Không giống như các nhà khoa học tự nhiên có thể tiến hành thí nghiệm trong phòng thí nghiệm được kiểm soát, các nhà tội phạm học phải nghiên cứu hiện tượng xảy ra trong thế giới thực, thường bí mật, và liên quan đến những người có lý do chính đáng để che giấu hành vi của họ. Điều này đã dẫn đến sự phát triển của nhiều phương pháp thu thập dữ liệu khác nhau, mỗi phương pháp có điểm mạnh và điểm yếu riêng.
Báo cáo tội phạm chính thức và thống kê cảnh sát

Nguồn dữ liệu tội phạm truyền thống nhất và được sử dụng rộng rãi nhất là các báo cáo tội phạm chính thức được thu thập bởi cảnh sát. Ở Hoa Kỳ, Chương trình Báo cáo Tội phạm Thống nhất (Uniform Crime Reports – UCR) của FBI đã thu thập dữ liệu từ các cơ quan thực thi pháp luật trên toàn quốc kể từ năm 1930. Hệ thống này phân loại tội phạm thành hai nhóm chính: Chỉ số Tội phạm Part I (các tội phạm nghiêm trọng như giết người, cưỡng hiếp, cướp, tấn công nghiêm trọng, trộm cắp, trộm cắp có đột nhập, trộm xe, và đốt phá) và Chỉ số Tội phạm Part II (các tội phạm ít nghiêm trọng hơn).
James Lynch, một học giả hàng đầu về đo lường tội phạm, giải thích giá trị của dữ liệu chính thức: “Báo cáo cảnh sát cung cấp cho chúng ta cái nhìn về tội phạm đã được đưa đến sự chú ý của hệ thống tư pháp hình sự. Chúng cho chúng ta biết những gì cảnh sát đang làm việc với và cung cấp dữ liệu nhất quán theo thời gian và không gian.” Dữ liệu UCR cho phép các nhà tội phạm học theo dõi xu hướng tội phạm trong nhiều thập kỷ, so sánh tỷ lệ tội phạm giữa các thành phố và tiểu bang khác nhau, và xác định các mô hình theo thời gian, địa lý, và nhân khẩu học.
Tuy nhiên, các nhà tội phạm học đã lâu nhận ra những hạn chế nghiêm trọng của dữ liệu chính thức. Vấn đề lớn nhất là “con số tội phạm đen” (dark figure of crime) – thuật ngữ được các nhà tội phạm học sử dụng để chỉ tội phạm không bao giờ được báo cáo cho cảnh sát. Albert Biderman và Albert Reiss, những nhà tiên phong trong nghiên cứu về đo lường tội phạm, ước tính rằng chỉ có khoảng một nửa số tội phạm nghiêm trọng được báo cáo cho cảnh sát, và tỷ lệ báo cáo thay đổi đáng kể tùy theo loại tội phạm.
Tại sao nạn nhân không báo cáo tội phạm? Nghiên cứu đã xác định nhiều lý do: họ có thể coi vụ việc quá nhỏ để đáng quan tâm, họ có thể sợ trả thù từ tội phạm, họ có thể không tin tưởng cảnh sát, họ có thể cảm thấy xấu hổ (đặc biệt trong trường hợp bạo lực tình dục), hoặc họ có thể đang tham gia vào hoạt động bất hợp pháp (như mua ma túy) và không muốn thu hút sự chú ý của cảnh sát. Trong các cộng đồng thiểu số và cộng đồng nhập cư, văn hóa “không snitching” và mối quan hệ lịch sử căng thẳng với cảnh sát có thể làm cho việc báo cáo tội phạm trở nên đặc biệt khó khăn.
Vấn đề thứ hai với dữ liệu chính thức là cách cảnh sát ghi chép tội phạm có thể bị ảnh hưởng bởi các yếu tố tổ chức và chính trị. Một số bộ cảnh sát đã bị bắt gặp thao túng số liệu tội phạm để làm cho hiệu suất của họ trông tốt hơn – một hiện tượng mà các nhà tội phạm học gọi là “nấu ăn sách” (cooking the books). Eterno và Silverman, hai cựu sĩ quan cảnh sát NYPD sau này trở thành học giả, đã lập luận trong “The Crime Numbers Game” (2012) rằng áp lực để giảm số liệu tội phạm dưới hệ thống CompStat đã dẫn đến việc hạ cấp tội phạm nghiêm trọng thành tội phạm ít nghiêm trọng hơn hoặc thậm chí không ghi nhận một số tội phạm.

Để khắc phục một số hạn chế này, FBI đã phát triển Hệ thống Báo cáo Dựa trên Sự việc Quốc gia (National Incident-Based Reporting System – NIBRS), bắt đầu thu thập dữ liệu vào đầu những năm 1990. Khác với UCR chỉ thu thập dữ liệu tóm tắt, NIBRS thu thập thông tin chi tiết về mỗi vụ việc tội phạm, bao gồm thông tin về nạn nhân, tội phạm, mối quan hệ giữa họ, và hoàn cảnh của tội phạm. Hệ thống này cung cấp một bức tranh phong phú và sắc thái hơn nhiều về tội phạm, nhưng đến nay vẫn chưa được tất cả các khu vực pháp lý áp dụng.
Khảo sát nạn nhân và nghiên cứu tự báo cáo
Để khắc phục vấn đề con số tội phạm đen, các nhà tội phạm học đã phát triển một phương pháp thay thế mạnh mẽ: hỏi mọi người trực tiếp về kinh nghiệm của họ với tội phạm. Khảo sát Nạn nhân Tội phạm Quốc gia (National Crime Victimization Survey – NCVS) ở Hoa Kỳ, được bắt đầu vào năm 1972, phỏng vấn một mẫu đại diện lớn về hộ gia đình Mỹ (hiện tại khoảng 240,000 người mỗi năm) về kinh nghiệm của họ với tội phạm trong sáu tháng trước, bất kể họ có báo cáo những tội phạm đó cho cảnh sát hay không.
Michael Rand, cựu Giám đốc Thống kê tại Cục Thống kê Tư pháp, giải thích sức mạnh của phương pháp này: “NCVS cho chúng ta biết về tội phạm từ quan điểm của người chịu ảnh hưởng trực tiếp nhất – nạn nhân. Nó cho thấy rằng có nhiều tội phạm hơn nhiều so với những gì được báo cáo cho cảnh sát, và nó giúp chúng ta hiểu được đặc điểm của tội phạm và nạn nhân.”
Khảo sát nạn nhân đã tiết lộ những phát hiện quan trọng mà dữ liệu cảnh sát đã bỏ lỡ. Ví dụ, chúng cho thấy rằng bạo lực gia đình và tấn công tình dục bị báo cáo dưới mức nghiêm trọng cho cảnh sát. Chúng cũng cung cấp thông tin về đặc điểm của nạn nhân, rủi ro nạn nhân, và tác động của tội phạm lên cuộc sống mọi người. Wesley Skogan, trong “Measuring What Matters” (1990), đã chứng minh rằng khảo sát nạn nhân không chỉ đo lường tội phạm mà còn đo lường sự sợ tội phạm, thái độ đối với cảnh sát, và tác động của tội phạm đến chất lượng cuộc sống.
Tuy nhiên, khảo sát nạn nhân cũng có những hạn chế của riêng chúng. Chúng dựa vào ký ức của con người, có thể không hoàn hảo – mọi người có thể quên các sự việc, nhớ sai thời gian chúng xảy ra (một hiện tượng được gọi là “lỗi viễn cảnh” hoặc telescoping), hoặc diễn giải sự việc theo cách khác với cách luật pháp định nghĩa tội phạm. Chúng cũng không thể đo lường tội phạm “không có nạn nhân” như buôn bán ma túy hoặc các tội phạm mà nạn nhân không biết đã xảy ra như gian lận danh tính. Và quan trọng nhất, khảo sát nạn nhân không thể đo lường giết người, bởi lẽ tự nhiên.
Khảo sát tự báo cáo (self-report surveys) tiếp cận vấn đề từ phía bên kia – chúng hỏi mọi người về hành vi phạm tội của chính họ. Phương pháp này được James Short và F. Ivan Nye tiên phong vào những năm 1950 và đã trở thành công cụ quan trọng để nghiên cứu tội phạm, đặc biệt là tội phạm ở thanh thiếu niên và các hành vi phạm tội không bị phát hiện.
Delbert Elliott và các đồng nghiệp đã tiến hành Nghiên cứu Thanh niên Quốc gia (National Youth Survey), một trong những nghiên cứu tự báo cáo quan trọng nhất, theo dõi một nhóm thanh thiếu niên từ những năm 1970 đến tuổi trưởng thành. Nghiên cứu này đã tiết lộ một thực tế đáng ngạc nhiên: hành vi phạm tội ở thanh thiếu niên phổ biến hơn nhiều so với số liệu bắt giữ cho thấy, và nó xảy ra ở tất cả các tầng lớp kinh tế xã hội, mặc dù tần suất và mức độ nghiêm trọng có thể khác nhau.
Khảo sát tự báo cáo đã thách thức nhiều giả định về ai phạm tội. Elliott viết: “Khi chúng ta hỏi thanh thiếu niên về hành vi của họ, chúng ta phát hiện ra rằng tội phạm không chỉ tập trung ở tầng lớp dưới như dữ liệu bắt giữ cho thấy. Thanh thiếu niên từ gia đình trung lưu cũng phạm tội, nhưng họ ít có khả năng bị bắt và xử lý bởi hệ thống tư pháp hình sự.” Phát hiện này đã dẫn đến các câu hỏi quan trọng về sự thiên vị trong hệ thống tư pháp hình sự.
Thách thức lớn nhất của khảo sát tự báo cáo là vấn đề tính trung thực. Liệu mọi người có thật sự thừa nhận hành vi phạm tội của họ, đặc biệt là các tội phạm nghiêm trọng? Các nhà nghiên cứu đã phát triển nhiều kỹ thuật để cải thiện tính trung thực, bao gồm đảm bảo tính bảo mật, sử dụng các phương pháp phỏng vấn nhạy cảm, và kiểm tra chéo câu trả lời với dữ liệu khác. Michael Hindelang và đồng nghiệp, trong một loạt nghiên cứu so sánh báo cáo tự nguyện với hồ sơ chính thức, đã kết luận rằng mặc dù không hoàn hảo, khảo sát tự báo cáo cung cấp dữ liệu tương đối đáng tin cậy, đặc biệt cho các tội phạm ít nghiêm trọng và thanh thiếu niên.
Nghiên cứu dân tộc học và phỏng vấn chuyên sâu

Trong khi khảo sát cung cấp dữ liệu định lượng về một số lượng lớn người, nghiên cứu dân tộc học (ethnographic research) cung cấp hiểu biết sâu sắc và phong phú về bối cảnh và ý nghĩa của hành vi tội phạm. Các nhà dân tộc học tội phạm học dành thời gian kéo dài – đôi khi nhiều năm – quan sát và tương tác với tội phạm, băng đảng, hoặc cộng đồng bị ảnh hưởng bởi tội phạm trong môi trường tự nhiên của họ.
William Foote Whyte đã tiên phong cho phương pháp này trong tội phạm học với nghiên cứu kinh điển “Street Corner Society” (1943), trong đó ông sống trong một khu phố người Ý ở Boston và nghiên cứu cấu trúc xã hội và các hoạt động của băng đảng đường phố. Sudia Venkatesh, trong “Gang Leader for a Day” (2008), đã dành gần một thập kỷ nghiên cứu một băng đảng ma túy ở Chicago, thu được những hiểu biết chưa từng có về tổ chức nội bộ, kinh tế, và mối quan hệ cộng đồng của một băng đảng đường phố.
Alice Goffman, trong “On the Run” (2014), đã sống sáu năm trong một khu phố nghèo Philadelphia để nghiên cứu cách thức các thanh niên da đen trốn tránh cảnh sát trong cuộc sống hàng ngày của họ. Nghiên cứu của cô đã tiết lộ cách hệ thống tư pháp hình sự định hình mọi khía cạnh của cuộc sống trong những cộng đồng này – từ nơi mọi người ngủ, đến các mối quan hệ của họ, đến cơ hội việc làm và giáo dục của họ.
Sức mạnh của nghiên cứu dân tộc học là nó cung cấp bối cảnh mà dữ liệu định lượng không thể nắm bắt được. Nó cho phép các nhà nghiên cứu hiểu ý nghĩa mà tội phạm gán cho hành vi của họ, các quy tắc và chuẩn mực chi phối thế giới của họ, và các lực lượng xã hội định hình lựa chọn của họ. Như Elijah Anderson viết: “Để thực sự hiểu tội phạm đường phố, bạn phải hiểu môi trường xã hội tạo ra nó – các quy tắc, các kỳ vọng, các áp lực mà thanh niên trong những khu phố này đối mặt mỗi ngày.”
Phỏng vấn chuyên sâu với tội phạm hoạt động (active criminals) là một phương pháp liên quan cho phép các nhà nghiên cứu thu được thông tin chi tiết về quy trình ra quyết định, kỹ thuật, và động cơ của tội phạm. Richard Wright và Scott Decker đã tiên phong cho cách tiếp cận này trong một loạt nghiên cứu về cướp có vũ trang, trộm cắp có đột nhập, và buôn bán ma túy. Thay vì phỏng vấn tù nhân về hành vi phạm tội trong quá khứ của họ, họ tìm và phỏng vấn tội phạm vẫn đang hoạt động, sử dụng kỹ thuật lấy mẫu “quả cầu tuyết” (snowball sampling) trong đó những người tham gia giới thiệu các tội phạm khác.
Trong “Burglars on the Job” (1994), Wright và Decker phỏng vấn 105 tên trộm hoạt động và phát hiện ra rằng hầu hết các quyết định phạm tội là những phản ứng tức thời đối với nhu cầu tiền mặt cấp bách hơn là kế hoạch được suy nghĩ kỹ lưỡng. Một tên trộm giải thích: “Tôi không ngồi xuống và lên kế hoạch. Tôi chỉ cần tiền, và tôi cần nó ngay bây giờ. Vì vậy tôi đi ra ngoài và làm những gì tôi phải làm.”
Dữ liệu lớn và phân tích kỹ thuật số
[Hình ảnh: big data crime analytics]
Chú thích: Phân tích dữ liệu lớn sử dụng AI và machine learning để phát hiện mô hình tội phạm
Cuộc cách mạng dữ liệu lớn đã mở ra những khả năng hoàn toàn mới cho nghiên cứu tội phạm học. Các nhà tội phạm học hiện nay có thể truy cập và phân tích các tập dữ liệu khổng lồ mà một thế hệ trước không thể tưởng tượng được. Hồ sơ điện tử, dữ liệu điện thoại di động, giao dịch tài chính, hoạt động truyền thông xã hội, và hình ảnh từ camera giám sát tạo ra dấu vết dữ liệu mà các nhà nghiên cứu có thể khai thác để hiểu rõ hơn về tội phạm.
Các hệ thống thông tin địa lý (Geographic Information Systems – GIS) đã cách mạng hóa cách các nhà tội phạm học nghiên cứu phân bố không gian của tội phạm. Phần mềm như ArcGIS cho phép các nhà nghiên cứu tạo ra các bản đồ tội phạm tinh vi, xác định các cụm và điểm nóng, phân tích mô hình theo thời gian và không gian, và kiểm tra mối quan hệ giữa tội phạm và các đặc điểm môi trường như mật độ quán bar, cửa hàng tiện lợi, hoặc đèn đường.
George Rengert và John Wasilchick, trong “Suburban Burglary” (2000), đã sử dụng GIS để nghiên cứu cách tên trộm chọn mục tiêu của họ, phát hiện ra rằng chúng có xu hướng hoạt động gần với các tuyến đường quen thuộc – đường đến và đi từ nhà, nơi làm việc, hoặc nhà của bạn bè và người thân. Nghiên cứu này đã dẫn đến phát triển của “lý thuyết hình học tội phạm” (geometry of crime), giải thích cách tội phạm tìm thấy cơ hội phạm tội trong không gian họ biết.
Phân tích mạng xã hội (social network analysis) cho phép các nhà tội phạm học nghiên cứu mối quan hệ và cấu trúc của các nhóm tội phạm. Andrew Papachristos, sử dụng dữ liệu về các mối quan hệ băng đảng và bạo lực súng ở Chicago, đã chứng minh rằng bạo lực súng lan truyền qua mạng lưới xã hội theo cách tương tự như dịch bệnh lây lan – hiện tượng mà ông gọi là “truyền nhiễm xã hội của bạo lực.” Ông viết: “Rủi ro bị bắn không phân bố ngẫu nhiên trong dân số. Nó tập trung trong các mạng lưới xã hội cụ thể và lan truyền qua các kết nối.”
Dữ liệu tội phạm mạng mở ra lãnh thổ mới cho nghiên cứu. Thomas Holt và Adam Bossler đã nghiên cứu các diễn đàn hacker, thị trường ngầm trực tuyến, và mạng lưới tội phạm mạng bằng cách thu thập và phân tích dữ liệu từ các trang web, diễn đàn, và thị trường này. Họ sử dụng kỹ thuật như web scraping, phân tích nội dung, và khai thác dữ liệu để hiểu về cấu trúc của cộng đồng tội phạm mạng, các loại dịch vụ và sản phẩm bất hợp pháp được giao dịch, và cách các tội phạm mạng tổ chức và bảo vệ hoạt động của họ.

Truyền thông xã hội đã trở thành một nguồn dữ liệu phong phú cho nghiên cứu tội phạm học. Desmond Patton và các đồng nghiệp đã nghiên cứu cách các thành viên băng đảng ở Chicago sử dụng Twitter và Instagram, phát hiện ra rằng truyền thông xã hội đóng vai trò quan trọng trong “bạo lực truyền thông xã hội” – nơi mà sự xúc phạm, đe dọa, và khiêu khích trực tuyến có thể leo thang thành bạo lực vật lý trên đường phố. “Truyền thông xã hội không chỉ phản ánh bạo lực – nó có thể kích hoạt nó,” Patton giải thích.
Trí tuệ nhân tạo và học máy đang được áp dụng ngày càng nhiều để phân tích lượng dữ liệu khổng lồ này. Thuật toán có thể phát hiện mô hình mà con người có thể bỏ lỡ, dự đoán nơi và khi nào tội phạm có khả năng xảy ra, và xác định các mạng lưới tội phạm phức tạp. Tuy nhiên, các nhà tội phạm học như Andrew Ferguson cảnh báo về rủi ro của việc quá phụ thuộc vào công nghệ này. Trong “The Rise of Big Data Policing” (2017), ông lập luận rằng thuật toán có thể củng cố sự thiên vị có sẵn trong dữ liệu lịch sử, dẫn đến việc giám sát quá mức các cộng đồng thiểu số.
Thí nghiệm và phương pháp chuẩn thí nghiệm
Thí nghiệm ngẫu nhiên có kiểm soát (randomized controlled trials – RCTs), tiêu chuẩn vàng trong khoa học y học, ngày càng được sử dụng trong tội phạm học để kiểm tra hiệu quả của các can thiệp tư pháp hình sự. Trong một RCT, các cá nhân, địa điểm, hoặc thời gian được phân ngẫu nhiên vào nhóm điều trị (nhận can thiệp) hoặc nhóm đối chứng (không nhận can thiệp), cho phép các nhà nghiên cứu xác định tác động nhân quả của can thiệp.
Lawrence Sherman và Richard Berk đã tiến hành một trong những RCT đầu tiên trong tội phạm học – Thí nghiệm Bạo lực Gia đình Minneapolis vào đầu những năm 1980. Họ phân ngẫu nhiên cách cảnh sát phản ứng với các cuộc gọi về bạo lực gia đình – bắt giữ, tách rời các bên, hoặc khuyên răn – và theo dõi tỷ lệ tái phạm. Phát hiện ban đầu rằng bắt giữ là hiệu quả nhất đã ảnh hưởng đến chính sách ở nhiều tiểu bang. Tuy nhiên, các nghiên cứu lặp lại sau đó ở các thành phố khác đã cho thấy kết quả hỗn hợp, minh họa tầm quan trọng của việc lặp lại nghiên cứu trong các bối cảnh khác nhau.
Anthony Braga và David Weisburd đã tiến hành nhiều RCT về chiến lược cảnh sát điểm nóng, chứng minh rằng việc tập trung nguồn lực cảnh sát vào các địa điểm có tội phạm cao có thể giảm tội phạm mà không chỉ đơn giản là dịch chuyển nó sang khu vực lân cận. Nghiên cứu của họ đã giúp biến chuyển cảnh sát điểm nóng thành một chiến lược dựa trên bằng chứng được sử dụng rộng rãi trên toàn thế giới.
Tuy nhiên, RCT không phải lúc nào cũng khả thi hoặc đạo đức trong nghiên cứu tội phạm học. Bạn không thể phân ngẫu nhiên mọi người vào “nhóm điều trị” để phạm tội! Vì vậy, các nhà tội phạm học thường sử dụng các thiết kế chuẩn thí nghiệm (quasi-experimental designs) như phương pháp sự khác biệt trong sự khác biệt (difference-in-differences), hồi quy gián đoạn (regression discontinuity), hoặc phân tích chuỗi thời gian gián đoạn (interrupted time series) để ước tính tác động nhân quả khi phân ngẫu nhiên không khả thi.
Trong bài tiếp theo, chúng ta sẽ khám phá một trong những câu hỏi trung tâm nhất của tội phạm học: Tại sao mọi người phạm tội? Chúng ta sẽ xem xét các lý thuyết chính giải thích hành vi phạm tội, từ các yếu tố sinh học và tâm lý đến ảnh hưởng của nghèo đói, gia đình, bạn bè, và cấu trúc xã hội.
Nguồn nghiên cứu
- Lynch, J. P., & Addington, L. A. (2007). Understanding Crime Statistics: Revisiting the Divergence of the NCVS and UCR. New York: Cambridge University Press.
- Biderman, A. D., & Reiss, A. J. (1967). "On Exploring the 'Dark Figure' of Crime." Annals of the American Academy of Political and Social Science, 374(1), 1-15.
- Eterno, J. A., & Silverman, E. B. (2012). The Crime Numbers Game: Management by Manipulation. Boca Raton, FL: CRC Press.
- Rand, M. R., & Catalano, S. M. (2007). "Crime Victimization, 2006." Bureau of Justice Statistics Bulletin, NCJ 219413.
- Skogan, W. G. (1990). Disorder and Decline: Crime and the Spiral of Decay in American Neighborhoods. Berkeley: University of California Press.
- Elliott, D. S., Huizinga, D., & Ageton, S. S. (1985). Explaining Delinquency and Drug Use. Beverly Hills, CA: SAGE Publications.
- Hindelang, M. J., Hirschi, T., & Weis, J. G. (1981). Measuring Delinquency. Beverly Hills, CA: SAGE Publications.
- Whyte, W. F. (1943). Street Corner Society: The Social Structure of an Italian Slum. Chicago: University of Chicago Press.
- Venkatesh, S. (2008). Gang Leader for a Day: A Rogue Sociologist Takes to the Streets. New York: Penguin Press.
- Wright, R., & Decker, S. (1994). Burglars on the Job: Streetlife and Residential Break-ins. Boston: Northeastern University Press.
- Papachristos, A. V. (2009). "Murder by Structure: Dominance Relations and the Social Structure of Gang Homicide." American Journal of Sociology, 115(1), 74-128.
- Ferguson, A. G. (2017). The Rise of Big Data Policing: Surveillance, Race, and the Future of Law Enforcement. New York: NYU Press.
- Sherman, L. W., & Berk, R. A. (1984). "The Specific Deterrent Effects of Arrest for Domestic Assault." American Sociological Review, 49(2), 261-272.
- Braga, A. A., & Weisburd, D. L. (2010). Policing Problem Places: Crime Hot Spots and Effective Prevention. New York: Oxford University Press.

