A jelenkori digitális társadalomban a technológia beépült a bűnözés, viktimizáció és igazságszolgáltatás területére is, ezzel egy olyan interdiszciplináris alapokra építkező ún. digitális kriminológia – mint kutatási platform – létrehozásának igényét megteremtve, amelyből kiindulva a kriminológia képes lehet lépést tartani a legújabb társadalmi változásokkal (Stratton‒Powell‒Cameron 2017, 17‒33). A kibertér fejlődése, valamint az innovatív matematikai és számítógépes módszerek megjelenésének eredményeképpen megfogalmazódott a kifejezetten ilyen módszerekre építő kriminológiai képzések igénye is (Valentine‒Hay‒Beaver‒Blomberg, 2013). Az egyre szélesebb körben terjedő big data kutatások felívelésével (Gandomi‒Haider 2015, 137‒144) párhuzamosan már a kevésbé ismert, ún. automatizált szöveganalitika kutatási célú alkalmazása is megjelent, ahogy a nemzetközi, úgy a hazai társadalomkutatásban is (Németh‒Koltai, 2019).
A módszer nemzetközi szinten láthatóan a kiberbiztonsági kutatásokkal foglalkozó szakembereket is foglalkoztatja (TA-COS, 2018) és már néhány alkalmazott kutatásban is megjelent (Li‒Chen‒Nunamaker‒J. F., 2016). Ugyanakkor, bár az adattudományok szélesebb köréről és a big data-ról már esett szó a hazai kriminológiai szakirodalomban is (Kiss‒Parti‒Prazsák 2019, 195), az automatizált szöveganalitika még csak említés szintjén sem jelent meg a területen. Márpedig a nemzetközi érdeklődés alapján úgy tűnik, hogy a kiberbiztonsági kutatások különösen profitálhatnának a módszer adaptálásából. Ehhez azonban szükség van egy olyan ismeretanyagra, amely segítséget nyújt a szakembereknek az automatizált szöveganalitika és alkalmazási lehetőségeinek megismerésében. Az Eötvös József Kutatóközpont Kiberbiztonsági Kutatóintézetében zajló kutatásom keretében e tudásbázis felépítését kezdem meg, közvetlen kapcsolatot kialakítva a kiberbiztonsági kutatásokkal foglalkozó szakemberekkel az automatizált szöveganalitika adaptációjának támogatása, és végső soron a digitális társadalomban megjelenő problémák és jelenségek megértésének és kezelésének elősegítése érdekében.
Irodalom:
Stratton, G. ‒ Powell, A. ‒ Cameron, R. (2017). Crime and Justice in Digital Society: Towards a ‘Digital Criminology’? International Journal for Crime, Justice and Social Democracy 6(2): 17‐33.
Valentine, C. L. ‒ Hay, C. ‒ Beaver, K. M. ‒ Blomberg T. G. (2013). Through a computational lens: using dual computer-criminology degree programs to advance the study of criminology and criminal justice practice. Secur Inform 2, 2.
Gandomi, A. ‒ Haider, M. (2015). Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management, 35(2), 137–144.
Németh R. ‒ Koltai J. (2019). Szociológiai tudás felfedezése autamatizált szöveganalitika segítségével. In: Rudas, Tamás – Péli, Gábor (szerk.) Pathways Between Social Science and Computational Social Science – Therories, Methods and Interpretations. New York, NY, Springer. (előkészületben)
Lásd például: TA-COS 2018 – 2nd Workshop on Text Analytics for Cybersecurity and Online Safety (Szöveganalitika a kiberbiztonság és online biztonság érdekében 2.) https://www.aclweb.org/portal/content/ta-cos-2018-2nd-workshop-text-analytics-cybersecurity-and-online-safety (Letöltve: 2019. 11. 22.)
Li, W. ‒ Chen, H. ‒ Nunamaker Jr. ‒ J. F. (2016). Identifying and Profiling Key Sellers in Cyber Carding Community: AZSecure Text Mining System, Journal of Management Information Systems, 33:4, 1059-1086., valamint Mohasseb, A., Aziz, B., Jung, J., Lee, J. (2019). Predicting CyberSecurity Incidents using Machine Learning Algorithms: A Case Study of Korean SMEs. ICISSP.
Kiss T. ‒ Parti K. ‒ Prazsák G. (2019). Cyberdeviancia. Dialóg Campus Kiadó, Budapest. p. 195.
