逮捕社会危险性量化评估的数智化变革和路径构想

　　逮捕制度关乎公民人身自由，相较于事实证据和刑罚认定的客观性，社会危险性认定具有一定主观性。我国通过立法形式具体规定，主要依靠检察人员自由心证判断社会危险性，未来需要紧跟数字化时代革新社会危险性评估机制，进一步促进司法公开透明。逮捕社会危险性量化评估将危险性细分为不同要素并赋值，计算得出社会危险性评估分数，按照事先设置的不同风险等级进行比对，进而作出是否逮捕决定。随着大数据、数字科技发展，社会危险性量化评估已经具备现实基础和技术支撑。基于此，有必要对逮捕社会危险性量化评估进行理论证成，梳理现有模型特征及不足，针对性提出完善方案，推动逮捕制度从构罪即捕向风险可控转型。

　　

　　社会危险性量化评估的

　　

　　社会危险性量化评估理论证成。在法理学层面，实证分析法将法律视为可观察、可验证的规范体系，认为各种较为成熟的法律制度中存在着共同点，通过共同点归纳和分析，可以获得具有普遍性法律概念结论。在审查逮捕阶段对犯罪嫌疑人社会危险性进行量化评估，本质上是构建“法律+数据”决策范式，通过建立犯罪学指标体系，如再犯预测因子评分，将社会危险性概念转化为可测量法律事实，推动司法决策从经验直觉转向证据驱动，实现司法决策从自由裁量转向可重复验证标准。

　　在犯罪学层面，逮捕社会危险性量化评估模型重点在于通过要素分解和数值计算，将抽象社会危险性转化为可操作评价指标，该模型构建体现犯罪学中人格危险性和行为预测逻辑关联。犯罪人格稳定性为量化评估提供前提条件，犯罪人格理论主张个体危险倾向具有时间延续性，将犯罪嫌疑人历史行为数据作为评估因素，能够捕捉、反映人格稳定性特征，从而推断未来新犯罪可能性。犯罪人格理论强调犯罪人格形成和生活情境具有关联性，社会危险性量化评估模型对犯罪嫌疑人社会生活境况信息考量，体现犯罪人格和环境交互作用。

　　社会危险性量化评估现实必要性。一方面，提高逮捕程序说理性。大数据应用可以推动检察机关从实刑即捕向逮捕社会危险性实质化审查转变。以数字技术为驱动的逮捕社会危险性量化评估，通过设置科学、合理评估要素和指标参数，能够强化侦查机关证据意识，引导侦查机关规范逮捕社会危险性取证，提高刑事案件侦查质量。同时，对社会危险性评价要素进行客观公正赋分，能够全面记录并在直观上反映检察机关对犯罪嫌疑人社会危险性判断过程，使逮捕理由清晰可见、更具说服力，有效强化决策理性。

　　另一方面，增强司法裁量权理性约束。传统逮捕审查程序具有行政化、封闭性、书面性特点。基于大数据构建的逮捕社会危险性量化评估模型对自由裁量权合理限缩，并非机器管人或机器代人，而是借助标准化、透明化裁量流程得以实现。量化模型通过数据穿透、规则显性化、过程留痕，可减少个体决策中潜意识差异因素，将司法权置于数字阳光之下，当检察人员每一次裁量都需要接受历史数据比对、逻辑闭环验证等环节检验时，将有效提升裁量公正性。这一变革实质是把内心确信转化为可追溯、可验证、可评议论证过程。

　　

　　

　　2021年12月起，最高人民检察院指导各地检察机关开展社会危险性量化评估试点工作。目前，各试点单位通过制定配套规范性文件，综合运用大数据、统计学等技术方法，使逮捕社会危险性评估更为精准、科学、合理，如浙江省金华市婺城区人民检察院与金华市公安局婺城分局会签社会危险性量化评估工作机制。在系统构建上，山西省运城市人民检察院形成由犯罪性质、罪后表现、犯罪嫌疑人基本情况三部分60项指标、7个附注组成的社会危险性量化指标体系。

　　现有模型在决策机理、实践运行方面仍需进一步改进完善。在决策机理方面，算法偏见和算法黑箱使评估结果面临正当性质疑。具体而言，刑事诉讼法对于运用品格证据缺乏具体指引和约束，但在社会危险性评估中，犯罪嫌疑人品格却能成为重要考量依据，算法经过深度学习，不仅会延伸固有思维惯性，更有可能放大偏见因素，造成算法黑箱效应。此外，各地检察机关研发模型在实际应用中也面临体制机制性难题。首先，执法司法机关间缺少有效信息整合路径，缺乏有效数据共享和互通机制。其次，现有量化评估模型中，对于评估指标、权重和临界值设定论证不够严密、理由不甚明确，导致捕与不捕决定无法真正令人信服。最后，受到司法环境、办案习惯、经济社会条件等多种因素影响，各地区构建的风险评估系统缺乏统一量化风险因子标准，评估结果差异较大，容易造成类案处理差异化，引发司法公信力危机。

　　

　　

　　数据共享，破解信息孤岛和证据偏倚。当前，我国司法机关数据共享模式主要包括以诉讼流程为脉络建立的数据共享模式，如贵州法检互通系统，以协同办案为目标建立的数据共享模式，如上海刑事案件智能辅助办案系统。参考上海刑事案件智能辅助办案系统经验，省级检察机关牵头协调，与数字政府、数字政务建设形成合力，加强政法大数据库顶层设计，统一数据采集、更新、清洗、存储、处理、归档等全流程操作标准。在此基础上，扩大数据信息共享主体范围，主动对接融入市域社会治理智能化综合平台项目和政务信息共享开放网站等，构建覆盖刑事诉讼全生命周期数字化治理体系。将公安机关、司法行政机关纳入系统，实现侦查、起诉、审判、执行全链条贯通，全方位共享公安机关、司法行政机关前科人员数据库信息、在逃人员信息及社区调查情况等，实现量化评估基础信息随案移送、一键抓取。

　　程序重构，以算法透明化和审查逮捕诉讼化消解算法黑箱。在构建逮捕社会危险性量化评估模型时，应确立集价值、技术、制度于一体的规制框架，使逮捕社会危险性审查得以从经验主义走向数据驱动。

　　在价值层面，坚持技术辅助而非技术主导原则。检察机关可以借助监督模型进行基础性判断，但是最终决策形成要以法学知识、办案经验、人类理性为基础，综合考虑案件特殊性、国家政策、社会舆论、价值平衡等多方面因素，实现情法理融合的司法公正，防止机械司法。

　　在制度层面，算法透明机制是攻克算法黑箱的重要制度，也是改进算法、辅助算法问责的有效途径。算法透明机制包括提高算法可解释性和算法决策披露机制。一方面，提高算法可解释性，包括解释运行机理和厘清系统行为原因。另一方面，确立算法决策披露和解释制度，在提出风险评估报告时，附带提供算法偏见自查报告，提示注意事项，重视算法偏见后果，结合个案情况作出最终决定。除此之外，探索构建算法监督审查制度，由检察机关内部监督部门或第三方机构定期对模型进行公平性审查，对算法公平性、透明度和可解释性进行全面监管与评估。

　　在程序层面，构建与审查逮捕诉讼化改革相适应的诉讼参与人权利保障机制，避免技术专断。以审判为中心的诉讼模式下，检察机关在审查逮捕时，应注重听取犯罪嫌疑人及其辩护人意见，形成完整的侦查、辩护格局，实现从案件事实和证据书面审查向开放性亲历性审查转变。

　　算法赋能，统一评估指标及权重设置。逮捕条件中要求社会危险性，实际上是通过综合分析犯罪嫌疑人的人身危险性、犯罪行为社会危害性及嫌疑人妨碍诉讼可能性来判断是否具有羁押必要性。鉴于此，社会危险性量化评估指标体系可划分两级指标，一级指标即人身危险性、罪行危害性和诉讼可控性三个方面，在一级指标框架基础上进行分类细化。

　　人身危险性主要通过考察犯罪嫌疑人自然属性、社会属性得出结论，自然属性是犯罪嫌疑人年龄、身体状况等生理因素，社会属性即犯罪嫌疑人生活状况、教育情况和工作情况，包括是否具有固定职业、收入和住所、一贯表现、行政处罚情况、犯罪前科等。

　　罪行危害性指犯罪行为造成社会危害性及其大小，罪行危害性是定罪量刑依据，也是犯罪嫌疑人所犯罪行对社会危害性直观反映，重点关注犯罪嫌疑人犯罪情节、悔罪态度和主观恶性程度等。

　　诉讼可控性主要表现在通过采取取保候审或监视居住可以防止犯罪嫌疑人、被告人实施妨碍刑事诉讼的行为，主要包括到案情况、看守所表现，社会调查情况、担保情况、保证人评估，是否有自杀自残经历，是否破坏证据、干扰证人、迫害被害人等。

　　评估指标权重设置必须基于对刑事案件历史数据深度学习，在数据归集后运用统计工具进行分析，计算得出各项风险评估因素系数值和风险等级临界点。

　　

　　

　　社会危险性量化评估机制需以技术赋能和规则治理双轮驱动，在数据建模降低主观裁量偏差基础上，保留必要空间，最终实现个案公正和类案统一的平衡，这一机制不仅是逮捕程序科学化突破口，更是推动宽严相济刑事政策落地重要实践路径，昭示司法决策从经验直觉向数据智能范式革命。司法正义实现不能完全依赖于精准数据计算和逻辑推理，在司法算法化道路上，仍需注入人文关怀和情感共鸣，精算工具和司法人员关系是智能叠加而非相互替代，这意味着人工智能在社会危险性量化评估中只能处于辅助地位，不能凌驾于司法人员之上。利用算法生成评估模型必须经过在办案件进一步审视、验证、修正和更新方能证明其可靠性，检察机关在审查逮捕时不能一概搬用模型评估结论，而应将其作为参考依据，关注个案中犯罪嫌疑人及其行为上差异，实现提升司法效能和彰显法治温度并重，高质效办好每一个案件。

　　（杨洋系南宁铁路运输检察院党组成员、副检察长；刘青系南宁铁路运输检察院第一检察部四级检察官助理）

　　● 责任编辑：高瀚伟