MAGISTRSKO DELO Merjenje teže kaznivih dejanj v Sloveniji z uporabo Thurstonove lestvice za merjenje stališč

Size: px
Start display at page:

Download "MAGISTRSKO DELO Merjenje teže kaznivih dejanj v Sloveniji z uporabo Thurstonove lestvice za merjenje stališč"

Transcription

1 MAGISTRSKO DELO Merjenje teže kaznivih dejanj v Sloveniji z uporabo Thurstonove lestvice za merjenje stališč Junij, 2015 Mateja Zorč

2 MAGISTRSKO DELO Merjenje teže kaznivih dejanj v Sloveniji z uporabo Thurstonove lestvice za merjenje stališč Junij, 2015 Mateja Zorč Mentor: izr. prof. dr. Matevž Bren

3 Zahvala Zahvaljujem se mentorju dr. Matevžu Brenu in Nacetu Čebulju za strokovno pomoč, nasvete in usmerjanje pri izdelavi magistrskega dela. Zahvalila bi se tudi Maji Jež za lektoriranje magistrske naloge. Posebna zahvala gre tudi Denisu, staršem in bratu, ki so mi stali ob strani in me podpirali skozi celoten študij. 3

4 Kazalo vsebine 1 Uvod Opis problema Thurstonova lestvica za merjenje stališč in njena uporaba v raziskavi»a crime index with Thurstone's scaling of crime severity« Zgodovina raziskav s področja merjenja teže kaznivih dejanj Namen in cilji raziskave Hipoteze Opredelitev osnovnih pojmov Percepcija Varnost Kriminaliteta Kaznivo ravnanje in kaznivo dejanje Kazniva dejanja zoper življenje in telo Kazniva dejanja zoper spolno nedotakljivost Kazniva dejanja zoper človekovo zdravje Kazniva dejanja zoper premoženje Kazniva dejanja zoper javni red in mir Korupcija Uradna statistika kriminalitete Raziskovalni del Metode Populacija in vzorec Zbiranje podatkov Opis vprašalnika Umestitev uporabljenih kaznivih ravnanj v izbrana kazniva dejanja Rezultati Opisne statistike Zanesljivost vprašalnika Rangi kaznivih dejanj Primerjava razvrstitve kaznivih dejanj v Sloveniji in Hong Kongu Primerjava rangov kaznivih dejanj z zakonsko predpisano kaznijo Analiza razlik v spolu Analiza razlik v starostnih skupinah Indeks kriminalitete Razprava

5 4 Zaključek Uporabljeni viri Priloge Anketni vprašalnik

6 Kazalo tabel Tabela 1: Umestitev kaznivih dejanj Tabela 2: Opisne statistike - spol Tabela 3: Opisne statistike - starost Tabela 4: Opisne statistike - izobrazba Tabela 5: Cronbachov koeficient alfa Tabela 6: Matrika P Tabela 7: Matrika X Tabela 8: Matrika D Tabela 9: Koeficienti teže KD Tabela 10: Razvrstitev KD glede na težo Tabela 11: Razvrstitev KD Hong Kong Tabela 12: Razvrstitev KD Slovenija Tabela 13: Vrednosti z - spol Tabela 14: Vrednosti z starostne skupine Tabela 15: Tehtani, netehtani in BDP indeks Tabela 16: Surove vrednosti - vsota KD, vsota KD s koeficienti in BDP Tabela 17: Število KD od 2004 do Kazalo slik Slika 1: Metoda primerjanja (vir: Krabbe, 2008) Slika 2: Rezultati raziskave v Hong Kongu (vir: Kwan et al., 2000) Slika 3: Primerjava tež KD Hong Kong - Slovenija Slika 4: Primerjava koeficientov teže in višine kazni Slika 5: Primerjava indeksov Slika 6: Primerjava tehtane vsote KD in BDP

7 Povzetek Uradne statistike držav so glavni vir podatkov za preučevanje gibanja kriminalitete v državi. Temno polje kriminalitete in spremembe v zakonodaji so samo ene izmed številnih pomanjkljivosti, ki vplivajo na kakovost tovrstnih statistik. Zaradi nepopolnih rezultatov netehtanih metod (primerjamo lahko samo kaznivo dejanje s kaznivim dejanjem, ne pa celote) smo v sklopu naše magistrske naloge izračunali ustreznejši indikator kriminalitete v Sloveniji tako, da smo glede na percepcijo ljudi 15 kaznivim dejanjem pripisali ustrezno težo. V teoretičnem delu smo se osredotočili na preučevanje in analiziranje dosedanjih raziskav na področju merjenja teže kaznivih dejanj in podrobneje opisali Thurstonovo letvico za merjenje stališč, ki smo jo uporabili v naši raziskavi. Ker je bila enaka metoda uporabljena že leta 2000, smo v tem delu predstavili tudi študijo iz Hong Konga, na kateri je temeljila naša magistrska naloga. Nenazadnje smo s pomočjo kazenskega zakonika opredelili izbrana kazniva dejanja in pojme, ki se neposredno nanašajo na naše preučevanje merjenja teže kaznivih dejanj. Raziskovalni del naloge je temeljil predvsem na določanju uteži izbranim kaznivim dejanjem in njihovem rangiranju. Ugotovili smo, da je umor v Sloveniji zaznan kot najtežje, tatvina pa kot najlažje kaznivo dejanje po mnenju Slovencev. S pomočjo dobljenih uteži kaznivih dejanj smo izračunali tudi tehtani indeks kriminalitete in prvič z upoštevanimi koeficienti teže preučevali obseg kriminalitete v Sloveniji. Nenazadnje smo preučevali razlike v starostnih skupinah in spolu ter primerjali razvrstitev kaznivih dejanj v Sloveniji in Hong Kongu. Zaradi visoke korelacije rezultatov obeh raziskav smo ugotovili, da je tehtani indeks ustrezen pokazatelj obsega kriminalitete v Sloveniji. Ključne besede: kriminaliteta, teža kaznivih dejanj, statistike, rangiranje, uteži, tehtani indeks kriminalitete 7

8 Summary Measuring crime seriousness with Thurstones scaling of crime severity Official statistics are usually the main source of data for measuring the intensity of crimes in a society. The dark figure of crime and the changes in legislation are just one out of many deficiencies that affect the quality of such statistics. Due to imperfect results of unweighted methods (we can just compare numbers of one criminal offense through consecutive years or number of one criminal offense on inhabitants among different communities or countries), we constructed a more appropriate indicator of crime in Slovenia. Indeed, we constructed weights based on respondents judgments on the seriousness of the fifteen crimes and calculated weighted crime index. In the theoretical part, we focused on the review and analysis of already existing research in measuring crime seriousness. Moreover, we described the scaling method of crime severity, which we were using in our research. Since we used the same method as in Hong Kong in 2000, we also presented this study. In addition, we used the Criminal Code to define the selected criminal offenses and concepts, which were relevant in our research. In the research part we focused mainly on constructing weights of selected crimes and their ranking. We found out that murder is perceived as the most serious crime in Slovenia. On the other hand, theft is the least serious crime according to the sample of Slovenian citizens. Moreover, we build up a time series of weighted crime index, using the weights of the fifteen crimes. What is more, our research was the first one to use the seriousness weights to explore the intensity of crimes in Slovenia. Finally, we explored differences in crime seriousness perception according to age and gender and compared the ranking of crimes in Slovenia with the one in Hong Kong. Due to the high correlation of the ranking results of both studies, we found out that weighted crime index is appropriate indicator of the crime intensity in Slovenia. Keywords: crime, crime seriousness, statistics, ranking, weights, weighted crime index 8

9 1 Uvod 1.1 Opis problema Celoten proces od zbiranja, evidentiranja podatkov, urejanja, analiziranja, objavljanja in pojasnjevanja rezultatov imenujemo merjenje kriminalitete. Statistika kriminalitete je v tem procesu rezultat statističnega analiziranja zbranih podatkov, ki zajema tudi statistiko kaznivih dejanj (Brvar, 2013). Le-to je v kazenskem zakoniku opredeljeno kot človekovo protipravno dejanje, ki ga zakon zaradi nujnega varstva pravnih vrednot določa kot kaznivo dejanje in hkrati določa njegove znake ter kazen za krivega storilca (Kazenski zakonik, 2008). Ravno predpisana višina kazni je pogosto edini pokazatelj teže določenega kaznivega dejanja, le-ta pa ni nujno v skladu z dejanskim dojemanjem teže tega dejanja v družbi (Kwan, Ip in Kwan, 2000). S tem se strinja tudi Pečar (1982), ki trdi, da je resnica o kriminaliteti drugačna od tiste, ki nam jo predstavljajo formalni mehanizmi družbene kontrole Kriminaliteta predstavlja negativen aspekt socialnega življenja, narava in intenzivnost tega pojava pa se odražata v dojemanju oz. percepciji teže kaznivih dejanj vsakega posameznika (Stylianou, 2003). Stopnja kriminalitete nam ne omogoča vpogleda v dejansko stanje intenzivnosti kaznivih dejanj oz. realne percepcije ljudi (Wilkins, 1980). Kriminalitetno število oz. število prijavljenih kaznivih dejanj na prebivalcev je ena izmed metod, ki se najpogosteje uporablja za preučevanje gibanja kriminalitete na določenem območju (Meško, 2008). Tovrstne netehtane metode ne upoštevajo teže kaznivih dejanj oz. subjektivne ocene posameznika (Black, 1979). Spoznanja raziskav na področju zaznave teže kaznivih dejanj in načini njihovega merjenja se med seboj razlikujejo, kljub temu, da začetki preučevanja koncepta segajo že v leto V razvitejših državah metode za spremljanje kriminalitete temeljijo na sistemu kriminalitetnih indeksov, tehtanju kriminalitetnih dogodkov in na izsledkih viktimoloških raziskav (Svetek, 2006). Ravno tovrstne raziskave omogočajo natančno merjenje družbenega zaznavanja kriminalnih dogodkov, izdelavo koeficientov teže kaznivih dejanj ter indeksa kriminalitete (Kwan et al., 2000). Slovenija nima razvitega modela za spremljanje in ocenjevanje stopnje kriminalitete, s katerim bi lahko z zadostno mero gotovosti identificirali razširjenost različnih vrst kriminalnih ravnanj (Svetek, 2006). 9

10 1.1.1 Thurstonova lestvica za merjenje stališč in njena uporaba v raziskavi»a crime index with Thurstone's scaling of crime severity«thurstone je menil, da lahko dražljaje ocenjujemo le v relativnem smislu, torej primerjalno. Thurstone in Chave sta leta 1927 prva sistematično opisala metodo za zaznavo enakih intervalov in jo uporabila za lestvičenje stališč, ki ga uporabljamo še danes. Z njim dobljeno stališčno lestvico imenujemo Thurstonova lestvica (Polič et al., 2010). Do lestvičenja stališč je Thurstone prišel s pomočjo dveh metod: metodo primerjanja v parih in metodo rangiranja. Pri metodi primerjanja v parih je pomembna predvsem natančna opredelitev ocenjevanega objekta in večje število udeležencev (vsaj 25) (Polič et al., 2010). Število vseh možnih parov objektov oz. dražljajev se izračuna po formuli n (n 1) 2. Lestvičenje objektov imenujemo tudi preferenčno lestvičenje, saj se mora subjekt pri vsakem paru objektov odločiti za tistega, do katerega ima pozitivnejše stališče. Primerjave objektov je potrebno opraviti za vse možne pare (Krabbe, 2008). Metoda primerjanja v parih omogoča tudi notranje preverjanje veljavnosti. Ko respondent pri primerjanju ni konsistenten, prihaja do dveh tipov kontradikcij. Če izpraševanec trdi, da je a > b in b > a, potem pravimo, da je prišlo do direktne kontradikcije. Če pa trdi da je a > b, b > c in c > a, pa lahko rečemo, da je prišlo do krožne kontradikcije. Visoko število kontradikcij v uporabljeni raziskavi pomeni, da tovrsten model ni primeren za raziskovanje izbranega področja (Kwan et al., 2000) oz. da izpraševanci niso dovolj motivirani (Polič et al., 2010). Alternativa tovrstnemu modelu je»rank order data«, ki predpostavlja tranzitivnost: če je a > b in b > c, potem je tudi a > c. S pomočjo takega modela prav tako pridobimo podatke, primerne za Thurstonovo rangiranje, hkrati pa se izognemo večkratnemu primerjanju dveh objektov (Krabbe, 2008). Slika 1: Metoda primerjanja (vir: Krabbe, 2008) Drugo metodo, uporabno predvsem za lestvičenje primerjalnih sodb, imenujemo metoda rangiranja, ki jo uvrščamo med eno izmed najbolj praktičnih psihometričnih metod po 10

11 mnenju Poliča in sodelavcev (Polič et al., 2010). Udeležencu je potrebno predvajati n dražljajev, njegova naloga pa je, da vsakemu od teh dražljajev pripiše eno od vrednosti od 1 do n 1. Kadar je potrebno lestvičiti veliko število dražljajev, lahko metoda postane neprimerna za uporabo. Izpraševanec vsak dražljaj primerja z vsemi ostalimi, enako kot pri prej opisani metodi, s to razliko, da so vsi dražljaji predvajani naenkrat (Polič et al., 2010). Tudi pri tej metodi je potrebno veliko število subjektov (vsaj 100) in majhno število ocenjevanih objektov oz. dražljajev (od 10 do 15) (Guilford, 1954). Thurstonova metoda je predstavljala izboljšavo Clarkove metode iz leta Poleg rangiranja po vrstnem redu je omogočala tudi določitev razdalje med danima objektoma (Sweeten, 2011). V prvi raziskavi Thurstona in Chava leta 1927 je bil predstavljen matematični model (law of comparative judgment), v njej pa so merili, kakšen je odnos ljudi do religije (Krabbe, 2008). Thurstone in Chave sta za konstrukcijo lestvice stališč do cerkve uporabila 300 subjektov, ki so ocenjevali 130 trditev. V naslednjih raziskavah so odkrili, da je za konstrukcijo zanesljive lestvice število ocenjevalcev lahko tudi manjše (Polič et al., 2010). Kwan in sodelavci (2000) so v svoji študiji 2 vrednotili težo kaznivih dejanj. Izpraševancem je bil predstavljen par kaznivih dejanj, pri katerem so se morali odločiti za težjega. Na podlagi odgovorov (primerjav parov kaznivih dejanj) so sestavili tabelo, ki je vsebovala informacije o deležih. Iz teh je bilo razvidno, kolikokrat je bilo kaznivo dejanje A težje oz. lažje kot kaznivo dejanje B. Z uporabo Thurstonove metode so deleže pretvorili v vrednosti, ki so bile merjene na razmični ravni. Dobljene vrednosti so omogočile rangiranje kaznivih dejanj, hkrati pa so vsakemu kaznivemu dejanju pripisale svojo utež. Model je bil v raziskavi uporabljen predvsem zaradi enostavnosti. Kot je že omenjeno, metoda primerjanja v parih omogoča notranje preverjanje veljavnosti. V opisanem primeru ni bilo zaznati večjega števila kontradikcij, zato lahko potrdimo, da je bila metoda primerna za uporabo v tej raziskavi Zgodovina raziskav s področja merjenja teže kaznivih dejanj Začetki preučevanja percepcije teže kaznivih dejanj segajo v leto 1960 (Stylianou, 2003), prvo metodo za merjenje teže kaznivih dejanj pa sta predstavila Sellin in Wolfgang leta Trdila sta, da je na ocenjevanje teže kaznivih dejanj kot družbeni problem potrebno gledati z vidika njihove razširjenosti (stopnja kriminala), hkrati pa upoštevati tudi naravo kaznivih dejanj (viktimizacija, strošek za družbo). Definirala in aplicirala sta formalna 1 Število dražljajev 2 A crime index with Thurstone's scaling of crime severity 11

12 merila, s katerimi sta merila težo kaznivih dejanj in oblikovala lestvico kaznivih dejanj ter vsakemu aplicirala svojo težo. Njuna raziskava je zajemala 141 kaznivih dejanj, ki so jih izpraševanci ocenjevali s pomočjo dveh lestvic: intervalne (zajemala je vrednosti od ena do enajst) in razmernostne (brez zgornje meje), pri kateri je bilo potrebno primerjati težo kaznivega dejanja z uradno statistiko. Po analiziranju podatkov sta vsakemu kaznivemu dejanju pripisala njegovo lastno vrednost, tako je imel npr. umor vrednost 26, tatvina pa vrednost 1 (Sellin in Wolfgang, 1964). Njun koncept so podpirali tudi Akman in sodelavci, saj so z raziskavo v Kanadi prišla do podobnih rezultatov. Trdila sta, da na novo izračunan indeks kriminalitete in prestopništva predstavlja najboljši način za merjenje kriminalitete v državi (Akman, Normandeau in Turner, 1968). Tudi Hoffman in Hardyman (1986) sta se strinjala, da so nekatera kazniva dejanja zaznana kot težja (v primerjavi z zakoni), in predlagala, da se rezultati raziskav posredujejo snovalcem kazenskega pravosodja. Ugotovitve tovrstnih študij je podpiral tudi Stylianou (2003). Poudarjal je, da si lahko z rezultati tovrstnih statistik (izračunanih uteži vsakega kaznivega dejanja) pomagamo pri formiranju zakonodaje in nadzoru ter preučevanju kaznivih dejanj»brez žrtev«(npr. neupravičena proizvodnja in promet s prepovedanimi drogami). Z njihovo teorijo se ni strinjal Cohen (1988), ki je predlagal uporabo povprečne vrednosti stroškov določenega kaznivega dejanja kot merilo za merjenje njihove teže. Dokazal je, da obstajajo visoke korelacije med percepcijo teže ljudi in stroški kaznivega dejanja. Leta 1985 je bila predstavljena ena izmed obširnejših raziskav na področju merjenja teže kaznivih dejanj. V nacionalno raziskavo o teži kriminalitete je bilo vključenih okoli ljudi, ki so ocenjevali težo 204 kaznivih dejanj (Wolfgang, Figlio, Tracy in Singer, 1985). Novonastala študija je tako nadgradila raziskavo Sellina in Wolfganga iz leta 1964, saj je vsebovala večji nabor kaznivih dejanj in večje število ljudi, ki so sodelovali v raziskavi. Z raziskavo so želeli določiti percepcijo teže različnih vrst kaznivih dejanj na nacionalni ravni, ugotoviti vpliv religije in ostalih demografskih značilnosti na percepcijo ljudi. Fishman in sodelavci (1986) se niso strinjali s tovrstnim pristopom. Trdili so, da razvrščanje oz. ocenjevanje velikega števila kaznivih dejanj lahko predstavlja problem pri osebah s povprečno inteligenco. Parton in sodelavci pa so dodali, da je za ocenjevanje tako velikega števila kaznivih dejanj potrebna priprava vseh sodelujočih. Menili so tudi, da prihaja do prevelikega posploševanja oz. neupoštevanja različnih socialnih skupin in njihovega pogleda na težo kaznivih dejanj (Parton, Hansel in Stratton, 1991). Hansel (1987) je zagovarjal ravno nasprotno. Poudarjal je, da je teža kaznivih dejanj le ena od 10 dimenzij (nasilje, samopoškodovanje itd.), s katerimi se da ocenjevati kriminalna dejanja. V svoji študiji je ugotovil, da samo pri percepciji teže kaznivih dejanj ne prihaja do odstopanj zaradi razlik v 12

13 socialnem okolju, ki jih je bilo moč zaznati pri ostalih dimenzijah. Parton in sodelavci so se tudi spraševali, kakšni morajo biti opisi kaznivih dejanj, da bi bili rezultati študij relevantni. Poudarili so, da mora biti uporabljena metoda jasna, in zagovarjali koncept enostavnosti uporabljene metode (Parton et al., 1991). Z njimi so se strinjali tudi mnogi drugi in dodali, da morajo biti opisi kaznivih dejanj, uporabljeni v študijah, razumljivi vsem izpraševancem v enaki meri, saj so v nasprotnem primeru rezultati vprašljivi (Stylianou, 2003). Tudi Kwan in sodelavci so menili, da uporaba opisov kaznivih dejanj v raziskavah vpliva na mnenja ljudi. V raziskavi, opravljeni v Hong Kongu, so uporabili Thurstonovo lestvico za merjenje stališč, saj je bila le-ta enostavna in hitra. Študija je temeljila na primerjavi 15 kaznivih dejanj, ki niso bila podrobneje obrazložena. To je zagotavljalo, da so izpraševanci ocenjevali kazniva dejanja na podlagi lastne presoje. Vsak izpraševanec je moral opraviti primerjavo enega kaznivega dejanja z ostalimi štirinajstimi in se odločiti za tistega, za katerega je menil, da je težje. Z uporabo Thurstonove metode so tako vsakemu kaznivemu dejanju lahko pripisali svojo utež (Kwan et al., 2000). Uporabo metode primerjanja parov je podprl tudi Walker (1978) in svoje ugotovitve potrdil s testom konsistentnosti. Thurstonova lestvica je omogočila rangiranje kaznivih dejanj in izračun indeksa kriminalitete. Opravljena je bila tudi primerjava uradnih statistik z izračunanim indeksom kriminalitete. Kwan in sodelavci so se strinjali, da je indeks kriminalitete realnejši kazalec intenzivnosti kriminala kot uradne statistike, ki so lahko včasih zavajajoče (Kwan et al., 2000). Teža kriminalnih dejanj zoper življenje in telo je večja kot pri kaznivih dejanjih zoper premoženje, trdita Schrager in Short (1980). Podobne ugotovitve so bile predstavljene tudi v raziskavi Kwana in sodelavcev, kjer je umor 3 najtežje, tatvina 4 pa najlažje kaznivo dejanje po mnenju anketirancev (Kwan et al., 2000). Slika 2: Rezultati raziskave v Hong Kongu (vir: Kwan et al., 2000) 3 Na sliki označen s številko 3 4 Na sliki označena s številko 9 13

14 1.2 Namen in cilji raziskave Namen magistrske naloge je izmeriti, kakšno je dojemanje teže kaznivih dejanj v Sloveniji. S preučevanjem posameznih spremenljivk (15 tipov kaznivih ravnanj) smo skušali ugotoviti, katero je tisto kaznivo dejanje, ki ga Slovenci ocenjujemo za težjega, in katerega za lažjega. Zanimale so nas tudi razlike med dojemanjem teže kaznivih dejanj med moškimi in ženskami ter različnimi starostnimi skupinami. Cilj magistrske naloge je ugotoviti, ali res obstajajo statistično značilne razlike med dojemanjem teže kaznivih dejanj med moškimi in ženskami ter med dojemanjem teže starejše in mlajše generacije Slovencev. Izdelali smo lestvico glede na težo kaznivih dejanj, ki nam omogoča pregled težjih in lažjih kaznivih dejanj po mnenju anketirancev. Kazniva dejanja na lestvici smo primerjali s kaznijo, predpisano v kazenskem zakoniku. Nazadnje smo izračunali tudi indeks kriminalitete. 1.3 Hipoteze Hipoteza 1:»Posilstvo je težje kaznivo dejanje za ženske kakor za moške.«hipoteza 2:»Kaznivo dejanje tatvine je težje za osebe, starejše od 50 let.«hipoteza 3:»Tatvina je zaznana kot težje kaznivo dejanje kakor podkupovanje in korupcija.«hipoteza 4:»Razvrstitev kaznivih dejanj v Sloveniji se ne razlikuje od razvrstitve kaznivih dejanj v Hong Kongu.«14

15 2 Opredelitev osnovnih pojmov 2.1 Percepcija Beseda percepcija izhaja iz latinske besede»perceptio«(schacter, Gilbert in Wegner, 2011). Je čutna zaznava sveta okrog nas in vključuje prepoznavanje dražljajev iz okolja pa tudi reakcije na vpliv teh dražljajev. Skozi proces zaznavanja dobivamo informacije o stvareh iz okolja, ki jih nato interpretiramo (Kaj je percepcija, b.d.). V slovarju slovenskega knjižnega jezika je percepcija definirana kot»čutno dojemanje predmetnega sveta, zaznavanje«(sskj, 2008a). 2.2 Varnost Varnost lahko opredelimo kot stanje, v katerem je zagotovljen uravnotežen fizični, duhovni, duševni in gmotni obstoj posameznika in družbene skupnosti v razmerjih do drugih posameznikov, družbenih skupnosti in narave (Grizold, 1992). Varnost posameznika in njegovih bližnjih v okolju, kjer živijo, delajo in bivajo, je ena izmed ključnih sestavin človekove kakovosti življenja (Pečar, 1992) in je zaščita pred zunanjo in notranjo ogroženostjo (Cohen in Tuttle, 1972). Ravno zato jo nekateri uvrščajo kot dobrino takoj za fiziološkimi potrebami (Bučar, 1997). Varnost je pojem in družbeni fenomen, ki se nanaša na vse entitete, torej na posameznika in na vse organizacijske oblike združevanja in povezovanja na katerikoli ravni, v katere se vključuje (Žnidarič, 2006). 2.3 Kriminaliteta Kriminaliteta je»skupek, celota vseh izvršenih kaznivih dejanj«(sskj, 2008b), vendar lahko mednje uvrstimo le tista dejanja, ki so v Kazenskem zakoniku države opredeljena kot kazniva (Meško, 2008). Pojem kriminalitete se uporablja za skupek vseh tistih ravnanj, ki napadajo ali ogrožajo človekove temeljne vrednote (življenje in telesna nedotakljivost, premoženje, varnost), kot tudi temeljne družbene vrednote (družbena ureditev, varnost države) (Bavcon in Šelih, 2003). Je torej»celota kaznivih dejanj, izvršenih v določenem času na določenem prostoru«(slovenski veliki leksikon, 2004). 2.4 Kaznivo ravnanje in kaznivo dejanje Kazniva ravnanja so samo tista, ki jih z ustavo določeni pristojni zakonodajni in drugi državni organi po posebnih kriterijih izberejo in kot takšne določijo v ustreznih pravnih predpisih (Meško, 2008). Slovenski pravni sistem deli kazniva ravnanja na tri kategorije: disciplinski postopki, prekrški in kazniva dejanja (Bavcon, Šelih, Korošec, Ambrož in Filipčič, 2011). 15

16 Kazenski zakonik v 16. členu opredeljuje kaznivo dejanje kot»človekovo protipravno dejanje, ki ga zakon zaradi nujnega varstva pravnih vrednot določa kot kaznivo dejanje in hkrati določa njegove znake ter kazen za krivega storilca«(kazenski zakonik, 2008). Ravno predpisana kazen onemogoča samovoljo pri izbiri in odmeri kazni (Bavcon et al., 2011) Kazniva dejanja zoper življenje in telo Umor je v kazenskem zakoniku definiran v 116. členu KZ, in sicer: kdor koga umori s tem, da mu vzame življenje na grozovit ali zahrbten način; zaradi ukrepanja pri uradnih dejanjih varovanja javne varnosti ali v predkazenskem postopku ali zaradi odločitev državnih tožilcev ali zaradi postopka in odločitev sodnikov ali zaradi ovadbe ali pričanja v sodnem postopku; zaradi kršitve enakopravnosti; iz morilske sle, iz koristoljubnosti, zato da bi storil ali prikril kakšno drugo kaznivo dejanje, iz brezobzirnega maščevanja ali iz kakšnih drugih nizkotnih nagibov; z dejanjem, storjenim v hudodelski združbi za storitev takih dejanj, se kaznuje z zaporom najmanj petnajstih let (Kazenski zakonik, 2008). Huda telesna poškodba je definirana v 123. členu KZ: Kdor koga tako telesno poškoduje ali mu prizadene tako škodo na zdravju, da bi bilo lahko zaradi tega v nevarnosti življenje poškodovanca, ali je uničen ali za vselej in znatno oslabljen kakšen del njegovega telesa ali kak organ ali je začasno in znatno oslabljen pomemben del telesa ali pomemben organ ali je zaradi tega poškodovani začasno nezmožen za vsakršno delo ali je njegova zmožnost za delo za vselej zmanjšana ali je bila začasno precej zmanjšana ali je bil začasno skažen ali mu je začasno hudo ali za vselej v manjši meri okvarjeno zdravje, se kaznuje z zaporom od šestih mesecev do petih let. Če poškodovani zaradi poškodbe iz prejšnjega odstavka umre, se storilec kaznuje z zaporom od enega do desetih let. Kdor stori dejanje iz prvega odstavka tega člena iz malomarnosti, se kaznuje z zaporom do dveh let. Če je storilec dejanje iz prvega ali drugega odstavka tega člena storil na mah, ker ga je poškodovanec brez njegove krivde z napadom ali hudimi žalitvami močno razdražil, se kaznuje z zaporom do treh let (Kazenski zakonik, 2008). 16

17 2.4.2 Kazniva dejanja zoper spolno nedotakljivost Posilstvo je definirano v 170. členu KZ: Kdor prisili osebo drugega ali istega spola k spolnemu občevanju ali z njim izenačenim spolnim ravnanjem, tako da uporabi silo ali zagrozi z neposrednim napadom na življenje in telo, se kaznuje z zaporom od enega do desetih let. Če je dejanje iz prejšnjega odstavka storjeno grozovito ali posebno poniževalno ali če je dejanje storilo več oseb zaporedoma ali nad obsojenci ali drugimi osebami, ki jim je vzeta prostost, se storilec kaznuje z zaporom od treh do petnajstih let. Kdor prisili osebo drugega ali istega spola k spolnemu občevanju ali z njim izenačenem spolnemu ravnanju, tako da ji zagrozi, da bo o njej ali njenih bližnjih odkril, kar bi škodovalo njeni ali njihovi časti ali dobremu imenu, ali da bo njej ali njenim bližnjim povzročil veliko premoženjsko škodo, se kaznuje z zaporom od šestih mesecev do petih let. Če sta bili dejanji iz prvega ali tretjega odstavka tega člena storjeni proti osebi, s katero storilec živi v zakonski, zunajzakonski skupnosti ali registrirani istospolni skupnosti, se pregon začne na predlog (Kazenski zakonik, 2008). Spolno nasilje je definirano v 171. členu KZ: Kdor uporabi silo ali zagrozi osebi drugega ali istega spola z neposrednim napadom na življenje ali telo in jo tako prisili, da stori ali trpi kakšno spolno dejanje, ki ni zajeto v prejšnjem členu, se kaznuje z zaporom od šestih mesecev do desetih let. Če je dejanje iz prejšnjega odstavka storjeno grozovito ali posebno poniževalno ali če je dejanje storilo več oseb zaporedoma ali nad obsojenci ali drugimi osebami, ki jim je vzeta prostost, se kaznuje z zaporom od treh do petnajstih let. Kdor osebo drugega ali istega spola prisili, da stori ali trpi kakšno spolno dejanje iz prvega odstavka tega člena, tako da ji zagrozi, da bo o njej ali njenih bližnjih odkril, kar bi škodovalo njeni ali njihovi časti ali dobremu imenu, ali da bo njej ali njenim bližnjim povzročil veliko premoženjsko škodo, se kaznuje z zaporom do petih let. Če sta bili dejanji iz prvega ali tretjega odstavka tega člena storjeni proti osebi, s katero storilec ali storilka živi v zakonski, zunajzakonski skupnosti ali registrirani istospolni partnerski skupnosti, se pregon začne na predlog (Kazenski zakonik, 2008) Kazniva dejanja zoper človekovo zdravje Neupravičena proizvodnja in promet s prepovedanimi drogami, nedovoljenimi snovmi v športu in predhodnimi sestavinami za izdelavo prepovedanih drog je definirana v 186. členu KZ: 17

18 Kdor neupravičeno proizvaja, predeluje, prodaja ali ponuja naprodaj ali zaradi prodaje kupuje, hrani ali prenaša ali posreduje pri prodaji ali nakupu ali kako drugače neupravičeno daje v promet rastline ali substance, ki so razvrščene kot prepovedane droge ali nedovoljene snovi v športu, ali predhodne sestavine, ki se uporabljajo za izdelavo prepovedanih drog, se kaznuje z zaporom od enega do desetih let. Kdor prodaja, ponuja na prodaj ali brezplačno deli prepovedano drogo ali predhodno sestavino za izdelavo prepovedanih drog mladoletni osebi, duševno bolni osebi, osebi z začasno duševno motnjo, hujšo duševno zaostalostjo ali osebi, ki je v postopku odvajanja od odvisnosti ali rehabilitacije ali če stori dejanje v vzgojnih ali izobraževalnih ustanovah ali v njihovi neposredni bližini, v zaporih, v vojaških enotah, v javnih lokalih ali na javnih prireditvah, ali stori dejanje iz prvega odstavka javni uslužbenec, duhovnik, zdravnik, socialni delavec, učitelj ali vzgojitelj in pri tem izkorišča svoj položaj ali kdor za izvrševanje omenjenega dejanja uporablja mladoletne osebe, se kaznuje z zaporom od treh do petnajstih let. Če je dejanje iz prvega in drugega odstavka storjeno v hudodelski združbi za izvedbo takih dejanj, ali če je storilec tega dejanja organiziral mrežo prekupčevalcev ali posrednikov, se kaznuje z zaporom od petih do petnajstih let. Kdor brez pooblastila izdeluje, nabavlja, ima ali daje v uporabo opremo, snovi ali predhodne sestavine, za katere ve, da so namenjene za izdelavo prepovedanih drog ali nedovoljenih snovi v športu, se kaznuje z zaporom od šestih mesecev do petih let. Prepovedane droge ali nedovoljene snovi v športu in sredstva za njihovo izdelovanje ter prevozna sredstva, uporabljena za prevoz in hrambo drog ali nedovoljenih snovi v športu, se vzamejo (Kazenski zakonik, 2008) Kazniva dejanja zoper premoženje Tatvina je definirana v 204. členu KZ: Kdor vzame komu tujo premično stvar, da bi si jo protipravno prilastil, se kaznuje z zaporom do treh let. Če je vrednost ukradene stvari majhna in si je storilec hotel prilastiti stvar take vrednosti, se kaznuje z denarno kaznijo ali zaporom do enega leta. Pregon za dejanje iz prejšnjega odstavka se začne na predlog. Če je storilec vrnil oškodovancu ukradeno stvar, preden je zvedel, da je uveden kazenski postopek, se mu sme kazen odpustiti (Kazenski zakonik, 2008). 18

19 Velika tatvina je definirana v 205. členu KZ: Storilec tatvine iz prvega odstavka prejšnjega člena se kaznuje z zaporom do petih let: o če je storil tatvino tako, da je z vlomom, vdorom ali drugačnim premagovanjem večjih ovir prišel v zaprto stavbo, sobo, blagajno, omaro ali druge zaprte prostore; o če sta storili tatvino dve ali več oseb, ki so se združile zato, da bi kradle; o če je storil tatvino na posebno predrzen način; o če je imel pri sebi kakšno orožje ali nevarno orodje za napad ali obrambo; o če je storil tatvino ob požaru, povodnji ali podobni naravni nesreči; o če je storil tatvino tako, da je izrabil nemoč ali nesrečo drugega. Enako se kaznuje storilec tatvine, če je ukradena stvar posebnega kulturnega pomena ali naravna vrednota ali če je ukradena stvar velike vrednosti in si je storilec hotel prilastiti tako stvar ali stvar take vrednosti. Če je bila z dejanjem iz prvega odstavka tega člena pridobljena stvar posebnega kulturnega pomena ali stvar velike vrednosti in si je storilec hotel prilastiti tako stvar ali stvar take vrednosti ali če je bilo dejanje iz drugega odstavka tega člena storjeno v hudodelski združbi, se kaznuje z zaporom od enega do osmih let (Kazenski zakonik, 2008). Rop je definiran v 206. členu KZ: Kdor vzame tujo premično stvar, da bi si jo protipravno prilastil, tako da uporabi silo zoper kakšno osebo ali ji zagrozi z neposrednim napadom na življenje ali telo, se kaznuje z zaporom od enega do desetih let. Če sta storili rop dve ali več oseb, ki so se združile zato, da bi ropale, ali če je vrednost ukradene stvari velika in si je storilec hotel prilastiti stvar take vrednosti, se storilec kaznuje z zaporom od treh do petnajstih let. Če je bilo dejanje iz prvega ali drugega odstavka tega člena storjeno v hudodelski združbi, se storilec kaznuje z zaporom od petih do petnajstih let (Kazenski zakonik, 2008). Roparska tatvina je definirana v 207. členu KZ: Kdor je zaloten pri tatvini, pa zato, da bi ukradeno stvar obdržal, uporabi proti komu silo ali mu zagrozi z neposrednim napadom na življenje ali telo, se kaznuje z zaporom od enega do desetih let. 19

20 Če je vrednost ukradene stvari velika in si je storilec hotel prilastiti stvar take vrednosti, se kaznuje z zaporom od treh do petnajstih let (Kazenski zakonik, 2008). Goljufija je definirana v 211. členu KZ: Kdor, zato da bi sebi ali komu drugemu pridobil protipravno premoženjsko korist, spravi koga z lažnivim prikazovanjem ali prikrivanjem dejanskih okoliščin v zmoto ali ga pusti v zmoti in ga s tem zapelje, da ta v škodo svojega ali tujega premoženja kaj stori ali opusti, se kaznuje z zaporom do treh let. Kdor z namenom iz prejšnjega odstavka tega člena v zavarovalništvu ob sklenitvi pogodbe navede lažne podatke ali zamolči pomembne podatke, sklene prepovedano dvojno zavarovanje ali sklene zavarovalno pogodbo potem, ko je zavarovalni ali škodni primer že nastopil, ali lažno prikaže škodni dogodek, se kaznuje z zaporom do enega leta. Če sta goljufijo storili dve ali več oseb, ki so se združile zato, da bi goljufale, ali če je storilec z dejanjem iz prvega odstavka tega člena povzročil veliko premoženjsko škodo, se storilec kaznuje z zaporom od enega do osmih let. Če je bilo dejanje iz prvega ali tretjega odstavka tega člena storjeno v hudodelski združbi, se storilec kaznuje z zaporom od enega do desetih let. Če je z dejanjem iz prvega odstavka tega člena povzročena majhna premoženjska škoda in je storilec hotel pridobiti majhno premoženjsko korist, se kaznuje z denarno kaznijo ali zaporom do enega leta. Kdor, zato da bi drugega oškodoval, spravi koga z lažnim prikazovanjem ali prikrivanjem dejanskih okoliščin v zmoto ali ga pusti v zmoti in ga s tem zapelje, da ta v škodo svojega ali tujega premoženja kaj stori ali opusti, se kaznuje z denarno kaznijo ali zaporom do enega leta. Pregon za dejanje iz petega in šestega odstavka tega člena se začne na predlog (Kazenski zakonik, 2008). Izsiljevanje je definirano v 213. členu KZ: Kdor, zato da bi sebi ali komu drugemu pridobil protipravno premoženjsko korist, s silo ali resno grožnjo koga prisili, da kaj stori ali opusti v škodo svojega ali tujega premoženja, se kaznuje z zaporom do petih let. Enako se kaznuje, kdor, zato da bi sebi ali komu drugemu pridobil protipravno premoženjsko korist, komu zagrozi, da bo o njem ali njegovih bližnjih odkril kaj, kar bi škodovalo njihovi časti ali dobremu imenu, in ga s tem prisili, da v škodo svojega ali tujega premoženja kaj stori ali opusti. 20

21 Če dejanje iz prvega ali drugega odstavka tega člena storita dve ali več oseb ali če je storjeno z uporabo orožja ali nevarnega orodja ali na posebej surov in poniževalen način, se storilec kaznuje z zaporom od enega do osmih let. Če je bilo dejanje iz prejšnjih odstavkov storjeno v hudodelski združbi, se storilec kaznuje z zaporom od enega do desetih let (Kazenski zakonik, 2008). Poškodovanje tuje stvari je definirano v 220. členu KZ: Kdor tujo stvar poškoduje, uniči ali napravi neuporabno, se kaznuje z denarno kaznijo ali zaporom do dveh let. Če je povzročena škoda velika, se storilec kaznuje z zaporom do petih let. Pregon za dejanje iz prvega odstavka tega člena se začne na predlog (Kazenski zakonik, 2008) Kazniva dejanja zoper javni red in mir Javno spodbujanje sovraštva, nasilja ali nestrpnosti je definirano v 297. členu: Kdor javno spodbuja ali razpihuje narodnostno, rasno, versko ali drugo sovraštvo, razdor ali nestrpnost, ali spodbuja k drugi neenakopravnosti zaradi telesnih ali duševnih pomanjkljivosti ali spolne usmerjenosti, se kaznuje z zaporom do dveh let. Enako se kaznuje, kdor javno širi ideje o večvrednosti ene rase nad drugo ali daje kakršnokoli pomoč pri rasistični dejavnosti ali zanika, zmanjšuje pomen, odobrava, omalovažuje, smeši ali zagovarja genocid, holokavst, hudodelstvo zoper človečnost, vojno hudodelstvo, agresijo ali druga kazniva dejanja zoper človečnost. Če je dejanje iz prejšnjih odstavkov storjeno z objavo v sredstvih javnega obveščanja, se kaznuje tudi urednik oziroma tisti, ki ga je nadomeščal, s kaznijo iz prvega ali drugega odstavka tega člena, razen če je šlo za prenos oddaje v živo in dejanj iz prejšnjih odstavkov ni mogel preprečiti. Če je dejanje iz prvega ali drugega odstavka tega člena storjeno s prisilo, grdim ravnanjem, ogrožanjem varnosti, sramotitvijo narodnostnih, narodnih ali verskih simbolov, poškodovanjem tujih stvari, skrunitvijo spomenikov, spominskih znamenj ali grobov, se storilec kaznuje z zaporom do treh let. Če stori dejanja iz prvega ali drugega odstavka tega člena uradna oseba z zlorabo uradnega položaja ali pravic, se kaznuje z zaporom do petih let. Sredstva in predmeti s sporočili iz prvega odstavka tega člena, pa tudi pripomočki, namenjeni za njihovo izdelovanje, razmnoževanje in razpečevanje, se vzamejo ali se njihova uporaba ustrezno onemogoči (Kazenski zakonik, 2008). 21

22 Nedovoljena proizvodnja in promet orožja ali eksploziva je definirana v 307. členu KZ: Kdor protipravno izdela, pridobi, ponuja, proda, hrani, menja, vnese v državo ali iznese iz nje strelno, kemično, biološko ali jedrsko orožje, strelivo ali eksploziv ali vojaško orožje in vojaško opremo, katerih promet posameznikom ni dovoljen ali je omejen, ali pri tem posreduje, se kaznuje z zaporom od šestih mesecev do petih let. Če gre pri dejanju iz prejšnjega odstavka za orožje, strelivo ali eksplozivne snovi ali kakšno drugo bojno sredstvo v veliki količini ali vrednosti ali pomeni nevarnost ali če je dejanje storjeno v hudodelski združbi, se storilec kaznuje z zaporom od enega do desetih let. Če gre pri dejanju iz prvega odstavka tega člena za posamezno strelno orožje ali manjšo količino streliva za tako orožje, se storilec kaznuje z zaporom do enega leta. Enako kot v prejšnjem odstavku se kaznuje, kdor ponareja ali nedovoljeno uničuje, odstranjuje ali spreminja oznake na strelnem orožju. Kdor protipravno izdela, pridobi, hrani, proda, menja, vnese v državo ali iznese iz nje sestavne oziroma rezervne dele orožja, streliva, eksploziva ali vojaškega orožja in vojaške opreme, snov ali sestavine, za katere ve, da bodo uporabljene za proizvodnjo ali delovanje predmetov iz prejšnjih odstavkov, ali pri tem posreduje, se kaznuje z zaporom do petih let (Kazenski zakonik, 2008) Korupcija Zakon o integriteti in preprečevanju korupcije (2010) korupcijo definira kot»vsako kršitev dolžnega ravnanja uradnih in odgovornih oseb v javnem ali zasebnem sektorju, kot tudi ravnanje oseb, ki so pobudniki kršitev, ali oseb, ki se s kršitvijo lahko okoristijo, zaradi neposredno ali posredno obljubljene, ponujene ali dane oziroma zahtevane, sprejete ali pričakovane koristi zase ali za drugega«. 2.5 Uradna statistika kriminalitete Primarni namen zbiranja in evidentiranja podatkov o kaznivih dejanjih je preiskovanje kaznivih dejanj (Brvar, 2013). V Sloveniji imamo več virov podatkov za uradno statistiko s področja kriminalitete. Poleg statistike državnega tožilstva, ministrstva za pravosodje in uprave Republike Slovenije za izvrševanje kazenskih sankcij je glavni vir podatkov o kriminaliteti uradna policijska statistika. Le-ta pa je po mnenju Meška (2008) dokaj nezanesljiv vir podatkov o kriminaliteti, poleg tega pa ne vsebuje kaznivih dejanj otrok ter ne zajema kaznivih dejanj v cestnem prometu (Lukan in Kolenc, 2010). Z Meškom se strinja tudi Skogan (1975), ki dodaja, da je vsaka statistika sestavljena iz delno resničnih podatkov in dela napak. Te napake je moč pripisovati predvsem nepripravljenosti žrtve, da bi prijavila 22

23 kaznivo dejanje (Masters in Roberson, 1990), Meško (2008) dodaja, da so težave še druge. V ospredje postavlja predvsem točnost posredovanih podatkov in nizko stopnjo preiskanosti kriminalitete belega ovratnika. Podobno menita tudi Ferme in Kebe (2012), ki pomanjkljivosti uradne statistike kriminalitete pripisujeta tudi dejavnikom temnega polja kriminalitete, spremembam v zakonodaji in na splošno nezaupanju v delo policije in ostalih državnih organov. Problem je zagotovo tudi v tem, da sta statistiki obtoženih in obsojenih oseb ter tistih na prestajanju zaporne kazni ločeni. Ne obstaja torej enovitega sistema, ki bi med seboj povezal vse statistike kriminalitete na državni ravni (Brvar, 2013). Najpogostejši način za izračun oz. vpogled v trende kriminalitete, ki ga uporablja kar nekaj držav, predstavlja količnik kriminalitete (Brvar, 2013). Meško (2008) in Brvar (2013) poudarjata, da se ga izračunava za najpogostejša kazniva dejanja: umor, hujši telesni napad, posilstvo oz. spolni napad, tatvina, vlom, rop, tatvina motornega vozila in požig. 23

24 3 Raziskovalni del V tem poglavju bomo v»metodah«opisali način zbiranja podatkov, s pomočjo katerih smo izbranim kaznivih dejanjem pripisali ustrezno težo in izračunali indeks kriminalitete. 3.1 Metode Populacija in vzorec Ker smo želeli izmeriti težo kaznivih dejanj v Sloveniji, so ciljna populacija raziskave državljani republike Slovenije, starejši od 16 let. Predvidevali smo, da osebe, mlajše od 16 let, ne bodo ustrezno razumele vseh kaznivih dejanj, ki bi jih morale primerjati Zbiranje podatkov Raziskavo o percepciji teže kaznivih dejanj smo izvedli s pomočjo kvantitativne metode raziskovanja družboslovnih pojavov anketiranja. Podatke smo zbirali s pomočjo vprašalnika, ki smo ga vnesli na spletno stran in ga preko a, forumov in socialnih omrežij poslali prijateljem in znancem, ki imajo stalno prebivališče v Sloveniji, poleg tega pa smo prijatelje in znance zaprosili, da anketo posredujejo svojim znancem. Anketiranje smo izvedli tudi s študenti in profesorji Fakultete za varnostne vede. Zajeti vzorec tako predstavljajo državljani republike Slovenije, le-ta pa ni slučajen, saj enote populacije niso imele enakih možnosti, da bi bile izbrane Opis vprašalnika Vsebinski del vprašalnika je vseboval 229 vprašanj (214 spremenljivk). V anketi smo primerjali vse možne pare 15 tipologij kaznivih ravnanj 5, tako smo vsako kaznivo ravnanje (oz. par) primerjali z ostalimi 14. Vse možne primerjave smo razporedili v pet enakih sklopov in tako izoblikovali pet tipov vprašalnika. Spletno programsko orodje za anketiranje 1ka nam je omogočilo enakomerno porazdelitev vseh petih tipov vprašalnika med vse izpraševance. Vsak izpraševanec je odgovoril na 42 vprašanj in s tem opravil 42 primerjav: pri vsakem vprašanju se je odločil za tisto kaznivo ravnanje, ki je bilo po njegovem mnenju težje med dvema ponujenima v primerjavo. 5 V treh primerih sestavljene iz para kaznivih ravnanj 24

25 Kazniva ravnanja, ki smo jih med seboj primerjali so naslednja: posilstvo, spolno nasilje, umor, fizični napad, rop, grožnje in izsiljevanje, roparska tatvina, vlom, tatvina, goljufije in ponarejanja, neupravičena proizvodnja in promet s prepovedanimi drogami, poškodovanje tuje stvari, nedovoljena posest orožja, javno spodbujanje sovraštva, nasilja in nestrpnosti ter podkupovanje in korupcija. Vprašalnik, ki smo ga sestavili, temelji na vprašalniku, ki je uporabljen v raziskavi Kwana in sodelavcev leta 2000 z naslovom»a crime index with Thurstone's scaling of crime severity«. Na koncu vprašalnika so še demografska vprašanja (priloga 1) Umestitev uporabljenih kaznivih ravnanj v izbrana kazniva dejanja Naša magistrska naloga temelji na raziskavi Kwana in sodelavcev iz leta V njihovi raziskavi je bil uporabljen Thurstonov model za merjenje stališč, pri katerem so izpraševancem v primerjavo ponudili 15 tipov kaznivih dejanj. Zakoni so v vsaki državi drugačni, tudi kar zadeva opredeljevanje kaznivih dejanj ali prekrškov. Želeli smo, da so kazniva dejanja (v našem primeru kazniva ravnanja) v naši raziskavi enaka tistim, ki so bila uporabljena v Hong Kongu, zato smo v našem vprašalniku uporabili njihov dobesedni prevod. Ker se npr.»nedovoljena posest orožja«v Slovenski zakonodaji smatra za prekršek, smo izbrana kazniva ravnanja umestili v izbrana kazniva dejanja, opredeljena v kazenskem zakoniku oz. zakonu o preprečevanju korupcije. Izbrali smo tista kazniva dejanja, ki smo jih smatrali za najboljši približek tistih, ki so bili uporabljeni v raziskavi Kwana in sodelavcev. V primeru, ko bi bilo lahko kaznivo dejanje opredeljeno po več točkah zakona, smo se odločili za izbiro enega določenega kaznivega dejanja. V primerjavo smo izpraševancem ponudili tudi 15 tipologij kaznivih ravnanj, ki so bile v treh primerih sestavljene iz para kaznivih ravnanj: grožnje in izsiljevanje, goljufije in ponarejanja ter podkupovanje in korupcija. Pri vsakem izmed parov smo izbrali tisto, ki je dobesedno opredeljeno v kazenskem zakoniku. V primeru podkupovanja in korupcije pa bomo izbrali korupcijo, ki jo bomo definirali s pomočjo zakona o integriteti in preprečevanju korupcije. Vse umestitve kaznivih dejanj so prikazane v tabeli 1. 25

26 Tabela 1: Umestitev kaznivih dejanj 15 kaznivih ravnanj 6 uporabljenih v raziskavi Umestitev kaznivih ravnanj v izbrana kazniva dejanja 1. Posilstvo Posilstvo, 170. člen KZ 2. Spolno nasilje Spolno nasilje, 171. člen KZ 3. Umor Umor, 116. člen KZ 4. Fizični napad Huda telesna poškodba, 123. člen KZ 5. Rop Rop, 206. člen KZ 6. Grožnje in izsiljevanje Izsiljevanje, 213. člen KZ 7. Roparska tatvina Roparska tatvina, 207. člen KZ 8. Vlom Velika tatvina, 205. člen KZ 9. Tatvina Tatvina, 204. člen KZ 10. Goljufije in ponarejanja Goljufija, 211. člen KZ 11. Neupravičena proizvodnja in promet s prepovedanimi drogami Neupravičena proizvodnja in promet s prepovedanimi drogami, 186. člen KZ 12. Poškodovanje tuje stvari Poškodovanje tuje stvari, 220. člen KZ 13. Nedovoljena posest orožja Nedovoljena proizvodnja in promet orožja ali eksploziva, 307. člen KZ 14. Javno spodbujanje sovraštva, nasilja in nestrpnosti Javno spodbujanje sovraštva, nasilja in nestrpnosti, 297. člen KZ 15. Podkupovanje in korupcija Korupcija, ZintPK 3.2 Rezultati Opisne statistike Predstavitev vzorca bomo začeli s statistiko spremenljivke "spol", ki smo jo v SPSS-u pridobili z naslednjim ukazom: Analyze/Descriptive statistics/frequencies. Iz tabele 2 je razvidno, da je na vprašanje o spolu odgovorilo 290 od 331 izpraševancev. Od tega je bilo 98 (29,6 %) moških in 192 (58 %) žensk. 6 V treh primerih sestavljene iz para kaznivih ravnanj 26

27 Tabela 2: Opisne statistike - spol Frekvence Relativne frekvence Veljavne Kumulativne relativne relativne frekvence frekvence moški 98 29,6 33,8 33,8 Veljavni ženski ,0 66,2 100,0 Total ,6 100,0 Manjkajoči ,4 Skupno ,0 Iz tabele 3 je razvidno, da je na vprašanje o starosti odgovorilo 290 izpraševancev. Povprečna starost izpraševancev je bila 30,6 let, najstarejši izpraševanec je imel 87, najmlajši pa 16 let. Vrednosti statistik modus 21, mediana 26 in povprečje 30 let kažejo na desno asimetričnost spremenljivke starost, kar je glede na večinsko sodelovanje študentov razumljivo. Tabela 3: Opisne statistike - starost Veljavni 290 N Manjkajoči 41 Povprečje 30,63 Mediana 26,00 Modus 21 Minimum 16 Maksimum 87 Na vprašanje o izobrazbi je odgovorilo 290 izpraševancev. V tabeli 4 je prikazana izobrazbena struktura izpraševancev. Največ izpraševancev je imelo srednješolsko izobrazbo (39,3 %), sledijo izpraševanci z univerzitetno oz. visoko strokovno izobrazbo (28,1 %), najmanj pa je tistih z osnovnošolsko izobrazbo (4,2 %). 27

28 Tabela 4: Opisne statistike - izobrazba Frekvence Veljavne Kumulativne Relativne relativne relativne frekvence frekvence frekvence Osnovna šola 14 4,2 4,8 4,8 Srednja šola ,3 44,8 49,7 Višja strokovna izobrazba / 25 7,6 8,6 58,3 višješolska izobrazba Veljavni Univerzitetna 93 28,1 32,1 90,3 izobrazba/visoka strokovna izobrazba Magisterij / doktorat 28 8,5 9,7 100,0 Total ,6 100,0 Manjkajoči ,4 Skupno , Zanesljivost vprašalnika Zanesljivost vprašalnika smo preverili s pomočjo vrednosti Cronbachovega koeficienta alfa, ki meri zanesljivost na osnovi korelacij med spremenljivkami. Vrednost koeficienta zanesljivosti alfa nad 0,8 pomeni visoko zanesljivost, vrednosti od 0,6 do 0,8 srednjo zanesljivost in vrednosti pod 0,6 nizko zanesljivost (Šifrer in Bren, 2011). Test zanesljivosti vprašalnika preverimo z Analyze/Scale/Reliability analysis. Kot je že omenjeno zgoraj, smo zaradi velikega števila spremenljivk, izoblikovali pet tipov vprašalnika, ki so bili enakomerno porazdeljeni med vse izpraševance. Ker testa zanesljivosti ne moremo izračunati s tolikšnimi spremenljivkami, smo zanesljivost preverili za vsak tip vprašalnika posebej (pri vsakem smo izbrali 30 spremenljivk). Tabela 5: Cronbachov koeficient alfa Tip vprašalnika Cronbachov koeficient α Število spremenljivk 1. tip vprašalnika 0, tip vprašalnika 0, tip vprašalnika 0, tip vprašalnika 0, tip vprašalnika 0, Povprečje 0,

29 Iz tabele 5 je razvidno, da je vrednost Cronbachovega koeficienta alfa pri vsakem tipu vprašalnika večja od 0,8. To pomeni, da je ta del vprašalnika visoko zanesljiv. Izračunali smo tudi povprečje Crobachovega koeficienta alfa, ki znaša 0, Rangi kaznivih dejanj V raziskavi je bil uporabljen Thurstonov model za merjenje stališč. Na podlagi odgovorov ankete, ki so temeljili na primerjavah vseh možnih parov 15 tipologij kaznivih ravnanj, smo sestavili tabelo 6 (matrika P), ki vsebuje informacije o deležih. Vrednosti nad diagonalo so deleži anketiranih, ki so KD A ocenili kot težje od KD B, vrednosti pod diagonalo pa obratno deleži anketiranih, ki so KD B ocenili kot težje od KD A, zato so vsote glede na diagonalo simetrično ležečih deležev enake ena. Vrednosti deležev so med 0 in 1, vrednosti pri primerjanju kaznivega ravnanja s samim seboj so zato enake 0,5 (diagonalne vrednosti). Ker se je vsak par kaznivih ravnanj v anketi pojavil dvakrat (v anketi smo torej opravili 210 primerjav), smo morali za izračun deležev sprva združiti po dva para enakih kaznivih ravnanj, in tako dobili 105 parov. Nato smo sešteli odgovore pri vsakem paru kaznivih ravnanj in izračunali deleže. Deleže smo predstavili v matriki P (tabela 6). Zadnja vrstica v tej matriki vsebuje stolpčne vsote. Te vrednosti nam že dajo vpogled v zaznano težo izbranih kaznivih dejanj. Transformacijsko matriko X (tabela 7) nato sestavimo tako, da kazniva dejanja v stolpcih uredimo po naraščajočem vrstnem redu glede na vrednosti v zadnji vrstici matrike P. Števila v celicah matrike X predstavljajo odstopanja v standardizirani normalni porazdelitvi glede na deleže v matriki P. Pri tistih primerjavah, kjer je bila vrednost v matriki P enaka 1 (vsi izpraševanci dojemajo kaznivo dejanje A hujše kot kaznivo dejanje B) ali 0 (vsi izpraševanci dojemajo kaznivo dejanje A lažje kot kaznivo dejanje B), normalizirane vrednosti ne obstajajo (prazna polja v matriki X). Naslednji korak v Thurstonovi metodi je ocenjevanje razlik v dojemanju teže dveh sosednjih kaznivih ravnanj, torej v našem primeru med 3 in 1, 1 in 2, 2 in 4 itd. To smo storili tako, da smo vrednosti sosednjih kaznivih ravnanj v matriki X v vsaki vrstici med seboj odšteli. Izračunane vrednosti smo predstavili v tabeli 8 (matrika D). V matriki D smo poleg razlik med sosednjima kaznivima ravnanjema izračunali tudi seštevek vrednosti in povprečje vrednosti vsakega stolpca. S tem smo dobili vrednosti, ki smo jih predstavili v tabeli 8. S pomočjo izračunanih povprečnih vrednosti lahko ugotavljamo, kakšne so razlike med posameznimi kaznivimi ravnanji npr. če je s 9»osnovna vrednost«kaznivega ravnanja 9, potem je»osnovna vrednost«(sosednjega) kaznivega ravnanja 12 enaka s 12 = s 9 + 0,109 itd. 29

Multipla korelacija in regresija. Multipla regresija, multipla korelacija, statistično zaključevanje o multiplem R

Multipla korelacija in regresija. Multipla regresija, multipla korelacija, statistično zaključevanje o multiplem R Multipla koelacia in egesia Multipla egesia, multipla koelacia, statistično zaklučevane o multiplem Multipla egesia osnovni model in ačunane paametov Z multiplo egesio napoveduemo vednost kiteia (odvisne

More information

Attempt to prepare seasonal weather outlook for Slovenia

Attempt to prepare seasonal weather outlook for Slovenia Attempt to prepare seasonal weather outlook for Slovenia Main available sources (ECMWF, EUROSIP, IRI, CPC.NCEP.NOAA,..) Two parameters (T and RR anomally) Textual information ( Met Office like ) Issued

More information

OPTIMIRANJE IZDELOVALNIH PROCESOV

OPTIMIRANJE IZDELOVALNIH PROCESOV OPTIMIRANJE IZDELOVALNIH PROCESOV asist. Damir GRGURAŠ, mag. inž. str izr. prof. dr. Davorin KRAMAR damir.grguras@fs.uni-lj.si Namen vaje: Ugotoviti/določiti optimalne parametre pri struženju za dosego

More information

Reševanje problemov in algoritmi

Reševanje problemov in algoritmi Reševanje problemov in algoritmi Vhod Algoritem Izhod Kaj bomo spoznali Zgodovina algoritmov. Primeri algoritmov. Algoritmi in programi. Kaj je algoritem? Algoritem je postopek, kako korak za korakom rešimo

More information

UMESTITEV EKOLOŠKIH RAZISKAV MED OSTALE VRSTE RAZISKAV

UMESTITEV EKOLOŠKIH RAZISKAV MED OSTALE VRSTE RAZISKAV EKOLOŠKE RAZISKAVE UMESTITEV EKOLOŠKIH RAZISKAV MED OSTALE VRSTE RAZISKAV EPIDEMIOLOŠKE OPAZOVALNE RAZISKAVE NA AGREGIRANIH PODATKIH EKOLOŠKE RAZISKAVE populacija POPULACIJSKE EKSPERIMENTALNE RAZISKAVE

More information

ENAČBA STANJA VODE IN VODNE PARE

ENAČBA STANJA VODE IN VODNE PARE ENAČBA STANJA VODE IN VODNE PARE SEMINARSKA NALOGA PRI PREDMETU JEDRSKA TEHNIKA IN ENERGETIKA TAMARA STOJANOV MENTOR: IZRED. PROF. DR. IZTOK TISELJ NOVEMBER 2011 Enačba stanja idealni plin: pv = RT p tlak,

More information

UČNI NAČRT PREDMETA / COURSE SYLLABUS. Študijska smer Study field. Samost. delo Individ. work Klinične vaje work

UČNI NAČRT PREDMETA / COURSE SYLLABUS. Študijska smer Study field. Samost. delo Individ. work Klinične vaje work Predmet: Course title: UČNI NAČRT PREDMETA / COURSE SYLLABUS Statistika Statistics Študijski program in stopnja Study programme and level Univerzitetni študijski program Matematika First cycle academic

More information

Cveto Trampuž PRIMERJAVA ANALIZE VEČRAZSEŽNIH TABEL Z RAZLIČNIMI MODELI REGRESIJSKE ANALIZE DIHOTOMNIH SPREMENLJIVK

Cveto Trampuž PRIMERJAVA ANALIZE VEČRAZSEŽNIH TABEL Z RAZLIČNIMI MODELI REGRESIJSKE ANALIZE DIHOTOMNIH SPREMENLJIVK Cveto Trampuž PRIMERJAVA ANALIZE VEČRAZSEŽNIH TABEL Z RAZLIČNIMI MODELI REGRESIJSKE ANALIZE DIHOTOMNIH SPREMENLJIVK POVZETEK. Namen tega dela je prikazati osnove razlik, ki lahko nastanejo pri interpretaciji

More information

ENERGY AND MASS SPECTROSCOPY OF IONS AND NEUTRALS IN COLD PLASMA

ENERGY AND MASS SPECTROSCOPY OF IONS AND NEUTRALS IN COLD PLASMA UDK621.3:(53+54+621 +66), ISSN0352-9045 Informaclje MIDEM 3~(~UU8)4, Ljubljana ENERGY AND MASS SPECTROSCOPY OF IONS AND NEUTRALS IN COLD PLASMA Marijan Macek 1,2* Miha Cekada 2 1 University of Ljubljana,

More information

modeli regresijske analize nominalnih spremenljivk

modeli regresijske analize nominalnih spremenljivk modeli regresijske analize nominalnih spremenljivk Cveto Trampuž An Illustrative Comparison Logit Analysis with Dummy Variable Regression Analysis. Two different regression models in which the dependent

More information

Statistika 2 z računalniško analizo podatkov

Statistika 2 z računalniško analizo podatkov Statistika 2 z računalniško analizo podatkov Bivariatne analize 1 V Statistične analize v SPSS-ju V.4 Bivariatne analize Analyze - Descriptive statistics - Crosstabs Analyze Correlate Bivariate Analyze

More information

OA07 ANNEX 4: SCOPE OF ACCREDITATION IN CALIBRATION

OA07 ANNEX 4: SCOPE OF ACCREDITATION IN CALIBRATION OA07 ANNEX 4: SCOPE OF ACCREDITATION IN CALIBRATION Table of contents 1 TECHNICAL FIELDS... 2 2 PRESENTING THE SCOPE OF A CALIBRATION LABOORATORY... 2 3 CONSIDERING CHANGES TO SCOPES... 6 4 CHANGES WITH

More information

LISREL. Mels, G. (2006). LISREL for Windows: Getting Started Guide. Lincolnwood, IL: Scientific Software International, Inc.

LISREL. Mels, G. (2006). LISREL for Windows: Getting Started Guide. Lincolnwood, IL: Scientific Software International, Inc. LISREL Mels, G. (2006). LISREL for Windows: Getting Started Guide. Lincolnwood, IL: Scientific Software International, Inc. LISREL: Structural Equation Modeling, Multilevel Structural Equation Modeling,

More information

VAJE 2: Opisna statistika

VAJE 2: Opisna statistika VAJE : Opisna statistika Na računalniških vajah se za urejanje in prikazovanje statističnih podatkov uporabi statistični programski paket SPSS in podatkovna datoteka podatki.sav. NALOGE: 1. Analiza vzorčnih

More information

TOPLJENEC ASOCIIRA LE V VODNI FAZI

TOPLJENEC ASOCIIRA LE V VODNI FAZI TOPLJENEC ASOCIIRA LE V VODNI FAZI V primeru asociacij molekul topljenca v vodni ali organski fazi eksperimentalno določeni navidezni porazdelitveni koeficient (P n ) v odvisnosti od koncentracije ni konstanten.

More information

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE. O neeksaknotsti eksaktnega binomskega intervala zaupanja

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE. O neeksaknotsti eksaktnega binomskega intervala zaupanja UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE Zaključna naloga (Final project paper) O neeksaknotsti eksaktnega binomskega intervala zaupanja (On the inexactness

More information

IMPACT OF THE NEW ROAD TRAFFIC SAFETY LAW ON THE NUMBER OF ROAD ACCIDENTS IN SLOVENIA

IMPACT OF THE NEW ROAD TRAFFIC SAFETY LAW ON THE NUMBER OF ROAD ACCIDENTS IN SLOVENIA P. To mine: Impact of the New Road Traffic Safety Law on the Number of Road Accidents in Slovenia POLONA TOMINC, D. Sc. Ekonomsko-poslovna fakulteta Razlagova 14, 2000 Maribor, Republika Slovenija e-mail:

More information

USING THE DIRECTION OF THE SHOULDER S ROTATION ANGLE AS AN ABSCISSA AXIS IN COMPARATIVE SHOT PUT ANALYSIS. Matej Supej* Milan Čoh

USING THE DIRECTION OF THE SHOULDER S ROTATION ANGLE AS AN ABSCISSA AXIS IN COMPARATIVE SHOT PUT ANALYSIS. Matej Supej* Milan Čoh Kinesiologia Slovenica, 14, 3, 5 14 (28) Faculty of Sport, University of Ljubljana, ISSN 1318-2269 5 Matej Supej* Milan Čoh USING THE DIRECTION OF THE SHOULDER S ROTATION ANGLE AS AN ABSCISSA AXIS IN COMPARATIVE

More information

UNIVERZA V LJUBLJANI FAKULTETA ZA DRUŽBENE VEDE. Irena Dobrila

UNIVERZA V LJUBLJANI FAKULTETA ZA DRUŽBENE VEDE. Irena Dobrila UNIVERZA V LJUBLJANI FAKULTETA ZA DRUŽBENE VEDE Irena Dobrila Odnos do slovenskega članstva v EU - preizkus uporabljenih merskih inštrumentov v okviru projekta SJM Diplomsko delo Ljubljana, 2010 UNIVERZA

More information

Assessment of surface deformation with simultaneous adjustment with several epochs of leveling networks by using nd relative pedaloid

Assessment of surface deformation with simultaneous adjustment with several epochs of leveling networks by using nd relative pedaloid RMZ - Materials and Geoenvironment, Vol. 53, No. 3, pp. 315-321, 2006 315 Assessment of surface deformation with simultaneous adjustment with several epochs of leveling networks by using nd relative pedaloid

More information

ACTA BIOLOGICA SLOVENICA LJUBLJANA 2012 Vol. 55, [t. 1: 29 34

ACTA BIOLOGICA SLOVENICA LJUBLJANA 2012 Vol. 55, [t. 1: 29 34 ACTA BIOLOGICA SLOVENICA LJUBLJANA 2012 Vol. 55, [t. 1: 29 34 Survey of the Lynx lynx distribution in the French Alps: 2005 2009 update Spremljanje razširjenosti risa v francoskih Alpah: 2005 2009 Eric

More information

Saponification Reaction System: a Detailed Mass Transfer Coefficient Determination

Saponification Reaction System: a Detailed Mass Transfer Coefficient Determination DOI: 10.17344/acsi.2014.1110 Acta Chim. Slov. 2015, 62, 237 241 237 Short communication Saponification Reaction System: a Detailed Mass Transfer Coefficient Determination Darja Pe~ar* and Andreja Gor{ek

More information

Simulation of multilayer coating growth in an industrial magnetron sputtering system

Simulation of multilayer coating growth in an industrial magnetron sputtering system RMZ Materials and Geoenvironment, Vol. 57, No. 3, pp. 317 330, 2010 317 Simulation of multilayer coating growth in an industrial magnetron sputtering system Simulacija rasti večplastnih prevlek v industrijski

More information

Ravni merjenja: številne posledice preproste ideje

Ravni merjenja: številne posledice preproste ideje VARSTVOSLOVJE, let. 16 št. 3 str. 362 373 Ravni merjenja: številne posledice preproste ideje Matevž Bren Namen prispevka: Podati temeljit opis ravni merjenja, osnovnega pa vseeno zahtevnega pojma v teoriji

More information

KONCEPT STRUKTURNEGA NASILJA V TEORIJI JOHANA GALTUNGA

KONCEPT STRUKTURNEGA NASILJA V TEORIJI JOHANA GALTUNGA UNIVERZA V LJUBLJANI FAKULTETA ZA DRUŽBENE VEDE ALEŠ KOHEK KONCEPT STRUKTURNEGA NASILJA V TEORIJI JOHANA GALTUNGA DIPLOMSKO DELO LJUBLJANA, 2003 UNIVERZA V LJUBLJANI FAKULTETA ZA DRUŽBENE VEDE ALEŠ KOHEK

More information

UPORABA METODE KALKULIRANJA STROŠKOV NA PODLAGI SESTAVIN DEJAVNOSTI V IZBRANIH DRŽAVAH

UPORABA METODE KALKULIRANJA STROŠKOV NA PODLAGI SESTAVIN DEJAVNOSTI V IZBRANIH DRŽAVAH UNIVERZA V MARIBORU EKONOMSKO-POSLOVNA FAKULTETA MARIBOR DIPLOMSKO DELO UPORABA METODE KALKULIRANJA STROŠKOV NA PODLAGI SESTAVIN DEJAVNOSTI V IZBRANIH DRŽAVAH Študentka: Urška Drevenšek Naslov: Pohorska

More information

Statistika 2 z računalniško analizo podatkov. Neizpolnjevanje predpostavk regresijskega modela

Statistika 2 z računalniško analizo podatkov. Neizpolnjevanje predpostavk regresijskega modela Statistika 2 z računalniško analizo podatkov Neizpolnjevanje predpostavk regresijskega modela 1 Predpostavke regresijskega modela (ponovitev) V regresijskem modelu navadno privzamemo naslednje pogoje:

More information

Acta Chim. Slov. 2003, 50,

Acta Chim. Slov. 2003, 50, 771 IMPACT OF STRUCTURED PACKING ON BUBBE COUMN MASS TRANSFER CHARACTERISTICS EVAUATION. Part 3. Sensitivity of ADM Volumetric Mass Transfer Coefficient evaluation Ana akota Faculty of Chemistry and Chemical

More information

Odvetnik 48 / junij Odvetnik. Revija Odvetniške zbornice Slovenije / Leto XX, št. 3 (86) poletje 2018 / ISSN

Odvetnik 48 / junij Odvetnik. Revija Odvetniške zbornice Slovenije / Leto XX, št. 3 (86) poletje 2018 / ISSN Odvetnik 48 / junij 2010 1 Odvetnik Revija Odvetniške zbornice Slovenije / Leto XX, št. 3 (86) poletje 2018 / ISSN 1408-9440 dr. Rok Čeferin Najeta pištola ali strankin prijatelj dr. Maja Ovčak Kos in

More information

DELOVNA SKUPINA ZA VARSTVO PODATKOV IZ ČLENA 29

DELOVNA SKUPINA ZA VARSTVO PODATKOV IZ ČLENA 29 DELOVNA SKUPINA ZA VARSTVO PODATKOV IZ ČLENA 29 17/SL DS 248 rev.01 Smernice glede ocene učinka v zvezi z varstvom podatkov in opredelitve, ali je verjetno, da bi [obdelava] povzročila veliko tveganje,

More information

Inferenčna statistika

Inferenčna statistika Raziskovala metodologija v fizioterapiji Predavaje 3 Ifereča statistika Ištitut za biostatistiko i medicisko iformatiko Mediciska fakulteta, Uiverza v Ljubljai Biomska porazdelitev! P(K = k, p) = # " k

More information

Makroekonomija 1: 4. vaje. Igor Feketija

Makroekonomija 1: 4. vaje. Igor Feketija Makroekonomija 1: 4. vaje Igor Feketija Teorija agregatnega povpraševanja AD = C + I + G + nx padajoča krivulja AD (v modelu AS-AD) učinek ponudbe denarja premiki vzdolž krivulje in premiki krivulje mikro

More information

(semiotic) in»semeiotičen«(semeiotic). S

(semiotic) in»semeiotičen«(semeiotic). S C. S. Peirce velja za avtorja prve splošne novoveške teorije znakov, prve splošne semiotike. Termin je uporabljal v dveh pridevniških oblikah, semiotičen (semiotic) in»semeiotičen«(semeiotic). S semiotično

More information

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE Zaključna naloga Primerjava modernih pristopov za identifikacijo pomembno izraženih genov za dve skupini (Comparison

More information

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE Zaključna naloga Uporaba logistične regresije za napovedovanje razreda, ko je število enot v preučevanih razredih

More information

Hipohamiltonovi grafi

Hipohamiltonovi grafi Hipohamiltonovi grafi Marko Čmrlec, Bor Grošelj Simić Mentor(ica): Vesna Iršič Matematično raziskovalno srečanje 1. avgust 016 1 Uvod V marsovskem klubu je želel predsednik prirediti večerjo za svoje člane.

More information

Biološka ekvivalenca Statistične metode. Iztok Grabnar

Biološka ekvivalenca Statistične metode. Iztok Grabnar Biološka ekvivalenca Statistične metode Iztok Grabnar Definicije EMEA: Note for guidance on the investigation of bioavailability and bioequivalence Biološka uporabnost Biovailability means the rate and

More information

Projekcija visokodimenzionalnih podatkov ob upoštevanju domenskih omejitev

Projekcija visokodimenzionalnih podatkov ob upoštevanju domenskih omejitev Univerza v Ljubljani Fakulteta za računalništvo in informatiko Omanović Amra Projekcija visokodimenzionalnih podatkov ob upoštevanju domenskih omejitev MAGISTRSKO DELO MAGISTRSKI PROGRAM DRUGE STOPNJE

More information

Verifikacija napovedi padavin

Verifikacija napovedi padavin Oddelek za Meteorologijo Seminar: 4. letnik - univerzitetni program Verifikacija napovedi padavin Avtor: Matic Šavli Mentor: doc. dr. Nedjeljka Žagar 26. februar 2012 Povzetek Pojem verifikacije je v meteorologiji

More information

JEDRSKA URA JAN JURKOVIČ. Fakulteta za matematiko in fiziko Univerza v Ljubljani

JEDRSKA URA JAN JURKOVIČ. Fakulteta za matematiko in fiziko Univerza v Ljubljani JEDRSKA URA JAN JURKOVIČ Fakulteta za matematiko in fiziko Univerza v Ljubljani Natančnost časa postaja vse bolj uporabna in pomembna, zato se rojevajo novi načini merjenja časa. Do danes najbolj natančnih

More information

STATISTIČNE METODE V PEDAGOŠKEM RAZISKOVANJU

STATISTIČNE METODE V PEDAGOŠKEM RAZISKOVANJU UNIVERZA NA PRIMORSKEM PEDAGOŠKA FAKULTETA BORIS KOŽUH STATISTIČNE METODE V PEDAGOŠKEM RAZISKOVANJU KOPER 2010 OSNOVNI POJMI... 6 I. MNOŢIČNI POJAVI... 6 II. STATISTIČNE MNOŢICE IN ENOTE... 6 III. SPREMENLJIVKE...

More information

AKSIOMATSKA KONSTRUKCIJA NARAVNIH

AKSIOMATSKA KONSTRUKCIJA NARAVNIH UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA Poučevanje: Predmetno poučevanje ŠPELA ZOBAVNIK AKSIOMATSKA KONSTRUKCIJA NARAVNIH ŠTEVIL MAGISTRSKO DELO LJUBLJANA, 2016 UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA

More information

UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Parcialne diferencialne enačbe Partial differential equations. Študijska smer Study field

UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Parcialne diferencialne enačbe Partial differential equations. Študijska smer Study field Predmet: Course title: UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Parcialne diferencialne enačbe Partial differential equations Študijski program in stopnja Study programme and level Magistrski

More information

MATRIČNI POPULACIJSKI MODELI

MATRIČNI POPULACIJSKI MODELI TURK ZAKLJUČNA NALOGA 2014 UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE ZAKLJUČNA NALOGA MATRIČNI POPULACIJSKI MODELI LEV TURK UNIVERZA NA PRIMORSKEM FAKULTETA

More information

KONFLIKTI MED ZAPOSLENIMI

KONFLIKTI MED ZAPOSLENIMI B&B VIŠJA STROKOVNA ŠOLA Program: Komercialist Modul: Podjetniški KONFLIKTI MED ZAPOSLENIMI Mentorica: mag. Maja Rozman, univ. dipl. komun. Lektorica: Maja Brezovar, prof. slov. Kandidatka: Špela Košir

More information

Metode rangiranja spletnih strani

Metode rangiranja spletnih strani UNIVERZA V LJUBLJANI FAKULTETA ZA DRUŽBENE VEDE David Primc Metode rangiranja spletnih strani Diplomsko delo Ljubljana, 2015 UNIVERZA V LJUBLJANI FAKULTETA ZA DRUŽBENE VEDE David Primc Mentor: doc. dr.

More information

Linearne enačbe. Matrična algebra. Linearne enačbe. Linearne enačbe. Linearne enačbe. Linearne enačbe

Linearne enačbe. Matrična algebra. Linearne enačbe. Linearne enačbe. Linearne enačbe. Linearne enačbe Sistem linearnih enačb Matrična algebra Oseba X X X3 B A.A. 3 B.B. 7 C.C. Doc. dr. Anja Podlesek Oddelek za psihologijo, Filozofska fakulteta, Univerza v Ljubljani Študijski program prve stopnje Psihologija

More information

Increasing process safety using analytical redundancy

Increasing process safety using analytical redundancy Elektrotehniški vestnik 69(3-4): 240 246, 2002 Electrotechnical Review, Ljubljana, Slovenija Increasing process safety using analytical redundancy Stojan Peršin, Boris Tovornik, Nenad Muškinja, Drago Valh

More information

D I P L O M S K A N A L O G A

D I P L O M S K A N A L O G A FAKULTETA ZA INFORMACIJSKE ŠTUDIJE V NOVEM MESTU D I P L O M S K A N A L O G A UNIVERZITETNEGA ŠTUDIJSKEGA PROGRAMA PRVE STOPNJE ALEŠ HOČEVAR FAKULTETA ZA INFORMACIJSKE ŠTUDIJE V NOVEM MESTU DIPLOMSKA

More information

USING SIMULATED SPECTRA TO TEST THE EFFICIENCY OF SPECTRAL PROCESSING SOFTWARE IN REDUCING THE NOISE IN AUGER ELECTRON SPECTRA

USING SIMULATED SPECTRA TO TEST THE EFFICIENCY OF SPECTRAL PROCESSING SOFTWARE IN REDUCING THE NOISE IN AUGER ELECTRON SPECTRA UDK 543.428.2:544.171.7 ISSN 1580-2949 Original scientific article/izvirni znanstveni ~lanek MTAEC9, 49(3)435(2015) B. PONIKU et al.: USING SIMULATED SPECTRA TO TEST THE EFFICIENCY... USING SIMULATED SPECTRA

More information

ZNANJE MATEMATIKE V TIMSS ADVANCED 2015 IN NA MATURI:

ZNANJE MATEMATIKE V TIMSS ADVANCED 2015 IN NA MATURI: ZNANJE MATEMATIKE V TIMSS ADVANCED 2015 IN NA MATURI: KJE SO USPEŠNEJŠI FANTJE IN KJE DEKLETA BARBARA JAPELJ PAVEŠIĆ, PEDAGOŠKI INŠTITUT GAŠPER CANKAR, DRŽAVNI IZPITNI CENTER februar 2017 1 Metodološko

More information

PRIPRAVA PODATKOV V PROCESU PODATKOVNEGA RUDARJENJA

PRIPRAVA PODATKOV V PROCESU PODATKOVNEGA RUDARJENJA UNIVERZA V LJUBLJANI EKONOMSKA FAKULTETA MAGISTRSKO DELO PRIPRAVA PODATKOV V PROCESU PODATKOVNEGA RUDARJENJA Ljubljana, september 2013 ŽIGA VAUPOT IZJAVA O AVTORSTVU Spodaj podpisani Žiga Vaupot, študent

More information

UČNI NAČRT PREDMETA / COURSE SYLLABUS Numerical linear algebra. Študijska smer Study field. Samost. delo Individ. work Klinične vaje work

UČNI NAČRT PREDMETA / COURSE SYLLABUS Numerical linear algebra. Študijska smer Study field. Samost. delo Individ. work Klinične vaje work Predmet: Course title: UČNI NAČRT PREDMETA / COURSE SYLLABUS Numerična linearna algebra Numerical linear algebra Študijski program in stopnja Study programme and level Univerzitetni študijski program Matematika

More information

Inštitut za matematiko, fiziko in mehaniko. Seminar DMFA Slovenije. Zgledi uporabe statistike na različnih strokovnih področjih

Inštitut za matematiko, fiziko in mehaniko. Seminar DMFA Slovenije. Zgledi uporabe statistike na različnih strokovnih področjih Inštitut za matematiko, fiziko in mehaniko Seminar DMFA Slovenije Zgledi uporabe statistike na različnih strokovnih področjih Bayesov pristop v statistiki Aleš Toman ales.toman@imfm.si Pedagoška fakulteta,

More information

Izmenični signali moč (17)

Izmenični signali moč (17) Izenicni_signali_MOC(17c).doc 1/7 8.5.007 Izenični signali oč (17) Zania nas potek trenutne oči v linearne dvopolne (dve zunanji sponki) vezju, kjer je napetost na zunanjih sponkah enaka u = U sin( ωt),

More information

Uvod v odkrivanje znanj iz podatkov (zapiski predavatelja, samo za interno uporabo)

Uvod v odkrivanje znanj iz podatkov (zapiski predavatelja, samo za interno uporabo) Uvod v odkrivanje znanj iz podatkov (zapiski predavatelja, samo za interno uporabo) Blaž Zupan 29. julij 2017 Kazalo 1 Odkrivanje skupin 7 1.1 Primer podatkov.................................. 7 1.2 Nekaj

More information

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE. Ekstremne porazdelitve za odvisne spremenljivke

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE. Ekstremne porazdelitve za odvisne spremenljivke UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE Zaključna naloga Ekstremne porazdelitve za odvisne spremenljivke (Extremal Distributions for Dependent Variables)

More information

UNIVERZA V LJUBLJANI

UNIVERZA V LJUBLJANI UNIVERZA V LJUBLJANI EKONOMSKA FAKULTETA DIPLOMSKO DELO VREDNOTENJE KAKOVOSTI SPLETNIH PREDSTAVITEV IZBRANIH SLOVENSKIH FAKULTET Ljubljana, september 2003 MATEJA DOLNIČAR IZJAVA Študentka Mateja Dolničar

More information

ZDRAVLJENJE BOLNICE S VON WILLEBRANDOVO BOLEZNIJO TIPA 3 IN INHIBITORJI

ZDRAVLJENJE BOLNICE S VON WILLEBRANDOVO BOLEZNIJO TIPA 3 IN INHIBITORJI ZDRAVLJENJE BOLNICE S VON WILLEBRANDOVO BOLEZNIJO TIPA 3 IN INHIBITORJI B. Faganel Kotnik, L. Kitanovski, J. Jazbec, K. Strandberg, M. Debeljak, Bakija, M. Benedik Dolničar A. Trampuš Laško, 9. april 2016

More information

(Received )

(Received ) 79 Acta Chim. Slov. 1997, 45(1), pp. 79-84 (Received 28.1.1999) THE INFLUENCE OF THE PROTEINASE INHIBITOR EP475 ON SOME MORPHOLOGICAL CHARACTERISTICS OF POTATO PLANTS (Solanum tuberosum L. cv. Desirée)

More information

Hadamardove matrike in misija Mariner 9

Hadamardove matrike in misija Mariner 9 Hadamardove matrike in misija Mariner 9 Aleksandar Jurišić, 25. avgust, 2009 J. Hadamard (1865-1963) je bil eden izmed pomembnejših matematikov na prehodu iz 19. v 20. stoletje. Njegova najpomembnejša

More information

Študijska smer Study field. Samost. delo Individ. work Klinične vaje work. Vaje / Tutorial: Slovensko/Slovene

Študijska smer Study field. Samost. delo Individ. work Klinične vaje work. Vaje / Tutorial: Slovensko/Slovene UČNI NAČRT PREDMETA / COURSE SYLLABUS Predmet: Matematika 2 Course title: Mathematics 2 Študijski program in stopnja Study programme and level Univerzitetni študijski program 1.stopnje Fizika First cycle

More information

Iskanje najcenejše poti v grafih preko polkolobarjev

Iskanje najcenejše poti v grafih preko polkolobarjev Univerza v Ljubljani Fakulteta za računalništvo in informatiko Veronika Horvat Iskanje najcenejše poti v grafih preko polkolobarjev DIPLOMSKO DELO VISOKOŠOLSKI STROKOVNI ŠTUDIJSKI PROGRAM PRVE STOPNJE

More information

UNIVERZA NA PRIMORSKEM PEDAGOŠKA FAKULTETA DIPLOMSKA NALOGA LARA ŠTUPICA

UNIVERZA NA PRIMORSKEM PEDAGOŠKA FAKULTETA DIPLOMSKA NALOGA LARA ŠTUPICA UNIVERZA NA PRIMORSKEM PEDAGOŠKA FAKULTETA DIPLOMSKA NALOGA LARA ŠTUPICA KOPER 2013 UNIVERZA NA PRIMORSKEM PEDAGOŠKA FAKULTETA Visokošolski strokovni študijski program prve stopnje Predšolska vzgoja Diplomska

More information

Calculation of stress-strain dependence from tensile tests at high temperatures using final shapes of specimen s contours

Calculation of stress-strain dependence from tensile tests at high temperatures using final shapes of specimen s contours RMZ Materials and Geoenvironment, Vol. 59, No. 4, pp. 331 346, 2012 331 Calculation of stress-strain dependence from tensile tests at high temperatures using final shapes of specimen s contours Določitev

More information

ANALIZA SPLETNIH STRANI SREDNJIH ŠOL PO SLOVENIJI

ANALIZA SPLETNIH STRANI SREDNJIH ŠOL PO SLOVENIJI ŠOLSKI CENTER VELENJE ELEKTRO IN RAČUNALNIŠKA ŠOLA Trg mladosti 3, 3320 Velenje MLADI RAZISKOVALCI ZA RAZVOJ ŠALEŠKE DOLINE RAZISKOVALNA NALOGA ANALIZA SPLETNIH STRANI SREDNJIH ŠOL PO SLOVENIJI Tematsko

More information

UČNI NAČRT PREDMETA / COURSE SYLLABUS

UČNI NAČRT PREDMETA / COURSE SYLLABUS UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Predmet: Izbrana poglavja iz diskretne matematike 1 Course title: Topics in discrete mathematics 1 Študijski program in stopnja Study programme

More information

MECHANICAL EFFICIENCY, WORK AND HEAT OUTPUT IN RUNNING UPHILL OR DOWNHILL

MECHANICAL EFFICIENCY, WORK AND HEAT OUTPUT IN RUNNING UPHILL OR DOWNHILL original scientific article UDC: 796.4 received: 2011-05-03 MECHANICAL EFFICIENCY, WORK AND HEAT OUTPUT IN RUNNING UPHILL OR DOWNHILL Pietro Enrico DI PRAMPERO University of Udine, Department of Biomedical

More information

SVOBODA MEDIJEV IN VARSTVO ZASEBNOSTI:

SVOBODA MEDIJEV IN VARSTVO ZASEBNOSTI: SVOBODA MEDIJEV IN VARSTVO ZASEBNOSTI: KRITIKA DVEH PRECEDENSOV, PREDLOG RAZVRSTITVE»JAVNIH OSEB«IN PREDLOG USTAVNOPRAVNIH STANDARDOV 1 As. mag. ANDRAŽ TERŠEK * Pravna fakulteta, Ljubljana 2006 1 Objavljeno

More information

UČNI NAČRT PREDMETA / COURSE SYLLABUS. Študijska smer Study field. Samost. delo Individ. work Klinične vaje work

UČNI NAČRT PREDMETA / COURSE SYLLABUS. Študijska smer Study field. Samost. delo Individ. work Klinične vaje work Predmet: Course title: UČNI NAČRT PREDMETA / COURSE SYLLABUS Teorija grafov Graph theory Študijski program in stopnja Study programme and level Magistrski študijski program Matematika Master's study

More information

UNIVERZA V MARIBORU FILOZOFSKA FAKULTETA Oddelek za psihologijo DIPLOMSKA SEMINARSKA NALOGA. Saša Zorjan

UNIVERZA V MARIBORU FILOZOFSKA FAKULTETA Oddelek za psihologijo DIPLOMSKA SEMINARSKA NALOGA. Saša Zorjan UNIVERZA V MARIBORU FILOZOFSKA FAKULTETA Oddelek za psihologijo DIPLOMSKA SEMINARSKA NALOGA Saša Zorjan Maribor, 2011 UNIVERZA V MARIBORU FILOZOFSKA FAKULTETA Oddelek za psihologijo Diplomska seminarska

More information

Verodostojnost in kvaliteta spletno dostopnih informacij

Verodostojnost in kvaliteta spletno dostopnih informacij Univerza v Ljubljani Filozofska fakulteta Oddelek za bibliotekarstvo, informacijsko znanost in knjigarstvo Verodostojnost in kvaliteta spletno dostopnih informacij Mentor: dr. Jure Dimec Lea Očko Katja

More information

Ministrstvo za infrastrukturo in prostor Geodetska uprava Republike Slovenije TOPO & INSPIRE WORKSHOP

Ministrstvo za infrastrukturo in prostor Geodetska uprava Republike Slovenije TOPO & INSPIRE WORKSHOP Ministrstvo za infrastrukturo in prostor Geodetska uprava Republike Slovenije TOPO & INSPIRE WORKSHOP Ljubljana, 5. februar 2014 VSEBINA DELAVNICE DAY 1 Wednesday FEBRUARY 5 th 2014 9.00 10.30 PLENARY

More information

MODEL ZA OCENJEVANJE KAKOVOSTI SPLETNIH STRANI

MODEL ZA OCENJEVANJE KAKOVOSTI SPLETNIH STRANI UNIVERZA V LJUBLJANI EKONOMSKA FAKULTETA MAGISTRSKO DELO MODEL ZA OCENJEVANJE KAKOVOSTI SPLETNIH STRANI Ljubljana, avgust 2003 JAKA LINDIČ IZJAVA Študent Jaka Lindič izjavljam, da sem avtor tega magistrskega

More information

THE TOWNS AND THE TRAFFIC OF THEIR OUTSKIRTS IN SLOVENIA

THE TOWNS AND THE TRAFFIC OF THEIR OUTSKIRTS IN SLOVENIA UDC 911. 37:38(497. 12-201)=20 Marjan Zagar * THE TOWNS AND THE TRAFFIC OF THEIR OUTSKIRTS IN SLOVENIA In the urban policy of the long-term development of SR Slovenia the decision has been made that in

More information

Multipla regresija. Iztok Grabnar. Univerza v Ljubljani, Fakulteta za farmacijo

Multipla regresija. Iztok Grabnar. Univerza v Ljubljani, Fakulteta za farmacijo Multipla regresija Iztok Grabnar Univerza v Ljubljani, Fakulteta za farmacijo Učenje/potrjevanje 3 Analiza povezanosti Opazovani pojav= odvisna spremenljivka Napovedni dejavnik= neodvisna spremenljivka

More information

Problem umetnostne galerije

Problem umetnostne galerije Problem umetnostne galerije Marko Kandič 17. september 2006 Za začetek si oglejmo naslednji primer. Recimo, da imamo v galeriji polno vrednih slik in nočemo, da bi jih kdo ukradel. Seveda si želimo, da

More information

Naloge iz LA T EXa : 3. del

Naloge iz LA T EXa : 3. del Naloge iz LA T EXa : 3. del 1. V besedilo vklju ite naslednjo tabelo skupaj z napisom Kontrolna naloga Dijak 1 2 Povpre je Janko 67 72 70.5 Metka 72 67 70.5 Povpre je 70.5 70.5 Tabela 1: Rezultati kontrolnih

More information

SPECIALTY OPTICAL FIBRES FOR A SENSING APPLICATION. Uporaba posebnih optičnih vlaken za zaznavanje

SPECIALTY OPTICAL FIBRES FOR A SENSING APPLICATION. Uporaba posebnih optičnih vlaken za zaznavanje UDK621.3:(53+54+621+66), ISSN0352-9045 Informacije MIDEM 40(2010)4, Ljubljana SPECIALTY OPTICAL FIBRES FOR A SENSING APPLICATION Yuri Chamorovskiy Institute of Radioengineering and Electronics Russian

More information

Optimizacija razporeditve preizkušanja in vzdrževanja varnostne opreme na podlagi najmanjšega tveganja

Optimizacija razporeditve preizkušanja in vzdrževanja varnostne opreme na podlagi najmanjšega tveganja Elektrotehniški vestnik 70(1-2): 22 26, 2003 Electrotechnical Review, Ljubljana, Slovenija Optimizacija razporeditve preizkušanja in vzdrževanja varnostne opreme na podlagi najmanjšega tveganja Marko Čepin

More information

Distance reduction with the use of UDF and Mathematica. Redukcija dolžin z uporabo MS Excel ovih lastnih funkcij in programa Mathematica

Distance reduction with the use of UDF and Mathematica. Redukcija dolžin z uporabo MS Excel ovih lastnih funkcij in programa Mathematica RMZ Materials and Geoenvironment, Vol. 54, No. 2, pp. 265-286, 2007 265 Distance reduction with the use of UDF and Mathematica Redukcija dolžin z uporabo MS Excel ovih lastnih funkcij in programa Mathematica

More information

Vpliv zadovoljstva zaposlenih na produktivnost v Tiskarni Novo mesto, d.d.

Vpliv zadovoljstva zaposlenih na produktivnost v Tiskarni Novo mesto, d.d. Vpliv zadovoljstva zaposlenih na produktivnost v Tiskarni Novo mesto, d.d. Simona Cimperman * Fakulteta za organizacijske vede, Kidričeva cesta 55a, 4000 Kranj, Slovenija cimps@hotmail.com Povzetek: Raziskovalno

More information

NIKJER-NIČELNI PRETOKI

NIKJER-NIČELNI PRETOKI UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA ALJA ŠUBIC NIKJER-NIČELNI PRETOKI DIPLOMSKO DELO LJUBLJANA, 2016 UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA Dvopredmetni učitelj: matematika - računalništvo ALJA

More information

Baroklina nestabilnost

Baroklina nestabilnost Baroklina nestabilnost Navodila za projektno nalogo iz dinamične meteorologije 2012/2013 Januar 2013 Nedjeljka Zagar in Rahela Zabkar Naloga je zasnovana na dvoslojnem modelu baroklinega razvoja, napisana

More information

Gaj Vidmar 1* and Matej Èernigoj 2 1. University of Ljubljana, Faculty of Medicine, Institute of Biomedical Informatics, Ljubljana, Slovenia 2

Gaj Vidmar 1* and Matej Èernigoj 2 1. University of Ljubljana, Faculty of Medicine, Institute of Biomedical Informatics, Ljubljana, Slovenia 2 Psihološka obzorja / Horizons of Psychology, 13, 4, 55-66 (2004) Društvo psihologov Slovenije 2004, ISSN 1318-187 Znanstveni empirièno-raziskovalni prispevek Studying norms in small groups by means of

More information

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE. Kvadratne forme nad končnimi obsegi

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE. Kvadratne forme nad končnimi obsegi UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE Zaključna naloga Kvadratne forme nad končnimi obsegi (Quadratic Forms over Finite Fields) Ime in priimek: Borut

More information

Domen Perc. Implementacija in eksperimentalna analiza tehnike razvrščanja podatkov s konsenzom

Domen Perc. Implementacija in eksperimentalna analiza tehnike razvrščanja podatkov s konsenzom UNIVERZA V LJUBLJANI FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO Domen Perc Implementacija in eksperimentalna analiza tehnike razvrščanja podatkov s konsenzom DIPLOMSKO DELO NA UNIVERZITETNEM ŠTUDIJU Mentor:

More information

Več na spletni strani: / For further information visit:

Več na spletni strani: / For further information visit: Zbornik znanstvenih razprav Letnik 75 (2015) / Volume 75 (2015) Oktober / October 2015 To delo je ponujeno pod licenco Creative Commons Priznanje avtorstva-brez predelav 4.0 Mednarodna. This work is licensed

More information

UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA POLONA ŠENKINC REŠEVANJE LINEARNIH DIFERENCIALNIH ENAČB DRUGEGA REDA S POMOČJO POTENČNIH VRST DIPLOMSKO DELO

UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA POLONA ŠENKINC REŠEVANJE LINEARNIH DIFERENCIALNIH ENAČB DRUGEGA REDA S POMOČJO POTENČNIH VRST DIPLOMSKO DELO UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA POLONA ŠENKINC REŠEVANJE LINEARNIH DIFERENCIALNIH ENAČB DRUGEGA REDA S POMOČJO POTENČNIH VRST DIPLOMSKO DELO LJUBLJANA, 2016 UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA

More information

SIMETRIČNE KOMPONENTE

SIMETRIČNE KOMPONENTE Univerza v Ljubljani Fakulteta za elektrotehniko SIMETRIČNE KOMPONENTE Seminarska naloga pri predmetu Razdelilna in industrijska omrežja Poročilo izdelala: ELIZABETA STOJCHEVA Mentor: prof. dr. Grega Bizjak,

More information

UČNI NAČRT PREDMETA / COURSE SYLLABUS Predmet: Analiza 1 Course title: Analysis 1. Študijska smer Study field. Samost. delo Individ.

UČNI NAČRT PREDMETA / COURSE SYLLABUS Predmet: Analiza 1 Course title: Analysis 1. Študijska smer Study field. Samost. delo Individ. UČNI NAČRT PREDMETA / COURSE SYLLABUS Predmet: Analiza 1 Course title: Analysis 1 Študijski program in stopnja Study programme and level Univerzitetni študijski program Finančna matematika First cycle

More information

UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA DIPLOMSKA NALOGA ANA MARIJA ŠUSTER

UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA DIPLOMSKA NALOGA ANA MARIJA ŠUSTER UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA DIPLOMSKA NALOGA ANA MARIJA ŠUSTER UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA PREDŠOLSKA VZGOJA»RAZVOJ PLEZANJA V PREDŠOLSKEM OBDOBJU«DIPLOMSKO DELO Mentor: dr. Jera

More information

Vpliv likvidnostnega tveganja na izračun tvegane vrednosti

Vpliv likvidnostnega tveganja na izračun tvegane vrednosti Vpliv likvidnostnega tveganja na izračun tvegane vrednosti bor bricelj Univerza v Mariboru, Slovenija sebastjan strašek Univerza v Mariboru, Slovenija timotej jagrič Univerza v Mariboru, Slovenija V članku

More information

UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Predmet: Optimizacija 1 Course title: Optimization 1. Študijska smer Study field

UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Predmet: Optimizacija 1 Course title: Optimization 1. Študijska smer Study field UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Predmet: Optimizacija 1 Course title: Optimization 1 Študijski program in stopnja Study programme and level Univerzitetni študijski program Matematika

More information

DIPLOMSKO DELO LASTNOSTI, SPOSOBNOSTI IN ZNANJA, KI JIH POTREBUJE VODJA, DA BI USPEŠNO VODIL TIM

DIPLOMSKO DELO LASTNOSTI, SPOSOBNOSTI IN ZNANJA, KI JIH POTREBUJE VODJA, DA BI USPEŠNO VODIL TIM UNIVERZA V LJUBLJANI EKONOMSKA FAKULTETA DIPLOMSKO DELO LASTNOSTI, SPOSOBNOSTI IN ZNANJA, KI JIH POTREBUJE VODJA, DA BI USPEŠNO VODIL TIM Ljubljana, september 2002 MOJCA ČUK KAZALO UVOD... 1 I. DEL: TIM...

More information

Projekt RIS Analiza obiskanosti in profil uporabnikov

Projekt RIS Analiza obiskanosti in profil uporabnikov UNIVERZA V LJUBLJANI FAKULTETA ZA DRUŽBENE VEDE Matic Urbanc Projekt RIS Analiza obiskanosti in profil uporabnikov Diplomsko delo Ljubljana, 2013 UNIVERZA V LJUBLJANI FAKULTETA ZA DRUŽBENE VEDE Matic Urbanc

More information

Analiza oblike in površine stabilograma

Analiza oblike in površine stabilograma Analiza oblike in površine stabilograma France Sevšek, Darja Rugelj UNIVERZA V LJUBLJANI, Visoka šola za zdravstvo, Ljubljana IZVLEČEK Analiza oblike in velikosti področja gibanja projekcije telesnega

More information

Gorazd Meško, Danijela Frangež, Mojca Rep in Kristina Sečnik 1. Povzetek

Gorazd Meško, Danijela Frangež, Mojca Rep in Kristina Sečnik 1. Povzetek Gorazd Meško, Danijela Frangež, Mojca Rep in Kristina Sečnik: Zapor: družba znotraj družbe - pogled obsojencev na odnose in življenje v zaporu 261 Zapor: družba znotraj družbe pogled obsojencev na odnose

More information

STRAST PRI DELU Seminarska naloga pri predmetu Psihološka diagnostika in ukrepi v delovnem okolju

STRAST PRI DELU Seminarska naloga pri predmetu Psihološka diagnostika in ukrepi v delovnem okolju Univerza v Ljubljani Filozofska fakulteta Oddelek za psihologijo STRAST PRI DELU Seminarska naloga pri predmetu Psihološka diagnostika in ukrepi v delovnem okolju Avtorica: Urška Marušič Mentorica: doc.

More information

Analiza vpliva altruizma na življenjsko dobo entitet v navideznem svetu

Analiza vpliva altruizma na življenjsko dobo entitet v navideznem svetu Univerza v Ljubljani Fakulteta za računalništvo in informatiko Nejc Krokter Analiza vpliva altruizma na življenjsko dobo entitet v navideznem svetu diplomsko delo na univerzitetnem študiju doc. dr. Iztok

More information