형사사법 분야에서는 재범·범죄 관여 위험을 정확히 예측해 감독과 처우를 최적화하는 것이 중요하지만, 기존 통계기법은 성능에 한계가 있습니다. 머신러닝이 잠재적 우위를 보이지만 전통적 회귀모형보다 일관된 우월성을 입증하지 못하기 때문에 추가 검증이 필요하며, 특히 희귀 사건인 청소년 범죄 예측에서 이러한 한계가 두드러집니다...

또래 괴롭힘(peer victimization)은 정신 건강 문제, 학업 저하, 미래 또래 관계 형성 어려움뿐만 아니라 청소년의 일탈 행동 위험을 증가시키는 것으로 보고되고 있습니다. 그러나 기존 연구는 주로 서구 사회 횡단 자료에 기반하여, 비서구 문화권에서의 장기적 영향, 양방향 관계, 그리고 분노와 같은 매개 변인의 역할에 대해서는 충분히 검증되지 않았습니다... 

범죄자의 초기 범죄 가능성과 재범 위험을 정확히 예측하는 것은 제한된 자원을 효율적으로 활용하고 공공 안전 정책을 설계하는 데 중요하지만, 전통적 통계 모델의 예측 정확도는 낮고 한계가 있습니다. 최근 머신러닝 기법은 비선형성 처리, 복잡한 상호작용 탐색 등에서 장점이 있으나, 기존 연구에서는 항상 전통 모델을 능가하지는 않는 것으로 나타났습니다...

현대 청소년의 휴대전화 및 스마트폰 사용 증가와 기술 의존이 자기통제력 발달에 미치는 잠재적 영향이 사회적·심리적 관심사로 부각되고 있습니다. 기존 연구는 휴대전화 사용과 행동 문제, 인지 기능, 일탈과의 연관성을 제시했으나, 자기통제력 저하의 원인으로서의 실증적 검증은 제한적입니다...

최근 무동기·연쇄 강력범죄가 증가하면서 기존 전통적 수사기법만으로는 용의자 특정과 수사 방향 설정이 어려워지고, 이에 따라 프로파일링 등 과학적 수사기법의 필요성이 크게 대두되었습니다. 이러한 변화 속에서 경찰은 2005년 이후 범죄분석요원을 도입해 강력사건 수사지원을 강화해 왔으나, 제도 정착 과정에서 여러 한계와 문제가 드러났습니다...

현대 사회에서 CCTV는 범죄 예방의 만능 해결책으로 인식되며 설치 요구가 증가하고 있지만, 실제 효과에 대한 의문과 범죄 전이·이익 확산 논쟁이 커지고 있습니다. 특히 CCTV가 범죄를 다른 지역으로 이동시키는지, 혹은 주변 지역까지 예방 효과를 확산시킬 수 있는 지에 대한 학계의 논쟁이 연구의 출발점이 되었습니다... 

정보기술과 소셜미디어의 발달로 사람들이 다양한 사회적·정책적 의견을 자유롭게 표현할 수 있게 되었으며, 의견 마이닝(OM) 기술은 대규모 텍스트를 분석하여 공공 감정을 이해할 수 있는 유용한 도구로 부상하였습니다. 그러나 범죄학 연구에서는 OM 활용이 거의 이루어지지 않아 경찰에 대한 공공 감정 분석에 새로운 접근이 필요합니다... 

범죄 두려움(FOC)은 지난 반세기 동안 미국 사회에서 지속적으로 높은 수준을 유지하며, 모든 계층의 시민에게 광범위한 영향을 미쳐 범죄학 연구에서 중요한 주제로 다루어지고 있습니다. 그럼에도 불구하고, 사회적 무질서가 FOC로 이어지는 원인적 경로에 대한 이해는 여전히 핵심적인 연구 과제로 남아 있습니다...