Российской Федерации Российский федеральный центр судебной экспертизы экспертная криминалистическая идентификация выпуск II

В дальнейшем, поскольку при идентификации оперируют совокупностью свойств, величины ИЗс стали рассматривать в качестве вероятностных и проводить с ними операции (вычисления) как с вероятностями. Следует заметить, что величина ЧВс меняется в зависимости от того, какое множество объектов, т.е. какую выборку, мы выделяем. Поэтому на практике ее вычисляют только для фиксированной выборки, т.е. фактически оперируют с так называемыми выборочными частотами встречаемости. Выборочная ЧВс есть реализация некоторой случайной величины, связанной с вероятностью, но не тождественной ей, поскольку количество объектов с заданным или искомым признаком, включенное в множество (проверяемое или искомое), в котором она и определяется, заведомо известно. Величины ЧВс подчиняются закону больших чисел: иначе говоря, какова бы ни была величина N, вероятность того, что выборочная ЧВс по модулю отличается от оцениваемой ею вероятности больше, чем на , стремится к нулю при неограниченном увеличении объема выборки. Идентификационная значимость свойства и частота его встречаемости - понятия нетождественные. Частота встречаемости отражает идентификационную значимость лишь в определенном объеме и значении, является лишь одной из ее характеристик, а именно количественной мерой того, как часто такое свойство может встретиться у объектов определенного таксона в множестве их определенной мощности. Понятие идентификационной значимости свойства шире, чем его частота встречаемости, и включает в себя: особенность (специфичность) свойства с точки зрения цели (задачи) идентификации, его устойчивость (изменчивость) и др. Вычисляемая частота встречаемости свойства существенно зависит от степени детализации его описания и, следовательно, от информативности свойства. Это весьма важное обстоятельство необходимо учитывать, так как от того, насколько точно - априорно или на основании опыта - задана качественная определенность используемого для решения задачи признака, зависит интервал значений, в котором будет изменяться частота встречаемости, другими словами, чем точнее (подробнее, глубже) описан идентификационный признак, тем меньше частота его встречаемости в конкретном множестве реальных объектов или в коллекции (файле) их описаний, которыми пользуется эксперт для расчета этой величины. Заметим, что при малой мощности множества объектов, обладающих данным признаком, вычисляемые величины частот встречаемости могут существенно изменяться с изменением числа объектов в этом множестве. Вариационность вычисляемых величин будет относительно быстро уменьшаться с увеличением числа объектов (увеличением мощности множества) и по достижении некоторого оптимального значения мощности множества будет такова, что ею можно пренебречь1. Одновременно оптимальность мощности множества будет проявляться в достаточной с практической точки зрения стабильности вычисляемых частот встречаемости и соответственно свидетельствовать о достаточной представительности этого множества как части генеральной совокупности объектов (реальных объектов с определенными свойствами и признаками). Для определения идентификационной значимости признака или совокупности признаков путем вычисления частот их встречаемости важна представительность множества (файла) не только в количественном отношении, но и с точки зрения охвата реальных объектов идентификации (проверяемых и искомых), являющихся элементами материальной обстановки исследуемых событий. Именно поэтому наибольшей представительностью будет обладать файл, сформированный по результатам экспертного исследования свойств и признаков объектов идентификации при производстве конкретных экспертиз. Существенным обстоятельством является детерминированность идентификационных признаков конкретными криминальными ситуациями и отношениями объектов. С другой стороны, такой путь создания файлов гарантирует их рандомизованность, т.е. случайный характер и случайное происхождение свойств, описание которых в виде признаков и формирует файл, поскольку сами криминальные ситуации (и отображаемые в их материальной обстановке свойства) имеют, несомненно, случайное происхождение. Указанный принцип формирования файлов для определения частот встречаемости признаков включенных в них объектов достаточно обоснован и конструктивен и в равной степени применим к объектам любых экспертиз - почерковедческой и баллистической, судебно-технической экспертизы документов и трасологической, экспертиз веществ, материалов и изделий и т.д. Итак, главное в решении проблемы учета частот встречаемости признаков при идентификации, так же как и при классификации, заключается в создании представительного рандомизованного файла, поскольку само вычисление частот встречаемости является элементарной математической операцией определения заданного отношения. В случае файлов большой мощности, охватывающих более 10 000 объектов (описаний свойств), трудоемкой становятся операция поиска в нем описаний объектов с заданным свойством или совокупности свойств и их суммарный подсчет. Для автоматизации этой процедуры используют файлы на магнитных носителях, соответствующие алгоритмы и машинные программы, реализующие указанные поиск и подсчет с помощью ЭВМ. В аспекте рассматриваемой проблемы интерес представляют математические модели, алгоритмы и программы, составляющие программные комплексы "Контакт" и "Контраст" 18]. Последний предназначен для решения задач сравнения объектов по количественным данным, полученным с помощью спектральных, хроматографических, рентгеновских и других современных методов исследования состава и иных свойств веществ и материалов. Разработка программных комплексов, осуществляющих процедуру сравнения по свойствам, существенна для тех объектов, классификации которых недостаточно разработаны, а также для сведения в классификационную систему так называемых нестационарных классов объектов в рамках определенных родов экспертиз. Список литературы 1. Воронин Ю.А. Введение в теорию классификаций. - Новосибирск, 1982. 2. Грановский Г.Л. Свойства как объекты экспертного исследования и их признаки // Новые разработки и дискуссионные проблемы теории и практики судебной экспертизы: Экспресс-информ. - М., 1983. - Вып. 6. 3. Кожара В.Л. Функции классификаций // Теория классификаций и анализ данных. - Новосибирск, 1982. - Ч. I. 4. Колдин В.Я. Идентификация и ее роль в установлении истины по уголовным делам. - М., 1969. 5. Колдин В.Я. Идентификация при расследовании преступлений. - М., 1978. 6. Краткий словарь иностранных слов. - М., 1950. 7. Криминалистическое исследование волокнистых материалов и изделий из них: Методическое пособие. - М., 1983. - Вып. I. 8. Методы экспертных криминалистических исследований: Сб. науч. тр. ВНИИСЭ. - М., 1977. - Вып. 29. 9. Митричев В.С. Криминалистическая экспертиза материалов, веществ и изделий. - Саратов, 1980. 10. Общесоюзный классификатор промышленной и сельскохозяйственной продукции (ВКГОКП). - М., 1977. 11. Общее учение о методах судебной экспертизы: Сб. науч. тр. ВНИИСЭ. - М., 1977. - Вьш. 28. 12. Ожегов С.И. Словарь русского языка. - М., 1983. 13. Пучков В.А. Идентификационные и технические схемы исследования материалов и веществ в судебной экспертизе // Материалы Всесоюзной научной конференции. - М., 1972. - Ч. III. 14. Пучкова Т.М. Основы классификации материалов, веществ и изделий из них для целей судебных экспертиз // Физические и химические методы исследования материалов, веществ и изделий: Сб. науч. тр. ВНИИСЭ. - М., 1979. - Вып. 40. 15. Розова С.С. Классификационная проблема в современной науке. - Новосибирск, 1986. 16. Седова Т.А. Проблемы методологии и практики нетрадиционной криминалистической идентификации. - Л., 1986. 17. Харвей Д. Научное объяснение в географии. - М., 1974. 18. Шляхов А.Р., Воронков Е.М. Современнее состояние и основные направления развития научных исследований в области применения математических методов и ЭВМ для решения задач судебной экспертизы // Проблемы автоматизации создания информационно-поисковых систем и применения математических методов в судебной экспертизе: Сб. науч. тр. ВНИИСЭ. - М., 1987. 19. Эйсман А.А. Заключение эксперта. - М., 1967. Глава 2. МАТЕМАТИЧЕСКИЕ И КИБЕРНЕТИЧЕСКИЕ МЕТОДЫ ЭКСПЕРТНО-КРИМИНАЛИСТИЧЕСКОЙ ИДЕНТИФИКАЦИИ Применение математических и кибернетических методов - одно из основных направлений использования достижений научно-технического прогресса в криминалистике и судебной экспертизе. Оно позволяет повысить качество экспертно-криминалистических исследований, объективизировать оценку результатов идентификационного исследования, существенно сократить время на решение частных задач, возникающих в процессе исследования и связанных глазным образом с обработкой больших информационных массивов. Широкое распространение средств вычислительной техники создает техническую базу для применения математических и кибернетических методов при решении задач экспертно-криминалистической идентификации. Объективная возможность математизации и автоматизации решения экспертно-криминалистических идентификационных задач основана на наличии в самом процессе идентификации формализуемых элементов, позволяющих выделить в той или иной экспертной ситуации обобщенные количественные и формально-логические отношения между объектами исследования, внутри объекта, между объектами и их отображениями. Иными словами, в каждой экспертной идентификационной задаче объективно существует математическое содержание, позволяющее применить к решению задачи математ геские и кибернетические методы. Специфика математических методов исследования состоит в их универсальности, поскольку предметом математики являются количественные отношения реального мира, рассматриваемые во всей их общности. В то же время применение математических методов в прикладных областях не беспредельно. Естественной границей служит степень формализуемости отдельных элементов предметной области. В экспертно-криминалистической идентификации наличие принципиально не формализуемых элементов этого процесса и есть та естественная граница, которая обусловливает неразрешимость проблемы создания сквозной математической модели всего процесса экспертно-криминалистической идентификации, пригодной для всех задач. Автоматизация решения любой прикладной задачи осуществляется по схеме: задача - математическая модель - алгоритмы - программа. Основным звеном здесь являетется математическое моделирование. Именно на основе математических моделей разрабатываются алгоритмы и программы автоматизированного решения прикладных задач. И задачи экспертно-криминалистической идентификации здесь не составляют исключения, однако их специфика существенно отражается на математическом моделировании. Конечная цель математического моделирования задач экспертно-криминалистической идентификации состоит в повышении качества экспертного анализа путем объективизации как процесса исследования, так и оценки достоверности экспертного вывода на основе данных, полученных при исследовании, и априорной информации об объектах, для достижения этой цели посредством математических методов (в отличие, например, от физических и химических методов исследования) синтезируется уже имеющаяся информация о количественных (или типа количественных) отношениях внутри объектов, между объектами, между объектам и отображениями. Подчеркнем здесь также, что результатом математического моделирования в экспертно-криминалистической идентификации являются математические модели не индивидуально-конкретных, а типовых (с точки зрения математического содержания!) задач. Идентификационные задачи, имеющие изоморфное математическое содержание, могут возникать в различных родах криминалистических экспертиз; математическая же модель у всех таких задач будет одна (с точностью до изоморфизма). § 1. Краткий исторический обзор исследования в области применения математических и кибернетических методов к решению задач экспертно-криминалистической идентификации Использование достижений естественных и технических наук считается одной из специальных задач криминалистики и ее методом [20]. Не удивительно поэтому, что как только в нашей стране были начаты работы в области кибернетики, почти сразу же, а именно в 1957 г., аналогичные исследования стали проводиться в криминалистике, в частности в области автоматизации дактилоскопических картотек [26], а несколько позже и в судебной экспертизе. "Совершенствование общей методологии экспертного познания, - справедливо пишут К.Я. Сегай и В.К. Стринжа, - математизация и кибернетизация экспертных процессов на базе использования современных приборов, стандартизация экспертных методов и методик, типизация задач экспертного исследования и разработка развернутых методических схем их решения создали реальные предпосылки для разработки научных основ современной, отвечающей требованиям НТР экспертной технологии…" [22]. Идея использования математических методов не является для юридической науки и судебной экспертизы чем-то совершенно новым1. Вместе с тем следует признать, что большинство попыток использовать математические методы в юридической науке не оставили заметного следа не только в "чисто" правовых областях, но даже в криминалистике и судебной экспертизе. И лишь в последние десятилетия количественные методы стали давать практически значимые результаты. Это качественное изменение роли математических методов имеет свои причины. Одной из таких причин является развитие и углубление самой математики. "Для того чтобы "нефизические" науки смогли в полной мере математизироваться, - пишет Н.Н. Воробьев, - для них должен быть создан свой специальный достаточно самостоятельный математический аппарат" [7]. Необходимость в специфическом аппарате объясняется тем, что "нефизические" науки, т.е. науки о живых организмах и обществе, оказались существенно сложнее физических наук. Другой причиной явилось появление кибернетики и средств вычислительной техники, которые позволили реализовать на практике количественный подход к решению экспертных задач. Математические методы призваны сыграть большую роль в развитии теоретических судебно-экспертных концепций. Длительное время при использовании математических методов и ЭВМ в правовых исследованиях вообще и в судебной экспертизе в частности основное внимание уделялось прикладным исследованиям. В результате, как правильно отмечает Д.А. Керимов, наблюдалось определенное отставание теоретических разработок, которое сказывается и на развитии самих прикладных отраслей 12]. Наиболее заметно это отставание было до недавнего времени в идентификационных исследованиях. Научной основой таких исследований является достаточно развитая и хорошо обоснованная теория криминалистической идентификации. Вместе с тем она строилась и развивалась вне расчета на применение при исследовании как математических методов, так, тем более, и ЭВМ. Поэтому дальнейшее совершенствование научные основ судебной экспертизы пошло по пути развития теории криминалистической идентификации на основе анализа того нового, что связано с широким применением в идентификационных исследованиях математических методов и средств вычислительной техники. В криминалистической литературе говорят об аксиоматизации, алгоритмизации, математизации и формализации. Не вызывает сомнения, что все авторы при этом имеют в виду придание основополагающей криминалистической теории большей строгости. Перечисленные понятия тесно связаны между собой. Следует отметить, что точное определение этих понятий во многом определяется областью, к которой они применяются. Мы присоединяемся к тем авторам, которые считают, что во всех случаях давать точные определения таким понятиям не имеет смысла, так как "... суть дела хорошо выясняют содержательные пояснения и история вопроса" 2. Будем исходить из того, что формализация - понятие более широкое, а аксиоматизация и алгоритмизация выступают в области криминалистической идентификации как конкретные способы формализации. Этот процесс в теории криминалистической идентификации идет достаточно интенсивно. Решающую роль сыграло в нем развитие самой теории идентификации и практическое применение в судебной экспертизе математических методов и ЭВМ. Первая документированная работа по применению методов и средств кибернетики в судебной экспертизе принадлежит криминалисту P.M. Ланцману, который совместно с ленинградскими математиками в 1963 г. начал исследования по применению математических методов распознавания образов в судебном почерковедении 17]. Несколько позже подобные исследования были начаты и во ВНИИСЭ. В том же году в Москве прошла научная конференция на тему: "Применение теории вероятностей и математической статистики в судебной экспертизе". В 1966 г. при ВНИИСЭ были организованы первые специализированные лаборатории по применению математических методов и ЭВМ в праве, криминологии, криминалистике и судебной экспертизе, а также первый в правоохранительных органах нашей страны вычислительный центр, вначале на базе перфорационных машин, а затем и универсальной ЭВМ "Минск-22". В 1975 г. была проведена первая Всесоюзная конференция по проблемам правовой кибернетики, на которой была сделана попытка математической формализации основных понятий экспертно-криминалистической идентификации 23]. Использование математических методов в судебное экспертизе прошло определенный путь, прежде чем был поставлен вопрос о необходимости "математизации" теории криминалистической идентификации. На первых порах количественный подход представлялся факультативным и дополнительным к существующим традиционным методам исследования вещественных доказательств и никто не предполагал, что он может стать необходимым средством объективизации субъективных методов анализа свойств и признаков исследуемых объектов. Такой количественный подход на новом этапе развития судебной экспертизы стал развиваться в пятидесятые годы и начался с широких исследований по подсчету частот встречаемости значений признаков. На новом этапе, по существу, ставилась задача не развивать те аналитические методы, которые уже применялись в криминалистике и судебной экспертизе (методы Бальтазара, Локара, Бертильона и др.), а прежде всего определить, что собой представляют объекты экспертного анализа с количественной точки зрения. Теоретическая концепция "частот встречаемости" формулировалась следующим образом. Судебная экспертиза располагает достаточно развитыми методами анализа вещественных доказательств, которые позволяют эксперту выделить совокупность совпадающих свойств и субъективно определить, достаточно она или недостаточна для идентификации. Однако отрицательной стороной этих методов является отсутствие у экспертов объективных сведений о "цене" этих признаков, а следовательно, и о "цене" их совокупности. Хорошо известно, что ценность признаков связана с частотой их встречаемости. Значит, необходимо знать частоту встречаемости признаков по широкому кругу объектов и сообщить эти сведения эксперту. Тогда, даже пользуясь традиционной методикой, эксперт сможет более точно определять результаты сравнительного исследования, и его вывод получит дополнительное количественное подтверждение. Подсчет частоты встречаемости в то время широко проводился в судебном почерковедении, дактилоскопии, экспертизе по словесному портрету и в некоторых других видах экспертиз. В трасологии и судебной баллистике для описания следов стали использовать профилографические методы. Тогда еще не вполне осознавалось, какое место данные методы займут в экспертном исследовании и каким образом будут использоваться результаты такого анализа при формировании экспертного вывода. Достаточно часто дело представлялось таким образом, что традиционные и математические методы применяются самостоятельно, а на этапе обобщения результатов исследования эксперт учитывает все имеющиеся в его распоряжении данные. При этом если результаты были совпадающими, не возникало никаких проблем. Если же традиционные методы давали одни результаты, а математические - другие, предпочтение отдавалось результатам, полученным с использованием традиционных методов. Эта позиция противоречила основным положениям теории идентификации о единстве процесса экспертного исследования и взаимосвязи количественных и качественных свойств объектов. Именно поэтому постепенно вырабатывалось более точное представление о едином процессе экспертного исследования с применением математических методов. Развитие исследований по применению математических методов в судебной экспертизе приводило к все большему усложнению используемого математического аппарата, к вторжению количественных методов на только в сферу выделения идентификационных свойств оценки их идентификационной значимости, их сравнительного исследования, но и в область формирования экспертного вывода. Примерно к началу семидесятых годов в науке получили широкое развитие методы распознавания образов при диагностике различных заболеваний, а также для чтения рукописных знаков. Эти работы привлекли к себе внимание криминалистов. Вопрос ставился следующим образом: если машина может отличить букву "а" от буквы "б", почему бы не попытаться научить ее отличать букву "а", выполненную Ивановым, от той же буквы "а", выполненной Петровым. Уже первые эксперименты, проведенные ленинградскими криминалистами [17], показали, что теоретически задача в целом поставлена вполне корректно и может быть решена с использованием тех же алгоритмов, которые применяются в технике. Очень скоро появилась новая для почерковедения технология, при которой машину обучали различать рукописи двух подозреваемых, а затем при "экзамене" показывали ей исследуемый текст (или подписи). Машина достаточно уверенно относила исследуемую запись к почерку одного из подозреваемых. Аналогичные работы по применению методов распознавания образов с использованием алгоритма "Обобщенного портрета" проводились также и во ВНИИСЭ [11], Однако уже первые эксперименты здесь показали, что разработчики столкнулись с новой ситуацией. Дело заключалось в том, что при решении дихотомической задачи методом распознавания образов можно было брать два любых почерка и машина обязательно отнесла бы исследуемую запись к наиболее близкому почерку (эффект "ближайшего соседа"). Практически оказывалось, что только та часть вывода, в которой машина сообщила, что запись не зыполнена одним из подозреваемых, оказывалась верной. На вторую часть ответа о конкретном исполнителе можно было полагаться только при определенных условиях, а именно - если в число двух подозреваемых обязательно входил исполнитель. В это время были опубликованы первые работы, призывавшие к развитию теории криминалистической идентификации с использованием количественного подхода и методов формализации [8; 25]. В этих же работах давались и определенные рекомендации по аксиоматизации указанной теории. Одна из основных задач аксиоматизации теории криминалистической идентификации с математической точки зрения заключалась в том, чтобы связать ее с теорией множеств. Объясняется это двумя основными причинами. Прежде всего математическая теория множеств является методологической базой всей современной математики. Однако более важной для судебной экспертизы причиной близости теории криминалистической идентификации и теории множеств является связь идентификационных исследований с необходимостью оперировать реальными множествами, понятия которых прочно вошли в научный аппарат теории криминалистической идентификации. К их числу относятся такие понятия, как: а) генеральная совокупность объектов (например, множество лиц, пишущих на русском языке); б) исходная совокупность объектов (например, автомашины ВАЗ-21 черного цвета) [13]; в) количественно-определенная совокупность проверяемых объектов, содержащих искомый объект (например, пять марок автомобильного бензина) 15; 25]; г) выделенная в процессе расследования совокупность объектов, предположительно содержащих искомый объект (например, пять ломиков, изъятых у подозреваемого в краже со взломом) [14; 25]. Очень важным представляется отличие множества объектов, содержащего искомый объект, от другого множества, когда неизвестно, есть в нем искомый объект или нет. Не менее важным является и то, что основная задача идентификации многими авторами формулируется как выделение единичного искомого объекте из определенного множества аналогичных объектов. Таким образом, тожество - это та категория, с которой эксперт встречается повседневно при проведении идентификационных исследований вещественных доказательств. § 2. Систематизация математического содержания задач экспертно-криминалистической идентификации Целью экспертно-криминалистического идентификационного исследования является выделение и отождествление единичного материального объекта по его свойствам, отображенным в следах. Решение данной задачи представляет основную гносеологическую процедуру в этом специальном исследовании, а оценка достаточности совпадающих свойств для вывода - основную проблему обоснования такого вывода. Чтобы успешно использовать математические метода в экспертно-криминалистической идентификации, необходимо формально описать основные свойства тех задач, с которыми приходится сталкиваться при отождествлении, и провести строгую систематизацию и классификацию их. Нельзя ставить вопрос о применении математических методов безотносительно к конкретным условиям отождествления. Так или иначе при решении каждой конкретной задачи придется выбирать наиболее оптимальные подходы, проверять результативность того или иного математического аппарата. Рассматривая идентификационные задачи, возникающие в различных родах криминалистических экспертиз, можно систематизировать их по разным основаниям. Систематизация задач по трехмерному основанию "предмет - объект - метод исследования", важная сама по себе, оказывается недостаточной для проблемы математизации и автоматизации решения экспертно-криминалистических идентификационных задач; нужны систематизация и классификация этих задач с точки зрения их математического содержания. Подходя таким образом к задачам экспертно-криминалистической идентификации, необходимо рассмотреть их классификацию под углом зрения степени однозначности определения свойств объектов в процессе исследования, стабильности отображения их в идентификационный период, возможности субъективного воздействия на формирование признаков, наличия в анализируемом тожестве искомого объекта. По критерию однозначности определения свойств объектов в процессе исследования выделяются задачи, при решении которых в процессе исследования свойства объектов определяются однозначно, и задачи, при решении которых они определяются стохастически (т.е. неоднозначно, с возможными случайными отклонениями). Нельзя заранее определить круг объектов, исследование которых можно будет отнести к задачам первого или второго типа. Это зависит не от объектов, а от поставленных перед экспертом конкретных вопросов. Например, на исследование представлен кусок металла и эксперту необходимо ответить на вопрос, имеется ли в нем в качестве примеси марганец. Очевидно, что наличие (или отсутствие) марганца будет определено однозначно. Другое дело, если например, ставится задача определить и количественное содержание марганца. В этом случае свойство исследуемого объекта будет определяться стохастически. Объясняется это тем, что для определения количественного состава марганца необходимо проводить измерения, при которых возможна случайная ошибка, при том она тем больше, чем выше чувствительность аналитической техники. Поэтому каждый измеренный признак количественно не будет равен определяемому свойству и только комплекс подобных стохастических показателей дает основание для достоверного вывода (рис. 1).

Похожие:

	Российской Федерации Российский федеральный центр судебной экспертизы... Определение рыночной стоимости амтс сравнительным подходом с применением рыночного метода оценки 24		Методические рекомендации для судебных экспертов М.: Рфцэ, 2013.... Федеральное бюджетное учреждение российский федеральный центр судебной экспертизы
	Методические рекомендации для судебных экспертов М.: Рфцэ, 2013.... Федеральное бюджетное учреждение российский федеральный центр судебной экспертизы		Исследование проводится в объеме поставленных на разрешение вопросов,... Российский федеральный центр судебной экспертизы при Министерстве юстиции Российской Федерации, именуемое в дальнейшем «Исполнитель»,...
	Пособие по программе «Основы судебной экспертизы» ...		В российской федерации Настоящий Федеральный закон определяет правовую основу, принципы организации и основные направления государственной судебно-экспертной...
	Обобщение судебной практики по применению норм Уголовно-процессуального... Обобщение судебной практики за 2009 год, проводимое Калининградским областным судом, показало, что, несмотря на ошибки, связанные...		В российской федерации Федеральный закон определяет правовую основу, принципы судебно-экспертной деятельности в Российской Федерации (далее судебно-экспертная...
	Анализ судебной практики по применению норм Арбитражного процессуального...		Производство судебно-экономической экспертизы Учебное пособие предназначено для студентов-бакалавров, изучающих дисциплину «Криминалистика» и«тко», для магистров по дисциплине...