ODBIERZ TWÓJ BONUS :: »

Dowód poszlakowy. Zakres i metody budowy na przykładzie spraw o zabójstwo Aleksandra Komar-Nalepa

Autor:
Aleksandra Komar-Nalepa
Serie wydawnicze:
Monografie prawnicze
Wydawnictwo:
C. H. Beck
Ocena:
Bądź pierwszym, który oceni tę książkę
Stron:
232
Dostępny format:
     PDF
Czytaj fragment

Ebook 154,98 zł najniższa cena z 30 dni

189,00 zł (-15%)
160,65 zł

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

154,98 zł najniższa cena z 30 dni

Przenieś na półkę

Do przechowalni

Publikacja zwraca uwagę na konieczność zachowania szczególnego trybu budowy dowodu poszlakowego, w tym przede wszystkim w sprawach o zabójstwo.

Autorka stara się wykazać, że niezmiernie istotne jest to, aby organy wymiaru sprawiedliwości świadomie rozpoznawały daną sprawę jako poszlakową. Tymczasem, o ile w doktrynie prawa karnego nie budzi większych wątpliwości fakt, że dowód poszlakowy może odnosić się także do strony podmiotowej przestępstwa, orzekające w sprawach o zabójstwo sądy rzadko dostrzegają taką konieczność.

Praca przedstawia podstawowe zagadnienia związane z budową dowodu poszlakowego, procesem poszlakowym o zabójstwo oraz wyniki badań aktowych, z których płynie niepokojący wniosek, że sądy często nie dostrzegają konieczności skrupulatnej budowy dowodu poszlakowego w odniesieniu do strony podmiotowej czynu, wykorzystując pojedyncze poszlaki jako samodzielne dowody winy oskarżonego.

Wybrane bestsellery

Zobacz pozostałe książki z serii Monografie prawnicze

C. H. Beck - inne książki

Zamknij

Przenieś na półkę
Dodano produkt na półkę
Usunięto produkt z półki
Przeniesiono produkt do archiwum
Przeniesiono produkt do biblioteki

Zamknij

Wybierz metodę płatności

Ebook
160,65 zł
Dodaj do koszyka
Sposób płatności
Zabrania się wykorzystania treści strony do celów eksploracji tekstu i danych (TDM), w tym eksploracji w celu szkolenia technologii AI i innych systemów uczenia maszynowego. It is forbidden to use the content of the site for text and data mining (TDM), including mining for training AI technologies and other machine learning systems.