تاملی بر بنیان های معرفت شناختی توجیه کیفرگرایی حکومتی بر پایه برساخت دشمن از مجرم
Publish place: Criminal Law Research Journal، Vol: 13، Issue: 1
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 24
This Paper With 38 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JOLG-13-1_011
تاریخ نمایه سازی: 2 تیر 1403
Abstract:
شاید یکی از قدیمی ترین و نیز فراگیرترین ابزارهایی که دولت ها آن را دست مایه توجیه بدرفتاری های خویش با مجرمین و نیز اقلیت های مخالف قرار می دهند، ساخت دوگانه دشمن- شهروند بر پایه استراتژی «نامیدن» باشد. تبارشناسی ستیزه های حقوق کیفری، در یک پیوستار کیفرگرایی با درون مایه دشمن مداری و آنتاگونیسم از یک سو و مداراگرایی با مضمون دوست مداری و گفتگو از سوی دیگر قرار می گیرند. نوشتار حاضر به شیوه آزمایش فکری و با آگزیوماتیزه سازی گزاره های نظری، تلاش دارد تا رویکرد دشمن مداری در واکنش به مجرم را نمایان سازد. بر پایه آزمایش فکری انجام شده، دو دسته از نظریه ها: ۱) اندیشه های مبتنی بر اجماع زبانی و گفتگو (روسو، آرنت، هابرماس و گارلند) و ۲) انگاره های غیریت ساز (یاکوبس، اشمیت و آگامبن)، با بنیان های معرفتی گوناگون در برابر یک دیگر صف آرایی می کنند. تبیین علی کیفرگرایی بر پایه گزاره های استخراجی نشان داد که ریشه دشمن مداری را باید در چگونگی رویارویی دولت ها و انتظارات آن ها درباره شیوه جامعه پذیری نیروهای اجتماعی جستجو کرد؛ به گونه ای که هر زمان تکالیف اجتماعی- اخلاقی و دستورالعمل های اجتماعی آن چنان که باب میل دولت ها است از سوی شهروندان امکان پذیر نشود، غیریت سازی و دیگری انگاری نسبت به آن ها در دستور کار قرار می گیرد. بنابراین، برون رفت از چنین وضعیتی، نیازمند بازنگری در نظام معرفتی شناختی حقوق کیفری (جرم انگاری و کیفرگذاری)، حل مساله بزهکاری بر پایه درک بستر اجتماعی و نیز کاربست یک رویکرد اصلاحی مبتنی بر گفتگو و مدارا است.
Keywords:
Authors
حسین محمد کوره پز
دانشجوی دکتری حقوق کیفری و جرم شناسی دانشکده حقوق و علوم سیاسی دانشگاه علامه طباطبائی، تهران، ایران.
حمید نادری
دانش آموخته دکتری جامعه شناسی، دانشگاه تهران، تهران، ایران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :