分享

杀人犯会随机杀人吗?

 飘行者19 2014-09-28
     “随机杀人”向来都会在社会中造成巨大的恐慌,毕竟,谁知道自己会不会成为下一个受害者呢?实际上,在美国发生的凶案中,谋杀陌生人的案件只占15%。而之所以大家更偏向于认为杀人案是“随机的”,还得怪FBI。

    2011年3月12日清晨,30岁的杰娜?穆雷(Jayna Murray),美国贝塞斯达市(Bethesda, Md)露露柠檬(Lululemon)商店的一名店员,被上早班的同事发现死在自家店里。

    这位同事一打开门就被吓了一大跳:杰娜死在血泊中,而她的同事布列塔妮?诺伍德(Brittany Norwood)则被五花大绑着在旁边呼救。

    乍看之下,杰娜的被害实属偶然。根据布列塔尼对警方的供词来看:3月11日晚上关门之后,她和杰娜返回商店来取自己忘拿的东西。就在那时,两个男人尾随她们进店,先是殴打她们,然后又对她们进行了性侵犯。最后,歹徒杀死了杰娜,并逃之夭夭。

    警方随即展开了调查:他们查询了当地滑雪面罩销售记录,并开出了15万美金的赏金,甚至监控了一名与罪犯特征相符的男子……

    案情大逆转

    虽说这个案子看起来和一桩随机的抢劫杀人案件差不多,不过也有不少疑点:既然凶手要灭口,那为什么还留一个“活口”呢?

    在几天的调查后,案情的侦破似乎遭遇了一个华丽大逆转:警方竟然在3月18号将布列塔尼捉拿归案!根据对现场的侦查,警方发现现场唯一的血脚印根本就是布列塔尼自己的;而她身上的刀伤都是平行的,没有抵抗伤——也就是说这很可能是她自己造成的;她被捆起来的方式也很奇怪:这更像是一种自己捆自己的捆法;而最关键的是,两人谁也没有遭到性侵犯——这和她的证词截然不同。

    至此,这个美国的小镇彻底松了口气:并没有什么肆无忌惮的蒙面杀手,这也并非是令所有人恐慌不止的“随机杀人事件”。

    非主流的随机杀人

    这其实不足为怪,随机杀人事件本来就相当罕见,罕见得以至于警察从一开始就对布列塔尼的说辞产生了怀疑。只不过在办案的初期,警方只能按照一般程序办案。

    但根据美国司法部的统计,每年被报道的凶杀案中,凶手与受害者素昧平生的仅占15%。而在多数情况下,即便在这15%中,凶手和受害者也有共同的朋友和熟人。美国密苏里大学圣路易斯分校(University of Missouri-St. Louis)的犯罪心理学教授理查德?罗森菲尔德(Richard Rosenfeld)认为,正因为他们有共同的朋友,所以这也恰好解释了为什么他们会在同一时间同一地点出现。但是,我们依然会将大部分谋杀案定性为“随机杀人”,因此,当发现一宗所谓的“随机谋杀案”并非出于偶然时,人们就把这当成了新闻,大肆炒作。

    那么为什么我们会认为这么多的杀人案都是随机的?美国联邦调查局(FBI)需要承担一部分责任。早在1990年初,其办公署就发表过一项报告,声称有一半以上的谋杀都是由陌生人干的。

    但罗森菲尔德教授认为这份报告有误——它将那些尚未侦破,也就是受害者和凶手还未建立联系的案件也算成“随机杀人”案件了。这对FBI有什么好处?好处显而易见——当犯罪的随机性越高时,社会对于联邦调查局(FBI)的需求度也就越强。“因为随机性会让人们恐慌。”美国特拉华州立大学的社会学家和犯罪司法专家乔?贝斯特(Joel Best)指出:“那意味着你无法保护自己。”

    不光是FBI,政客们同样喜欢夸大暴力的随机性。“它让人人有利可图。”贝斯特说到,这一点甚至使不同戴天的自由党人和保守党人都达成了一致:“如果你是保守党人,谈论随机的暴力能帮你转移开人们的注意力,使他们忽略掉受害者和阶层之间的密切关系;如果你是自由党人,你则能利用这种随机性掩盖住暴力和种族之间的关系。”因此,人人皆大欢喜——当然,除了受害者。

    另一方面,新闻媒体也难辞其咎。一般性的谋杀新闻很少能登上头版头条,除非有什么非同寻常之处,通过报道随机的犯罪,新闻机构推波助澜地使人们形成了这样一种印象:大多数犯罪行为都随意挑选下手对象,你们可要小心点了。

    从“随机”中寻找规律

    其实,警方要想破案,还得从案子的非任意性入手。一些数据分析手段可以帮助警方检测出犯罪的特定模式,让警方知道监控的重点。

    另外,犯罪的可预测性是很高的,一些警局已经引入了“预测性执法”系统,这种系统可以预报犯罪,就跟预报天气一样。在这个系统中,程序可能会将两名相互认识的、有案底的年轻人“配对”起来,让警方提高注意力。

    而对于连环杀手来说,他们的受害者往往会遵循一个特定的规律。在案件的侦破中,警方需要从以往的案件中寻找规律,并对接下来的案件进行预测。

    其实一切的案件都是有规律可循的。实际上,选择陌生人作为目标的杀人案件确实不多。

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多