REVIDIRANI RAD: ELEMENTI MULTIVARIJANTNE ANALIZE KRIMINALITETA NA OSKUDNIM SKUPOVIMA
DOI:
https://doi.org/10.5937/Ključne reči:
Metod, kriminalitet, kontrola, analiza, faktori i varijable kriminaliteta, implicitno znanje, aplikacija, uzroci kriminalitetaApstrakt
Kriminalitet predstavlja štetnu pojavu koja je svojstvena svakoj kulturno-istorijskoj i društvenoekonomskoj formaciji. Zbog toga ne treba da čudi postojano interesovanje koja vlada za kriminalitet u različitim oblastima društvenih nauka i života. Budući da kriminalitet predstavlja goruću temu mnogobrojnih naučnih i stručnih analiza ili istraživanja, može se zaključiti kako se radi o starom zajedničkom problemu svih država, nekadašnjih ili sadašnjih. Taj problem ne zavisi samo od njihovog društveno-političkog uređenja, već u istoj meri od stepena ekonomskog razvoja i karakterističnih društvenih činilaca i okolnosti koje postoje u odnosnim državama.
Izvanredno velika raznovrsnost uzroka i okolnosti koji dovode do pojave kriminaliteta zahteva drugačiji pristup njegovom istraživanju. On je moguć i sastoji se u primeni multivarijantne analize, budući da ona omogućava višestrano sagledavanje kriminaliteta i izvođenje korisnih zaključaka koji mogu da posluže za njegovo bolje razumevanje i preduzimanje efikasnijih radnji koje imaju za cilj njegovo sprečavanje i omogućavanje normalnog funkcionisanja i razvoja države i društva.
##plugins.themes.default.displayStats.downloads##
Reference
Abbot, J. L., Y. Park, & S. Parker. 2000. The effects of audit committee activity and independence on corporate fraud. Managerial Finance, 26(11): 55–67.
Bell, T., & J. Carcello. 2000. A decision aid for assessing the likelihood of fraudulent financial reporting. Auditing: A Journal of Practice & Theory, 9(1): 169–178. Bell 1996.
Breiman L. 2001. Random Forests, Machine Learning, (45): 5–32.
Brown, A.S. (2008). To what extent does agricultural machinery maintenance pose clinical risk? Clinical Risk March 14, (2): 59-62.
Caffaro, F., Mirisola, A., Cavallo, E. (2017). Safety signs on agricultural machinery: Pictorials do not always successfully convey their messages to target users, Applied Ergonomics 58, (1): 156-166.
Cherkassky V., & F. M . Mulier. 2007. Learning from Data: Concepts, Theory, and Methods, 2nd edition, John Wiley - IEEE Press.
Cullinan, P. G., & G. S. Sutton. 2002. Defrauding the public interest: a critical examination of reengineered audit processes and the likelihood of detecting fraud. Critical Perspectives on Accounting, 13(3): 297–310.
Cruz, A.M., Rincon, A.M.R. (2012). Agricultural machinery maintenance outsourcing: Have operation management research and management theories forgotten the medical engineering community? A mapping review. European Journal of Operational Research 221, (1): 186-197.
Green, B. P., & J. H. Choi. 1997. Assessing the risk of management fraud through neural-network technology. Auditing: A Journal of Practice and Theory, 16(1): 8–28.
Maindonald J., & J. Braun. 2007. Data Analysis and Graphics Using R, 2nd Edition, Cambridge University Press, Cambridge.
Milojević, I., Mihajlović, M., Cvijanović, M. (2012). Impact of organizational failure of relevance consolidated budget. Ekonomika poljoprivrede 59(1): 63-71.
Platt J. C. 1998. Sequential minimal optimization: A fast algorithm for training support vector machines, Technical Report MSR-TR-98-8, Microsoft Research.
Quinlan J. R. 1996. Bagging, Boosting and C4.5, in Proc. of AAAI-96 Fourteenth national Conference on Artificial Intelligence, Portland, OR, AAAI Press, Menlo Park, CA.
Riveiro, J.A., Marey-Pérez, M.F., Díaz-Varelam, E.R., Álvarez, C.J. (2010). A methodology for the analysis of the relationships between farms and their physical environment. Journal of Agricultural Science 48, (2): 245-253.
##submission.downloads##
Objavljeno
Broj časopisa
Rubrika
Kako citirati
