временным интервалом 1,5-2 месяца, написать один и тот же диктант на русском языке, неродном для исполнителей. Степень трудности диктантов была выбрана ниже средней, соответствующей неполному среднему образованию. Состав испытуемых представлял собой относительно однородные группы, как по родному языку (по каждой группе в отдельности), так и по уровню образования (неполное высшее) и возрасту (разница в возрасте не превышала 5 лет).

Диктанты, составившие таким образом экспериментальный массив репрезентативного объема, были классифицированы по степени развития орфографических навыков исполнителей (в дальнейшем - степень навыка), то есть по одному из общих признаков письменной речи, принятой в традиционной криминалистической идентификационной методике [72]. В результате выделились четыре приблизительно равные по объему группы, соответствующие высокой, средней, низкой и условно “нулевой” степеням навыков (пограничное значение между низкой и условно “нулевой” степенями было эмпирически установлено в 45 ошибок).

Полученный материал был обработан на ЭВМ ЕС-1022 в целях установления устойчивости орфографических навыков и возможности случайного совпадения орфографических ошибок у различных исполнителей. Разработанные для этого программы (программист старший научный сотрудник ВНИИСЭ Каюнов О.Н.) определяли следующие показатели:

  1. доли устойчивых орфографических ошибок в разновремен-
  • 93 -ных текстах одного и того же исполнителя (к общему количеству ошибок);
  1. доли совпадающих орфографических ошибок в текстах разных исполнителей;
  2. основные параметры распределений вероятностей двух указанных величин.
  3. Под устойчивой ошибкой в нашем случае понимается конкретное неправильное написание части слова, зафиксированное в обоих сравниваемых текстах.

Первый этап обработки результатов эксперимента состоял в имитации экспертной ситуации (“условные экспертизы”), под которой понималось однократное попарное сравнение текстов: одного - исследуемого (текст, написанный ранее), другого - образца (текст, написанный позже).

В ходе эксперимента были проведены 2522 “условные экспертизы”, причем с предварительной дифференциацией исполнителей по общим признакам письменно-речевых навыков.

35-

Д -О 30-

л

Я 25-1

Т 20 Е • К 15 С • Т ЮН

о ?

1

1 г

В 5-О

1 1 1 Г

5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 ДОЛЯ СОВПАВШИХ ОШИБОК В СРАВНИВАЕМЫХ ТЕКСТАХ

Рис. 4 Распределения долей совпадения орфографических ошибок при сравнении текстов одного и того же исполнителя (красная линия) и разных исполнителей с низкой степенью орфографических навыков (чёрная линия).

  • 94 -На приведенных гистограммах (рис. 4) видно, что распределе- ние вероятностей доли совпадающих ошибок разных исполнителей близко к нормальному, однако с тенденцией к бимодальности в области больших долей совпадения, возрастающей по мере повышения степени навыка.

Это распределение, по нашему мнению, “выражает наличие внутренней упорядоченности в системе и отражает взаимодействие между элементами и общность в их поведении, то есть целостность системы, а также устойчивость и регулярность в массе ве- роятностно-случайных явлений” [209], каковыми являются и линг- вистические явления, закономерности которых изучаются нами в целях решения криминалистических задач.

Полученные результаты свидетельствуют о возможности построения решающего правила (точнее, группы правил по степени навыков) для идентификации исполнителя по доле совпадения орфографических ошибок.

Предлагаемая модель методики предназначена для сравнения текстов с совпадающими общими орфографическими признаками. Используемое в ней решающее правило состоит в том, что положительно решение о тождестве исполнителя принимается при превышении доли совпадающих орфографических ошибок к их общему количеству в исследуемом тексте некой граничной величины. При этом текстам с различными степенями навыков соответствует свой уровень надежности решения, под которой понимается вероятность безошибочной идентификации исполнителя, и эффективность, под которой понимается доля таких пар текстов в массиве (каждая из которых заведомо выполнена одним исполнителем), на которых решающее правило будет давать определенный результат, то есть доля совпадений превысит граничную величину.

  • 95 -Приведенные в таблице данные свидетельствуют о том. что с повышением степени навыков заметно снижается эффективность ме- тодики, причем при фиксированном решающем правиле падает как эффективность, так и надежность. Это указывает на необходимость дифференциации решающих правил по степени навыков. Сравнение параметров распределений вероятностей для долей совпадений по различным исполнителям также подтверждает существенное расхождение между ними и поэтому опровергает существующее мнение о невозможности и бесперспективности использования данных об орфографических ошибках в криминалистических целях [254].

СТЕПЕНЬ НАВЫКА

шшм

шшшс\

5)

ЭФФЕКТИВНОСТЬ

“НУЛЕВАЯ”

НИЗКАЯ

СРЕДНЯЯ

6

ВЫСОКАЯ

Ч1 76

Таблица 2 Зависимость надежности решения и эффективности методики идентификации исполнителя текста по орфографическим ошиокам

от степени навыка.

Центр (главная мода) распределения частот совпадений ошибок заметно смещен влево и находится в области 20 %, поэтому аналогичная дифференционная методика на исключение исполнителя (отрицательный идентификационный вывод) оказывается недостаточно работоспособной, чтобы говорить о ней как о состоявшейся.

Нельзя не отметить, что в принципе подобные распределения являются оптимальным и необходимым механизмом для созда-

  • 96 -ния новых методик: “основным методом описания и анализа лексического материала в рамках квантитативно-системного исследования следует считать моделирование с помощью распре- делений. Распределение рассматривается как универсальный способ представления и интерпретации данных при вероятностном подходе…С помощью распределений можно описать широкий круг системных явлений в лексике (в статике и динамике)” [209, С.1403.

Описанные выше результаты эксперимента позволяют предложить модель методики, под которой понимается упорядоченная совокупность или система отдельных методов (конкретных способов или приемов решения задачи), а также применение этой системы [209].

  1. Экспериментально-статистическое исследование с целью дифференциации авторов текстов на основе анализа признаков письменной речи (лексических навыков)

Предлагаемый нами метод анализа спектров частот встречаемости слов представляет собой, по сути, исследование и сравнение одноименных групп, долей в распределениях слов, близких по частоте встречаемости, в текстах или их фрагментах: частота одно- и многослоговых слов характеризует как язык, так и индивидуальный стиль автора [221]. Выдвинутая нами гипотеза о правильности этого тезиса в отношении эпистолярного стиля речи первоначально проверялась в эксперименте с массивом, состоящим из 6 текстов трех авторов (по 2 текста от каждого), при этом первичная обработка этих текстов велась вручную, что в дальнейшем позволило сравнить временные затраты при переходе на машинную обработку.

  • 97 -

Наш выбор принципа исследования текстов не случаен: “одним из наиболее перспективных считается подход, базирующийся на статистическом анализе индивидуальных языковых речевых признаках текста, подход, в основе которого лежит метод “лингвистических спектров” Н.А. Морозова” [26, С.З].

Приоритет “морозовских” спектров в данном случае несомненен, однако в нашем случае здесь впервые в качестве предмета исследования использованы не отдельные части речи, а неза- висимые частоты встречаемости лексических единиц.

В качестве экспериментального материала были использованы тексты в эпистолярном функциональном стиле: способ фиксации сообщения, как было отмечено [90], сближает эпистолярную речь с другими видами письменной речи, поэтому понятен повышенный интерес криминалистов именно к этой форме при решении вопросов об авторстве.

“Основная прикладная ценность лингвистических распределений определяется…возможностью использования типологических показателей текста (в виде параметров распределения текстовых единиц) для его автоматической атрибуции” [8, С.65].

Вся предварительная работа по обработке текстов с использованием частот встречаемости слов проводилась на основе данных “Частотного словаря русского языка”: “известно, что ЧС (частотный словарь) тем надежней, чем больше соответствующий ему объем выборки” [171, С.45]; исходя из этого наш выбор словаря [228], объем выборки которого свыше 1 млн. слово- употреблений можно считать достаточно репрезентативным, достаточно оптимален: во всяком случае, в практике мирового языкознания не существует частотных словарей с большим объемом выборки.

  • 98 -

При организации эксперимента возникла необходимость при- держиваться единых правил обработки лексических единиц; было признано целесообразным придерживаться при этом основных правил, из которых исходили составители словаря при систематизации слов: опознание слова для сведения графических (текстовых) форм к их исходным формам должно происходить по правилам, изложенным в разделе “Аналитическая грамматика словаря”.

Кроме того, в связи с невозможностью гарантировать полное отсутствие ошибок в исходном тексте (орфографических - в пись- менной речи, орфоэпических и акцентологических - в устной) предлагается необходимая корректировка слов в соответствии с современными литературными нормами языка; другими словами, экспериментатору вменялось в обязанность не только приводить все слова в исходную форму, но и проводить их орфографическую корректировку. Например, фразе, записанной в оригинале как “Атветчик аскарбил меня” будет соответствовать такой вариант: “Ответчик оскорбить я”. В разделе “Аналитическая грамматика словаря” содержатся все основные правила, помогающие создать эскизы модели переработки сегментов текста в словарные единицы.

В общем случае лексические единицы частотного словаря [228] разбиваются на N групп слов по такому принципу, чтобы вероятности принадлежности произвольно встретившегося слова, входящего в него, к той или иной группе были одинаковы и равны 1/N. К 1-й группе относятся слова с относительными или абсолютными частотами встречаемости Рс из полуинтервала (Р4.Р1+1] так, чтобы

1 2 Pi = . 1 - 1. N (3)

N

Pi<Pc<Pi + l

  • 99 -

Данные о границах относительных или абсолютных частотах встречаемости Pt, 1 = 1.N берутся из раздела “Статистическая структура словаря” из графы накопленных относительных частот встречаемости и определяют по формуле:

Р нак.(Р) = I Рс • (4)

рс<р

Такой выбор интервалов приводит к тому, что гистограмма частот слов по группам, то есть спектр частот для достаточно большого, идеально усредненного по всем авторам текста, должна приближаться к графику константы. Отклонения же спектра частот исследуемого текста от константы наглядно представляют особенности словоупотреблений его автора.

Число N выбирается в зависимости от объемов исследуемых текстов; помимо N основных групп вводится дополнительная группа для слов, не вошедших в словарь, то есть слов с “нулевой” абсолютной частотой встречаемости.

Таблица 3

N “ящика” ГРАНИЦЫ ЧАСТОТ 1 15000 - 42854 2 6500 - 14999 3 3470 - 6499 4 1260 - 3469 5 496 - 1259 6 236 - 495 7 111 - 235 8 46 - 110 9 15 - 45 10 1 - 14 11 0-0 Границы частот встречаемости слов по группам

В таблице 3 приведены границы ?lt I = 1.N групп слов, близких по частоте встречаемости для N = 11.

  • 100 -

Указанные распределения пригодны для сравнительного анализа только при условии приблизительного равенства общего количества слов текстов. Допустимо отклонение объема исследуемого материала не более чем на 20 % среднего значения при минимальном объеме текста 100 словоупотреблений, иначе возникает необходимость в приведении этих данных к общему знаменателю (строго говоря, для “чистоты” эксперимента такую операцию надо выполнять даже при самых незначительных различиях по объему), в изменении величин гистограмм по оси ординат с учетом коэффициента и округлении их до целых чисел.

Нельзя не согласиться с тем утверждением, что “исследователь, изучающий тот или иной аспект речевого поведения, независимо от узкой задачи исследования, должен с необходимостью принимать во внимание вероятностные характеристики тех элементов речи, которыми он оперирует в эксперименте: если в опыте… в качестве стимулов используются слова, необходимо располагать сведениями о частоте слов” [57].

В предварительном эксперименте тексты были отобраны на основе указанных критериев (объем текстов, их жанровая и функциональная принадлежность), они относились к эпистолярному жанру, отвечали условиям выборки, были максимально приближены по функциональной принадлежности и назначению, не рассчитаны на опубликование и обращены к одному участнику коммуникации.

В первую очередь была определена общая абсолютная частота встречаемости каждого слова в тексте, причем слова встречающиеся более одного раза, отмечались особо с тем, чтобы обратить внимание на структуру текста “с точки зрения повторяемости слов: каков объем отдельных групп слов, повторяемых определенное количество раз” [57]. При этом учитывались известные внея-

  • 101 -зыковые факторы: “частота отдельных лексических элементов в произведениях речи нестабильна. Она находится под влиянием си- туативных, внеязыковых факторов - зависит от автора, темы и даже от времени и места” [166. С.131].

Затем подсчитывалось количество слов в каждой из групп по описанному ранее принципу распределения и составлялась гистог- рамма, которая представляла, по сути, спектр частота встречае- мости слов текста и отражала лингвистические навыки его автора, богатство и разнообразие его словарного запаса. “Данные языковой статистики о встречаемости (частоте каких-либо признаков) сами по себе не могут определить сличаемую ценность и значение письменных признаков, они могут служить только полезным отправным пунктом для их выявления и правильной оценки” [247].

Выбор именно такого подхода обусловлен необходимостью получения таких распределений, которые могли бы соответствовать возможностям использования их как “типологических показателей текста (в виде параметров распределения текстовых единиц) для его автоматической атрибуции” [8].

Приведенные ниже гистограммы автоматически выводятся программным комплексом “Автор” в виде распечатки. Красной линией на рисунке выделены границы повторяемости отдельных групп слов, которые определяют долю слов, повторяемых в тексте неоднократно.

Выбор конкретных авторов в нашем эксперименте обусловлен прежде всего фактором воспроизводимости эксперимента, что, на наш взгляд, будет способствовать повышению достоверности полученных выводов, а также снимет возможные в таких случаях вопросы о качественных и количественных параметрах исследуемых

  • 102 -текстов.

Полученные гистограммы на основании различий между отдельными параметрами могут стать основой для количественных характеристик текстов. Ответ на вопрос о существенности этих различий и совпадений можно получить только в результате эксперимента, проведенного на значительно более обширном материале с обязательным применением ЭВМ.

Д 161

О 14

Л 12

Я 10

С 6-1

Л 4-

0 2

В О

Д 16Н

О 14 Л 12 Я 10+

8 С
6 Л
41 О
2 В О

Д 161 О 14 Л 12 Я 10- 8

С

Л

О

В

:^ьУ

т—i—i—г

1—i—i—i—г

123456789 10 N “ящика” текст А

123456789 10 И

N “ящика”

текст Б

Д 16

О 14

Л 12

Я 10– 8-

С 6-

Л 4

О 2

В О

1—i—г

1—i—г

-л—i—i—i—i—i—г

123456789 10 11 N “ящика” текст В

123456789 10 И

N “ящика”

1—г

текст Г Д 16-

0 14-

Л 12-

Я 10-

г j 1

8-

—1 1—1

С 6-

Л 4-

0
2-В
0 Ц— н

i 11111 123456789 10 И

N “ящика* текст Д

Распределения слов по

А, Б - А. С.Пушкина, В, Г

123456789 10 И N “ящика” текст Е Рис. 4 частоте встречаемости в текстах: М.Ю.Лермонтова, Д.Е - В.И.Ленина

Несмотря на сравнительно небольшой объем эксперименталь-

  • 103 -ного материала, этот эксперимент дает ясное представление о том, что наибольший интерес в данной области (характеристика лексического состава текстов по частоте встречаемости слов) представляют редковстречающиеся слова. Анализ гистограмм поз- воляет установить и некоторые предположительно существенные различия, которые для текстов объемом до 200 словоупотреблений могут быть в определенной степени закономерными: эти различия можно сформулировать в виде частного признака как отклонение в одноименных группах в 10 и более раз (при отсутствии слов в группе целесообразно принять условный коэффициент 0,5) и пог- решностью 10 %.

Тогда существенным различием между гистограммами на рисунке станет различие долей именно редковстречающихся слов в текстах, то есть слов с общей абсолютной частотой встречаемости равной условно “О” (слова, отсутствующие в машинном словаре). Такая оценка различий, по результатам проведенного предварительного эксперимента, должна способствовать получению отрицательного вывода о тождестве авторов сравниваемых текстов. В то же время•отсутствие таких различий еще не дает права утверждать факт принадлежности текстов одному автору, и это доказывает сравнение первых четырех гистограмм (А,Б,В,Г) с последними двумя. Полученные результаты позволяют исследователю прогнозировать дальнейшие исследования в этом направлении учитывая возможности метода классифицировать авторов, например, по некоторым признакам социально-биографического характера.

Предварительные данные, полученные в результате проведения эксперимента, подтверждают “ основное правило: совпадение количественных стилевых характеристик мало что дает (или совсем ничего не дает) для установления тождественности или раз-

  • 104 -личия авторов; несовпадение же их может иногда иметь очень большой вес. В этом отношении наша проблема сходна с проблемой установления отцовства ребенка путем исследования группы крови” [221, С.418].

Исходя из принятой нами концепции о том, что “устройство” текста с точки зрения повторяемости слов еще не определяется ни длиной текста, ни объемом словника, а определяется тем, каков объем отдельных групп слов, повторенных определенное число раз” [16, С.82], нами был проведен основной эксперимент, цель которого состояла в установлении принципиальной возможности разработки криминалистических классификационных методик и методов в автороведческой экспертизе на основе применения частотных характеристик лексического состава текстов.

Возможность и необходимость использования лексических ха- рактеристик в целях идентификации автора текста отмечались и ранее: “словарный состав произведения очень важен сам по себе как стилевая характеристика и , естественно, важен также для исследования вопроса об авторстве” [221, С.415].

При этом предполагалось учитывать небезызвестный фактор независимости частот встречаемости и распределения этих частот в текстах: “частотность и распределение частотности являются самостоятельными величинами и,…зная одну из этих двух харак- теристик, мы не можем предсказать другую” [11, С.86].

Обязательным и необходимым условием при сравнении текстов является их максимальное сходство по функционально-стилевой принадлежности:”при решении проблем авторства методами линг- востатистики нужно прежде всего установить жанрово-стилевую принадлежность исследуемого текста и текстов предполагаемых авторов, поскольку колебания частот лингвистических элементов

  • 105 -в большей степени зависят от жанра” и функционального стиля, чем от автора. Лишь после этого можно перейти к анализу авторских различий и сравнению этих текстов” [214].

Экспериментальный массив текстов состоял из 60 текстов двух равных по объему групп (по 30 текстов в каждой), внутри каждой из которых содержалось еще по одной мини-группе (6 и 7 текстов) 2-х отдельных авторов (общее количество авторов -49). Наличие указанных мини-групп представлялось необходимым звеном для предварительной оценки идентификационных свойств предлагаемого метода.

Указанные тексты характеризовались отсутствием в них жаргонизмов и признаков межъязыковой интерференции; тексты составлены преимущественно в разговорно-бытовом стиле.

По каждому из текстов были составлены частотные характеристики, представляющие собой приближенные распределения (“ящики”) слов по общей частоте встречаемости в языке. Эти характеристики выявляются с помощью программы “Автор” (программист О.Н.Каюнов) на основе словаря [228]; основные параметры работы программы и назначение входящих в нее блоков были подробно описаны в работе [129].

Программа “Автор”, рассчитанная на автоматизированное выделение отдельных характеристик текстов, введенных оператором с пульта управления, обрабатывала каждый текст таким образом. что каждому слову текста автоматически присваивалась его частота встречаемости в русском языке согласно “Частотному словарю” [228].

Затем слово автоматически попадало в свой “ящик”, представляющий собой 10%-ную долю слов, приближенных по частотам встречаемости из словаря, хранящегося в памяти ЭВМ (свыше 9

  • 106 -тысяч слов с частотой встречаемости выше 9 по “Частотному словарю”). К этим 10 “ящикам” автоматически добавился один дополнительный, в который вошли все слова, не найденные в словаре (в дальнейшем этот “ящик” будет именоваться под N 1, а остальные с возрастающими номерами).

Таким образом, были произведены распределения слов по их приближенным частотным характеристикам: “распределение выражает наличие внутренней упорядоченности в системе…и… отражает взаимодействие между элементами и общность в их поведении, т.е. целостность системы, а также устойчивость и регулярность в массе вероятностно-случайных явлений” [209, С.132-133].

Все 11 “ящиков”распределены по частотам встречаемости слов согласно описанному ранее принципу (см. Табл.3).

Для лучшего понимания хода эксперимента условно обозначим две основные группы текстов экспериментального массива: класс А (не выше среднего уровня речевой культуры) и класс Б (высокий уровень речевой культуры). Оба класса текстов определялись экспертами на качественном уровне эмпирическим путем; в неко- торых случаях имелись конкретные подтверждения в тексте об уровне образования автора, что при отсутствии фактора их нео- бычного составления принималось к сведению.

Важным методологическим фактором является то, что эти два условных класса практически охватывают все возможные варианты уровневой организации текстов, поэтому с этой точки зрения представленный в эксперименте массив текстов является достаточно репрезентативным, что позволяет вывод о непринадлежности исследуемого текста к классу А считать эквивалентным выводу о принадлежности этого текста к классу Б.

Рандомизация (критерии выделения классов) проводилась в

  • 107 -соответствии с традиционной криминалистической методикой [74] статистического анализа общих признаков языковых навыков письменной речи авторов текстов.

Объединение слов первых двух “ящиков” определяется как отсутствующие в хранящемся во внешней памяти ЭВМ словаре, либо присутствующие там слова, зафиксированная частота встречаемости которых менее 15. Именно это объединение оказалось наиболее пригодным для дифференциации двух представленных для исследования групп авторов. Кроме того, рассматривались параметры последних двух “ящиков” часто встречающихся слов, то есть с частотой встречаемости не менее 6500 по словарю [228].

Остальные “ящики” после статистического анализа их содержимого на предмет пригодности к классификации с необходимой для криминалистических целей точностью были признаны непригодными, то есть недостаточно информативными в плане отнесения их к конкретной группе и дифференциации от других.

Фактически в каждом из вышеперечисленных четырех “ящиков” были определены выборочные средние и квадратичные отклонения двух случайных величин: выраженного в процентах общего числа слов (условное обозначение “+”) требуемой употребительности согласно словарю и классов (“#”) одинаковых слов - словник (то есть многократно встречающиеся слова считаются за одно) из множеств текстов двух групп авторов и, кроме того, для двух множеств текстов одного автора (по одному в каждом классе); таким образом, по каждому “ящику” определялось 16 параметров.

Приведем таблицу математического ожидания и квадратичного отклонения по всем четырем “ящикам” с указанием измеренного параметра в каждом из двух классов текстов:

Для принятия или отклонения гипотезы об однородности

  • 108 -представленных массивов текстов ‘ (классификации авторов) использовался стандартный математический критерий - t-крите-рий; предварительное выборочное исследование показало, что исследуемые случайные величины распределены нормально.

Таблица 4 N “ящика” 1 2 10 И КЛАСС А

Общее

Индивид.

КЛАСС Б

Общее

Индивид.

КЛАСС А

Общее

Индивид.

КЛАСС Б

Общее

Индивид. СЛУЧАЙНАЯ ВЕЛИЧИНА ‘ 3.88 3.24 5,79 1,66 2.02 1.86

8.47 3.82 5,79

3.61 3.2 4,83 СЛУЧАЙНАЯ ВЕЛИЧИНА ‘

5.62 3,35 2.02 2.56 3.01 1,1

8.02 4.66 3.15 6.31 4.36 2,876 ‘+” (%)

3.06 1.46

4.78 4.67 ‘#” (%) 1.77 0,85

1,52 1,94 Математическое ожидание и квадратичное отклонение по двум классам текстов

В результате выяснилось, что случайная величина “+”, как правило, менее диспергирована для малоупотребительных слов и наоборот, для слов употребляемых часто, заметно меньшую дисперсию имеет случайная величина “#”.

Зафиксированы выборочные значения квадратичного отклонения:

Таблица 5 N “ящика” КАТЕГОРИЯ КЛАСС МАТ.ОЖИДАНИЕ КВАДР.ОТКЛОН. 1 + А 24.33 - 3,61 22.97 - 8,47 1 + Б 12.14 - 1,66 10,23 - 3.88 1 # А 21.75 - 6,31 23.78 - 8.02 1 # Б 18,14 - 2,56 14,3 - 5,62 2 + А 7,08 - 3.2 9,43 - 3,82 2 + Б 5.86 - 2.02 6,38 - 3,24 2 # А 10,17 - 4.36 12,65 - 4,66 2 # Б 7.68 - 3.35 7,8 - 3,01 10 + А 9.83 - 4,83 10,8 - 5.79 10 + Б 11,29 - 1.88 13.2 - 5.43 10 # А 6,08 - 2.87 5.18 - 6,37 10 # Б 6,29 - 1.1 6.37 - 2,02 И + А 9,83 - 4,67 10,97 - 4,78 11 + Б 9,86 ™ 1.46 9,7 - 3,06 11 # А 3,17 - 1.94 2,85 - 1.52 И # Б 3,36 - 0,85 3.55 - 1,77 Выборочные (по результатам эксперимента) значения квадратичного отклонения

  • 109 -

Как видно из таблицы 5, именно в “ящиках” 10 и 11. где столь малы дисперсии величин “#” и “+”, очень мало различаются их математические ожидания, и поэтому эти “ящики” практически непригодны для различения предлагаемых классов авторов.

Таблица выборочных значений математических ожиданий выглядит следующим образом:

Таблица 6

N “ящика” 1 2 10 11 КЛАСС А СЛУЧАЙНАЯ ВЕЛИЧИНА ‘ ‘ + “ (%) Общее 10.23 6.38 13,2 9.7 Индивид. 12.14 5.84 11,29 9.86 КЛАСС Б

Общее 22,97 9,43 10,8 10.97 Индивид. 24.33 7,08 9.83 9.83 КЛАСС А СЛУЧАЙНАЯ BEJ 1ИЧИНА ‘ ‘#” (%) Общее 14.3 7.8 6.37 3,55 Индивид. 18.14 7,68 6.29 3.36 КЛАСС Б

Общее 23,78 12,65 5,18 2,85 Индивид. 21.75 10,17 6,08 3,17 Выборочные (по результатам эксперимента) значения математических ожиданий

Были проведены исследования по t-критерию различия двух классов относительно каждого “ящика. Отношение t

mk - тб mR — тб

t = = : (5)

/б2к + с -/29/58 -[/2У30 0,182574 -/б2к + б2~с

равно соответственно

Таблица 7

N “ящика” 1 2 10 11 t = 5.3 3.33 1,74 1,64 Отношение по t-критерию различия двух классов относительно каждого “ящика”

  • но -

При 58 степенях свободы такое ‘отношение позволяет сделать вывод о различении классов на доверительном уровне Е:

Таблица 8

N “ящика” 1 2 10 11 Е = 10 3,33 1,74 1,64 Различение классов на доверительном уровне Е

Дифференциация автора 7 текстов от текстов класса Б (степеней свободы - 35) :

t =

тки - тс

/бб2ки + 2962с / 7
30 / 35
V

(6)

Всюду здесь для редких слов использована случайная величина “+”, а для распространенных - “#”. Следует отметить, что результаты для 2-го и 10-го “ящиков” получаются лучше, если поступить наоборот. Тогда во 2-м “ящике” уровень значимости можно понизить до 2 %, а в 10-м - до 20 %.

Дифференциация авторов 6 текстов от класса А (степеней свободы - 34) :

t

шси - тк

(7)

‘5б2си + 29б2к

34

‘1 1 6
30

Таблица 9 N “ящика” 1 2 10 11 t - 2.68 0,447 0,276 0,437 Различение авторов 6 текстов от класса А

  • Ill -

Такая дифференциация по отношению к первому “ящику” позволяет на 2-х %- ном уровне сделать вывод о различии.

Представляет определенный интерес тот факт, что и здесь во 2-м и 10-м “ящиках” результаты будут лучше, если воспользоваться вместо случайной величины “+” величиной “#” для 10- го “ящика” и наоборот для 2-го.

Тогда статистика t повысится, соответственно, до 1,5 вместо 0,447 и до 1.3 вместо 0,276, что позволило бы сформулировать вывод о различии, соответственно, на 20%-ном и 5%-ном уровнях.

Решающее правило для проверки гипотезы о принадлежности

исследуемого текста к определенному классу в общем виде можно

сформулировать следующим образом:

М - ml- 30/31
Вычисляем статистику t = - К- М - ml (8)

б

где М = 10,23; М = 22.97; m = 3,78; m = 8,47; К = 0,254; К = 0.116.

Достоверность полученных результатов проверяется по таблице Стыодента*) для 29 степеней свободы (верхний ряд - показатель достоверности вывода в %%, нижний - t).

Таблица 10

80 90 95 98 99 99.5 99.8 99.9 99.99 99.999 99.9999 1,311 1,699 2,045 2,462 2,756 3,038 3,396 3,659 4,506 5.335 6,170 Достоверность результатов эксперимента по таблице Стыодента

для 29 степеней свободы

Представляется целесообразным говорить о категорическом

*) Справочник по специальным функциям.- М., 1979

  • 112 -отрицательном уровне при превышении степени достоверности 99.5%, а уровень НПВ определить при снижении этого числа менее 95%.

Полученные результаты лишний раз подтверждают мысль о том, что “детальное изучение статистических структур различных текстов позволяет обнаружить, что, помимо описанных сходных черт, между текстами имеются и существенные различия с точки зрения распределения слов по частоте” [16,С.85].

Небезынтересен и факт распределения нейтральных лексических единиц: “нейтральные единицы в нашем понимании - это слова, сконцентрированные в первой 1000 наиболее употребительных слов в ЧСРЯ-77 (порог F=134). Доля покрытия ими текста определяется по формуле: Д = F/N. где F - сумма частот выделенных слов в соответствующем тексте, N - длина текста в словоупотреблениях. В этой зоне сумма служебных слов и местоимений сравнивается с суммой знаменательных слов” [102, С.19]. Все они попали в число криминалистически малоинформативных.

Именно на основе анализа степени существенности различий в описанном эксперименте можно сделать следующие выводы:

  1. Имеется принципиальная возможность разработки кримина- листических классификационных методик и методов в судебно-ав- тороведческой экспертизе на основе применения частотных харак- теристик лексического состава текстов.
  2. Наиболее информативными в целях классификации авторов текстов по частотным характеристикам применяемых в письменной речи слов является группа слов с частотой встречаемости ниже 15 (про Частотному словарю наименее употребительных).
  3. Случайная величина “+” (доля в %% общего числа требуемой частоты встречаемости) менее диспергирована для редких
  • 113 -слов;

для распространенных слов менее диспергирована величина “#” (доля в %% одинаковых слов - словник, то есть многократно встречающиеся слова считаются за одно).

Необходимо отметить, что диспергированность указанных единиц не сопровождается лучшей различающей способностью этих случайных величин. Наш эксперимент позволил также уточнить и существенно дополнить знание о языке в целом: “реально запас слов одного человека никогда не совпадает полностью с запасом другого. У всех (или у многих) полностью совпадающим оказываются “ядерные” части, представляющие основной словарный фонд максимально частотных слов. Он может быть выявлен при сопоставлении данных особых частотных словарей” [138. С.170].

  • 114 -ГЛАВА 3. Частные методы криминалистического исследования письменной речи с использованием ЭВМ 1. Метод идентификации исполнителя текста по орфографическим ошибкам.

Каждый частный признак орфографических и пунктуационных навыков имеет свою значимость для решения конкретной задачи. В традиционной методике экспертизы письменно-речевых навыков от- мечается. что “к частным признакам следует отнести:… орфогра- фические ошибки (ошибки в буквенном составе, роде, падеже, склонении, спряжении и т.п.)” [191, С.100].

Проведенные нами исследования [128] показали, что определенное количество совпадающих признаков орфографических навыков в отдельных случаях может составить индивидуальную совокупность. достаточную для категорического положительного вывода о тождестве исполнителя текста. Это положение, основанное на изучении письменной речи лиц. выполняющих текст на русском неродном языке, практически не требует подтверждения для ис- полнителей текстов на родном языке, так как исследуемые признаки (совпадения долей совпадающих орфографических ошибок) являются заведомо независимыми от лингвистических или социолинг- вистических факторов величинами. Принципиальная возможность использования письменно-речевых признаков в целях идентификации исполнителя рукописного, машинописного или выполненного полиграфическим способом текста раскрывает новые возможности создания универсальных количественных методик на основе выска- занной идеи.

Такая работа требует анализа многих тысяч сравнений, и поэтому немыслима без применения ЭВМ. Созданная на базе ЭВМ ЕС-1022 программа “Автор” (разработчик Каюнов О.Н.). использо-

  • 115 -валась не только в научно-исследовательских целях, но и для проведения авторской апробации новых методов; после трансфор- мации программы на широко используемые и доступные персональные ЭВМ типа IBM-PC/AT эти разработки безусловно найдут широкое применение и станут надежным и необходимым помощником эксперта- исследователя письменной речи.

Затронув вопрос о значимости частного признака орфографических навыков, бесспорно важного в общей оценке совокупности признаков почерка и письменной речи, трудно обойти вниманием и тот факт, что эта значимость находится в прямой зависимости от частоты встречаемости слова, в котором зафиксирована орфографическая ошибка: другими словами, чем выше частота встречаемости слова- носителя орфографической ошибки, тем выше и значимость частного признака орфографических навыков (разумеется, при отсутствии “сбивающего” фактора необычности условий исполнения текста). Такой вывод будет, безусловно небезынтересен экспертам- почерковедам, использующим в комплексных исследованиях признаки письменной речи.

Модель этой методики, построенная и основанная на описанной закономерности явления относительной устойчивости орфографических навыков исполнителя текста, выглядит следующим образом:

Этап 1. При обнаружении в исследуемом тексте, выполненном на русском языке (объемом не менее 200 слов), более 20 орфог- рафических ошибок на каждые 200 слов эксперт делает запрос ор- гану, назначившему экспертизу, о предоставлении дополнительного экспериментального образца письменной речи подозреваемого лица. Запрашиваемый образец должен быть получен путем диктовки исследуемого текста при соблюдении следующих условий:

  • 116 -

а) при выполнении текста образца исполнитель не пользует ся помощью других лиц или справочной литературой (например, орфографическим словарем);

б) текст образца зачитывается в среднем темпе, без акцен туационных ошибок;

в) подозреваемому лицу по возможности не сообщается о це ли отбора экспериментального образца, совместив отбор образца письменной речи, например, с отбором образца почерка.

Этап 2. Эксперт подсчитывает общее количество орфографических ошибок, учитывая при этом возможность появления нескольких ошибок в одном слове.

Этап 3. Сравнивая ошибки в исследуемом тексте (каждую в отдельности) с ошибками в экспериментальном образце письменной речи, эксперт фиксирует количество совпавших ошибок и находит их долю к общему количеству ошибок в исследуемом тексте по следующей формуле:

Д = С/0 х 100 (%), (9)

где:Д - доля совпавших ошибок,

С - количество совпавших ошибок в экспериментальном тексте О - общее количество ошибок в исследуемом тексте. Этап 4. Формулирование экспертом вывода зависит от полученного числа Д:

Таблица 11

NN ФОРМА ВЫВОДА УСЛОВИЕ ПОЛУЧЕНИЯ ВЫВОДА 1

2 3

4 ВЕРОЯТНЫЙ ДИАГНОСТИЧЕСМКИЙ 0 НАЛИЧИИ НЕОБЫЧНЫХ УСЛОВИЙ

ИДЕНТИФИКАЦИОННЫЕ: КАТЕГОРИЧЕСКИЙ ПОЛОЖИТЕЛЬНЫЙ ВЕРОЯТНЫЙ ПОЛОЖИТЕЛЬНЫЙ НПВ Д > 90 %

90 % > Д > 65 %

50 % < Д < 65 %

Д < 50 % Решающее правило для формулирования выводов

  • 117 -

Приведенные результаты и граничные величины в решающих правилах могут несколько измениться после создания универсальной методики, апробированной на других языках, родственных и неродственных русскому, однако уже сейчас ясно, что принадлеж- ность к определенной группе родного языка не будет оказывать существенное влияние на решающее правило, так как оно построено на явлении устойчивости памяти индивида, которое, которое обладает в большей степени психофизиологическими свойствами. чем социологическими.

Кроме того, необходимо заметить, что сформулированное выше решающее правило обладает достаточно высокой “зоной защи- щенности” (до 15 %): при максимальной доле совпадающих орфог- рафических ошибок в текстах разных исполнителей по результатам эксперимента не превышающей 50 %, правило разрешает дать вывод в категорической форме только при превышении 65 %- ной границы.

Необходимо отметить, что при более детальном исследовании гистограмм распределений совпадений ошибок различных исполни- телей и одних и тех же с временным интервалом обнаруживается устойчивая бимодальность в обоих распределениях при разных степенях навыков. При этом выраженность бимодальности распре- делений заметно увеличивается по мере возрастания степени на- выка, что позволяет предположить наличие двух различных меха- низмов появления ошибок с различной степенью выраженности у разных исполнителей.

  • 118 -
  1. Метод классификации авторов текстов по уровню

языковой культуры на основе частотных характеристик

лексического состава текстов.

Результаты эксперимента, описанного в главе 2, проведенного с учетом частот встречаемости слов текста и их значимостей [71], позволяет сформулировать основную модель методики классификации авторов текстов по уровню языковой культуры на основе частотных характеристик лексического состава текстов:

I. Условия применения: минимальный объем текста - 150 слов; тексты составлены на русском языке без признаков межъязыковой интерференции; тексты составлены преимущественно в разговорно- бытовом стиле; из общего количества подвергаемых анализу лексических единиц жаргонизмы необходимо исключать (при этом доля жаргонизмов не должна превышать 10% от общего числа слов текста).

  1. Последовательность экспертных действий:

1) зафиксировать частоту встречаемости (общую) каждого текстового слова по Частотному словарю русского языка [228]; 2) 3) определить количество слов в тексте с частотой встречаемости менее 15; 4) 5) определить долю таких слов в %% к’общему количеству слов в тексте (число т); 6) 7) определить числа tA и tB , то есть проверить гипотезу о непринадлежности текста к классу А (не выше среднего уровня речевой культуры) или классу Б (высокий уровень речевой куль- туры) , подставив в следующие формулы полученное число т: 8) tA = 0,254 -Ц0.23 - ml; tB = 0,116 ? 122.97 - ml;

5) сформулировать выводы по результатам исследования: вероятный отрицательный вывод о непринадлежности исследуе-

  • 119 -мого текста к определенному классу (А или Б) получается при попадании полученных чисел tA и tB в интервал 2,045 * 3,038; превышение числом этого интервала ведет к категорическому от- рицательному выводу, остальные числа свидетельствуют о невоз- можности решения поставленного вопроса;

общий вывод эксперта находится в зависимости от двух про- межуточных выводов и получается с помощью следующей таблицы:

Таблица 12

КЛАСС А КЛАСС Б ОБЩИЙ ВЫВОД КО

нпв

КО ВО ВО НПВ НПВ КО ВО КО

нпв во КП (класс Б) или КО (класс А) КП (класс А) или КО (класс Б) ВП (класс Б) или ВО (класс А) ВП (класс А) или ВО (класс Б) ВО (класс А) или ВП (класс Б) ВО (класс Б) или ВП (класс А) Зависимость общего вывода эксперта от промежуточных

В двух левых колонках размещены сокращенные формулировки получившихся промежуточных выводов (по каждому исследуемому тексту или тексту образца таковых должно быть два: JIO -классу А и классу Б). В правой колонке размещены общие, окончательные выводы по конкретной экспертной задаче (список сокращений: К - категорический, В - вероятный, 0 - отрицательный, П - положи- тельный, НПВ - решить вопрос не представилось возможным).

При получении каких-либо комбинаций промежуточных выводов, отсутствующих в приведенной выше таблице, общий вывод формулируется в форме НПВ. В сравнительном исследовании в слу- чаях совпадений выводов на количественном уровне или расхождения их по степени категоричности (например, в исследуемом тексте категорический, а в образце - вероятный выводы), применение данной методики целесообразно исключительно в комплексе с другими, в том числе традиционными качественными методами.

  • 120 -

Заметим, что в нашем эксперименте тексты класса А и тексты класса Б охватывали все возможные варианты уровневой организации текстов (то есть составленные авторами с законченным высшим образованием - в одной группе, а все остальные - в другой), поэтому категорический вывод о непринадлежности исследуемого текста, скажем, классу А эквивалентен выводу о его принадлежности классу Б и наоборот.

Эффективность (доля вероятных и категорических выводов к общему числу выводов) предлагаемого проекта методики, обсчитанная на том же экспериментальном массиве текстов (60 текстов), оказалась равной 37% (12 категорических и 10 вероятных); при этом выводов противоположных (то есть ошибочных) установлено не было.

  1. Основы криминалистических методов исследования письменной речи текстов на искусственных языках программирования

В последние годы отечественное законодательство претерпело существенные изменения, и сейчас существует целый ряд законов, устанавливающих нормы цивилизованного использования ЭВМ. Конструирование таких норм наталкивается на ряд серьезных трудностей, связанных с их применением, и, пожалуй, наиболее существенной из них можно признать трудность объективного до- казывания в судебном порядке факта взаимосвязи конкретного лица с незаконными действиями над ЭВМ.

Уголовный кодекс Российской Федерации, введенный в действие с 1 января 1997 г., в главе 28 “Преступления в сфере компьютерной информации” содержит следующие составы преступлений: неправомерный доступ к компьютерной информации (ст.272), создание, использование и распространение вредоносных программ

  • 121 -для ЭВМ (ст.273) и нарушение правил эксплуатации ЭВМ, системы ЭВМ или их сети (ст.274). Необходимо заметить, что в этих статьях предусмотрена уголовная ответственность только за случаи, когда результатом этих деяний стало уничтожение, блокирование, модификация или копирование информации. Таким образом, сейчас можно констатировать наличие достаточно полной отечественной законодательной базы для решения давно назревшей проблемы защиты прав и законных интересов граждан и юридических лиц, попадающих в разряд жертв “компьютерных” преступников.

Вступивший в действие в октябре 1992 года Закон Российской Федерации “О правовой охране программ для электронных вы- числительных машин и баз данных” [105] также предусматривает уголовную ответственность за выпуск под своим именем чужой программы для ЭВМ или базы данных либо их незаконное воспроиз- ведение или распространение. При этом Законом определено понятие программного продукта как произведения литературы, а базы данных как сборника таких произведений, включенных в круг объектов, защищенных авторским правом.

Потребность в установлении правовой охраны программного обеспечения сейчас является крайне острой, ее отсутствие грозит создать (и уже создает) “теневой” рынок программ, складываются нежелательные и неперспективные формы реализации программ [230, С.23].

Описанные в литературе случаи судебной практики подтверждают актуальность подобных разработок: “одна из крупнейших фирм… провела расследование в рамках весьма необычного судебного иска. В результате расследования… было установлено, что 90 % эксплуатируемых здесь программных средств - это копии, полученные без соответствующих разрешений; незаконное ис-

  • 122 -пользование программных средств наносит громадный ущерб разработчикам и поставщикам программ - в среднем в Западной Европе этот ущерб составляет 50 % общего объема рынка программного обеспечения” [224, С.28-29].

После совершения компьютерных преступлений на месте происшествия. а именно на магнитных носителях (дисках, дискетах. лентах, программируемых микросхемах памяти) преступник может оставить характерные следы (машинные коды, программы, данные). произвести необратимые изменения в хранящейся на носителях информации. По этим следам в принципе можно установить, например. конкретное место совершения преступления, установить личность злоумышленника.

В области судебной экспертизы разработана достаточно эффективная методика криминалистического исследования письменной речи авторов текстов, составленных на естественных языках. Это однако не означает, что предмет экспертизы ограничивается именно естественными языками и отсутствует необходимость экспертного участия в уголовных или гражданских делах, связанных с обработкой текстов, составленных на искусственных языках, к примеру, на языках программирования ЭВМ; может быть, именно в этих случаях более всего и требуется участие эксперта, способного решить идентификационные или классификационные криминалистические задачи.

Задачи, стоящие перед новым и, по нашему мнению, весьма перспективным видом судебной экспертизы речи, на сегодня не поддаются полному описанию, однако ясно, что простая компиляция понятийного аппарата и определений из традиционной методики, основанной на изучении естественных языков неприемлема; понадобятся новые исследования по определению степени устойчи-

  • 123 -вости, криминалистической значимости общих и частных признаков, новые разработки в области терминологии.

Экспертную задачу нового подвида судебно-автороведческой экспертизы можно сформулировать как установление автора текста (или его фрагмента) программы для ЭВМ. Объектом исследования в данном случае становится письменная речь автора текста, сос- тавленного на искусственных языках программирования.

Одной из существенных задач, не имеющей аналогов в тради- ционной_судебно-автороведческой экспертизе, является задача определения с помощью специальных познаний критерия самостоя- тельного творческого вклада, который “будет основным при опре- делении охраноспособности программы. Законодательно определить степень такого творческого вклада невозможно. Такую задачу должна решать экспертиза при судебном разрешении соответствующего спора.

Вместе с тем применительно к определенным случаям переработки программ возможно выработать единый подход. Прежде всего это касается перевода программы с одного машинного языка на другой. На наш взгляд, величина творческого вклада здесь незначительна, и это не позволяет признать такой перевод самостоятельным объектом авторского права (в отличие от ст. 490 ГК, признающей перевод произведения на другой язык объектом авторского права)” [188, С.18].

Своевременной можно считать и постановку вопроса о решении проблем защищенности авторских прав составителей программных продуктов для ЭВМ. Исходя из опыта государств, более развитых в отношении компьютеризации производственных и научных процессов, можно с уверенностью прогнозировать уже в ближайшие годы рост этой категории уголовных и гражданских дел.

  • 124 -

Известен случай, когда специалистам удалось путем раскрытия архива парольных слов, использовавшихся для входа в систему, выявить лицо, которое ввело компьютерный вирус в общенаци- ональную сеть телекодовой связи, объединяющей военные, промыш- ленные и научные организации [29, С.42]; таким образом приме- нение специальных познаний нашло свое место в процессе иденти- фикации лица, совершившего несанкционированный доступ к ЭВМ.

Однако в подавляющем большинстве подобные случаи остаются без должного внимания со стороны экспертов, оставляя при этом ряд вопросов, требующих экспертной оценки , неразрешенными. В отечественной литературе, несмотря на отдельные попытки расс- мотрения этой проблемы [31], тем не менее отсутствует целостная концепция, позволяющая считать ее решенной. Поэтому, думается, было бы целесообразно уже сейчас признать приоритетной проблематику криминалистического исследования текстов программ для ЭВМ, учитывая при этом и возможный интерес ( и не только научный) к ней зарубежных коллег, обусловленный интернацио- нальным характером языков программирования.

Поиски методов борьбы с относительно новым видом преступлений позволяют исследователям разрабатывать профилактические рекомендации разработчикам программных продуктов: например, “разработчикам рекомендуется включать в код программ искусственные ошибки, которые не влияют на работоспособность, но отличают данный программный пакет от любого другого пакета. решающего ту же задачу” [230, С.30].

Кроме того, весьма полезными оказываются теоретические и методологические исследования, отражающиеся на правовых аспектах обсуждаемой проблемы; в частности, возникающий вопрос о степени соавторства здесь может быть решен на значительно бо-

  • 125 -лее точном уровне, чем в традиционном криминалистическом исследовании речи. Получение повышенной точности обусловлено здесь, на наш взгляд, большей степенью формализованности ис- кусственных языков в целом по сравнению с естественными.

По существу, вопрос чаще всего стоит таким образом, что необходимо установить степень авторского участия двух или более лиц в составлении программного продукта; при этом совершенно ясно, что простая компиляция не должна быть приравнена к интерпретации программы, то есть степень творческого вклада в готовый программный продукт в каждом конкретном случае должна быть проанализирована экспертом и должна получить надлежащую экспертную оценку.

Получившие широкое распространение в практике программирования блоки программного обеспечения на отдельных искусственных языках (и распространяемые, кстати, самими создателями этих языков) дают возможность и юридическое право программистам использовать эти блоки в самых различных ситуациях. Поэтому эксперту- исследователю программы для ЭВМ предстоит также решать сложную задачу определения роли декомпилированного блока (информации), несанкционированно использованного в другой программе: статья 15 указанного выше Закона позволяет использовать такую информацию лишь с целью взаимодействия, а не для составления новой программы.

Под компиляцией мы предлагаем понимать полное и точное копирование текста программы (или фрагмента такого текста. имеющего логическое и целевое завершение) без перевода его на другой язык или с таковым. Эксперту-автороведу при решении вопроса о компиляции необходимо обладать знаниями не только в области, как минимум, одного-двух языков программирования, но

  • 126 -и о пределах допустимой компиляции, которые могут быть разработаны только экспериментальным путем.

Под интерпретацией понимается создание относительно са- мостоятельного программного продукта, отличного от исходного существенными блоками, которые при этом могут и не влиять на конечный результат программирования, то есть при появлении со- вершенно одинакового изображения на экране монитора и решении при этом одинаковой задачи авторство текстов каждой из двух программ может принадлежать двум лицам. Приоритет одного из двух авторов в этом случае устанавливается процессуальным путем.

Законодатель вправе рассчитывать на точное определение со стороны специалистов доли авторства каждого из претендующих на готовую продукцию, и здесь имеется простор для теоретических исследований: “закон Великобритании, в частности, утверждает. что компиляция или интерпретация программы - это ее трансляция, и поэтому допустимо компилировать или интерпретировать только те программные средства, на которые получено разрешение автора” [230. С.30].

Как видим, терминология, принятая в отношении исследуемых проблем в области информатики, несколько отличается от предложенной нами; на наш взгляд, в рамках самостоятельной науки, каковой несомненно является криминалистика, это допустимо и вполне объяснимо.

Существует мнение, что “программа, составленная из стандартных программ или алгоритмов, также может охраняться независимо от входящих в нее элементов, если они являются результатом оригинальной компиляции, в процессе которой создатель программы продемонстрировал высокую квалификацию и в которую

  • 127 -он вложил большой труд” [100, 32].’

Отличие здесь, как видно, обусловлено трудностями точного определения степени квалификации программиста и его доли вло- женного труда; эти неопределенности в дальнейшем могут сыграть отрицательную роль в методическом плане, примеры чему можно наблюдать сегодня и в традиционных видах экспертизы.

Здесь совершенно очевидна незаменимость современных методов и методик судебно-автороведческой экспертизы, экстраполированных на искусственные языки ЭВМ, что в конечном итоге взаимосвязано с появлением качественно новых специализаций в рамках компьютерной экспертизы.

Проблема установления личности автора программного продукта, представляемого на экспертизу, весьма актуальна: сюда входят дела по защите авторских прав, а также необходимость выявления авторов программ-вирусов, несанкционированно разрушающих действующие полезные программы.

Методологической основой решения задачи установления личности автора программного продукта является доказанный факт наличия в программном обеспечении ЭВМ признаков, способных составить индивидуальную совокупность, то есть идентифицировать автора методом оценки меры подобия программных модулей.

Основой проведения криминалистической экспертизы по идеи-‘ тификации автора программы являются исследуемое программное обеспечение в загрузочном виде и набор программных модулей, выполненных подозреваемым лицом, представленный в загрузочном виде.

Процедура определения меры подобия пары программ в научной литературе, посвященной проблемам защиты программного обеспечения, определяется термином “идентификация программ”.

  • 128 -Описано достаточное количество подходов к решению данной задачи. но, к сожалению, совершенно неразработанной осталась проблема установления авторства программного продукта.

Сложность решения данной задачи осложняется и тем, что следствие, как правило, располагает лишь исполняемым кодом идентифицируемой программы (исполняемым модулем) или выделенным из неё фрагментом, который сравнительно с исходным текстом содержит гораздо меньшее количество идентификационных признаков, характерных для автора данного продукта. Так, например, при трансляции программы будет утерян стиль оформления исходного текста (величина отступов и интервалов в тексте, наличие комментариев, их содержание и т.п.), язык программирования (хотя иногда это поддается определению и по исполняемому коду) , стиль программирования (приверженность автора тем или иным операторам и их конструкциям, функциям, библиотекам) и т.п.

Обратившись к проблемам раскрытия компьютерных преступлений. необходимо в определённой степени устранять диспропорции в теории и практике криминалистического исследования доказательств по делам, относящимся к категории “компьютерной” преступности. К такой категории, по нашему мнению, относятся все без исключения случаи использования ЭВМ в качестве инструмента для преступного посягательства на объекты, находящиеся под охраной закона (жизнь граждан, частную, государственную и иную собственность, секретную информацию и т.п.).

Данное определение, по нашему мнению, наиболее полно и содержательно раскрывает область применения специальных познаний эксперта и специалиста, регламентированных законодательством, в раскрытии любого преступления, одним из эпизодов кото-

  • 129 -рого являлось использование ЭВМ. Такое использование не обязательно должно быть несанкционированным: действие может быть произведено лицом, имеющим санкционированный доступ к ЭВМ; не обязательно также принадлежность действия подозреваемому (об- виняемому) лицу: оно может быть произведено лицом, являющимся свидетелем преступления.

К факторам, принципиально не позволяющим осуществить проведение экспертизы по идентификации автора программы, относятся:

  • отсутствие возможности чтения и обработки исследуемой или эталонных программа. Это определяется либо плохим физическим состоянием дискеты или винчестера ПЭВМ, на котором находится подлежащий идентификации массив, либо преднамеренным уничтожением данных;
  • написание исследуемой программы на языке высокого уровня. При этом состав исследуемого загрузочного модуля в основном определяется общесистемными библиотеками и не отражает авторских признаков;
  • использование для идентификации образцов программ, не сравнимых с исследуемым по причинам применения различных версий трансляторов, разных общесистемных библиотек и других различных существенных элементов среды проектирования.
  • Оценка значимости этих факторов являются искусством, доступным только профессиональным программистам, и представляет сугубо неформальный процесс. Непригодность образцов программ для сравнения влечет за собой особую форму вывода эксперта -сообщение о невозможности решения поставленного вопроса в соответствии со ст.82 УПК РСФСР.

В основе решения задачи идентификации программ лежит вы-

  • 130 -числение меры подобия сопоставляемых программ. Классическим подходом к решению поставленной задачи является метод L-грамм, заключающийся в определении максимальной длины совпадающих кодовых последовательностей в сравниваемых файлах. К сожалению, в случае сопоставления файлов, содержащих не простой набор данных, а исполняемый код программы, данный метод определения меры подобия пары программных модулей не вполне надежен, так как совпадающими последовательностями могут оказаться фрагменты библиотечных функций или диагностические сообщения при трансляции программ на языках высокого уровня, в то время как собственно авторский текст в обеих программах будет совершенно различен.

Ещё одним не менее популярным подходом к решению поставленной задачи является статистический метод определения меры подобия, который заключается в вычислении величины взаимной корреляции между сравниваемыми модулями. Существуют два вида коэффициентов корреляции: статический и динамический. Под первым подразумевают меру подобия между частотными характеристиками программ (частоты появления в файле различных кодов или их последовательностей). Под вторым - меру подобия между сравниваемыми последовательностями, сдвигаемыми относительно друг друга. Величина сдвига, при которой получен максимальный коэффициент, определяет местоположение похожих кодовых последовательностей в программах. Этот метод тоже не свободен от недостатков, основным из которых также является слабый учёт специфичности исполняемых модулей.

Для более эффективной работы алгоритма идентификации автора программного обеспечения необходимо осуществлять выделение собственно авторского текста из исследуемых программ (осо-

  • 131 -бенно в случае использования языков высокого уровня) и интерпретировать исследуемый код как последовательность выполняемых команд ассемблера, не забывая в то же время о требовании автоматизации данного процесса. Это можно выполнить, прибегнув к общеизвестным методам исследования исполняемого кода программ.

Методы анализа исполняемого кода программ подразделяются также на статические и динамические. К статическим относят методы анализа, не требующие запуска исследуемого модуля. Они основаны, как правило, либо на дезассемблировании анализируемого кода и дальнейшем применении методик, используемых в случае исследования исходных текстов программ, либо на статистических методах анализа, учитывающих частоты появления в программе последовательностей операторов различной длины, их расположение внутри модуля и т.п.

Недостатками данного метода исследования исполняемого кода являются, во-первых, невозможность анализа программ, пре- пятствующих процессу дезассемблирования (имеющих защиту от него или, в простейшем случае, например, содержащих саморазархи- вируемый код) и. во-вторых, невозможность анализа программ, содержащих оверлеи и самомодифицируемые участки исполняемого кода, что вполне реально может встретиться, например, в случае обнаружения вирусных механизмов. К достоинствам этого класса методов можно отнести их относительную простоту реализации и отсутствие необходимости запуска исследуемой программы, что иногда бывает небезопасно.

К динамическим методам анализа исполняемого кода относят методы для исследования программы в процессе её функционирования. Они позволяют анализировать каждую выполняемую команду программы и, таким образом, получить полный путь (трассу) ее

  • 132 -выполнения или “рисунок” издаваемых ею прерываний, выбранных для анализа. Среди достоинств этих методов исследования можно отметить отсутствие необходимости рассмотрения всех команд модуля (рассматриваются только выполняемые команды, чем достигается отделение исполняемого кода от данных), возможность построения по полученной трассе алгоритма работы исследуемой программы, игнорирование механизмов защиты от дезассемблирования и др.

Недостатками данных методов являются их более сложная реализация (если требуется качественный анализ, учитывающий, например, наличие защиты от исследования), а также сложность тестирования исследуемой программы с помощью динамических средств исследования, поскольку для получения максимально полной характеристики программы эксперту потребуется тщательное выполнение всех её функций. Это может оказаться достаточно длительным и кропотливым занятием, требующим определенных на- выков работы с ЭВМ и данной программой в случае больших прог- раммных пакетов, каковыми, например, являются информационно- поисковые системы.

В связи с вышеизложенным при проведении эксперимента нами был использован следующий подход к решению поставленной задачи, представляющий собой симбиоз положительных черт перечисленных классов методов.

В распоряжении следствия имеется множество из нескольких программных продуктов, представляющих собой экземпляры программ различных авторов, среди которых предположительно находятся и модули подозреваемого лица, а также программный модуль или фрагмент исполняемого кода, предназначенный для установления его автора. Такая ситуация вполне реальна и может сложить-

  • 133 -ся, например, в каком-либо подразделении при определении автора программы, нанесшей вред данным, обрабатываемым этим под- разделением.

Назовём элементы этого множества эталонами, а само множество - библиотекой эталонов. Для повышения надежности системы количество эталонов, приходящееся на каждого автора, может быть больше 1.

Для определения автора исследуемой программы предлагается:

  • получить методом динамического исследования программ частотные характеристики появления операторов ассемблера всех эталонов и исследуемой программы;
  • вычислить меру подобия между частотными характеристиками идентифицируемой программы и эталонов библиотеки.
  • Автором исследуемого программного продукта следует считать разработчика той программы-эталона, которая даст максимальный коэффициент подобия между своей частотной характеристикой и частотной характеристикой анализируемой программы. При этом коэффициент должен превышать некоторое пороговое значение для обеспечения требуемой вероятности принятого решения: чем больше превышение над порогом, тем выше степень уверенности в том, что принимаемое решение верно.

Следует, однако, принять во внимание, что достоверность вышеописанного метода по результатам проведенного нами экспе- римента не превышала 80%, поэтому предложенный метод может быть применен лишь в комплексе с другими, в том числе качественного характера.

Определённую методологическую базу предоставляют в этом плане традиционные криминалистические методы, применяющиеся в автороведческой, технической экспертизе документов и искусе-

  • 134 -твоведческой экспертизах.

Так, например, при сравнении результатов работы двух программ визуальный анализ изображения на экране монитора становится достаточно информативной базой для идентификационного исследования. Наличие на этом изображении каких-либо предложений или фраз на естественных языках (русском, английском и т.п.) позволяет использовать автороведческие методы. К ним относится сравнительный анализ частных лексиско-фразеологичес-ких, синтаксических, стилистических, семантических или морфологических признаков, например, использование одинаковых или сходных средств (по каждому из перечисленных лингвистических уровней) при описании одинаковых или сходных ситуаций и объектов.

Эксперту необходимо знать и уметь грамотно распознавать и применять некоторые признаки, обусловленные закономерностями речепорождения при письме, особенностями техники машинописи.

К таким признакам относятся, в основном, топографические (размещение текста и изображений, их фрагментов) и дактилогра- фические (орфографические ошибки, обусловленные дактилографи- ческими причинами) признаки.

Полные и точные совпадения всех топографических элементов букв, фраз, предложений и абзацев, установленное при сравнении исследуемого текста и образца, позволяют с достаточной степенью достоверности утверждать тождество авторов. Однако при наличии в тексте орфографических и пунктуационных ошибок эксперт обязан проанализировать и их; в первую очередь, это касается происхождения ошибок, не являются ли эти ошибки обычной опечаткой, свойственной многим людям.

Здесь уместно вспомнить обычные для традиционной кримина-

  • 135 -листики критерии оценки значимости выявленных признаков: их устойчивость, существенность и совокупную достаточность для конкретного вывода. Различие задач этих двух родов экспертизы обусловлено различной формой, в которой объект представляется на экспертизу: в технической экспертизе документов объекты за- фиксированы на бумаге, а в компьютерной - на электронном носителе информации или на экране монитора ЭВМ.

Среди частных признаков навыков, наиболее информативными в идентификационном плане можно признать следующие:

  • устойчивая орфографическая ошибка;
  • устойчивая пунктуационная ошибка;
  • пропечатка запятой вместо точки;
  • использование двойного тире;
  • пропуск букв, слов;
  • отсутствие обособления вводных слов, конструкций;
  • форма полей справа и слева (прямолинейная, извилистая, дуговая, выпуклая, вогнутая);
  • размер полей справа и слева (большой, средний, малый);
  • количество пробелов до и (или) после знаков препинания;
  • способы выделения записей адресата или адреса (на конверте);
  • протяженность разделительной линии в записях;
  • подчеркивание отдельных фраз или слов текста;
  • выполнение отдельных фраз или слов текста прописными или строчными буквами (выбор шрифта);
  • ненормативное (или необычное) использование знаков препинания.
  • Комплекс идентификационных интеллектуальных (относящихся к автору текста) признаков состоят из следующих групп:

  • 136 -

  • лингвистические признаки;
  • структурно-композиционные признаки;
  • функциональные признаки.
  • Лингвистические признаки, в свою очередь, делятся на ор- фографические, пунктуационные, лексико-фразеологические, син- таксические. стилистические, семантические и морфологические признаки.

Структурно-композиционные признаки включают в себя следующие:

  • размер и форма линии полей;
  • размещение заглавий, заголовков, подзаголовков, обращений. эпиграфов, адресата, абзацев и таблиц:
  • пагинация (последовательная порядковая нумерация частей текста, страниц, глав) и литерация (обозначение соседних элементов текста буквами):
  • а) нумерация страниц (сверху-снизу, справа-слева, в центре)

б) преимущественное использование римских или арабских цифр;

в) способы выполнения номера страниц (расположение и количество пробелов и точек);

г) расстояние от левого поля до “серединного” номера страницы (или снизу-сверху);

д) расстояние до “правостороннего” номера страницы;

е) нумерация других частей текста:

  • использование римских или арабских цифр;
  • использование строчных или прописных букв;
  • способ отделения букв и цифр от текста (точкой. пробелом, скобкой и т.п.)
  • 137 -

  • построение строки (начальной, абзацной, конечной);
  • размещение и способы выполнения примечаний, вставок, приложений (внутритекстовые, подстрочные, затекстовые), их размеры, приемы выделения (скобками, тире), расстояние между строками;
  • размещение даты и подписи в конце документа. Функциональные признаки:
  • способы выполнения знаков препинания;
  • способы употребления знаков, символов, нотаций;
  • выполнение цифрового и формульного материала;
  • способы выполнения транскрипций, аббревиатур, инициалов;
  • способы выполнения дат;
  • способы выполнения отдельных букв (е и ё, ъ и апостроф);
  • способы выполнения сокращений (т.п., т.д., etc., др.);
  • способы выполнения выделений (втяжка, разрядка, под чёркивание, рамка, изменение цвета).

Принципиальное отличие от традиционных автороведческих методов состоит в том, что орфографические и пунктуационные признаки здесь свидетельствуют об авторстве программного обеспечения, в то время как в автороведческой экспертизе эти признаки не используются, относятся не к “авторским”, а к “исполнитель с ким” при знакам.

Искусствоведческие методы также имеют право на применение: так, при идентификации личности программиста частными признаками могут стать использование одинаковых или сходных сюжетов и (или) изображений предметов, месторасположения последних относительно других предметов, границ экрана или фрагментарных ограничений, использование одинаковых или сходных цветовых гамм при изображении одинаковых или сходных фрагмен-

  • 138 -тов.

Значительное место в сравнительном исследовании имеют и квантитативные методы: например, соотношение количества случаев или площадей использования различных или одинаковых цветов изображения, относительное расположение точек изменения нап- равлений ломаных или дуговых линий (по отношению к другим эле- ментам изображения или его границам) и др.

Перечисленные методы и приёмы идентификации автора программного обеспечения относятся лишь к гипотетически возможным, авторам не известны случаи их употребления в экспертной практике. Известны лишь факты разработки и внедрения в локальные компьютерные сети оригинальных программ, фиксирующих параметры пользователя ЭВМ для его идентификации (“побочный” продукт нашего эксперимента), и. похоже, само наличие таких программ делает сеть более защищенной от несанкционированного использования.

Необходимость прогнозирования подобных методик и изучения их возможностей в рамках нового, развивающегося рода экспертизы, на наш взгляд, совершенно очевидна и бесспорна, и здесь криминалистическая наука может принести существенную методоло- гическую пользу.

Исследования по данной проблеме должны носить комплексный характер: необходимым условием является привлечение специалистов по информатике, вычислительной технике и программированию, а также в области традиционных родов криминалистической экспертизы (исследования машинных документов и автороведения) и технических исследований по передаче информации по каналам связи.

Отдавая отчет в определенной дискуссионности затронутой

  • 139 -тематики, нельзя не заметить ее недостаточную разработанность в общей методологии судебной экспертизы в плане установления приоритетных направлений в развитии научных основ судебного автороведения с учетом качественных изменений объектов в сторону криминалистически малоинформативных объектов: текстов официально-делового стиля и текстов, составленных на искусс- твенных языках.

  • 140 -ГЛАВА 4. Методологические и правовые аспекты криминалистической экспертизы письменной речи 1. Концептуальные основы создания автоматизированного рабочего места эксперта- исследователя письменной речи Использование электронно- вычислительной техники в судебной экспертизе в целом должно привести к качественно новому уровню ее развития, основой чего, на наш взгляд, должно стать создание экспертных систем в каждом отдельно взятом роде экспертизы.

В научной (в том числе криминалистической) литературе имеется несколько определений понятия экспертной системы; про- анализировав их, можно получить достаточно полное понимание общей концепции создания автоматизированного рабочего места эксперта-исследователя речи.

“Экспертная система - это программа, которая ведет себя подобно эксперту в некоторой проблемной области (обычно узкой, прикладной). Она должна иметь способность к объяснению своих решений и тех рассуждений, на основе которых эти решения были приняты… Экспертные системы должны решать задачи, требующие для своего решения экспертных знаний в некоторой конкретной области. В той или иной форме экспертные системы должны обладать этими знаниями. Поэтому их также называют системами, основанными на знаниях” [55].

Комитет группы специалистов по экспертным системам Британского компьютерного общества одобрил следующее формальное определение экспертных систем: “Под экспертной системой понимается система, объединяющая возможности компьютера со знаниями и опытом эксперта в такой форме, что система может предложить разумный совет или осуществить разумное решение постав-

  • 141 -ленной задачи” [162. С. 9].

Экспертная система определяется также как “система, способная заменить эксперта-человека при решении некоторых задач”, ориентированная на задачи в определенной предметной области [198. С.92] или как “средство эмпирического поиска высококачественных решений задач на базе формализованных уникальных знаний экспертов” [198. С.96].

Не лишено определенного смысла определение экспертных систем как “программных систем, сопоставимых со специалистами-людьми в какой-либо конкретной области в том отношении, что они на основе предварительно введенной в них информации о предметной области позволяют получить определенный вывод (рекомендацию, решение) относительно той или иной проблемы, касающейся данного предмета” [111, С.221].

Принципиальным дополнением к пониманию экспертных систем является следующее определение: “экспертная система - это программное обеспечение, позволяющее вычислительной машине заменить эксперта, т.е. профессионала высокого класса, в какой-либо сложной области” [10. С.214].

Несмотря на некоторое расхождение этих определений, можно составить впечатление о роли и о круге решаемых экспертными системами задач: “Экспертная система должна также уметь каким-то образом объяснить свое поведение и свои решения пользователю, так же, как это делает эксперт-человек. Это особенно необходимо в областях, для которых характерна неопределенность, неточность информации… В этих случаях способность к объяснению нужна для того, чтобы повысить степень доверия пользователя к советам системы, а также для того, чтобы дать возможность пользователю обнаружить возможный дефект в рассуж-

  • 142 -дениях системы…

Часто к экспертным системам предъявляют дополнительное требование - способность иметь дело с неопределенностью и неполнотой. Информация о поставленной задаче может быть неполной или ненадежной; отношения между объектами предметной области могут быть приближенными… Во всех этих случаях необходимы рассуждения с использованием вероятностного подхода.

При разработке экспертной системы принято делить ее на три основных модуля : 1) база знаний, 2) машина логического вывода, 3) интерфейс с пользователем.

База знаний_содержит знания, относящиеся к конкретной прикладной области, в том числе отдельные факты, правила, описывающие отношения или явления, а также, возможно, методы, эвристики и различные идеи, относящиеся к решению задач в этой прикладной области.

Модульность: каждое правило описывает небольшой, относительно независимый фрагмент знаний.

Возможность инкрементного наращивания: добавление новых правил в базу знаний происходит относительно независимо от других правил.

Удобство модификации_(как следствие модульности): старые правила можно изменять и заменять на новые относительно независимо от других правил” [55].

Одним из обязательных требований считается “способность системы пояснять, по требованию, ход своих рассуждений в понятной для спрашиваемого форме” [162, С. 9].

Основными функциями экспертных систем принято считать обучение, объяснение и планирование действий.

“Для функции обучения характерно несколько режимов реали-

  • 143 -зации, основными из которых являются: “аудиторный” режим, когда экспертная система выступает в роли “учителя”…; режим “подсказки”, в котором ЭС сообщает пользователю возможные последующие действия…;

Функция объяснения менее очевидна для раскрытия содержания экспертизы; вместе с тем исследование в той свей части, которая касается получения результатов или выводов по результатам, непременно содержит их обоснование или объяснение.

Функция планирования действий является необходимой, так как само чередование или единение уже перечисленных функций требует некоторой организации, причем заранее определенной” [198, С.94- 95].

Отнюдь не лишними будут здесь и информационно-поисковые системы, способные в короткий срок дать информацию эксперту о количественных и качественных характеристиках каждого слова или словосочетания.

Такие системы, построенные по принципу вышеупомянутого программного комплекса “Автор”, не только помогут эксперту быстро и точно определить необходимые характеристики выявлен- ного языкового явления, но и, возможно, станут своеобразными катализаторами новых творческих идей в направлении кримина- листического исследования письменной речи как рода экспертизы, объединяющего в себе все известные виды этих исследований.

Информационно-поисковые системы, включающие в себя базы знаний о пунктуационных правилах письменной речи, ареальной принадлежности орфографических и пунктуационных ошибок должны найти свое место в повышении эффективности взаимодействия эксперта и ЭВМ. “Непроцессуальными источниками исходной ин- формации могут быть: справочные издания; эталоны, стандарты,

  • 144 -типовые образцы; предметные коллекции и альбомы; учетно- ре-гистрационные массивы (картотеки); научная и учебно-методи- ческая литература; коллективный и личный опыт эксперта, обоб- щенные данные экспертной практики; методические рекомендации, инструкции, указания и т.п.” [34, С.76].

Можно не согласиться с тем, что “экспертиза как ограниченное или “пассивное” исследование есть ни что иное, как справочная функция некоторой автоматизированной системы” [198, С.93], однако, несомненно, большая роль в создании автоматизированного рабочего места эксперта принадлежит информационно-поисковым системам.

Особая роль ЭВМ отводится в проведении экспертного эксперимента; при этом необходимо помнить, что “в системах для исследования структуры текста на разных уровнях информация о лексике должна быть максимально полной, так как задачи анализа текста могут возникать в ходе исследования и заранее непредсказуемы” [112, С.73].

Эта непредсказуемость и высокая вариационность конкретных языковых коммуникативных ситуаций, явлений и соответствующих им признаков, необходимость количественного обсчета которых возникает у эксперта в ходе проведения экспертизы, заставляют считать здесь единственно приемлемой формой алгоритм диалогового режима с разветвленными возможностями изменения наименований текстовых параметров и формализованных решающих правил.

Один из вариантов такой гибкой системы, позволяющих эксперту, не сведущему в программировании, тем не менее самому “сконструировать” из готовых блоков необходимую ему программу, успешно прошла во ВНИИ судебных экспертиз авторскую апробацию.

  • 145 -

“Для решения идентификационных, классификационных и диаг- ностических задач информации, получаемой непосредственно при производстве экспертизы, как правило, недостаточно. Необходимы также и некоторые априорные сведения о генеральной совокупности объектов, изучаемых в той или иной разновидности судебных экспертиз. Такие данные можно разделить на две группы: норма- тивно-справочную информацию… и результаты экспериментального исследования объектов натурной коллекций, создаваемых в СЭУ” [79, С.17].

Поэтому специалисты справедливо называют автоматизированный банк данных одним из основных компонентов системы, предназначенной для решения экспертных задач, определяя его как совокупность информационных, математических, программных, языковых и технических средств, предназначенных для централизованного накопления и коллективного многоаспектного использования информации [79, С.19].

Возвращаясь к вопросу о создании в автоматизированном рабочем месте эксперта-автороведа обширного банка данных, необходимо согласиться с тем. что “решение задачи, считаемой неи- дентификационной, можно свести к информационному поиску в банке данных, т.е. на известном уровне формализации грани между идентификационными и неидентификационными задачами стираются. что открывает дополнительные возможности для использования ИПС в судебно-экспертных исследованиях” [140. С.7].

Интересующимся проблемами автоматизации экспертных процессов известно, что давно уже вышли из области нереальных идей и внедрены в практику такие возможности ЭВМ. как распознавание отдельных слов машинописного текста, а также рукописного текста, выполненного в обычных условиях. “Любую графичес-

  • 146 -кую информацию можно рассматривать как набор оптических неод-нородностей, отличающихся по яркости и цвету” [78. С.4].

Будем исходить из того, что текст, выполненный любым из известных способов (рукописным, машинописным, полиграфическим) может быть введен в память ЭВМ и затем расшифрован ею. “В настоящее время наиболее широкое распространение для считывания сложных графических изображений получил сканирующий способ” [78, С.8]. ив нашем случае оптимальным способом следует признать сканирование с последующей обработкой текстового материала по смысловым критериям, исходя из возможностей собственных экспертных систем.

Не новыми являются программы, распознающие орфографические ошибки в текстах и. хотя сегодня, пожалуй, несколько преж- девременно и затруднительно оценивать целесообразность внедрения требующейся для таких исследований дорогостоящей и не вполне надежной технологии ввода исходной информации, на наш взгляд, следует предусмотреть и признать перспективность такого варианта замены достаточно емкого по времени и трудозатратам процесса.

Заметное место в интенсификации труда судебного эксперта принадлежит внедрению в практику ЭВМ. что неразрывно связано с усовершенствованием организации отдельных этапов конкретного исследования, в том числе и оптимизацией форм и методов составления заключения эксперта. Последнее представляет собой по сути “результирующую информацию” [179], аккумулирующую в себе все данные по решаемому вопросу.

Речь здесь идет о получивших широкое распространение программах текстовых редакторов - необходимого звена в составлении текстов заключения эксперта, сопутствующих ему

  • 147 -документов, способных также обеспечить наглядность при обучении начинающих специалистов. Хранение в файле заключения эксперта списка частных признаков почерка и письменной речи позволяет опытному эксперту оперативно дать характеристику выявленному явлению, а начинающему напомнит правильную после- довательность их использования и их корректное наименование.

Составление экспертом заключения - обязательный этап дея- тельности эксперта в любом роде и виде экспертизы, поэтому трудно переоценить важность использования любой возможности его упрощения и улучшения.

Огромную роль в этом, на наш взгляд, играет использование ЭВМ, функции которой в этом случае сводятся к хранению информации в виде текста, необходимого для составления “чернового” варианта заключения эксперта. Естественно, такие “черновики” должны быть совершенно различны для каждого рода экспертизы. для каждого вида, а может быть, и для отдельных классов объектов или задач.

Изучая тексты заключений экспертов нетрудно убедиться в наличии некоего профессионального словаря, ограниченного спецификой конкретного рода экспертизы, его структурой. К этому неизбежно привели многочисленные работы по формализованному описанию частных и общих криминалистических признаков различных объектов, обусловленные стремлением к единообразию и взаимопониманию.

Таким образом, в автороведческой экспертизе, как, пожалуй, и в любом роде экспертизы, существует определенный набор терминов, устойчивых словосочетаний, фраз и слов, являющихся как бы “трафаретом” для составления текстов заключений. Так, например, в судебно-автороведческой и почерковедческой

  • 148 -экспертизах обязательными частями заключений являются описание поступивших на исследование документов и образцов, способ их фиксирования и конкретизации, наименования частных и общих признаков, формулирование выводов и др.

Используя способность ЭВМ хранить в памяти (временно или постоянно) любые фрагменты текста, эксперту достаточно долей секунды, чтобы вызвать на экран терминала необходимую ему информацию в виде фрагментов текста, изменить их отдельные морфологические детали, после чего отредактированный текст распечатывается в нужном количестве экземпляров на принтере. “Редактор стал обязательной компонентой программного обеспечения любого персонального компьютера” [145, С.63].

Опыт использования систем текстового редактирования во Всесоюзном НИИ (ныне Федеральном Центре) судебных экспертиз МЮ России в области судебно-автороведческой экспертизы показывает широкие возможности и перспективы их внедрения, а также ошибочность мнения о наличии некоторых недостатков: так, отдельным пользователям виделось главным недостатком системы - “невозможность восстановить то, что было изменено: если команда однажды выполнена, то нет возможности вернуться к исходному положению вещей” [145, С.67].

Фактически же в обсуждаемой программе “Word Star” существует целый комплекс команд, использующих оперативную память ЭВМ для восстановления временно утраченной информации (например, восстановление строк, слов или их частей).

Следует также отметить простоту и доступность этих программ, позволяющих вместе с сокращением времени составления заключения полностью исключить и достаточно трудоемкий процесс машинописных работ, что в результате положительно сказы-

  • 149 -вается на сроках производства экспертиз.

Программы текстового редактирования выступают и в роли “наставника” для молодых специалистов, стажеров, практикантов. обучающихся экспертным специальностям, “подсказывая” им порядок поэтапного хода исследования. Как показывает практика, наибольшая эффективность применения текстового редактора в составлении текстов заключений получается при производстве многообъектных экспертиз. Это объясняется тем. что именно в этой категории экспертиз проявляются максимальные возможности использования памяти ЭВМ для копирования отдельных фрагментов текста: к примеру, копирование описательной части исследуемых объектов из вводной части в выводы, многократное повторение имен собственных, реквизитов документов и т. п.

Этим объясняется и то, что эксперты предпочитают использовать текстовый редактор именно в многообъектной экспертизе, составляя при этом собственные, удобные для них словаря и таблицы, наиболее подходящие для решения конкретного вопроса.

Описанный метод не исключает, а скорее дополняет возможные имеющиеся в практике судебной экспертизы методы использования ЭВМ в качестве хранителя информационных фондов или ал- горитмизации математических и статистических задач.

Следует также учесть, что широкое внедрение текстовых редакторов в экспертную практику требует использования многотерминальных систем. позволяющих одновременную работу нескольких экспертов.

Работа по автоматизации экспертных действий в судеб-но- автороведческой экспертизе отличается большим объемом “так называемой лемматизации (предмашинной лингвистической обработки текста), в результате которой каждому слову должно быть

  • 150 -поставлено в соответствие словарное слово, указаны класс слова, набор его элементарных грамматических категорий, син- таксическая функция, место в структуре предложения, границы контекста и т.п.

Предварительная лингвистическая обработка текста требует значительного времени и большого единообразия, что вызывает необходимость тщательного составления инструкций по индекси- рованию слов текста [12].

При составлении программного комплекса, рассчитанного на применение в судебном автороведении ЭВМ, мы исходили из того, что”конкретное лингвистическое исследование, проводимое с применением средств математики и ЭВМ включает несколько этапов:

1) содержательную формулировку лингвистической задачи на качественном уровне; 2) 3) сбор лингвистических данных; 4) 5) статистическую обработку лингвистических данных методами математики с целью получения полезной лингвостатистическои информации; 6) 7) создание оригинальных машинных программ и технических решений лингвистической задачи, реализацию алгоритма на ЭВМ” [210, С.18]. 8) Необходимо учесть, что в русском языке не только отдельные слова, но и словосочетания могут функционально относиться к одной части речи (например, предлог “в течение”), поэтому количество слов в этих группах не всегда совпадает с коли- чеством выявленных грамматических явлений. С целью получения наиболее адекватных количественных данных в программном комп- лексе “Автор”, созданном во Всесоюзном НИИ судебных экспертиз

  • 151 -на базе ЭВМ ЕС-1022, имеется возможность ввода вспомогательного списка словосочетаний (предлогов, союзов, модальных слов, частиц, междометий). Такой список словосочетаний поможет определить точное количество единиц в каждой из групп частей речи.

Кроме того, в “Авторе” предусмотрена возможность анализа омонимов, внесенных в особую часть автоматизированного словаря, что также способствует получению объективных количественных характеристик текстов.

Принадлежность слова к одной из групп синтаксической структуры предложения может варьироваться в значительных пределах: например, имя существительное в различных предложениях может и подлежащим, и дополнением, и определением, и частью обстоятельства. Это не позволяет использовать данные о частях предложения иначе как в форме индексации: в программе “Автор” индексируются подлежащие и сказуемые, остальные слова переходят в разряд второстепенных членов, однако сохраняется возможность проставлять дополнительные метки к любому слову текста.

Для обеспечения работы системы создан индексно-последо- вательный файл - набор соотносимых! подобных записей, включа- ющий словарь наиболее употребительных по частоте встречаемости слов русского языка [228] .

Автоматизированная система анализа текстов может быть использована и при исследовании лексико-фразеологических, синтаксических и стилистических навыков автора (составителя) устного текста: для этого необходимо лишь перевести текст в письменную форму, после чего операция ввода текста в ЭВМ ста- новится стандартной.

  • 152 -В процессе работы система использует следующие данные:
  1. основной словарь,
  2. набор сопоставляемых текстов, один из которых в каждом случае рассматривается как образец, с которым ведется со- поставление и
  3. параметры работы системы, обеспечивающие режимы:
  4. а) перечень текстов,

б) учет или неучет слов, встреченных в текстах в резерв ном поле словаря.

в) жанр, по отношению к которому производится сравнение текстов, в том числе может использоваться “суммарный” вариант (по абсолютной и относительной частоте встречаемости слов) и так называемый “экспертный” вариант (частота встречаемости слова с учетом изменений в процессе накоплений в реальных экспертных исследований),

г) изменение граничного объема текста, при котором про изводится “уплотнение” гистограммы частот.

д) технические параметры работы программы “Автор” (объем памяти для этапов сортировки и т.п.).

Учет или неучет жанров, к которому относится исследуемый текст, является крайне важным и необходимым параметром; кроме того, что он позволяет систематизировать лексемы по жанровым количественным характеристикам (например, по частотам встре- чаемости), с его помощью может быть создан специальный архив слов, отсутствующих в академических словарях, но используемых в текстах, подвергшихся экспертизе. Таким образом может быть создан словарь эпистолярной речи как русского языка, так и языков народов государств бывшего СССР.

“Актуальность этой темы определяется практически полной

  • 153 -неизученностью русской эпистолярной речи, ее не совсем ясным местом в русской функциональной стилистике, отсутствием четких представлений о ее отношении к разговорной речи и к уст- ной форме последней” [90, С. 4].

Кроме того, эксперт-авторовед преследует здесь и более глубинную цель: изучение эпистолярной речи способствует “выявлению ее особенностей, сходства и отличия от устной и других письменных форм речевой деятельности” [90, С.8].

Выявленные лингвистикой статистически значимые различия между эпистолярной и разговорной речью [90, С.12] помогут эксперту уточнить некоторые понятия стилистических несоответствий, использовать их при конкретизации выявленных частных признаков.

Сопоставляемые тексты вводятся строками с записями 80 символов как отдельные последовательные наборы данных, после подлежащих, сказуемых, имен собственных (а при необходимости и других частей речи) проставляются специальные метки-маркеры принадлежности этих слов к определенной категории. Кроме этого, после точки, обозначающей конец предложения, ставится дескриптор сложности предложения (простое или сложное).

Слова в одном предложении разделяются всеми знаками препинания (кроме точки) или пробелом, предложения - точкой; между словами одного предложения может быть несколько пробелов, а строка без каких-либо знаков рассматривается как конец текста.

Таким образом, при использовании дисплеев и наличии в математическом обеспечении ЭВМ соответствующих программных комплексов-редакторов типа “КДО”, “ОКО” и др. (для ЭВМ ЕС-1022) ввод текстов технически мало чем отличается от пере-

  • 154 -печатки их на обычной пишущей машине, и от эксперта- исследователя требуется лишь умение привести слова к исходной (словарной) форме исправить орфографические ошибки и расставить перечисленные дополнительные дескрипторы.

По нашим предварительным наблюдениям, такая работа дает не более 20% потерь во времени по сравнению с перепечатыванием аналогичного текста без необходимой обработки и не требует особых навыков у эксперта, знакомого с машинописью и основами грамматики.

Такую технологию можно считать вполне приемлемой и достаточно адекватной учитывая существенный выигрыш во времени по сравнению с получением искомых количественных параметров текста традиционным методом, без использования ЭВМ. Кроме того. она позволяет примерно в 20 раз ускорить процесс кодирования и ввода первичной информации в ЭВМ по сравнению с предложенными ранее для этой цели технологиями [83. С.299]. что в конечном итоге позволяет значительно облегчить труд эксперта-исследователя письменной речи и способствует получению более обоснованных выводов.

На выходе система представляет в виде распечатки следующую основную информацию по каждому тексту:

  1. первую строку текста или текст целиком (по выбору),
  2. сообщения о грубых ошибках в негативе.
  3. список имен собственных с указанием появлений каждого.
  4. гистограммы частот встречаемости слов по 10%-ным или 20%-ным группам (по выбору),
  5. количество слов в словаре текста,
  6. список слов, отсутствующих в основном машинном словаре,
  7. список иностилевых для данного жанра слов с числом
  • 155 -появлений и номером жанра максимальной частоты встречаемости.
  1. результаты сравнения исследуемого текста с образцами в виде вероятностей, полученных при использовании критериев математической статистики и при каждом значении - порядковый номер, экстремальные вероятности, гистограммы вероятностей и их логарифмов соответственно присвоенным порядковым номерам, упорядоченный по возрастанию список вероятностей с их номерами.

Таким образом, организация конечных данных отражает два основных требования к первой очереди системы: автоматизация получения параметров текста, используемых в существующих ме- тодиках, и возможность проведения экспериментальных работ по выявлению адекватных математических статистических критериев.

В качестве математического статистического критерия в программе также используется критерий Колмогорова-Смирнова. сравнивающий два эмпирических распределения, вычисляемых по вектору наблюдений для сопоставимых величин из двух текстов, предусмотрено включение в систему проверки по критерию Ман-на- Уитни для тех же выборок. Использование указанных критериев дает возможность эксперту-исследователю речи проводить не только экспресс-эксперименты, но и точно оценивать наблюдаемые языковые явления в конкретном текстовом материале, получая при этом выводы классификационного характера, наподобие предложенных нами ранее методик.

Однако здесь нужно иметь в виду, что “ни один критерий из предлагаемых математической статистикой не дает вполне оп- ределенного ответа на вопрос: “Верна или не верна данная ста- тистическая гипотеза?” Ответы на подобные вопросы имеют веро- ятностный характер” [83], поэтому мы отдаем отчет о необходи-

  • 156 -мости проведения обширного эксперимента, подготовительная стадия которого (сбор экспериментального массива текстов, разработка концептуального подхода, прогнозирование результатов и т.д.) требует привлечения значительных научных сил и затрат времени.

Предварительный эксперимент, проведенный на 100 текстах эпистолярного стиля, выявил достаточно высокую разрешающую способность программного комплекса “Автор”: доля частей текстов, оставшаяся для поставтоматизированной ручной обработки, составила не более 10 %; дальнейшая работа по увеличению объема основного машинного словаря (с 9 до 40 тысяч слов) позволит сократить это число примерно в 2 раза. Такую эффективность автоматизированной системы, по нашему мнению, можно признать удовлетворительной для практического применения программного комплекса в ходе решения экспертных и научных криминалистических задач.

Возможность получения оперативной информации методического характера, кроме всего, существенно повышает результативность обучения эксперта методам, исходя из чего нельзя не признать незаменимость ЭВМ именно в этом качестве.

Оптимальный вариант информационного фонда эксперта-исследователя письменной речи, по нашему мнению, должен включать в себя следующие блоки:

  1. Блок частот встречаемости слов в языке и функциональных стилях языка;
  2. Блок синонимической значимости слов;
  3. Блок библиографический;
  4. Блок учебно-методический;
  5. Блок диалектный;
  • 157 -6. Блок профессионализмов.

Назначение вышеперечисленных блоков сводится, в основном, к следующему:

  1. Блок частот встречаемости слов в языке и функциональных стилях языка, составленный на основе частотного словаря конкретного языка, служит для хранения и поиска в режиме “запрос-ответ” частот встречаемости слов в этом языке или в определенном функциональном стиле этого языка, использование которых способствует объективизации оценок криминалистической значимости слов или фраз текстов;
  2. Блок синонимической значимости слов, образованный на базе словаря синонимов, служит для хранения и поиска в режиме “запрос-ответ” списков синонимов к отдельным словам, оцененным экспертом в качестве лексических частных признаков. Об- щепризнанно, что “необходимым приемом стилистического иссле- дования представляется сравнение данных изучаемого отрезка текста (или живой речи) с синонимическими параллельными средствами выражения того же содержания [212. С.83].
  3. При этом необходимо учитывать степень лексической сочетаемости каждого слова фразы или словосочетания: “лексическая сочетаемость вносит дополнительные сложности в проблему сино- нимов. Члены одного тематического ряда могут резко различаться с точки зрения сочетаемости. С другой стороны, лексическая сочетаемость, как бы разъединяя синонимы, может, наоборот, способствовать объединению слов, семантически весьма далеких друг от друга” [203. С.86].

“В системе синтаксической сочетаемости выделяется обязательная сочетаемость.. . В системе обязательной сочетаемости выделяется строго обязательная сочетаемость… В системе

  • 158 -строго обязательной сочетаемости выделяется разряд формально предсказуемой сочетаемости” [99].

Использование указанного блока позволит эксперту оперативно и точно определить “коэффициент синонимичности” каждого слова, что в свою очередь, даст возможность установить такой немаловажный аспект как “коэффициент синонимичности” фразы, не являющейся устойчивым фразеологизмом. Под термином “коэффициент синонимичности” подразумевается в нашем случае некое число, отражающее общее количество возможных синонимов конкретному слову, зависимое от частоты встречаемости этого слова в языке и степени его сочетаемости в фразе или словосочетании.

  1. Блок библиографический состоит из систематизированного перечня опубликованных трудов по тематике исследований письменной речи как автора, так и исполнителя текста с указанием исходных данных источника информации (время, место издания), с кратким содержанием и списком цитат, отражающих наиболее существенные моменты этих работ. В библиографическом блоке предусматривается система поиска необходимой информации (текстов) по ключевым словам. Библиографический блок служит подсобным справочно-информационным инструментом, который может быть использован как в экспертной практике, так и в научно- исследовательской деятельности.
  2. Блок учебно-методический содержит в себе информацию методического характера о применении конкретных методов в ? судебной экспертизе письменной речи, он состоит из файлов хранения и поиска данных о конкретной методике, необходимой для решения экспертной задачи;
  3. Блок диалектный содержит данные о территориальных диалектах, их особенностях, признаках различия с
  • 159 -близкородственными языками;
  1. Блок профессионализмов содержит информацию из области лексики и фразеологии профессиональных подъязыков: частот встречаемости слов в подъязыках, криминалистической значимости фраз и т.п. Информационный фонд этого блока составляется на базе специализированных словарей, работает в режиме “запрос-ответ”.

“Для реализации функций автоматизированной словарной службы можно использовать системы управления базами данных…Но более эффективными здесь могут оказаться программные системы, специально предназначенные для этой цели, тем более, что сов- ременные СУБД не имеют в своем составе процедур, необходимых для обработки русских текстов” [45, С.106].

Экспертные задачи, решаемые с помощью ЭВМ, по назначению можно условно классифицировать на:

а) информационно-справочные.

б) технические и

в) научно-исследовательские.

Роль первой из перечисленных задач (информационно-справочной) сводится, по существу, к реализации программных комплексов в системе автоматизированного рабочего места (АРМ) эксперта- исследователя письменной речи, направленных на оперативное обеспечение эксперта материалами информационного характера: основы методов и методик, статистические характеристики функциональных стилей и т.п.

“В настоящее время возникла возможность обработки символьной информации на ЭВМ с постановкой неформализуемых (плохо формализуемых) задач так называемых “описательных” наук и дисциплин (не использующих строгую математическую

  • 160 -формализацию). Указанные достижения воплотились в разработке экспертных систем ОС), под которыми понимаются машинные программы, способные на основе заложенных в ЭВМ знаний и достаточно тонких операций с ними решать сложные задачи, для решения которых обычно привлекаются люди-эксперты. Иными словами, программы или программные комплексы, имитирующие поведение эксперта при решении проблем, получили название экспертных систем” [48, С.100].

Перечисленные программы ЭВМ при соответствующей координации действий их разработчиков составляют существенный блок системно- программного комплекса автоматизированного рабочего места (АРМ) эксперта-исследователя речи.

Концепция, базирующаяся на имеющемся опыте проведения ав- тороведческих экспертиз, соответствующая современным запросам экспертной практики, уровню науки и техники, призвана способс- твовать повышению квалификации кадрового состава эксперт-но- криминалистической службы, в конечном счете - эффективному использованию криминалистических средств и методов в выявлении, предупреждении, расследовании и раскрытии преступлений, повышению уровня борьбы с преступностью.

Концепция, разработанная в ходе настоящей работы, составлена в соответствии с:

  • требованиями к качеству расследования преступлений;
  • требованиями к эффективности работы эксперта-криминалиста, его роли в выявлении, раскрытии, расследовании и предупреждении преступлений (усилением значения вещественных доказательств и их исследований в процессе борьбы с преступлениями, увеличением общего объема экспертной работы и производственных нагрузок на эксперта, ростом численности экспертов ор-
  • 161 -ганов внутренних дел);

  • положениями законов и ведомственных нормативных актов;
  • запросами практики борьбы с преступностью;
  • положительным опытом производства автороведческих экспертиз в системе МВД, МЮ, МБ и МЗ России;
  • личным опытом экспертно-криминалистической, научно-исс- ледовательской и организационной работы автора в области экс- пертно-криминалистической деятельности.
  • Разработанная концепция создания автоматизированного рабочего места (АРМ) эксперта-автороведа полностью отвечает требованиям общей концепции профессиональной подготовки экспертов- криминалистов органов внутренних дел России и предусматривает соответствие экспертной системы следующим требованиям:

Модульность - каждое правило описывает небольшой, относительно независимый фрагмент знаний:

Возможность инкрементного наращивания - добавление новых правил в базу знаний происходит относительно независимо от других правил;

Удобство модификации (как следствие модульности) - старые правила можно изменять и заменять на новые относительно независимо от других правил [1];

Универсальность -возможность использования АРМа эксперта- автороведа в решении возможно более широкого круга эксперт-но- криминалистических задач;

Фундаментальность - отражение в базе данных глубоких знаний криминалистики, смежных юридических, естественно-технических и др. наук, составляющих научную основу экспертно-кримина- листических методик, средств и методов их применения для соби- рания и использования доказательств в криминалистической прак-

  • 162 -тике;

Перспективность - предусмотренность использования АРМа для решения задач, не находящих своего решения в настоящее время;

Иллюстративность - максимальное внедрение в процесс производства автороведческих экспертиз_средств визуального контроля за происходящим процессом;

Наглядность - способность системы пояснять (по требованию эксперта) в понятной форме ход своих рассуждений.

Из многочисленных определений экспертной системы авторский коллектив НИР принял за основу одно, формулирующее это понятие как программную систему, сопоставимую со специалистами-людьми в какой-либо конкретной области в том отношении, что она на основе предварительно введенной в них информации о предметной области позволяет получить определенный вывод (рекомендацию, решение) относительно той или иной проблемы, касающейся данного предмета.

Разработанную экспертную систему можно условно разделить на три основных модуля :

1) база знаний, 2) 3) машина логического вывода, 4) 5) интерфейс с пользователем. 6) База знаний содержит знания, относящиеся к конкретной прикладной области, в том числе отдельные факты, правила, описывающие отношения или явления, а также, возможно, методы, эвристики и различные идеи, относящиеся к решению задач в этой прикладной области.

Машина логического вывода обеспечивает получение экспертного вывода (промежуточного или окончательного).

  • 163 -

Исследования по теме включали в себя изучение передового зарубежного опыта применения криминалистических средств и методов раскрытия преступлений, судебной практики.

Предметом судебно-автороведческой экспертизы можно считать фактические данные об авторе текста (или его фрагмента), выполненного рукописным, машинописным или полиграфическим спо- собом. Объектом исследования в данном случае становится пись- менная речь автора текста, а задачи определяются поставленными судом или следствием вопросами.

В судебно-автороведческой экспертизе принято рассматривать структуру признаков по классифицирующим категориям как общие и частные, причем применение математических методов и ЭВМ в целях решения поставленных перед экспертом вопросов было бы не только целесообразно, но и просто обязательно. Современным ЭВМ вполне под силу сравнение двух или более текстов между собой или одного текста с несколькими другими (образцами), а наличие аппаратных средств сканирования делает возможным и автоматическое чтение этих текстов ( с помощью специально разработанных программ).

Возможность и необходимость однозначной трактовки выявленных в ходе исследования общих и частных признаков, под которыми понимается степень развития конкретного навыка автора, может быть более точно реализована при использовании программных средств. В соответствии с достаточно полно разработанной в судебном автороведении традиционной методикой различаются высокая. средняя и низкая степени развития стилистических, синтаксических, лексико-фразеологических, пунктуационных и орфографических навыков автора и исполнителя текста.

Эти три степени, являющиеся отражением определённой

  • 164 -структуры умения решать конкретную задачу на естественном языке, выделяются на качественном уровне путём оценки соответс- твующих языковых средств на основе критерия “правильно-непра- вильно”, а на количественном - в соответствии с традиционной методикой.

К частным признакам синтаксических навыков автора, способным быть формализованными на достаточно высоком уровне, можно отнести:

  • преимущественное (или своеобразное) использование син- таксических средств или конструкций;
  • устойчивое соотношение используемых синтаксических средств или конструкций.
  • К частным признакам лексико-фразеологических навыков автора текста, составленного на естественном языке, способным быть формализованными на достаточно высоком уровне, можно отнести:

  • устойчивое соотношение используемых лексических средств
  • богатство лексического запаса;
  • последовательность использования лексических средств при описании одинаковых или сходных объектов и ситуаций.
  • Отдельные методы и методики в традиционной авторовед-ческой экспертизе требуют совершенствования на базе развития математических методов, являющихся в известном смысле приори- тетными с точки зрения уточнения качественных параметров текстов (4, 5, 6, 7). Эти методы достаточно хорошо формализуемы для того, чтобы отдельные процедуры экспертного исследования текстов могли быть выполнены в автоматизированном режиме.

Таким образом, проблему концептуального подхода к поставленной в теме задачи содержательно можно разделить на два нап-

  • 165 -равления: концепция аппаратно-инструментального обеспечения и концепция программного обеспечения АРМа эксперта- автороведа.

Разработанная в рамках данной тематики концепция аппаратно- инструментального обеспечения АРМа эксперта-автороведа состоит в том. что АРМ, в зависимости от функционального назначения, может быть двух уровней: первый уровень - базовый вариант АРМа - предназначен для решения экспертных задач существующими методами и методиками; второй уровень - расширенная структура АРМа - предусматривает возможность решения наряду с перечисленными задачу обеспечения научно-исследовательских работ по совершенствованию имеющихся в наличии и разработке новых методов в автороведческой экспертизе.

Блок-схема обоих вариантов АРМа (см. Рис.5) позволяет наглядно убедиться в целесообразности описанного дифференцированного уровневого подхода, который, по мнению разработчиков, оправдан как с методологической, так и с финансово-экономической стороны вопроса, так как расширенная структура АРМа, включающая сканирующее устройство и предназначенная в основном для решения научных прикладных задач, не может быть признана необходимой частью в повседневной работе эксперта.

ЭВМ IBM-PC/AT

(ПРОЦЕССОР)

(МОНИТОР) (КЛАВИАТУРА)

I

ПРИНТЕР

ЭВМ IBM-PC/AT

(ПРОЦЕССОР)

(МОНИТОР) (КЛАВИАТУРА)

I

X СКАНЕР

ПРИНТЕР

а) б)

Рис. 5 Блок-схема аппаратно-инструментального обеспечения

АРМа эксперта-автороведа

а) базовый вариант АРМа б) расширенная структура АРМа

Концепция программного обеспечения АРМа эксперта-авторо-

  • 166 -

веда обусловлена, во-первых, перечнем экспертных задач, а во- вторых, одним из двух конкретных вышеперечисленных вариантов АРМа.

ПАКЕТ- ОБОЛОЧКА

I

т i

“WINDOWS”

Учебно- методический блок

Блок нетрадиционн ых методов

Программа “Заключение эксперта- автороведа”

т

1

I

I

Блок синонимов

Блок профессио- нализмов

Блок

статистич.

обсчёта

Блок диалектов

Блок формальных характеристик слов (частоты, части речи и др

Рис.6 Блок-схема программного обеспечения АРМа эксперта- автороведа

АРМ эксперта-автроведа позволяет в автоматическом режиме производить операции с текстовыми файлами и обеспечивающий ре- шение многих криминалистических задач, трудоёмкость которых требует от эксперта существенных временных затрат.

Система обеспечивает возможность автоматизированного составления заключения эксперта как основного выходного документа, включающего в себя подписку эксперта, текст исследования, тексты выводов, а также коррекции и пополнения базы данных без изменения кода программы, свободного просмотра базы данных. Работа с программой осуществляется в диалоговом режиме и снаб- жена оперативным сервисом.

АРМ эксперта-автороведа “Лексика” функционирует под управлением операционной системы MS WINDOWS 3.1 (RUS) и на персональном компьютере типа IBM PC 286 и выше; элементы АРМа

  • 167 -разработаны согласно техническому ‘заданию.
  1. Компьютерная автороведческая программа “Автор”

В ходе настоящего диссертационного исследования впервые в криминалистической практике была создана компьютерная авторо- ведческая программа “Автор”; из многочисленных лингво-статис- тических параметров в “Авторе” предпочтение отдавалось тем из них, которые, во-первых, апробированы и методически обоснованы в судебно-автороведческой экспертизе, и. во-вторых, обладают способностью к кодированию для ввода в память ЭВМ.

В “Авторе” представлены результаты нескольких трудоемких операций по квантификации (количественному представлению ка- чественных явлений) [209. С.124] и квантованию (предварительному этапу квантификации, необходимому в тех случаях, когда единицы учета явно не даны в наблюдении или когда по условиям исследования приходится их каким-то образом модифицировать) [209, С.125].

Признаками, отражающими лингвистические особенности текста и отвечающими указанным требованиям, были признаны соотношения между:

  1. количеством слов и количеством сказуемых;
  2. количеством знаменательных (имена существительные, прила- гательные, глаголы, наречия, причастия и деепричастия) и количеством незнаменательных (остальные части речи) слово- употреблений;
  3. количеством слов и количеством предложений;
  4. количеством незнаменательных словоупотреблений и количеством предложений;
  5. количеством слов и количеством абзацев;
  • 168 -
  1. количеством предлогов и количеством незнаменательных сло- воупотреблений;
  2. количеством союзов и количеством незнаменательных словоу- потреблений;
  3. количеством имен существительных и длиной текста;
  4. количеством незнаменательных словоупотреблений и количеством имен существительных;
  5. количеством глаголов и длиной текста в словах;
  6. количеством наречий и длиной текста в словах;
  7. количеством прилагательных и длиной текста в словах;
  8. количеством местоимений и длиной текста в словах;
  9. количеством местоимений и количеством незнаменательных слов;
  10. общим количеством глаголов и существительных и длиной текста в словах;
  11. количеством именных и глагольных сказуемых;
  12. количеством сложных предложений и количеством предложений;
  13. общим количеством причастий и деепричастий и количеством сказуемых;
  14. количеством союзов и количеством предлогов;
  15. количеством появлений группы местоимений: “который”, “весь”, “всякий”, “каждый”, “любой”, “другой”, “иной”, “прочий”, “этот”, “тот”) - и количеством предложений;
  16. количеством имен существительных и количеством местоимений;
  17. количеством имен существительных и суммарным количеством прилагательных, наречий, причастий и деепричастий;
  18. количеством имен существительных и количеством предложений;
  • 169 -
  1. количеством местоимений и количеством глагольных сказуемых;
  2. количеством сказуемых и количеством предложений;
  3. суммарным количеством союзов и предлогов и количеством предложений;
  4. количеством словоупотреблений и количеством предложений;
  5. количеством знаменательных слов в словаре и объемом словаря;
  6. количеством незнаменательных и количеством знаменательных слов;
  7. количеством словоупотреблений и объемом словаря;
  8. Определяются также относительные объемы (доли):

  9. одно- и многослоговых слов в тексте;
  10. слов по длине в буквах;
  11. предложений по длине в словоупотреблениях;
  12. слов по частоте встречаемости в отдельных жанрах (и соот- ветственно, в языке в целом как сумма отдельных частот по жанрам);
  13. слов по абсолютной и относительной частоте встречаемости в языке в целом и по отдельным жанрам. >
  14. Вычисляются также сложные соотношения, отражающие статистические характеристики текстов [87]:

7xNx(P + S)

  1. Темп речи Т - , где (10)

2xRxW

N - количество простых предложений; W - количество двусоставных предложений; R - количество знаменательных слов; Р - количество подлежащих; S - количество сказуемых;

  • 170 -

• Гл

  1. Динамизм речи Д = , где (11)

Сщ + Пл + М

Гл - количество глаголов; Сщ - количество существительных; Пл - количество прилагательных; М - количество местоимений;

П + С

  1. Связанность речи Св = . где (12)

3 N

П - количество предлогов;

С - количество союзов;

N - количество предложений;

N вт.

  1. Уточненность речи У = . где (13)

N гл.

N гл. - количество второстепенных членов предложения; N вт. - количество главных членов предложения;

Пл + Н

  1. Качественность речи К = , где (14)

Сщ + Гл

Н - количество наречий;

R

  1. Синтаксическая сложность речи Сл = — , где (15)

2 V

V -количество предложений;

ai

  1. Ровность речи-мысли х2 = — , где (16)

X

at - отклонение выборочной частоты от средней; х - средняя выборочная частота;

  • 171 -
  1. Критерий Стьюдента Т - — • /— 2, где (17)

Si, 2 v kj + k2

Xj и х2 - сравниваемые частоты;

kj и к2 - количество наблюдений в двух различных сериях выборок;

Sj 12 - несмещенная оценка среднего квадратичного отклонения в двух выборках, вычисляемая для сравнения двух средних частот по формуле:

ШЦ - X!)2 + 1(Хц - Х2)2

S1>2 = / - - - . где (18)

k-i + k2 - 2

хи и xiz “ частоты, наблюдаемые в первой и второй сериях;

Mt At {J\x~ Л2) - Л1А2(М1- М2)

  1. Лексическое богатство речи Б = (19)

Mi (Mj- М2)2

где Mt - объем текста в словоупотреблениях;

М2 - 1/6 часть М;

Ах - объем словаря знаменательных слов в отрезке текста М ;

Л2- объем словаря знаменательных слов в отрезке текста М ;

Aj- средняя частота встречаемости слов в отрезке текста М ;

А2- средняя частота встречаемости слов в отрезке текста М .

  1. Индекс лексической связи словарей двух текстов А и В:

С R = , где (20)

Va+VB-C

Va - объем словаря А, VB - объем словаря В, С - количество общих словоформ. Вышеперечисленные частные признаки отобраны из работ по

  • 172 -лингвостатистике [83; 252], текстологии [21] и криминалистике [72], признанных специалистами основополагающими в этих областях.

В созданной автоматизированной системе судебно-авторовед-ческой экспертизы на базе ЭВМ ЕС-1022. на которой задействована операционная система ОС-617, был использован алгоритмический язык ПЛ-1 версии F.

Полуавтоматизированная система обсчета в данной методике не стала исключением из общего правила, подтвержденному нами и в предыдущих экспериментах: создание полностью автоматизированной системы анализа текстов в криминалистическом исследовании письменной речи - задача на современном этапе нереальная. Причинами тому являются не только техническое и технологическое отставание отечественной вычислительной техники, но и то, что в фундаментальной и прикладной лингвистике до сих пор не преодолены многие трудности, присущие любому естественному языку [183].

  1. Автоматизированное рабочее место (АРМ) эксперта-автороведа “Лексика”

В 1994 г. в Экспертно-криминалистическом Центре МВД России была завершена работа по разработке программы АРМ эксперта-автороведа “Лексика”. Эта программа, составленная на базе данных массива слов русского языка (около 40 тысяч слов), представляет собой усовершенствованный вариант “Автора”, содержит следующие словарные характеристики:

а) общая частота встречаемости;

б) частота встречаемости в сфере художественной прозы;

в) частота встречаемости в сфере драматургии;

  • 173 -

г) частота встречаемости в сфере научно-публицистической;

д) частота встречаемости в сфере газетно-журнальной;

е) часть речи, к которой относится слово;

ж) преимущественная область профессионального использова ния (отнесение к области профессионализмов);

з) преимущественное использование возрастными группами; и) преимущественное использование группами мужского или

женского пола;

к) преимущественное использование лицами, использующими русский язык как неродной или иностранный.

Описанная база данных позволяет в автоматическом режиме производить операции с текстовыми файлами и обеспечивает решение многих криминалистических задач, трудоемкость которых требует от эксперта существенных временных затрат.

Программа отличается высокими функциональными возможностями, отвечает современным требованиям, предъявляемым к программам с диалоговой системой.

Программа “Лексика”, выполненная на базе оболочки “Windows”, представляет собой по сути комплекс программ, обеспечивающих полную или частичную автоматизацию следующих криминалистических задач в области судебно-автороведческой экспертизы:

  • сравнение двух текстов на наличие в них совпадающих фрагментов с целью идентификации автора текста, записанного в виде файла на диске;
  • дифференциацию авторов текстов по уровню языковой культуры;
  • определение уровня образования, половой принадлежности, возрастной группы, родного языка, рода занятий или профессии
  • 174 -автора текста;

  • вычисление количества лексических единиц текста.

Кроме того, программа позволяет производить поиск в системе библиографической информации (АСБИ), а также использовать метод идентификации исполнителя текста по орфографическим ошибкам, что является существенным дополнением в криминалистическом исследовании письменной речи в целом.

Система “Лексика” отличается от предложенных ранее более широкими возможностями использования экспертных методик и глубиной отработки автороведческих проблем. Кроме того, разработанная концепция в принципе предусматривает автоматизацию не гипотетических предложений, а действующих автороведческих методик. с достаточно надежными решающими правилами и статистической обработкой.

Основные цели разработки система “Лексика”:

  • повышение оперативности, точности и корректности проведения криминалистических автороведческих исследований за счёт программной поддержки расчётных этапов методик;
  • обучение неподготовленных пользователей проведению экспертных автороведческих исследований;
  • снижение трудозатрат за счёт запрограммированной методической поддержки и использования готовых форм (фрагментов) текста заключения эксперта;
  • обеспечение дальнейшего развития и совершенствования точных методов криминалистического исследования письменной речи.
  • Система “Лексика” отвечает следующим требованиям: 1. Средства
    пользовательского интерфейса обеспечивают ввод-вывод информации, хранящейся в базе в текстовом и виде, и соответствуют современным эстетическим требованиям.

  • 175 -
  1. Средства пользовательского интерфейса, обеспечивающие диалоговое взаимодействие, базируются на использовании языка иерархических меню диалога, поддерживаемыми использованием функциональных клавиш.
  2. Конструкции меню являются достаточно информативными для обеспечения однозначной интерпретации каждого фрагмента диалога; содержание фрагментов полностью регламентировано. Инициатива управления диалогом допускается как со стороны пользователя, так и со стороны комплекса (в конфликтных ситуациях приоритет отдается последнему).
  3. В составе средств организации обратной информационной связи предусмотрена ежекомандная ответная реакция пользовательского интерфейса. Команды общего назначения унифицированы.
  4. В процессе контроля вводимых данных при отклонении их от установленных нормативов формируются и выводятся диагностические сообщения; кроме того, ввод данных прерывается и предоставляется возможность их редактирования (исправления). Никакое входное сообщение, не противоречащее инструкции пользователя, не приводит к неуправляемому (аварийному) состоянию, любая неординарная ситуация вызывает соответствующую индикацию.
  5. Представление информации на экране допускает наличие нескольких “окон”, при этом структура экранного пространства унифицирована, то есть информация различных типов (вводимые данные, диагностические сообщения, визуализация команд и т.д.) изображаются на экране однозначно установленным для каждого типа способом (шрифт, цвет фона и символов, наличие мерцания и т. п. ).
  6. Подсказка, комментирующая функциональные возможности
  • 176 -комплекса и каждого его компонента, доступна на любом шаге диалога.

Функциональные компоненты системы “Лексика” обладают следующими характеристиками:

  • массив слов (около 40 тыс. единиц) соответствует данным “Частотного словаря русского языка” [228], остальные поля за- полняются с помощью цифровых идентификаторов экспертом.
  • общее число единиц массива данных и поля базы данных обладают возможностями изменения в процессе использования АРМа.
  • Автоматизированное рабочее место (АРМ) эксперта-авторове-да “Лексика” решает следующие экспертные и научно-исследовательские задачи:

1- Сравнение двух текстов на наличие в них совпадающих Фрагментов с целью идентификации автора текста, выполненного рукописным, машинописным или полиграфическим способом; эта задача обеспечивается за счет выполнения следующей последовательности операций:

а) выбор 2-х текстовых файлов из числа имеющихся на жест ком или гибком диске (максимальный объём файла - 64 Кб);

б) выбор частей речи из специальных списков, по требова нию пользователя, не подлежащих учёту: имена собственные, чис лительные, местоимения, наречия, предлоги, союзы, частицы, междометия (списки составляются экспертом);

в) выбор, по требованию пользователя, режима сравнения: 1-го, 2-х, 3-х или 4-х совпадающих слов в пределах предложения;

г) автоматическое последовательное сравнение каждого предложения 1-го текста поочерёдно с каждым предложением 2-го текста с фиксацией в виде текстового файла и возможностью пос-

  • 177 -ледующей распечаткой предложений, ‘ имеющих заданное число совпавших слов (распечатка в виде двухколонной таблицы).

Сравниваемые тексты представляются на обработку программы в виде слов в исходной (словарной) форме, предложения начинаются со строчных букв, подлежащие и сказуемые индексируются, точка ставится только в конце предложения.

  1. Дифференциация авторов текстов по уровню языковой культуры обеспечивается за счёт выполнения следующей последовательности операций:

а) выбор текстового файла из числа имеющихся на жёстком или гибком диске;

б) определение общей частоты встречаемости каждого слова текста;

в) вычисление количества слов в тексте с частотой встре чаемости менее 15;

г) присвоение словам, отсутствующим в базе данных , общей (условной) частоты, равной нулю (имена собственные и цифры при этом не учитываются) и внесение их в базу данных;

д) вычисление суммы слов в тексте с частотой встречаемос ти менее 15 (с учетом отсутствующих в словаре);

е) вычисление общего количества слов в тексте;

ж) определение доли слов в тексте с частотой встречаемос ти менее 15 (с учетом отсутствующих в словаре) в %% к общему количеству слов в тексте (число т);

з) определение числа А = 0,254 I10,23 - ml; и) определение числа Б = 0,116 ?122,97 - т|;

к) выбор двух из нижеследующих текстов, в зависимости от чисел А и Б:

При А = 2,045 * 3,038 - “Уровень речевой культуры автора

  • 178 -текста, вероятно, выше среднего”;

При А > 3,038 - “Уровень речевой культуры автора текста выше среднего”;

При А < 2,045 - “Установить факт непринадлежности автора текста к языковой группе носителей среднего уровня речевой культуры имеющимся в распоряжении эксперта количественным методом не представляется возможным”;

При Б = 2,045 * 3,038 - “Уровень речевой культуры автора текста, вероятно, не выше среднего”;

При Б > 3,038 - “Уровень речевой культуры автора текста не выше среднего”;

При Б < 2,045 - “Установить факт непринадлежности автора текста к языковой группе носителей высокого уровня речевой культуры имеющимся в распоряжении эксперта количественным методом не представляется возможным”; вывод сопровождается примечанием о необходимости использования качественных методов.

л) создать текстовый файл с фиксацией в нём двух выбранных в п.3.3.и текстов и возможностью его последующей распечатки;

м) дополнить текстовый файл (п.3.3.к) следующим текстом: “Исследование проводилось по методике: Вул СМ., Комиссаров А.Ю., Корочкина О.Г., Поляков В.З. Судебно-автороведческая классификация на основе анализа частотных характеристик лекси- ческого состава текстов // Актуальные вопросы судебной экспер- тизы. Сборник научных трудов.- М.:ВНИИСЭ, 1992.- С. 123-138”.

3.4. Определение уровня образования должно быть обеспечено за счёт выполнения следующей последовательности операций:

а) вычислить количество слов в тексте (см. п.З.З.е);

б) вычислить количество слов, употребившихся один раз;

  • 179 -

в) вычислить количество многосложных слов (содержащих пять и более гласных);

г) вычислить количество причастий в тексте (по базе дан ных + ручная доработка слов, отсутствующих в словаре, с по мощью счётчика);

д) вычислить количество знаменательных слов (количество существительных, прилагательных, глаголов, наречий и причас тий: по базе данных + ручная доработка слов, отсутствующих в словаре, с помощью счётчика);

е) вычислить количество простых предложений с учётом чис ла предикативных единиц в составе сложных предложений (с по мощью счетчика);

ж) вычислить общее количество предложений (точка - инди катор);

з) вычислить количество обособлений (с помощью счётчика); и) вычислить количество предлогов;

к) вычислить количество союзов;

л) вычислить количество однородных членов (с помощью счётчика);

м) вычислить количество вводных слов и вставных конструкций (с помощью счетчика);

н) вычислить синтаксическую сложность речи по формуле:

Рп п(2к + Об.) ^по

Сл. = — — , где (21)

4к х N

п - число знаменательных слов (п. 3.4.д);

к - число простых предложений (п. 3.4.е);

N - число самостоятельных предложений (п. 3.4.ж);

Об. - число обособлений (п. 3.4.з);

  • 180 -о) вычислить связанность речи по формуле:

Св.= ^-^ , где (22)

3N

П - число предлогов (п. 3.4.и);

С - число союзов (п. 3.4. к);

N - число самостоятельных предложений (п. 3.4.ж);

п) вычислить расчленённость речи по формуле:

Р.- 0б- + ° + У . где (23)

к

Об. - число обособлений (п. 3.4.з):

О - число однородных членов предложения (п. 3.4.л);

У - число вводных слов и вставных конструкций (п. 3.4.м);

к - число простых предложений (п. 3.4.е);

р) вычислить объем применённых слов по формуле: П = Р/С, где Р - количество слов, употребившихся один раз (п. 3.4.6), С - количество слов в тексте (см. п.З.З.е);

с) вычислить долю многосложных слов по формуле М = Д/С, где Д - количество многосложных слов (см. п.3.4.в); , С - количество слов в тексте (см. п.З.З.е);

т) вычислить долю причастий по формуле: Пр = Р/С, где Р- количество причастий (см. п.3.4.г): , С - количество слов в тексте (см. п.З.З.е);

у) создать текстовый файл с записью нижеперечисленных текстов, в зависимости от полученных чисел в п.п. 3.4.а-3.4.т:

По объёму применённых слов (см. п.3.4.р) При П < 0,56 - “Образование автора текста - среднее”; При П = 0,56 * 0,64 - “Образование автора текста - высшее техническое или естественно- научное”;

  • 181 -При П > 0, 64 - “Образование автора текста - высшее гуманитарное”;

По доле многосложных слов (см. п.3.4.с) При М < 0,095 - “Образование автора текста - среднее”; При М = 0.095 -*? 0,113 - “Образование автора текста - высшее техническое или естественно-научное”; При М > 0.113 - “Образование автора текста - высшее гуманитарное”;

По доле причастий (см. п. 3.4. т) При Пр < 0,02 - “Образование автора текста - среднее”; При Пр = 0,023 * 0,033 - “Образование автора текста - высшее гуманитарное”; При Пр = 0.019 + 0,023 или Пр > 0,034 - “Образование автора текста

высшее техническое или естественно-научное”;

По синтаксической сложности речи (см. п.3.4.н) При Сл. < 5,35 - “Образование автора текста - среднее”; При Сл. = 5,35 + 6,13 - “Образование автора текста - высшее техническое или естественно- научное”; При Сл. > 6,13 -“Образование автора текста - высшее гуманитарное”;

По степени связанности речи (см. п.3.4.о) При Св. < 5,35 - “Образование автора текста - среднее”; При Св. = 5.35 * 6,13 - “Образование автора текста - высшее техническое или естественно- научное”; При Св. > 6,13 -“Образование автора текста - высшее гуманитарное”;

По степени расчлененности речи (см. п.3.4.П) При Р. < 1,03 - “Образование автора текста - среднее”; При Р. = 1,03 + 1,17 - “Образование автора текста - высшее техническое или естественно- научное”;

При Р. > 1,17-“0бразование автора текста - высшее гуманитарное”.

ОБЩИЙ ВЫВОД: При совпадении не менее 5 показателей из 6 вышеперечис-

  • 182 -ленных (по объему применённых слов”, по доле многосложных слов, по доле причастий, по синтаксической сложности речи, по степени связанности речи, по степени расчленённости речи) дается вывод в категорической форме: “Образование автора текста -среднее / высшее гуманитарное / высшее техническое или естественно- научное”;

При совпадении 3-4 показателей из 6 вышеперечисленных даётся вывод в вероятной форме: “Образование автора текста, вероятно, среднее (или соответственно высшее гуманитарное или высшее техническое или естественно-научное”;

При совпадении менее 3-х показателей из 6 вышеперечисленных даётся вывод в форме НПВ: “Установить уровень образования автора текста имеющимся в распоряжении эксперта количественным методом не представляется возможным” и примечание о необходимости использования качественных методов.

ф) дополнить текстовый файл (п.3.4.у) следующим текстом: “Исследование проводилось по методике: “Вопросы судебно-авто- роведческой диагностической экспертизы / Авт.колл. С.М.Вул, Л.М. Черняк и др.- Киев: РИО МВД УССР, 1984.- 132 с.”

3.5. Определение половой принадлежности автора текста должно быть обеспечено за счёт выполнения следующей последовательности операций:

а) поиск в базе данных слов-индикаторов преимущественного использования группами мужского или женского пола (см. п.3.1и);

б) визуализировать на экране монитора список слов-индика торов;

в) сформировать запрос пользователю об оценке выявленных признаков и выводе (категорический, вероятный или НПВ).

  • 183 -

3.6. Определение возрастной группы автора текста должно быть обеспечено за счёт выполнения следующей последовательнос ти операций:

а) поиск в базе данных слов-индикаторов преимущественного использования возрастными группами (см. п.3.1з);

б) визуализировать на экране монитора список слов-индика торов;

в) сформировать запрос пользователю об оценке выявленных признаков и выводе (категорический, вероятный или НПВ).

3.7. Определение родного языка автора текста должно быть обеспечено за счёт выполнения следующей последовательности операций:

а) поиск в базе данных слов-индикаторов преимущественного использования лицами, использующими русский язык как неродной или иностранный (см. п.3.1к);

б) визуализировать на экране монитора список слов-индика торов;

в) сформировать запрос пользователю об оценке выявленных признаков и выводе (категорический, вероятный или НПВ).

3.8. Определение рода занятий или профессии автора текста должно быть обеспечено за счёт выполнения следующей последова тельности операций:

а) поиск в базе данных слов-индикаторов преимущественного использования лицами определённой профессии (профессионализ мов) - см. п. 3.1ж;

б) визуализировать на экране монитора список слов-индика торов;

в) сформировать запрос пользователю об оценке выявленных признаков и выводе (категорический, вероятный или НПВ).

  • 184 -3.9. Составление текста заключения эксперта-автороведа по традиционной методике должно быть обеспечено за счет выполнения следующей последовательности операций:

а) формирование запросов пользователю (его фамилия, стаж экспертной работы, должность и т.д., согласно перечню, предс тавленному Заказчиком);

б) выбор фрагментов текста заключения (согласно разрабо танному Заказчиком списку) с формированием текстового файла;

в) включить в текст заключения описание хода исследования и результаты использования нетрадиционных методов (см. п.п. 3.3 - 3.8).

  1. Ю. Поиск в системе библиографической информации (АСБИ) должен быть обеспечен за счёт выполнения следующей последовательности операций:
  • по фамилии автора;
  • по названию источника;
  • по названию сборника;
  • по месту издания;
  • по году издания (или промежутку);
  • по тематике;
  • по ключевому слову (или нескольким ключевым словам);
  • комбинированный поиск (по комбинации вышеперечисленных поисковых составляющих).
  • АСБИ должна иметь поле для краткой аннотации каждой учётной единицы.

3.11. Идентификация исполнителя текста по орфографическим ошибкам должна быть обеспечена за счёт выполнения следующей последовательности операций:

а) выбор 2-х текстовых файлов из числа имеющихся на жест-

  • 185 -ком или гибком диске с запросом пользователю об отнесении одного из этих текстов к исследуемому;

б) автоматическое последовательное сравнение каждого сло ва 1-го текста поочередно с каждым словом 2-го текста с фикса цией и подсчётом количества совпадающих слов;

в) вычислить долю совпавших слов (в %%) к общему коли честву слов в исследуемом тексте (число D);

г) создать текстовый файл с записью хода исследования и нижеперечисленных текстов, в зависимости от полученного числа D (см.п.3.11.г):

При D > 65 % - “Исполнитель исследуемого текста и исполнитель образца - одно и то же лицо”;

При 65 % > D > 50 % - “Исполнитель исследуемого текста и исполнитель образца, вероятно, одно и то же лицо”;

При D < 50 % - “Установить, является ли исполнитель исследуемого текста и исполнитель образца одним и тем же лицом имеющимся в распоряжении эксперта количественным методом не представляется возможным”.

3.12. Вычисление количества лексических единиц текста должно быть обеспечено за счёт выполнения следующей последовательности операций:

а) выбор текстового файла из числа имеющихся на жёстком или гибком диске;

б) поиск в базе данных слов текста и вычисление количест ва слов, относящихся к определенной части речи (с. п.ЗЛ.е);

в) суммировать слова по частям речи, полученные автомати зированным и ручным методом;

г) распечатать полученные результаты. Системно-технические характеристики АРМа эксперта-авторо-

  • 186 -веда “Лексика” на ПЭВМ IBM PC/AT должны отвечать следующим требованиям:

  • свободная оперативная память не менее 500 Кб;
  • видеоадаптер-дисплей EGA или VGA;
  • свободное место на жёстком диске “винчестере” не менее 8 Мб;
  • гибкий дисковод 1,2 Мб или 1,44 Мб;
  • клавиатура Enhanced
  • манипулятор “мышь” Microsoft-совместимый (с соответствующим драйвером фирмы Microsoft);
  • операционная система MS DOS версия 5.О и выше
  • В целом АРМ эксперта-автороведа “Лексика” является первой в России автоматизированной системой в области криминалистического исследования письменной речи, ориентированной как на практику проведения экспертиз, так и на научное обеспечение перспективных направлений, включая комплексное исследование письменной и устной речи. АРМ “Лексика” предназначено для использования экспертами- автороведами экспертных подразделений органов внутренних дел, обладающих минимальной подготовкой в области информатики и автороведческой экспертизы. Кроме того, комплекс может быть использован в качестве тренажёра в учебном процессе по специальности 1.2 “Криминалистическое исследование письменной речи”.
  1. Экспертные ошибки в криминалистическом исследовании письменной речи, их предупреждение

Специальные познания в области исследования письменной речи используются, как отмечалось, в различных родах криминалис- тической экспертизы: автороведческой, почерковедческой, техни-

  • 187 -ческой экспертизе документов, фоно’скопической (в части сравнительных образцов) и компьютерной.

Письменная речь как объект криминалистического исследования характеризуется многочисленными особенностями своей реализации в текстах документов, представленных в качестве вещественных доказательств. При этом проявляются самые разнообразные по своей природе свойства речи, отражающие определенные фактические данные об авторе или исполнителе этих текстов, что, собственно, и является предметом криминалистического исследования речи как рода судебной экспертизы.

Нельзя не признать доказанным факт постоянного развития любого языка, проявляющийся в изменении его словарного состава, выразительных средств. Исходя из этого можно сказать, что безошибочность экспертного заключения в известной степени за- висит от способности эксперта к совершенствованию собственных знаний, что не позволит ему отстать от современного уровня на- учных разработок, будет способствовать получению объективных данных об исследуемых объектах.

Чтобы исключить различное толкование отдельных явлений, примем за основу следующее определение экспертной ошибки: “не соответствующее объективной действительности суждение эксперта или его действия, не приводящие к цели экспертного исследования, если и искаженное суждение и неверные действия представляют собой результат добросовестного заблуждения.

Осознание ложности своих выводов или неправильности действий исключают заблуждение как такое психологическое состояние, при котором субъект не осознает неправильности своих суждений или действий” [34, С.83].

Значительная сложность экспертного исследования письменной

  • 188 -речи обусловлена значительными ‘вариационными отклонениями. свойственными речи любого человека и зависящими от непредсказуемых факторов: назначения и цели документа, степени знакомства корреспондентов, их эмоционального и физического состояния, других экстралингвистических факторов.

Все это делает процесс анализа письменно-речевых навыков совершенно уникальным, требующим от эксперта обладания не только специальными знаниями по методам и методикам изучения собственно языкового материала, но и не в меньшей степени определенных личностных характеристик: высокой языковой культуры, безупречного владения языком и знания закономерностей функционирования языка, на котором составлен спорный документ (то есть анонимный, псевдонимный или составленный от имени вы- мышленного или существующего лица документ, выполненный руко- писным. машинописным или полиграфическим способом, данные об авторе которого устанавливаются в судебном порядке).

Эти качества эксперта являются обязательными с точки зрения языкового явления (например, отклонения от современной ли- тературной нормы), его правильной интерпретации и оценки воз- можности использования при решении конкретной задачи.

Одной из наиболее распространенных ошибок процессуального характера является принятие к производству материалов дела, где в качестве исследуемых документов фигурируют тексты на языке, недостаточно знакомом эксперту. В этом случае может сложиться психологическая установка, не позволяющая эксперту в силу сложившихся обстоятельств (объективных и субъективных) оформить сообщение о невозможности дать заключение по причине выхода поставленного вопроса за пределы компетенции эксперта, что предусмотрено ст. 82 УПК РСФСР.

  • 189 -

Здесь имеет место завышенная самооценка собственных познаний в области конкретного языка, когда в полной мере не учитываются свои возможности: так. при решении классификационной задачи установления родного языка автора текста, составленного на русском языке, необходимо знать не только особенности отмеченных в тексте отклонений, но и их этимологию. В данном случае понятие компетенции эксперта как субъекта экспертизы ограничивается кругом его личных знаний, а не возможностями наук лингвистики и криминалистики.

К этой же категории экспертных ошибок можно отнести и случай использования экспертом-исследователем письменной речи специальных познаний из области, в которой он не является спе- циалистом: например, встречающиеся в практике случаи неправо- мерной оценки экспертом последовательности исправления печатной буквы в машинописном тексте, влияющей на оценку значимости орфографической ошибки (исправления правильного варианта на неправильный или наоборот).

Необходимо помнить, что нарушения компетенции экспертизы могут иметь место:

а) если эксперт решает вопросы, не относящиеся к предмету автороведческой экспертизы, например, вопросы об авторстве идеи, открытия и т. п.

б) если при обосновании своего вывода о тождестве личности автора эксперт использует данные, не относящиеся к предмету экспертизы: конкретные сведения, содержащиеся в документе. . . ; признаки почерка, топографические признаки, признаки орфогра фических и пунктуационных навыков письменной речи” [73, С.81].

Результаты обобщения экспертной практики в области судеб-но- автороведческой экспертизы ряда судебно-экспертных учрежде-

  • 190 -ний системы Министерства юстиции РФ и МВД РФ, рецензирование отдельных заключений экспертов и анализ практики позволяют сделать вывод о том, что в этом роде судебной экспертизы наиболее существенные причины экспертных ошибок, влияющих в большинстве случаев как на промежуточные, так и на заключительные выводы, кроются в гносеологической стороне исследования.

Среди них можно вычленить логические ошибки, связанные с обоснованием вывода аргументами, являющимися по сути правильными, из которых однако не вытекает доказываемый тезис. Так, в заключении эксперта-автороведа, представленном одним из судебно- экспертных учреждений на конкурс, категорический отрицательный вывод о тождестве автора анонимного документа и подозреваемого лица был сделан на основании того, что уровень лек-сико- фразеологических, синтаксических и стилистических навыков последнего значительно выше. Характерной особенностью этой ошибки, довольно распространенной в аналогичных задачах, является игнорирование экспертом возможной ситуации наличия необычных условий при составлении текста: намеренного снижения уровня языковых навыков автором или имитация навыков другого лица (группы лиц) с целью сокрытия индивидуализирующих частных признаков письменной речи.

Причиной такой ошибки кроется, безусловно, в первую очередь в профессиональной некомпетентности эксперта, однако отмечались и объективные причины появления некоторых экспертных ошибок, когда отсутствие или недостаточно высокий уровень разработанности соответствующих методик приводили эксперта к неверным тезисам.

Неоднократно отмечалось, что “основная масса ошибок … связана с неполнотой лингвистической информации” (68, С.106),

  • 191 -обусловленной “ неоднозначностью большинства лингвистических единиц” [110, С.107].

Среди выводов в заключениях экспертов-автороведов можно, к примеру, обнаружить категорические утверждения без достаточных на то оснований и аргументации (или при отсутствии таковых) об условиях составления текста (под диктовку), о половой принад- лежности автора, о том, что автор и исполнитель текста - одно лицо (по “степени соответствия” общих признаков почерка и письменной речи) и т.п. Такие псевдонаучные и слабо аргументи- рованные методы, пожалуй, наиболее трудны для их правильной оценки неспециалистами, поэтому в суде часто возникает необхо- димость дополнительных объяснений со стороны эксперта по поводу подобных выводов, основанием для которых является лишь собственное наблюдение.

В отдельных исследованиях представляется возможным проведение экспресс-эксперимента с целью получения объективных данных о природе того или иного обнаруженного языкового явления. Безусловно положительную оценку получит такая деятельность эксперта, направленная на обнаружение фактов, имеющих значение по конкретному уголовному или гражданскому делу.

Здесь уместно напомнить пример, когда эксперт, желая установить данные об идентификационной значимости частного признака письменной речи исполнителя рукописного текста (использование строчной буквы “о” в аббревиатуре “КЗоТ”), провел экспресс- эксперимент на контингенте испытуемых, владеющих юридическим подъязыком, получив при этом весомые доказательства о высокой значимости этого признака (80 % испытуемых использовали прописную “О”). Таким образом удалось правильно оценить ха- рактеристику этого орфографического феномена, не являющегося

  • 192 -отклонением от литературной нормы,’ выявленного в условиях наименьшего благоприятствования появлению фальшивых показателей.

Последнее обстоятельство - использование частного признака письменной речи орфографических навыков в виде нормативного употребления слова, - является в некотором роде первым преце- дентом и довольно значительным дополнением к существующей кри- миналистической методике, предполагающей использование только ненормативного употребления слов [74]. Это служит наглядным примером того, как результат экспресс-эксперимента может рас- ширить возможности действующих методик.

При отсутствии же данных, подтверждающих экспертную гипотезу, почерпнутых из достоверных источников и являющихся достаточными для ее доказательства, действия эксперта могут привести к непредсказуемым результатам и в конечном итоге к экспертной ошибке.

Значительное место в деятельности эксперта-исследователя письменной речи занимает синтезирующий этап, когда решается промежуточная или основная задача качественного и количествен- ного анализа выявленных общих и частных признаков письменно- речевых навыков автора.

Наиболее распространенной и существенной ошибкой здесь является неадекватная реалиям оценка как каждого частного признака в отдельности, так и их совокупности. В зависимости от решаемой задачи (идентификационная, классификационная, диагностическая) эти ошибки несут в себе различную степень ответственности эксперта за ошибочное решение, так как зависят от неравноценности поставленных задач. Однако в любом случае это не позволяет признать их допустимыми.

В области судебно-автороведческой экспертизы, по результа-

  • 193 ^ там обобщения практики их производства, самой уязвимой частью стал именно синтезирующий этап, где эксперту приходится опираться чаще всего на субъективные методы, собственный опыт. Статистика несовпадений выводов по повторным экспертизам также подтверждает это. К сожалению, трудно представить, что в обоз- римом будущем ситуация в этом вопросе сможет радикально изме- ниться к лучшему: точные методы в лингвистике способны охватить лишь какие-то общие тенденции в языке, а оценка каждого частного признака и их совокупности, видимо, еще долго будет оставаться таким же кропотливым, трудоемким и ответственным делом, как и в настоящее время.

Определенную помощь в этом вопросе может оказать современная вычислительная техника: информационные фонды ЭВМ, способные хранить, накапливать, обобщать и распространять человеческий опыт, должны стать уже в ближайшие годы надежным и незаменимым помощником эксперта. ЭВМ сможет своевременно и точно сообщить данные о частоте встречаемости слова, вычислить относительную частоту встречаемости словосочетания, коэффициент его синонимичности, синонимическую значимость (то есть количество возможных синонимических пар конкретного словосочетания) и другие параметры, необходимые для получения относительной или абсолютной (по отношению к языку) оценки-характеристики.

Использование ЭВМ как таковое не может послужить причиной появления экспертной ошибки, однако, реализация с ее помощью некорректной гипотезы или неверно определенный результат син- тезирующего вывода (на качественном и количественном уровне) могут привести к нежелаемым последствиям.

Примером этому могут послужить исследования не перестающей привлекать к себе внимание проблемы авторства романа “Тихий

~ 194 -Дон”, осуществленные учеными скандинавских стран на значительном объеме материала: эти исследования, проведенные исключительно с помощью математических методов и ЭВМ, имевшие целью идентификацию автора, привели фактически к классификации двух возможных авторов [32, 80, 94, 225].

Исследователи, взявшие за основу “принцип определения авторства в спорных случаях. .. метод исключения” [225, С.57], явно не учли возможность отсутствия среди возможных претендентов на отдельные фрагменты исследуемого текста подлинного автора.

Именно поэтому анализ отдельных фрагментов исследуемого текста дает основания считать авторами этих фрагментов по крайней мере еще шестерых лиц: Г. Янова, Лукомского, Краснова. А.А. Френкеля [101], Н.Какурина [157], и Л. Троцкого [193].

Доказательством этому послужат отдельные примеры, демонс- трирующие совпадения частных признаков письменно-речевых навы- ков, приведенные в таблицах 13-15 (таблицы составлены по прин- ципам традиционного для автороведения качественного анализа текстов):

Таблица 13

статья Григория Янова “Паритет”

Тихий Дон”

Использование одинаковых лекси: ческих средств при описании од:

“С разрешения атамана из прису- тствующих на заседании выступил подъесаул Шеин. георгиевский кавалер всех четырех степеней знака отличия военного ордена. Из рядовых казаков, дослужив- шихся на войне до подъесауль- ского чина.”

“На койке кольт. На спинке стула аккуратно положенный френч, на столике - часы-браслет.

о-синтаксических и фразеологи- наковых объектов и ситуаций:

“С разрешения Каледина из пуб- лики выступил подъесаул Шеин, георгиевский кавалер всех че- тырех степеней; из рядовых ка- заков, дослужившийся до чина подъесаула.”

“Возле койки на спинке стула аккуратно повешен френч, на столике - часы-браслет.”

Совпадающие фрагменты в текстах “Паритета” и “Тихого Дона”

  • 195 -

Таблица 14

“Воспоминания” ген.Лукомского

Тихий

Д о н”

Использование одинаковых лексико-синтаксических и фразеологи- ческих средств при описании одинаковых объектов и ситуаций:

“…что Донской отряд не может покинуть территорию Дона и что он, генерал Попов, считает, что отряду лучше всего, прикрываясь с севера р.Доном…переждать события в районе Зимовников.”

“…я не могу покинуть терри- торию Донской области и идти куда-то на Кубань. Прикрываясь с севера Доном, мы в районе Зимовников переждём события.”

Совпадающие фрагменты в текстах “Воспоминаний” и “Тихого Дона

Таблица 15

Очерк атамана Краснова “Всевеликое Войско Донское”

“Тихий

Д о н”

Использование одинаковых лексико-синтаксических и фразеологи- ческих средств при описании одинаковых объектов и ситуаций:

“Генерал Алексеев был совершенно больной. Езда на автомобиле его укачала. Безучастно, закрыв глаза.он сидел за столом, обло- котившись на ладони.”

“Алексеев…присел к столу; подперев сухими белыми ладонями обвисшие щеки, безучастно закрыл глаза. Его укачала езда в автомобиле.”

Совпадающие фрагменты в текстах”Всевеликого Войска Донского”

и “Тихого Дона”

Подобные таблицы можно было бы дополнить еще несколькими, свидетельствующими о неполноте представленного зарубежными коллегами исследования, о необходимости использования не только количественного, но и качественного подхода в решении текс- тологической проблемы установления авторства.

Таким образом, многолетний (и весьма добросовестный) труд ученых может быть подвергнут острой критике с современных позиций атрибуции текстов, а использование в этих работах ЭВМ. никак не способствовавшее обеспечению надлежащего качества. стало дополнительным примером компрометации самой идеи необходимости разработок квантитативных методов.

Кроме того, указанные примеры являются прямым доказатель-

  • 196 -ством того, “что у “Тихого Дона” есть и автор, и соавтор. Можно дискутировать лишь о том, кто по степени участия в созда- нии. .. является автором, а кто соавтором” [157]. Проблема же соавторства как таковая остается трудноразрешимой и на совре- менном уровне развития науки.

В описанном случае первопричиной появления ошибки явилось. на наш взгляд, методологическое заблуждение ученых-лингвистов, априори полагавших, что в числе представленных образцов письменной речи непременно есть образцы действительного автора исследуемого текста (или его фрагментов): “в случае “Тихого Дона” мы имеем одного “признанного” автора (Шолохов) и одного “претендента” (Крюков). Наша задача, следовательно, значительно упрощается по сравнению с теми запутанными случаями, когда имеется одно анонимное произведение и неизвестное число возможных авторов” [225, С.56]. Остаётся констатировать, что в литературоведении можно встретить случаи, практически неприемлемые для криминалистики, где указанные выше “запутанные” случаи являются единственно возможными.

Выводы проведенных исследований, по криминалистическим меркам, также выглядят малоубедительными: “результаты ясно указывают, что Крюков не может быть автором “Тихого Дона”, тогда как Шолохов не может быть исключен как автор его” [94, С.85] или “из двух претендентов на авторство “Тихого Дона” Крюков явно обладает наименьшим правом” [80, С.183].

Видимо, осознавая этот методологический недостаток в своем подходе, текстологи, занимающиеся атрибуцией художественных произведений, признают это: “анализ текста не может со всей определенностью подтвердить, что произведение было написано тем или иным автором. Даже если по своему языку и стилю спор-

  • 197 -ное произведение обнаруживает явное сходство с произведениями. которые с полной уверенностью можно отнести к данному автору, всегда есть вероятность, по крайней мере теоретическая, что это произведение написано другим автором, работы которого имеют те же лингвистические и стилистические особенности” [225. С.57].

Указанной ошибки не избегают подчас и криминалистические исследования, порождая следующие высказывания даже в серьезной научной литературе: “результаты исследования будут верны, если объект, тождество которого устанавливается (в теории идентифи- кации он именуется искомым объектом), входит в исследуемую со- вокупность. Иными словами, необходимо, чтобы искомый объект оказался в числе реально проверяемых” [179. С. 141].

И как следствие таких высказываний можно наблюдать и выводы о том, что “чем меньше будет исходная совокупность объектов. из которой требуется выделить один-единственный, то есть идентифицировать лицо, пишущую машинку, экземпляр оружия и

т.п тем точнее будут результаты исследования” [179.

С. 140].

Здесь налицо смешение понятий идентификации и верификации, что в криминалистике представляется недопустимым.

Самые осторожные исследователи допускают возможность и полного случайного совпадения текстов: “Менаж… рассказывает, как он однажды сочинил на латыни эпиграмму…. а через несколько лет имел несчастье обнаружить эту самую эпиграмму, от слова до слова, в сборнике Мюре, которого до тех пор… не открывал. Совпадение до того странное, что кажется невероятным. . . Следовательно, не стоит безоговорочно обвинять в плагиате всякого писателя, в чьем сочинении встретятся строки, по-

  • 198 -хожие на строки другого автора” [Г65, С.95].

Как уже указывалось, ошибки эксперта-исследователя речи в синтезирующей части в подавляющем большинстве носят гносеоло- гический характер, то есть ошибочная оценка идентификационной, классификационной или диагностической значимости совокупности выявленных частных и общих признаков. Так, у опытного судьи или следователя не может не вызвать сомнений категорический положительный вывод о тождестве автора исследуемого документа, основанный лишь на 3-5 совпадающих частных признаках письменной речи, или использование для характеристики идиолекта (этим термином в криминалистике можно обозначить совокупность общих и частных признаков, индивидуализирующую речь) таких широко распространенных признаков как употребление сложноподчиненных или сложносочиненных предложений, иноязычных слов (например, русских в азербайджанской письменной речи), причастных и деепричастных оборотов.

Экспертная оценка значимости каждого частного признака -основа основ любой судебной экспертизы; в автороведении расхождения в оценках порой довольно существенны, а иногда и противоположны. Отражением таких расхождений является определение корреляции работоспособности используемого для идентификации метода и степени сформированности авторских навыков: наш опыт показывает обратную зависимость (то есть чем выше степень навыков, тем ниже работоспособность метода). Однако в литературе встречаются прямо противоположные суждения: “наш метод работал потому, что Кьеркегор был выдающимся литературным гением” [252, С.825]; оправданием такому мнению, видимо, может служить то, что действительно “выдающийся литературный гений” - понятие не тождественное высокому уровню развития степени навыков,

  • 199 -принятому в традиционной методике,’ это, на на взгляд, нечто высшее по степени совершенства.

Не последнюю роль в формировании ошибочного вывода в заключении эксперта играют и объективные факторы, связанные с отсутствием или недостаточной точностью применяемых количественных методов и методик. Так, нередки ошибки в определении степени развития пунктуационных, орфографических, лексико-фразео-логических и синтаксических навыков авторов текстов, составленных на языках народов бывшего СССР. Способствуют появлению ошибочных выводов и такие имеющиеся в литературе высказывания о том, что “ используя диалектологические признаки.. .. можно решать вопрос о месте жительства…лица” [39] или что в ходе экспертизы можно определить возраст, уровень образования и место рождения (проживания) исполнителя [242].

Речь здесь может идти только о месте формирования родного языка, указывать же место проживания носителя языка по диалек- тологическим признакам экспертным путем, на наш взгляд, было бы некорректно. Аналогично и в вопросах о возрасте и образовании исполнителя, категоричность высказываний о которых у специалиста может вызвать вполне обоснованные сомнения или использование орфографических ошибок при установлении фактов социально- биографического характера автора документа [84, С.64].

Затруднительным для экспертов становится и применение ко- личественных методов с нечетко выраженными критериями оценок признаков. Эти трудности, обусловленные недостатками существующей методики, отмечались различными авторами и ранее [160], однако до сих пор эти, по существу некорректные методы, не стали предметом обсуждения с целью их изменения.

Например, при наличии рекомендованных в ставшей уже тради-

  • 200 -ционной методике [72] трех степеней развития лексико- фразеоло-гических и синтаксических навыков (низкой, средней и высокой) текст с 4-мя ошибками на 200 словоупотреблений с учетом допусков в равной степени можно отнести к любой из этих степеней. Этот факт усугубляется тем, что именно отнесение к одной из них дает эксперту право использования количественного решающего правила.

Аналогичный пример можно привести и в связи с анализом ор- фографических и пунктуационных общих признаков письменной речи, где существуют определенные “пробелы” в количественных ха- рактеристиках степеней соответствующих навыков: так, определение уровней в 35 ошибок фактически не позволяет точно определить степени навыка (низкую или “нулевую”).

В ряде случаев некорректно поставленные вопросы в постановлении следователя или определении суда являются провоцирующими экспертную ошибку. К таким вопросам можно отнести, к примеру, вопросы о месте проживания автора текста (вместо места формирования родного языка) или о каких-либо (по усмотрению эксперта) его биографических данных (без конкретизации). В ре- зультате в выводах судебно-автороведческих экспертиз можно встретить формулировки, вызывающие порой явное недоверие суда и следствия: пол автора машинописного текста - мужской, автор проживает в такой-то местности, автор и исполнитель текста -одно и то же лицо.

Подобные не имеющие научного объяснения, бездоказательные выводы, появляющиеся в иных заключениях, отражают прежде всего недостаточно высокий уровень компетентности самого эксперта.

Продолжая тему о взаимодействии органов, назначивших экспертизу и эксперта, необходимо отметить, что их роль в форми-

  • 201 -ровании ошибочного вывода на различных стадиях неравнозначна: так, если при назначении на повторную экспертизу следователем был представлен не весь сравнительный материал, участвующий в первичной экспертизе, то в некоторых случаях даже при наличии двух различных выводов в первичной и повторной экспертизах экспертной ошибки может вообще не быть ни в одном из заключений (в зависимости от качества различий).

Трудно переоценить роль следователя в отборе сравнительных образцов письменной речи: необходимость сопоставимости текстов требует особой тщательности при проведении этого следственного действия. Здесь уместно вспомнить, что судебные и следственные органы зачастую просто не имеют возможности изъять, к примеру, письма из личной переписки. И хотя не соответствующий действи- тельности вывод в этом случае тоже расценивается некоторыми как экспертная ошибка, необходимо, видимо, учесть, что при не- достаточном количестве сравнительных образцов ошибка эксперта может быть связана только с неадекватной оценкой их достаточ- ности и непринятием регламентированных законом процессуальных действий (ходатайство о предоставлении дополнительных образцов письменной речи).

Нередки также случаи предоставления образцов - текстов, составленных в соавторстве или даже составленных другим лицом. а не тем, от имени которого они представлены органом, назначившим экспертизу. Такие грубые ошибки следователя могут стать причиной появления экспертной ошибки, и поэтому в целях ее предупреждения необходимо строгое и неукоснительное соблюдение требований об обязательном предварительном признании составления образцов подозреваемым лицом.

Подобные ошибки судебных и следственных органов, выявлен-

  • 202 -ные в процессе экспертного исследования, могут стать предметом особого рассмотрения [34], но нисколько не умаляют ответственности эксперта за достоверность использованных исходных данных. Необходимо ясно представлять, что значимость различающихся частных признаков при использовании образца, составленного в соавторстве, чрезвычайно низка, а совпадающие признаки в этом случае требуют крайне осторожной оценки. Это относится и к образцам текстов, отредактированных другими лицами (публикации в прессе, научные статьи и т.п.).

Из процессуальных ошибок можно также выделить такие, как использование непредусмотренных в законодательстве формулировок, объясняющих причины сообщений о невозможности дать заключение, производство экспертизы экспертом, не имеющим соответствующей криминалистической подготовки, игнорирование отдельных вопросов следователя.

Среди ошибок деятельностного (операционного) характера обращают на себя внимание следующие: неконкретное описание документов, отсутствие синтезирующей части заключения с промежуточными выводами, неполнота описания документов в выводах, оценки устойчивости и существенности частных признаков, описания хода исследования, использование средств описания с недостаточно высокой наглядностью (например, последовательное вне-табличное перечисление частных признаков в многообъектной экспертизе), ошибочное определение степеней языковых навыков (общих признаков письменной речи).

Анализ перечисленных типичных экспертных ошибок и причин их возникновения поможет эксперту-исследователю письменной речи избежать их и тем самым повысить качество производства судебной экспертизы.

  • 203 -

Долгое время несколько в стороне от собственно криминалистических проблем стояли вопросы психологической подготовленности экспертов, роль которой сводилась к минимуму и оценивалась как второстепенная. Необходимость перестройки всех сфер общественного сознания заставляет пересмотреть и эти подходы, а в отношении судебной экспертизы это касается, на наш взгляд, прежде всего личностного и гражданского отношения эксперта к отдельным фактам уголовного или гражданского дела, описанным в постановлении следователя или определении суда о назначении экспертизы.

Не секрет, что несовершенство действующего законодательства порождает самое различное отношение к нему в том числе и со стороны лиц, обязанных неукоснительно следовать ему по долгу службы; к таким лицам относятся и судебные эксперты.

На наш взгляд, в современной криминалистической литературе неоправданно мало уделяется место значению психологических факторов в работе эксперта, которое “определяется тем, что его деятельность, носящая объективный характер научного выявления фактов, имеет субъективные моменты, которые в какой-то степени влияют на ход исследования и форму окончательного вывода” [211, С.82].

Необходимо компетентное, профессиональное изучение влияния психологических факторов на экспертную деятельность, признав, что в определенной ситуации “жизненная позиция личности (система потребностей, интересов, убеждений, идеалов.. .) - все эти психические явления в какой-то мере влияют на надежность работы эксперта” [211, С. 84].

Безусловно, служение правосудию, должно быть определяющим в любом исследовании судебного эксперта, “эксперт должен - ис-

  • 204 -кать истину со всей научной добросовестностью…. помня, что она всегда “выгодна” правосудию и законности” [15, С.84].

В некоторых случаях, связанных с психическими и эмоциональными особенностями личности эксперта, его гражданской позиции, излишняя детализация события преступления при формулировании вопросов в документах о назначении экспертизы может вынудить эксперта по соображениям высшего порядка ошибочно оценить выявленные признаки. “Правовые нормы составляют единую по своей классовой сущности систему, которая регулирует общественные отношения не изолированно, а в тесном взаимодействии с другими действующими в нем правилами поведения. Наряду с правовыми нормами поведения людей в обществе регулируются также нравственные (моральные) нормы. Нравственность (мораль) представляет собой принятые в обществе воззрения на добро, зло, долг, справедливость и т.п. “[235, С. 9].

Понятие эксперта как сведущего лица в определенной области знаний невозможно отделить от эксперта - гражданина, поэтому нельзя обойти и эту, не всегда, как хотелось бы. только гипо- тетическую ситуацию, способствующую появлению экспертной ошибки.

Иллюстрацией этому в судебно-автороведческой экспертизе могло бы стать заключение эксперта по установлению автора опубликованного за рубежом романа религиозно-философского толка, содержащего, по мнению следственных органов, признаки, попадающие под действие существовавшей в период проведения экспертизы ст. 70 УК РСФСР (распространение клеветнических измышлений, порочащих советский государственный строй). Факты, описанные в этом романе, сегодня воспринимаются читателем как отражение реальных событий, с их индивидуальной авторской оцен-

  • 205 -кой, не выходящей за рамки цивилизованного плюрализма мнений.

Между тем, гражданская позиция эксперта в этом случае может, на наш взгляд, неосознанно повлиять на качественную оценку отдельных признаков письменно-речевых навыков, что с точки зрения правосудия, естественно, нежелательно. Отрицание самой возможности появления подобных ситуаций в практике проведения судебной экспертизы, по нашему мнению, - не всегда безвредное заблуждение, основанное на неадекватном восприятии реального положения вещей: несовершенство существующего законодательства, несмотря на стремление законотворческих государственных органов к его совершенствованию, видимо, еще не скоро претворится в реальные законы, основанные на общечеловеческих ценностях. которые, впрочем, тоже неодинаково воспринимаются любой личностью, в том числе судебным экспертом.

Приведенный пример, один из немногих отмечающихся в юридической литературе как пример субъективной причины экспертной ошибки, основой которой явилось “влияние материалов дела” [35, СЮ].

Нам кажется, что есть смысл подумать над возможностями уменьшить такое влияние и поэтому даже простая постановка проблемы, подобная приведенной выше, не лишена смысла, так как решение ее способно привнести нечто совершенно необходимое практике судебной экспертизы в современную эпоху демократизации. По-видимому, не случайно изучая существующие в настоящее время в США условия деятельности служб судебной экспертизы, в числе прочих проблем рассматриваются проблемы определения степени беспристрастности судебного эксперта [248].

Правомерной выглядит и постановка вопросов, “каким объемом знаний о математических методах и ЭВМ должен обладать экс-

  • 206 -перт…, чтобы иметь основания применять их для решения той или иной криминалистической задачи”, а также “может ли эксперт использовать в своей работе ЭВМ, если он не знает “внутренний механизм” ее функционирования ?” [179, С.192]. Было бы излишне напоминать об этих методологических аспектах, если бы не наличие той неясности, которая порождает тенденции непрофессионализма в данной области с возможными соответствующими отрицательными последствиями.

Вероятно, необходимо признать, что “только высокий уровень теоретико-методологических разработок, глубокая профессиональная и специальная подготовка могут обеспечить правильное и умелое применение математических методов и позволят избежать ошибок” [135, С.109].

  1. Правовые проблемы назначения и оценки заключения эксперта- исследователя письменной речи

В оценке компетентности специалистов - центральной задаче экспертного отбора, известны два подхода. “ Первый - априорный - состоит в оценке компетентности до начала экспертизы и нацелен, собственно, на выбор экспертов и формирование экспертных групп. Второй - апостприорный - заключается в определении компетентности по результатом экспертизы” [173, СИ].

В подавляющем числе случаев органу, назначившему экспертизу в распоряжение предоставляется второй путь, поэтому здесь следует в первую очередь с надлежащей точностью проконтролировать выполнение достаточно полно и подробно разработанных правил отбора и представления на экспертизу документов:”необходимо обратить внимание на доброкачественность и полноту материалов, представленных эксперту. Под доброкачественностью исход-

  • 207 -ных материалов прежде всего понимается подлинность представленных на исследование материалов, правильность соблюдения требований процессуального законодательства об изъятии и получении образцов” [181. С.46].

Большое значение в судебно-автороведческой экспертизе по таким делам имеет и особое процессуальное действие отбора образцов устной речи; представляется совершенно недопустимым отождествлять это действие с регламентированным ст.141’ УПК РСФСР применением звукозаписи при допросе. Последнее требует (и справедливо) специального уведомления допрашиваемого лица о производстве звукозаписи; при отборе же образцов устной речи такое предупреждение могло бы спровоцировать появление нежела- тельных “побочных” явлений, таких как искажение (намеренное или непреднамеренное) степени развития лексико-фразеологичес-ких и синтаксических навыков . имитация речи другого лица, имитация болезненного состояния (в том числе психического заболевания) и др.

Поэтому, хотя законодатель не запрещает процедуру отбора образцов без предупреждения об этом лица, отражением свойств которого они являются, представляется нелишним обратиться к этой проблеме в конкретном контексте, так как здесь существует некоторая опасность снижения правовой защищенности граждан, опирающейся в большей мере на этические и нравственные установки работников правоохранительных органов и правосудия, чем на закон.

Суду и следствию, разумеется, не должно быть безразлично выяснение степени компетентности эксперта в области применения математических методов и ЭВМ, если таковые использовались в исследовании: “чтобы использовать ЭВМ в целях исследования ве-

  • 208 -щественных доказательств, судебный эксперт должен уяснить механизм “исследовательской” деятельности машины, понять, каким образом машина производит распознавание, на каких признаках основано ее решение. Условия и характер процессуальной дея- тельности следователя и суда не допускают использования экспертом методов исследования, если их сущность ему непонятна. Безотчетная вера в непогрешимость ЭВМ, непонимание и незнание механизма ее деятельности, которыми она оперирует, объективно лишают эксперта права использовать ЭВМ в экспертизе” [14,С.183] У современной науки, в том числе криминалистики, нет альтернативы активизации применения автоматизированных методов, ориентированных на широкое внедрение ЭВМ. поэтому перед органами. назначающими экспертизу, актуальной становится проблема оценки достоверности и надежности выводов эксперта, полученных с помощью ЭВМ. По отношению к объекту письменной речи эта тема, достойная более пристального внимания, ещё не нашла должного отражения в криминалистической литературе.

  • 209 -ВЫВОДЫ

  1. На основании достижений в области криминалистики, психологии, физиологии и кибернетики с позиций системного подхода сформулированы естественно-научные предпосылки, позволяющие рассматривать текст как объект криминалистического исследования. доступный к алгоритмизации задач его исследования.
  2. Раскрыта специфика идентификационного и диагностического исследования текстов, обусловленная рядом факторов, среди которых основное место занимает дефицит полезной информации, являющийся следствием неполноты отражения в этих объектах свойств письменно- речевых навыков; предложены новые определения в автороведческой экспертизе.
  3. Выявлена криминалистически значимая информация и раскрыты основные свойства письменной речи, на основе которых предложены алгоритмы выявления с помощью ЭВМ совокупностей интегральных и элементарных признаков письменно-речевых навыков.
  4. Проведена систематизация экспертных задач, связанных с исследованием речи при криминалистическом исследовании письменных текстов.
  5. Экспериментально изучена структура решения криминалистических задач по анализу признаков, отражающих навыки автора и исполнителя текста. Итоги проведенного исследования легли в основу объективизации качественных методик и послужили ориентиром в направлении разработок количественных методов исследования речи.
  6. Разработаны общие положения методики криминалистического идентификационного и классификационного исследования, построенной на иерархическом, многоуровневом принципе; предложены проекты количественных методов и методик в рамках предло-
  • 210 -женной классификации рода, видов и подвидов экспертизы речи.
  1. Предложен и разработан концептуальный подход кримина- листического исследования письменной речи автора текстов, сос- тавленных на искусственных языках программирования.
  2. Разработано и внедрено в практику производства крими- налистических экспертиз автоматизированное рабочее место экс- перта-автороведа (АРМ “Лексика”).
  • 211 -ЛИТЕРАТУРА
  1. Автоматизация в лингвистике. Сборник статей.- М.-Л.: Нау-

ка, 1966

  1. Автоматическая обработка текста. - Киев. 1980
  2. Автоматическая переработка текста методами прикладной
  3. лингвистики. Материалы Всесоюзной конференции. 6-8 октября 1971 г.- Кишинев. 1971

  4. Автоматическая переработка текста. Тематический сборник.-
  • Кишинев: Штиинца. 1972
  1. Автоматический анализ текстов (сб. научных статей).-

Минск: Минский гос. пед. ин-т ин. яз. . 1976

  1. Агушевич A.M. Советская судебно-графическая экспертиза:

Дисс… канд. юр.наук :- Алма-Ата., 1953.- 290 с.

  1. Азарченкова Е.И., Черных М.П. Проблемы криминалистической

диагностики личности автора документа по признакам

письменной речи // Экспертная практика.- М.: ВНИИ МВД, 1989.- С. 32-35

  1. Алексеев П.М. О нелинейных формулировках закона Ципфа //

Вопросы кибернетики. - М., 1978.- вып. 41.- С. 53-65

  1. Алексеев П.М. Статистическая лексикография.- Л.. 1975

  2. Алешина Н.А., Анисов A.M.. Быстрое П.И. и др. Логика и

компьютер. Моделирование рассуждений и проверка правильности программ.- М.: Наука. 1990.- 240 с.

  1. Андреев Н.Д. Статистико-комбинаторные методы в теорети-

ческом и прикладном языковедении.- Л.: Наука, 1967

  1. Андрющенко В. М. О взаимозависимости между средними длинами

лингвистических единиц разных уровней // Тезисы докладов на конференции по изучению универсальных и аре-альных свойств языков.- М., 1966.- С. 6-8

  1. Ароцкер Л.Е., Воинов В.К. Об использовании лингвистической

статистики для установления автора анонимного письма // Криминалистика и судебная экспертиза.- Киев.-1966.- вып. 3.- С. 141-151

  1. Ароцкер Л.Е. Организационные и процессуальные вопросы

использования элетронно-вычислительных машин в экспертной практике // Криминалистика и судебная экспертиза. - Киев, 1969.-Мб

  1. Арсеньев В.Д., Белкин Р.С. Нравственные начала деятель-

ности судебного эксперта // Методология судебной экспертизы.- М.: ВНИИСЭ, 1986.- С. 79-93

  1. Ахманова 0. С., Мельчук И. А., Падусева Е.В., Фрумкина P.M.

О точных методах исследования языка.- М.: изд. МГУ, 1961

  1. Бабаева Э.У. Автор и исполнитель анонимного письма - раз-

ные лица // Экспертная практика.- вып. 2.- М., 1968.-С. 61-63

  1. Бабаева Э.У. Криминалистическое исследование анонимных до-

кументов с целью идентификации личности по признакам письменной речи: Дисс. … канд.юр.наук: . . .-Л., 1969.- 254 с.

  1. Бабаева Э.У., Крылов И.Ф. Некоторые экспериментальные дан-

ные о возможности применения количественных методов с целью идентификации личности по признакам письменной речи // Применение математических методов и вычислительной техники в праве, криминалистике и судебной экспертизе (материалы симпозиума).- М. , 1970.-С. 122-128

  • 212 -

20.

21.

22.

23.

  1. 25.

26.

27.

28.

29.

  1. 32.

33.

34.

  1. 36.

37.

  1. 39.

Батов В.И. Алгоритмизация некоторых процедур авторовед-ческой экспертизы // Актуальные проблемы теории и практики применения математических методов и ЭВМ в деятельности органов юстиции.- М.. 1975.- Вып. 4

Батов В.И. Идентификация личности по речи (экспериментальное судебно-психологическое исследование на материале письменной речи) .- Дис. .. канд.психол.наук: . . - м.. 1971

Батов В.И. К вопросу о применении метода семантического дифференциала для установления авторства текста // Общая и прикладная психолингвистика.- М., 1973

Батов В.И., Сорокин Ю.А. Атрибуция текста на основе объек- тивных характеристик // Известия АН СССР. Серия лит. И ЯЗ.- М. , 1975.- Т. 34.- ВЫП. 1

Батов В.И., Сорокин Ю.А. Атрибуция текста: проблема метода // Тетради переводчика.- М.- 1980.- Вып. 17

Батов В.И.. Сорокин Ю. А. Опыт построения методики для установления авторства текстив // Известия АН СССР (сер. литературы и языка).- М., 1977.- т.36, N 4

Батов В.И., Сорокин Ю. А. Поэтический текст и проблема его авторства // Ученые записки Тартуского ун-та. - Тарту: 1983.- вып. 658

Батов В. И., Сорокин Ю. А. Субъективная модель текста и воп- росы атрибуции // Известия АН СССР. Серия лит. и яз.-М. . 1980.- Т. 39.- ВЫП. 6

Батурин Ю.М. “Компьютерное преступление” - что за термином? // Право и информатика. М.: МГУ, 1990. - С. 89-99

Батурин Ю. М.. Жодзишский A.M. Компьютерная преступность и компьютерная безопасность.- М.: Юридическая литература, 1991.- 160 с.

Батурин Ю.М. Право и политика в компьютерном круге.- М.: Наука, 1987.- 111 с.

Батурин Ю.М. Проблемы компьютерного права.- М.: Юрид. лит., 1991.- 272 с.

Бекман Б., Гил С. Книга.- 1989.-

Бекман Б. Использоване классов слов для определения ав- торства // Хьетсо Г., Густавсон С. Кто написал “Тихий Дон”? - Ь С. 145-175

Белкин Р. С. тивы. 272 с.

Белкин Р.С. тивы. .304 с.

Белкин Р. С, Педенчук А. К. и др. ошибок. - М. : ВНИИСЭ, 1990

Белов В.Н. Использование диалектологических особенностей при криминалистическом исследовании текста // Экспертная техника.- М.: ЦНИИСЭ, 1969,- вып. 27,- С. 28-47

Белов В.Н. Использование признаков письменной и устной речи для проверки отдельных обстоятельств дела // Советская юстиция.- N 20. - 1968.- С. 15-16

Белов В.Н. Исследование рукописи на неизвестном эксперту языке // Советская юстиция.- М, 1969.- N 10

Криминалистическая экспертиза авторства текста. .канд. юрид. наук: . .- М.,1973

тенденции, : Юрид. лит.

перспек- . 1987.-

перспек- , 1988.-

Криминалистика: Проблемы, От теории - к практике.- М

тенденции,
Юрид.лит

Предупреждение экспертных

Белов В. Н. - Дис.

  1. Белов В.Н. По признакам речи // Советская милиция.- 1969.- N 1

Криминалистика: Проблемы, Общая и частные теории.- М.

  • 213 -
  1. Белов В.Н. Признаки речи как предмет экспертизы // Социа-

листическая законность.- М.. 1970.- N 8

  1. Белов В.Н. Применение статистических методов при исследо-

вании лексико-фонетических признаков письменной речи // Статистические методы в криминологии и криминалистике. - М.. 1966

  1. Белов В.Н. Семантические признаки в системе признаков

письменной речи и их роль при проведении криминалистических исследований // Вопросы судебной экспертизы.- N 8.- Баку, 1969

  1. Белов В.Н. Установление авторства по признакам письменной

речи // Информационное сообщение.- М.: ЦНИИСЭ, 1969.-С. 6-11

  1. Белоногов Г.Г., Кузнецов Б.А. Языковые средства автомати-

зированных информационных систем.- М.: Наука, 1983

  1. Берков П.Н. Об установлении авторства анонимных и псевдо-

нимных произведений XVII века // Русская литература.-N 2.- Л. , 1958

  1. Бернулли Я. “О законе больших чисел”.- М., 1986
  2. Бессонова А. П. Экспертные системы в области права // Право
  3. и информатика. М. : МГУ. 1990.- С. 100-107

  4. Бирюков Б.В., Гутчин И.Б. Машина и творчество. Результаты,

проблемы, перспективы.- М.: Радио и связь,1982.-152 с.

  1. Бодуэн-де Куртенэ И.А. Об отношении русского письма к

русскому языку.- С-Пб. 1912

  1. Бородкин Л.И., Милов Л.В.. Морозова Л.Е. К вопросу о фор-

мальном анализе авторских особенностей стиля в произведениях древней Руси // Математические методы в историко-экономических и историко-культурных исследованиях. - М., 1977

  1. Бородкин Л.И., Милов Л.В. О некоторых аспектах автоматиза-

ции текстологического исследования (Закон Судный Лю-дем) // Математические методы в историко-экономических и историко-культурных исследованиях. - М. , 1977

  1. Бородкин Л.И., Морозова Л.Е. Опыт использования математи-

ческих моделей и ЭВМ в текстологических исследованиях // Количественные методы в гуманитарных науках.- М., 1981

  1. Бородкин Л. И. ЭВМ ищет авторов средневековых текстов //

. Число и мысль.- М.: Знание, 1986.- вып. 9.- С.113-141

  1. Братко И. Программирование на языке ПРОЛОГ для искусствен-

ного интеллекта.- М.: Мир, 1990

  1. Валгина Н.С. Современный русский язык. Пунктуация.- М.:

Высшая школа, 1989.- 176 с.

  1. Василевич А.П. К вопросу об использовании субъективных

оценок как источника сведений о частоте слов-стимулов // Вероятностное прогнозирование в речи.- М.: Наука, 1971

  1. Васильева А.Н. Функциональная стилистика. Разговорная речь

// Актуальные проблемы лексикологии и лексиикогра-фии.- Пермь. 1972

  1. Вашак П. Длина слова и длина предложения в текстах одного

автора // Вопросы статистической стилистики.- Киев: Наукова думка, 1974.- С. 314-329

  1. Вертель В.А., Вертель Е.В.. Рогожникова Р.П. К вопросу об

автоматизации лингвистических работ // Вопросы языкознания. - М. , 1978.- N 2.- с. 104

  1. Винберг А.И. Криминалистическая экспертиза письма.- М.:
  • 214 -

ВЮА, 1940.- С. 85-101

  1. Винер Н. Кибернетика или управление и связь в животном и

машине.- М.: Советское радио, 1968.

  1. Виноградов В.В. Проблема авторства и теория стилей.- М.:

Госиздат Художественной литературы, 1961

  1. Воинов В.К. Количественный анализ текста для описания ин-

дивидуального стиля: Дис. … канд.фил.наук:. - Харьков, 1970

  1. Волевач В.К. Проблема установления авторства в работах

В.Кайзера и Ф.Шнейдера // Вопросы текстологии.-вып.II

  1. Вопросы лингвостатистики и автоматизации лингвостатисти-

ческих работ.- М., 1967-1974.- вып. 1-6

  1. Вопросы лингвостатистического анализа русской разговорной

речи (сборник статей).- М., 1976

  1. Вопросы судебно-автороведческой диагностической эксперти-

зы.- Киев: РИО МВД УССР, 1984.- 132 с.

  1. Ворончак Б. Методы вычисления показателей лексического бо-

гатства текстов // Семиотика и искусствометрия. - М., 1972

  1. Вул СМ.. Воинов В. К. Экспериментальное исследование коли-

чественных характеристик текстов с помощью электронно- вычислительной техники в целях установления авторства // Криминалистика и судебная экспертиза.- Киев.- 1975.- ВЫП. 11.- С 204-212

  1. ВулСМ.. Комиссаров А. Ю.. Корочкина О.Г.. Поляков В. 3.

Судебно-автороведческая классификация на основе анализа частотных характеристик лексического состава текстов // Актуальные вопросы судебной экспертизы. Сборник научных трудов.- М., 1992.- С 123-138

  1. Вул СМ. Криминалистическое исследование признаков пись-

менной речи.- Киев.- 1973

  1. Вул СМ. Особенности оценки следователем и судом заключе-

ния идентификационной судебно-автороведческой экспертизы // Криминалистика и судебная экспертиза.- Киев.-1982.- ВЫП. 24.- с.81-84

  1. Вул СМ. Понятие признака письменной речи. Основы система-

тизации признаков письменной речи // Судебно-почерко-ведческая экспертиза. Общая часть.- М.: ВНИИСЭ, 1988.- вып.1. - С 99-106

  1. Вул СМ. Предмет, и объекты судебно-автороведческой экспер-

тизы // Криминалистика и судебная экспертиза. - Киев, 1980.- С 110-113

  1. Вул СМ. Теоретические и методические вопросы кримина-

листического исследования письменной речи.- М., 1977.- 109 с.

  1. Вычислительная лингвистика.- М. , 1982
  2. Гасов В.М., Москвин B.C. Сенькин СИ. Технические сред-
  3. ства ввода-вывода графической информации.- М.: Высшая школа, 1990.- 111 с.

  4. Гегечкори Л.А., Пчелинцев A.M. Автоматизация нетрадицион-

ных судебных экспертиз // Новые разработки, технические приемы и средства судебной экспертизы.- М., ВНИИСЭ, 1987.- вып.4.- С 16-20

  1. Гил С. Сочетаемость // Хьетсо Г., Густавсон С, Бекман Б.,

Гил С Кто написал “Тихий Дон”? - М., Книга.- 1989.-С 175-184

  1. Гиндин СИ. Частота слова и его значимость в системе языка

(некоторые уроки поисков “внутреннего оправдания”

  • 215 -

частотных словарей в лингвистике и лингводидактике) // Уч. зап. Тартуского ун-та.- Тарту, 1982.- N 628

  1. Головин Б.Н. Количественные соотношения языковых единиц и

категорий как характеристики стилей языка и стилей речи // Статистическое изучение стилей языка и стилей речи.- Горький, 1970

  1. Головин Б.Н. Язык и статистика.- М.: Просвещение, 1971
  2. Гомон Т.В., Горошко Е.И. К вопросу о возможностях судеб-
  3. но-автороведческого исследования текстов с деформированной структурой // Криминалистика и судебная экспертиза.- Киев: Лыбидь, 1990.- вып. 40.- С. 64-68

  4. Гомон Т.В. Исследование текстов, выполненных с намеренно

искажением письменной речи // Новые разработки, технические приемы и средства судебной экспертизы. - М., ВНИИСЭ, 1991.- С. 23-27

  1. Гомон Т.В. Судебно-автороведческая экспертиза текстов до-

кументов, составленных с намеренным искажением письменной речи : Дисс.. . канд. юр. наук… 12. 00. 09:- М.. 1992.- 239 с.

  1. Грановский Г. Л. Идентификационные признаки письменной речи

// Судебно-почерковедческая экспертиза.- М.,ВНИИСЭ, 1971.- ч. П.- ГЛ. VI.- С. 237-267

  1. Грановский Г.Л. О классификации идентификационных призна-

ков письменной речи // Вопросы совершенствования методики судебно-почерковедческой экспертизы.- М.. 1968

  1. Граудина Л.К. Норма и статистика // Актуальные проблемы

культуры речи.- М. : Наука,1970

  1. Григорьева А.С. Статистическая структура русского эписто-

лярного текста (лексика частных писем): Дисс…канд. филол. наук: . . . - М. . 1981

  1. Гришунин А.Л. Опыт обследования употребительности языковых

дублетов в целях атрибуции // Вопросы текстологии.-вып. П.- М. : АН СССР. 1960

  1. Грязнухина Т.А., Критская В.И. Алгоритм автоматического вы-

деления грамматических классов слов в тексте // Автоматическая переработка текста методами прикладной лингвистики.- Кишинев, 1977.- С. 32

  1. Гудман Б.А. Идентификация референта и связанные с ней ком-

муникативные неудачи // Новое в зарубежной лингвистике. - М. , 1989.- вып. 24.- С. 209-258

  1. Густавсон С. Противопоставление лексем различным словофор-

мам в определении авторства методом КТЗ // Хьетсо Г., Густавсон С., Бекман Б.. Гил С. Кто написал “Тихий Дон”? - М. , Книга.- 1989.- С. 124-145

  1. Дамбраускайте O.K. Криминалистическое исследование ли-

товской письменной речи. : Дисс…канд.филол. наук,: -Л., 1972

  1. Данилко М.М., Шухат Т. Г., Петропавловская Е.В. Актуализа-

ция текстовых категорий при формировании образа автора // Перевод и интерпретация текста.- М., 1988.-С. 180-189

  1. Декларация прав и свобод человека // Ведомости Съезда на- одных депутатов СССР и Верховного Совета СССР.- М.-

    • И сентября 1991 г.
  2. Дешериева Т. И. Языкознание и математика.- Алма-Ата: Наука,

1973

  1. Дорофеева Т.М. Синтаксическая сочетаемость русского глаго-

ла.- М.: Русский язык, 1986.- 112 с.

  • 216 -
  1. Дорселер Б.В., Лоу С. Европе необходим единый подход к

охране программных средств авторским правом // Мир ПК. - М.: СП “Информэйшн Компьютер Энтерпрайз”, 1990. - N 1. - С. 31-34

  1. Ермолаев Г. О книге Р.А.Медведева “Кто написал “Тихий

Дон” (Париж, 1975) // Вопросы литературы.- М., 1989.- N 8

  1. Ермоленко Г. В. Об авторстве текста “Моя семья” // Ученые

записки Тартуского ун-та.- Тарту: 1983.- вып. 658

  1. Ефременко Э.Л. Раскрытие авторства на основе анализа

идейного содержания произведения // Вопросы текстологии. - вып. II.- М. : АН СССР. 1960

  1. Женило В.Р. Использование вычислительной техники в крими-

налистических фоноскопических исследованиях // Сб. науч. трудов. - М. : ВНИИ МВД СССР, 1987.- N 2.-С.98-106

  1. Закон Российской Федерации “О правовой охране программ

для электронных вычислительных машин и баз данных” // Ведомости Съезда народных депутатов Российской Федерации и Верховного Совета Российской Федерации. -М.- N 42.- 22 октября 1992 Г.- С. 3011-3018

  1. Земляная Т.Б. Задачи криминалистической экспертизы в про-

цессе установления исполнителя машинописного документа // Актуальные вопросы судебно-технической экспертизы документов.- М.: ВНИИСЭ, 1985.- С. 108-117

  1. Зубов А.В. Обработка на ЕС ЭВМ текстов естественных язы-

ков.- Минск: Вышэйша школа, 1977.- 173 с.

  1. Зубов А.В. Переработка текста ЕЯ в системе человек - ма-

шина // Статистика речи и автоматический анализ текста. - Л., 1971

  1. Зубов А.В. Применение ЭВМ для статистического анализа

текстов // Проблемы статистки речи. Тезисы докладов и сообщений семинара,- Челябинск, 1972.- ч. 1

  1. Зубов А.В. Программирование лингвистических задач на язы-

ке ПЛ (уч. пособие).- Минск, 1978

  1. Зуев К.А. Компьютер и общество.- М.:Политиздат,1990.-315 с.
  2. Использование ЭВМ в лингвистических исследованиях / Гряз-
  3. нухина Т. А., Дарчук Н.П., Клименко Н.Ф. и др.- Киев: Наукова думка.- 1990.- 228 с. ИЗ. Каждазнуни Л. К. Опыт установления авторства анонимного текста // Статистическое изучение стилей языка и стилей речи.- Горький, 1970

  4. Камалов Р.З. Специальные технические средства криминалис-

тики и их использование в раскрытии преступлений: Дисс…. канд.юр.наук.- Казань, 1991

  1. Карась И.З. Вопросы правового обеспечения информатики //

Микропроцессорные средства и системы.- М.. 1986. - N 1.- С. 3-9

  1. Караулов Ю.Н. Способы реконструкции индивидуального лек-

сикона и грамматикона // Лингвистические задачи и обработка данных на ЭВМ.- М., 1987.- с. 5-52

  1. Касымбеков Н.Н., Куранбеков А., Хамраев Ф.Ш. Использова-

ние средств ЭВМ в составлении частотного словаря // Восточное языкознание.- Ташкент, 1987.- с. 36-42

  1. Кирсанов З.И. Математические методы исследования в крими-

налистике // Вопросы кибернетики и право.- М.: Наука, 1967

  1. Кишиева 3. X. к Криминалистическое исследование азербайд-
  • 217 -

жанской письменной речи в целях решения вопроса об авторе документа : Дисс…канд.юр.наук…12.00. 09: -М., 1986

  1. Клименко Н.И. Значение признаков письменной речи при

исследовании текстов, исполненных на украинском языке // Криминалистика и судебная экспертиза.- Киев, 1964.- вып. 1

  1. Клименко Н.И. Криминалистическое исследование текстов, вы-

полненных на украинском языке, в уголовном судопроизводстве. - Киев, 1969

  1. Кобзарева Т. Ю. , Лесскис Г. А. Автоматический морфологи-

ческий анализ // Автоматическая переработка текста методами прикладной лингвистики.- Кишинев, 1977.-С. 33

  1. Коблякова Г.Н. Судебная диктономическая экспертиза - новый

вид криминалистической экспертизы // Новые разработки и дискуссионные проблемы теории и практики судебной экспертизы.
М.: ВНИИСЭ. 1987.- вып. 1.- С. 6-11

  1. Колдин В.Я. Идентификация и ее роль в установлении истины

по уголовным делам.- М., 1969

  1. Колдин В.Я., Полевой Н.С. Информационные процессы и струк-

туры в криминалистике.- М.: МГУ, 1985.- 133 с.

  1. Комиссаров А.Ю. Математические методы и ЭВМ в комплексной

судебно-почерковедческой экспертизе // Использование математических методов и ЭВМ в экспертной практике.-М.: ВНИИСЭ, 1989.- С. 145-149

  1. Комиссаров А.Ю. Методологические и теоретические проблемы

криминалистического исследования речи // Вопросы теории судебной экспертизы и совершенствования деятельности судебно-экспертных учреждений.- М.: ВНИИСЭ, 1988.- С. 62-67

  1. Комиссаров А.Ю. , Каюнов О.Н., Ажакина М.А. Возможность

идентификации исполнителя текста по орфографическим ошибкам // Проблемы автоматизации, создания информационно-поисковых систем и применения математических методов в судебной экспертизе.- М. : ВНИИСЭ, 1987.-С. 53-57

  1. Комиссаров А. Ю., Каюнов О.Н. Возможности применения ЭВМ

при исследовании статистических структур текстов в судебно- автороведческой экспертизе // Новые разработки и дискуссионные проблемы теории и практики судебной экспертизы.- М., 1985.- С. 18-28

  1. Комиссаров А. Ю. Решение ситуационных задач в криминалис-

тической экспертизе письменной речи // Новые разработки, технические приемы и средства судебной экспертизы. - М. : ВНИИСЭ, 1990.- С. 1-5

  1. Комиссаров А.Ю., Панова Р.Х. Памятка следователя и судьи

о подготовке материалов о назначении судебных лочер-коведческой и автороведческой экспертиз (методические рекомендации).- М.: ВНИИСЭ, 1986.- 13 с.

  1. Комиссаров А.Ю., Смирнов А.В. Анализ спектров частот

встречаемости слов в судебно-автороведческой экспертизе // Актуальные вопросы судебно-почерковедческой экспертизы.- М. , 1985.- С. 170-179

  1. Конституция Российской Федерации.- Известия.- N 249 от 28

декабря 1993 г.

  1. Котов Р. Г., Новиков А.И., Скокан Ю. П. Прикладная лингви-

стика и информационная технология.- М. : Наука, 1987

  • 218 -
  1. Крестовников Е.А. К вопросу о применении математических

методов в криминалистических исследовании // Право и информатика.- М. : МГУ, 1990.- С. 107-118

  1. Криминалистика / под общ.ред. Н.В.Терзиева.- М.: Госюриз-

дат, 1950.- гл. IX.- 192 с.

  1. Криминалистическое исследование рукописей, выполненных на

некоторых языках народов СССР. Справочник следователя и эксперта // под. ред. Пинхасова Б.И.- М.: Юрид. лит., 1973.- 280 с.

  1. Кузнецова Э.В. Лексикология русского языка.- М. : Высшая

школа, 1989.- 216 с.

  1. Кулагина О.С. Исследования по машинному переводу.- М. : На-

ука, 1979.- 320 с.

  1. Курдюков Г.М.. Трус Б.В. Обобщение опыта и перспективы

разработок информационно-поисковых систем для судебно-экспертных исследований // Экспертная практика и новые методы исследования.- М.: ВНИИСЭ,1981.-С. 1-18

  1. Кушерян С.А., Аветисян Д.О. Об одном эксперименте по иден-

тификации авторов текстов // Математические модели в лингвистике.- Ереван, 1988.- С. 162-166

  1. Ланн Е. Литературная мистификация.- М.-Л.: Госиздат, 1930
  2. Ланцман P.M. Использование возможностей кибернетики в кри-
  3. миналистической экспертизе и некоторые проблемы уголовно-судебного доказывания: Дисс… док.юр. наук :
  • Вильнюс-Ленинград.. 1970. - 474 с.
  1. Лихачев Д.С. Текстология (На материале русской литературы

X-XVII в.в.).- М.-Л.. 1962

  1. Лозовая Е.А. Системы редактирования текстов для персональ-

ных компьютеров // Программное оснащение персональных компьютеров.- М. : МГУ. 1990 - С. 63-71

  1. Локов И.В. Гражданско-правовые методы борьбы с анонимной

клеветой // Правоведение. - Л. - N 5, 1989

  1. Лукашенко В.Я. Криминалистические средства и методы

представления информации на предварительном следствии:

  • Дисс….док.юр.наук. . . 12.00.09:- Киев., 1992
  1. Мажуга В.И. Отождествление руки писца в палеографии и ко-

дикологии // Вспомогательные исторические дисциплины. - М. : Наука. 1976.- т. 7

  1. Мак-Кланг Кр-Дж. и др. Микрокомпьютеры для юристов.- М. :

Юрид. лит., 1988

  1. Мамудян М. Лингвистика.- М.: Прогресс, 1985.- 200 с.
  2. Маркова Г.Д. Идентификационные признаки письма в советской
  3. криминалистической экспертизе: Дис… канд. юр. наук: … - Харьков, 1956

  4. Масанов Ю. Литературные мистификации // Советская библиог-

рафия.- М., 1940.- N 1 (18)

  1. Мгеладзе О.М. Криминалистическое исследование текстов и

подписей, выполненных на грузинском языке: Дисс… канд.юр.наук.: - Тбилиси., 1964

  1. Мгеладзе О.М. Об использовании признаков письменной речи

при исследовании подписей // Вопросы судебной экспертизы. -‘Баку, 1967.- вып. 4

  1. Мгеладзе О.М. Признаки письменной речи.- Тбилиси, 1964
  2. Медведев Р.А. Если бы “Тихий Дон” вышел анонимно // Во-
  3. просы литературы.- М. , 1989.- N 8

  4. Медведев Р.А. Загадок становится все больше (ответ про-

фессору Герману Ермолаеву) // Вопросы литературы.-М., 1989.- N 8

  • 219 -
  1. Мете Н.А. и др. Структура научного текста и обучение моно-

логической речи.- М.: Русский язык, 1981

  1. Митричев B.C., Эджубов Л.Г, Некоторые вопросы кодирования

объектов криминалистического исследования // Кибернетика и судебная экспертиза. Сборник научных трудов.-Вильнюс, 1966

  1. Морозов Б.Н. Особенности криминалистического исследования

признаков письменной речи.- Ташкент: ВШ МВД, 1985

  1. Морозов Н.А. Лингвистические спектры // Изв. Имп. АН.-

ИОРЯС- 1915.- т. XX.- кн. 4

  1. Нейлор К. Как построить свою экспертную систему.- М. :

Энергоатомиздат, 1991.- 286 с.

  1. Немова Г.А., Фролов Г.Д., Чудина А.Ф. Синтаксический ана-

лиз простого предложения русского языка на персональных ЭВМ // Системы и средства информатики.- М., 1989.- ВЫП. 1

  1. Нешитой В.В. Оценка лексической близости текстов // Дедуш-

кин А.Н., Нешитой В. В. , Цвеметидзе СВ. Разработка автоматизированных систем научно-технической информации (семантические аспекты).- Минск, 1976

  1. Нодье Ш. Вопросы литературной законности. О плагиате,

присвоении чужих произведений, подлогах в книжном де ле // Нодье Ш. Читайте старые книги.- М., Книга.-

1989.- KH.1.- С. 78-224

  1. Носенко И.А. Начала статистики для лингвистов.- М.:

Высшая школа, 1981.- 157 с.

  1. Общение. Текст. Высказывание.- М.: Наука, 1989.- 175 с.
  2. Оганян Л.П. О возможностях использования признаков пись-
  3. менной речи в криминалистической экспертизе письма // Вопросы судебной экспертизы.- Баку, 1967.- вып. 5

  4. Опульская Л. Д. Документальные источники атрибуции литера-

турных произведений // Вопросы текстологии.- вып.П. - М. : АН СССР, 1960

  1. Орлов Ю.К. Обобщенный закон Ципфа-Мандельброта и частотные

структуры информационных единиц различных уровней // Вычислительная лингвистика.- М., 1976

  1. Орлов Ю.К. Статистическое моделирование речевых потоков//

Вопросы кибернетики.-М.. 1978.- вып.41.- С.66-99

  1. Орлова В.Ф. О роли и соотношении научного эксперимента и

вероятностных методов в изучении индивидуальности и устойчивости почерка // Труды ВНИИСЭ: Вопросы криминалистической экспертизы и правовой кибернетики.- М.: ВНИИСЭ, 1971.- ВЫП.З.- С. 97-108

  1. Панкова Л. А., Петровский A.M.. Шнейдерман М. В. Организация

экспертизы и анализ экспертной информации.- М.: Наука, 1984

  1. Пинхасов Б. И. Криминалистическая экспертиза почерка.- Таш-

кент, 1964

  1. Пинхасов Б. И. Об особенностях лексических признаков при

криминалистическом исследовании узбекской письменности // Сборник рефератов 2-й научной конференции Ташк.НИИСЭ. - Ташкент.- 1961

  1. Пиотровский Р. Г. Инженерная лингвистика и теория языка.-

Л.: Наука, 1979.- С. 12

  1. Пиотровский Р. Г. Информационные измерения языка.- Л.: Нау-

ка, 1968

  1. Пиотровский Р. Г. и др. Математическая лингвистика.- М. :

Высшая школа, 1977

  • 220 -
  1. Полевой Н.С. Криминалистическая кибернетика,- М.: изд.

МГУ, 1982

  1. Пошкявичюс Н.А. Применение математических средств при со-

бирании, исследовании и оценке доказательств: Дисс…канд.юр.наук :- Вильнюс.,1968 - 291 с.

  1. Прасолова Э.М. Теория и практика криминалистической

экспертизы.- М.: УДН. 1985.- 72 с.

  1. Пшеничнова Н.Н. Автоматизированный вариант диалектологи-

ческого атласа русского языка (АВ ДАРЯ) // Лингвистические задачи и обработка данных на ЭВМ.- М.. 1987.-С. 99-110

  1. Рафаэл Б. Думающий компьютер.- М.: Мир, 1979
  2. Рейсер С.А. Основы текстологии.- Л.: Просвещение, 1978.-
  3. 176 с.

  4. Рогожникова Р.П., Чернышева Л.В.. Кузнецова Е.Ж. Основные

направления автоматизации лингвистических исследований.- Л.: Лен. ин-т информатики и автоматизации АН СССР, 1986. - 42 с.

  1. Родионов Н.А. Статистические методы в криминалистике:

Дисс… канд.юр.наук:-_Свердловск.,_1970 - 290 с.

  1. Русова Н.Ю. Опыт статистического анализа структуры предло-

жения (Внутристилевая дифференциация): Автореф. дисс…канд.фил.наук:. . .-Горький, 1975

  1. Савельева И.В. Правовая охрана программного обеспечения

ЭВМ // Право и информатика.- М.: МГУ, 1990.- С. 9-24

  1. Сариджалинская К.Г. Криминалистическая экспертиза письма в

следственной и судебной практике Азербайджанской ССР.~ Баку, 1967

  1. Севбо И.П. Графическое представление синтаксических струк-

тур и стилистическая диагностика. -Киев: Наукова думка. 1981

  1. Сегай М.Я. Идентификационные признаки письма и принципы их

классификации // Криминалистика и судебная экспертиза. - Киев, 1957.- С. 97-101

  1. Сегай М.Я. Криминалистическая идентификация и особенности

ее применения в отдельных видах советской криминалистической экспертизы: Дисс… канд.юр.наук :-Киев., 1959

  1. Семенов С. Остановимся и поразмыслим. По поводу публикации

Роя Медведева и Германа Ермолаева // Вопросы литературы. - М., 1989.- N 8

  1. Скороходько Э.Ф. Автоматизированная обработка текстов //

Проблемы текстуальной лингвистики.- Киев, 1983.- С. 103-113

  1. Смешливая Л.И. О возможности отождествления личности по

признакам звуковой речи // Новые виды судебных экспертиз. - М.: ВНИИСЭ, 1975.- С. 7-16

  1. Снетков В.А. Экспертная криминалистическая диагностика

// Сборник науч.трудов.- М.. ВНИИ МВД СССР. 1984,-С. 3-12 Снетков В.А., Комиссаров А.Ю. и др. Концепция профессиональной подготовки экспертов-криминалистов

  1. Соколова Е.Г. Об организации формализованного синтакси-

ческого представления в терминах членов предложения // Сб. науч. тр. Моск. пед. ин-т ин. яз..- 1987.- вып. 271.- С. 35-63

  1. Соломонов Л.А., Филиппович Ю.Н., Шульгин В.Л. Персональные

автоматизированные информационные системы и дисплей-

ные комплексы.- М.: Высшая школа, 1990.- 143 с.

  1. Сорокотягин И. Н. Криминалистические проблемы использования

специальных познаний в расследовании преступлений: Дисс….док.юр.наук…12.00.09:- Екатеринбург., 1992

  1. Статистика речи. Сборник статей.- М., 1968-1980.- вып.1-6
  2. Статистичн1 та структурн1 л1нгв1стичн1 модель- К.: Науко-
  3. ва думка, 1966

  4. Струколенко В.М. Роль динамического стереотипа высшей

нервной деятельности в письменной речи школьника: Дисс…канд.филол.наук.- Одесса, 1954

  1. Тер-Минасова С. Г. Словосочетание в научно-лингвистическом

и дидактическом аспектах - М.: Высшая школа, 1981.-144 С.

  1. Тихенко СИ. Экспертиза рукописных текстов // Труды первой

научной сессии ВИЮН.- М.: Юриздат, 1940. С. 446-459

  1. Ткачук A.M. Криминалистическая экспертиза рукописей на

киргизском языке.- Одесса, 1972

  1. Томилин В.В. Физиология, патология и судебно-медицинская

экспертиза письма.- М.: Медгиз, 1963

  1. Тулдава Ю. А. К вопросу о классификации и интерпретации

лингвистических распределений // Ученые записки Тартуского ун-та.- Тарту: 1987.- вып. 774,- с. 155-168

  1. Тулдава Ю. А. О статистической структуре текста // Со-

ветская педагогика и школа.- Тарту, 1974.- вып.9

  1. Тулдава Ю.А. О теоретико-методологических основах кванти-

тативно-системного аналза лексики: методика исследования // Ученые записки Тартуского ун-та.- Тарту: 1982.- вып. 619

  1. Турыгина Л. А. Моделирование языковых структур средствами

вычислительной техники.- М.: Высшая школа, 1988.- 176

  1. Устьянцева Т. В. Значение психологических факторов в про-

цессе формирования выводов эксперта // Труды ВНИИСЗ // Вопросы криминалистической экспертизы и правовой кибернетики.- М. : ВНИИСЭ, 1971.- вып. 3.- С. 81-96

  1. Федоров А.В. Очерки общей и сопоставительной стилистики.-

М.: Высшая школа, 1978.-

  1. Финкель A.M., Баженов Н.М. Современный русский литератур-

ный язык. - М., 1954

  1. Финкель A.M. О языке и стиле В.И.Ленина.- Харьков, 1927
  2. Фрумкина P.M. Вероятностное прогнозирование в речи.- М.:
  3. Наука, 1971

  4. Фрумкина P.M. Вероятность элементов текста и прогноз в ре-

чевой деятельности: Автореф. дисс… док. фил. наук: . . .- Л.: 1974

  1. Фрумкина P.M. Вероятность элементов текста и речевое пове-

дение. - М.: Наука, 1971

  1. Фрумкина P.M. Прогноз в речевой деятельности.- М.: Наука.

1974

  1. Фрумкина P.M. Статистические методы изучения словарного

состава: Автореф. дис….канд. фил. наук: . . . - М.: 1963

  1. Фрэнсис У.Н. Проблемы формулирования и машинного представ-

ления большого корпуса текстов // Новое в зарубежной лингвистике. XIV. Проблемы и методы в лексикографии.-М.: Прогресс. 1975.- С. 334-351

  1. Фукс В. По всем правилам искусства. Точные методы в иссле-

довании литературы, музыки и изобразительного искусства // А. Моль, В. Фукс, М.Касслер Искусство и

ЭВМ.- М. : Мир, 1975

  1. Хетсо Г. Проблемы авторства в романе “Тихий Дон” // Ибе-

рийско-кавказское языкознание.- Тбилиси, 1989

  1. Хоукс Н. Слово, открывающее истину // За рубежом.- м. -

1990.- N 44 (1581).- С. 20-21

  1. Хоффман X.-И., Россо Ф. Как избавиться от нарушений ав-

торских прав на программное обеспечение ? // Мир ПК.

  • М.: СП ^’Информэишн Компьютер Энтерпрайз”, 1990. - N
      • С. 27-29
  1. Хьетсо Г. Обвинение Михаила Шолохова в плагиате // Хьетсо Г.,

Густавсон С., Бекман Б., Гил С. Кто написал “Тихий Дон”?

  • М., Книга.- 1989.- с. 16-124
  1. Цейтлин С.Н. Речевые ошибки и их предупреждение.- М.: Про-

свещение, 1982

  1. Частные вопросы автоматического анализа текстов. Сборник

статей.- Минск, 1972

  1. Частотный словарь русского языка (под ред. Л.Н. Засори-

ной).- М.: Русский язык, 1977

  1. Чекушев Э.Х., Тарханова Ф.X.. Салихова М. Особенности кри-

миналистического исследования туркменской письменности // Сборник рефератов 2-й научной конференции Ташк.НИИСЭ.- Ташкент.- 1961

  1. Шарп Р. Незаконное использование программных средств в Ве-

ликобритании: борьба не закончена // Мир ПК. - М.: СП “Информэйшн Компьютер Энтерпрайз”, 1990.- N 1.-е.29-31

  1. Шляхов А.Р. Судебная экспертиза.- М.: Юридическая литера-

тура, 1979

  1. Штокмар М.П. Анализ языка и стиля как средство атрибуции

// Вопросы текстологии.- вып. П.- М. : АН СССР. 1960

  1. Штромас А.Ю. О возможностях и некоторых перспективах ис-

пользования кибернетики в судебной экспертизе // Кибернетика и право.- Вильнюс, 1966.- вып.П

  1. Языковая норма и статистика.- М.: Наука. 1977
  2. Яковлев Я.М. Основные понятия о советском праве и социа-
  3. листической законности // Организационно-правовые основы судебной экспертизы.- М.: ВНИИСЭ, 1979.- с. 6-42

  4. Якубайтис Т.А., Скяревич А.Н. Вероятностная атрибуция типа

текста по морфологическим признакам.- Рига, 1981.- 67 с.

  1. Якубайтис Т. А., Скляревич А.Н. Вероятностная атрибуция ти-

па текста по нескольким морфологическим признакам.-Рига: Ин-т электр. и вычисл. техники АН Латв. ССР, 1982

  1. Ямакова З.Д. Судебная экспертиза рукописей.-Душанбе. 1971
  2. Alford M.H.T. Computer assistance in language learning and
  3. in authorship identification // The computer in literary and linguistic research.- Cambridge Press Univ.- 1971

  4. Arapov M.V. A model for generating a text the word

frequencies of which conform with Zipf’s low // Symp. Common. Aspecs. Process. Linguist and Musical Data.-Tallinn. 1982

  1. Baillie W.M. Authorship attribution in Jacobean dramatic

texts // Сотр. in the Hum.- Edinburgh: Univ. Press, 1974.- P. 73-90

  1. Braun A. Linguistische Textanalysen // Kriminalistik. -

1988.- N 1.- S.47-50

  1. Brinegar C.S. Mark Twain and Quintus Curtus Snodgrass

Letters. A Statistical Test of Authorship // Journal

  • 223 -

of American Statistical Association.- v.58.- 1963, March.- N 301

  1. Drommel R.H. Die Textuntersuchung als Ermittlungshilfe //

Archiv fur Kriminologie.- 1988.- B. 181.- H. 3,4.-S. 95-105

  1. Grishman R. Computional linguistics.- Cambridge, 1986
  2. Harrison W.R. Suspect Documents. Their scientific
  3. examination.- N-Y., 1958

  4. Kalman V. A nyelvi statistikal adatok kezirasszakertoi

hasznositasarol // Belugyi Szemle.- 1967.- No.l.-S. 102-106

  1. Kates J.H., Guttenplan H.L. Ethical Consideration in

Forensic Science Services // Journal of Forensic Sciences.- 1983.- vol. 28.- No. 4.- P. 972-976

  1. Kock I., de. Metodo para una posible automatization del

analysis estilistico // Linguistica Esp.actual.-Madrid, 1981.- t. 3.- N 2.- P. 39-374

  1. Leech G. Authomatic grammatical analysis and its

educational applications // Computer in English Language Teaching and Research.- N-V., 1986

  1. Litoslawski W. The origin and growth of Plato’s Logic.-

London, 1897

  1. McKinnon A., Webster R. A method of “author” identifica-

tion // The computer in literary and linguistic research.- Cambridge Press Univ.- 1971

  1. Mosteller F., Wallace D. Note of Authorship of Problem //

Proceedings of a Harward symposium on digital computers and their applications.- v.31.- 1962

  1. Pfalzgraf K. Zur Bewertung von Schreibfehlern bei der

Schriftvergleichung // Kriminalistik.- Hamburg, 1966.

  • No. 7.- S. 368-370
  1. Sinclair J. Basic computer processing of long texts //

Computer in English Language Teaching and Research.-N-Y., 1986

  1. Steinke W. Sowohl bei Oetker als auh bei “Monsieur X”.

Die Philologie als Ermittlungshilfe // Kriminalistik. -1983.- No.8-9.- S. 403-404

  1. Textstrategier i tal och skirft.- Stockholm, 1982.- 244 s.
  2. Watt J.H.I. The Authenticity of the Writings Ascribed to
  3. Leontius of Bisantium // Studia Patristical. - v. VII.
  • Berlin, 1944
  1. Wujastyc D. Automatic scansion of Sanscrit poetry for

authorship criteria // ALLAC Bulletin^- 1978.- v. 6.-N. 2. - P. 127-145

  1. Yule G.IL The statistical study of literary vocabulary.-

Cambridge, 1944.- Ch. 2

  1. Yule G.U. On the sentence-length as a statistical chara-

cteristics of style in prose: with application to two cases of disputed authorship // Biometrica.- 1938.-Vol.XXX.- N 3-4

  • 224 -

ПРИЛОЖЕНИЕ 1 ФУНКЦИОНАЛЬНАЯ ОМОНИМИЯ:

апорт, благо, бум, вон, все. гибель, да, до, добро, друг, зло, знать, лихо, марш, мол, морг, на, напасть, несколько, нет, никак, но, пас, пасть, печь, под, подряд, половой, пора. право, простой, рабочий, раз, стать, тепло, течь, толк, тук. тут. уж, часовой;

КРАТКОЕ ПРИЛАГАТЕЛЬНОЕ - НАРЕЧИЕ:

безвыходно, безгранично, бездарно, безопасно, безуспешно. благотворно, витиевато, вкрадчиво, вкусно, внезапно, внима- тельно. внятно, воинственно, враждебно, выпукло, высокопарно, вычурно, вяло, гадливо, гармонично, гипотетично, гладко, гневно, гнусаво, голословно, горделиво, гордо, грамотно, грациозно, грозно, громко, громогласно, грубо, грузно, гу- манно, достойно, завистливо, законно, искренне, лихо, наг- лядно. нежданно, независимо, неизменно, неистово, нелегально. немедленно, немилосердно, немилостиво, неминуемо, необдуманно. необыкновенно, неожиданно, неподвижно, непрерывно, непринужденно, нередко, несвязно, несравненно, нестройно, нетвердо, нетерпеливо, неуважительно, обоюдно, основательно, открыто, официально, ошибочно, пагубно, параллельно, плотно, поверхностно, подробно, покорно, постоянно, превратно, пре- рывать. притворно, продуктивно, произвольно, прочно, равно- душно. редко, своевременно, сильно, слепо, смело, смертельно, сообразно, специально, спешно, срочно, твердо, терпелив, терпимо, тонко, трагично, трогательно, умно, условно, успешно, хитро, честно, широко, явно, ярко

НАРЕЧИЕ - БЕЗЛИЧНЫЙ ПРЕДИКАТИВ: поздно, рано КРАТКОЕ ПРИЛАГАТЕЛЬНОЕ - НАРЕЧИЕ - БЕЗЛИЧНЫЙ ПРЕДИКАТИВ: безразлично, безрассудно, бесплодно, бесподобно, беспокойно, бесполезно, бессмысленно, бессовестно, близко, важно. вежливо, великодушно, великолепно, весело, ветрено, возмутительно. вредно, выгодно, высоко, гадко, гласно, глубоко. глупо, гнусно, горестно, горько, горячо, грустно, грязно. густо, дорого, достаточно, дурно, естественно, жарко, жестко, живо, жирно, закономерно, заметно, напрасно, научно, неблагополучно, неважно, неверно, невероятно, невозможно, невыгодно, невыносимо, недостаточно, недурно, незаметно, неизбежно, нелегко, нелепо, неловко, немыслимо, неплохо, непонятно. неприятно, неудобно, неудовлетворительно, нехорошо, нецелесообразно, низко, нормально, обидно, обязательно, опасно, относительно, подлинно, подобно, подозрительно, полно. положительно, посредственно, правильно, предположительно, предпочтительно, преждевременно, прилично, приятно, просто, прямо, пунктуально, равномерно, разумно, светло. свободно, серьезно, скучно, славно, сложно, слышно, смешно, согласно, странно, страшно, тепло, тесно, тихо, тоскливо, трудно, туго, туманно, тяжело, убыточно, угодно, удивительно, удобно, ужасно, узко, уместно, уморительно, утомительно, холодно, худо, чудно

КРАТКОЕ ПРИЛАГАТЕЛЬНОЕ - НАРЕЧИЕ - БЕЗЛИЧНЫЙ ПРЕДИКАТИВ – ВВОДНОЕ СЛОВО: бесспорно, верно, возможно, жалко, отлично. очевидно, понятно

  • 225 -

КРАТКОЕ ПРИЛАГАТЕЛЬНОЕ - НАРЕЧИЕ - БЕЗЛИЧНЫЙ ПРЕДИКАТИВ -

  • НЕСКЛОНЯЕМОЕ СУЩЕСТВИТЕЛЬНОЕ: плохо

КРАТКОЕ ПРИЛАГАТЕЛЬНОЕ - НАРЕЧИЕ - БЕЗЛИЧНЫЙ ПРЕДИКАТИВ -

  • ЧАСТИЦА: прекрасно

КРАТКОЕ ПРИЛАГАТЕЛЬНОЕ - НАРЕЧИЕ - БЕЗЛИЧНЫЙ ПРЕДИКАТИВ -

  • ПРЕДЛОГ: противно

КРАТКОЕ ПРИЛАГАТЕЛЬНОЕ - НАРЕЧИЕ - БЕЗЛИЧНЫЙ ПРЕДИКАТИВ -

  • СОЮЗ: равно, чисто

КРАТКОЕ ПРИЛАГАТЕЛЬНОЕ - НАРЕЧИЕ - БЕЗЛИЧНЫЙ ПРЕДИКАТИВ -

  • ЧАСТИЦА - ВВОДНОЕ СЛОВО: ясно, хорошо

КРАТКОЕ ПРИЛАГАТЕЛЬНОЕ - НАРЕЧИЕ - БЕЗЛИЧНЫЙ ПРЕДИКАТИВ -

  • СОЮЗ - ЧАСТИЦА - ВВОДНОЕ СЛОВО: точно

СУЩЕСТВИТЕЛЬНОЕ - ПРИЛАГАТЕЛЬНОЕ:

авторские, бедный, белые, беспартийный, беспризорный, ближний, близкие, богатый, больной, будущее, взрослый, ви- новный, водяной, возлюбленный, вчерашнее, выходной, главное, глухой, голодный, горячее, грядущее, данные, дарственная, дежурный, детская, домашние, древние, дурное, живой, запасной, здоровый, знакомый, золотой, каждый, квартирные, комиссионные. коренной, коридорный, кошачьи, красные, кривая, левые, лежачий, линейный, литейная, лукавый, любимый, любопытный, маленький, милый, минувшее, мировой, младший, молодой, молочный. мясной.
наградные, накладная, наличные, настоящее, начинающий, неверный, неграмотный, неизвестный, ненормальный, нечистый, нищий, новенький, ночное, окружающий. операционная, отпускные, отсталый, парадное, партийный, первое, передовая, переплетная, плохое, погибший, подчиненный, подъемные, покойный, помешанный, последнее, правые. прекрасное, премиальные, приезжий, приемная, прошлое, прямая, раненый, рассыльный, рвотное, родные, рыжий, рядовой. сборная, свободный, святой, секущая, сильный, слабый, сладкое, следующий, слепой, смелый, смертный, сортировочная, старший, старый, сумасшедший, съестное, сытый, трудящийся, ученый, холодное, хорошее, храбрый, худшее, чайная, черные

ЧИСЛИТЕЛЬНОЕ - СУЩЕСТВИТЕЛЬНОЕ - ПРИЛАГАТЕЛЬНОЕ:

второе, третье

[153]