Система права и структура: Server Error in ‘/’ Application.

Содержание

Система права — это… Что такое Система права?

Система права
        структура действующего права, выражающая внутренние связи и единство составляющих его юридических норм и вместе с тем объективно необходимое разделение их на отдельные составные части в соответствии с особенностями регулируемых ими общественных отношений. В конечном счёте С. п. обусловлена экономическим строем общества. Так, общность экономической основы рабовладельческого, феодального и буржуазного общества — господство частной собственности — обусловливает разделение права всех этих исторических типов государств на публичное и частное. К частному праву в этой системе относятся нормы, обеспечивающие частные интересы отдельных собственников, к публичному — нормы, регулирующие структуру государственного аппарата и его отношения с гражданами, т. е. обеспечивающие тем самым интересы всего класса собственников в целом (см.
также Право, Публичное право, Частное право). Единство социалистического права обусловлено господством общественной собственности и социалистической системы хозяйства, а также единством выраженной в праве воли рабочего класса, всех трудящихся СССР.          В силу многообразия регулируемых общественных отношений С. п. каждой страны подразделяется на отрасли права и правовые институты. Отрасль права образует совокупность норм, регулирующих общественные отношения в определённой сфере общественной жизни. Как правило, для выделения самостоятельной отрасли необходимо, чтобы общественные отношения, регулируемые ею, составляли в совокупности единый комплекс, качественно отличный от других групп общественных отношений и чтобы этот комплекс нуждался в самостоятельном правовом регулировании. В социалистическом праве как отдельные отрасли выделяют государственное, административное, финансовое, гражданское, трудовое, уголовное, уголовно-процессуальное и т. п. право. Правовой институт составляет группа правовых норм, регулирующих какие-либо однородные общественные взаимосвязанные отношения.
Например, в трудовом праве (См. Трудовое право) выделяются институты заработной платы, рабочего времени и др., в семейном праве (См. Семейное право) институт опеки (См. Опека) и попечительства (См. Попечительство) и т. д.

         Лит.: Алексеев С. С., Структура советского права, М., 1975.

Большая советская энциклопедия. — М.: Советская энциклопедия. 1969—1978.

  • Система отсчёта
  • Система управления

Полезное


Смотреть что такое «Система права» в других словарях:

  • Система права — Система права  это внутреннее строение структурных элементов права. [1] Содержание 1 Система права 2 Классификации системы права …   Википедия

  • Система права — (англ. system of law) совокупность взаимосвязанных между собой юридических норм, институтов и отраслей, характеризующихся внутренним единством и различием в соответствии с особенностями регулируемых общественных отношений. Под С.п. понимается… …   Энциклопедия права

  • Система права — объективно существующее внутреннее строение права, его подразделение на отрасли, подотрасли, институты и нормы. Своих регулятивных целей добивается благодаря так называемому системному эффекту тому обстоятельству, что его нормы определенным… …   Элементарные начала общей теории права

  • СИСТЕМА ПРАВА — строение национального права, заключающееся в разделении единых по назначению в обществе внутренне согласованных норм на определенные части, называемые отраслями и институтами права. С.п. охватывает все правовые нормы, действующие в государстве в …   Юридическая энциклопедия

  • СИСТЕМА ПРАВА — строение национального права, заключающееся в разделении единых (по назначению в обществе) внутренне согласованных норм на определенные части, называемые отраслями и институтами права. Отрасли права делятся на институты. Напр., такая отрасль, как …   Юридический словарь

  • СИСТЕМА ПРАВА — строение национального права, заключающееся в разделе нии единых по своей направленности и назначению в общественной жизни внутренне согласованных норм на определенные части, называемые отраслямии институтами права. Отрасль наиболее крупное и… …   Финансовый словарь

  • Система права — объективно существующее строение права, складывающееся адекватно развитию системы общественных отношений, нуждающихся в правовом регулировании. Система права характеризуется особой структурой, единством, объединением ее компонентов отраслей,… …   Теория государства и права в схемах и определениях

  • СИСТЕМА ПРАВА — внутреннее строение, определенный порядок организации и расположения составляющих ее частей, обусловленный характером существующих в обществе отношений. С. п. выступает как внутренняя форма права, отражающая реально существующие в той или иной… …   Энциклопедический словарь конституционного права

  • СИСТЕМА ПРАВА — объектив ное, обусловленное системой общественных отношений внутреннее строение национального права, заключающееся в разделении единой по своей социальной сущности и назначению в общественной жизни, внутренне согласованной совокупности норм права …   Энциклопедия юриста

  • система права — строение национального права, заключающееся в разделении единых (по назначению в обществе) внутренне согласованных норм на определенные части, называемые отраслями и институтами права.

    Отрасли права делятся на институты. Напр., такая отрасль, как …   Большой юридический словарь

  • СИСТЕМА ПРАВА — – действующее право (см.) какой либо одной страны, рассматриваемое в его внутреннем расчленении на отдельные отрасли и в единстве этих отраслей. Таким образом, говоря о С. п., имеют в виду соединение действующих норм права в отдельные отрасли… …   Советский юридический словарь

Структура права, его элементы и система

Норма права представляется одним правилом поведения, самой маленькой, неделимой часть права. Ее еще нередко называют первичной клеточкой, «молекулой» права. Известен тот факт, что норма права обладает своими элементами, однако каждый подобный элемент отдельно не представляет собой правило поведения.

Вывод 1

Именно по этой причине, право не может быть поделено на более мелкие части, нежели норма права.

На объединение правовых норм в так называемые институты права влияют виды регулируемых социальных отношений. Подобные институты права, в свою очередь, могут быть объединены в более крупные подразделения, которые представлены подотраслями и правовыми отраслями.

Правом в целом выступает совокупность правовых отраслей, или система и структура права.

Структура права

Замечание 1

Важно отметить, что не существует нормы, которая могла бы существовать независимо и не относится к какой-либо правовой отрасли.

Структура права содержит в себе более или менее крупные объединения норм права. Структура права включает в себя центральные уровни права, которые представлены:

  • правом в целом;
  • правовой отраслью;
  • подотраслью права;
  • правовым институтом;
  • правовой нормой.

Элементы права

Отрасль права представлена совокупностью норм права, благодаря которой формируется самостоятельная обособленная часть системы права, регулирующая качественно однородную сферу коллективных отношений своим особым методом. Отрасли права представлены:

  • конституционным правом;
  • уголовным правом;
  • правом семьи;
  • правом труда;
  • гражданским процессуальным правом.

Именно определение может более подробно отразить признаки правовой отрасли.

Замечание 2

Если рассматривать определение подробнее, следует отметить, что правовая отрасль – это часть правовой системы, а все подобные отрасли в совокупности и представляют собой правовую систему.

Нужна помощь преподавателя?

Опиши задание — и наши эксперты тебе помогут!

Описать задание

Правовая отрасль имеет внутреннюю структуру и такое свойство, как системность, потому как включает в себя правовые нормы, в установленной последовательности, объединяющиеся в правовые институты, а нередко и в подотрасли права. Правовую отрасль можно охарактеризовать необычным предметов и методом регулировки права.

Подотрасль права представлена обособленной частью правовой отрасли, благодаря которой осуществляется регулирование особых крупных подразделений социальных отношений. Подобные общественные отношения включены в область отношений, контролируемых правовой отраслью.

Пример 1

К примеру, это может быть право автора либо наследственное право в гражданском праве, горное право в земельном праве, водное право.

Подотрасль права представлена необязательным, факультативным элементом структуры права, по причине того, что некоторые отрасли (к примеру, в уголовном процессуальном праве), на подотрасли не делятся. Правовой институт – это совокупность правовых норм, которые представляют собой часть правовой отрасли и осуществляют регулирование вида или определенной стороны однородных социальных отношений.

Пример 2

Например, в уголовное право обладает такими правовыми институтами, которые представлены действием уголовного закона, видами уголовных наказаний, должностными преступлениями, преступлениями против собственности, трудовое право представлено охраной труда, заработной платой, временем отдыха, рабочим временем и другими институтами.

Система права

Основываясь на то, что уже было отмечено выше, можно раскрыть определение правовой системы.

Определение 1

Система права – это внутреннее строение или другими словами структура права, которое определяется характером коллективных отношений и выражается в организации составляющих его норм права в институты, подотрасли и отрасли права.

ТЕСТ ПО ПРАВУ К УЧЕБНИКУ Е.А. ПЕВЦООВОЙ «Система права»

Право 10

Тема «Система права»

1. К отраслям частного права относится:

а) уголовное право; б) административное право;

в) гражданское право; г) конституционное право.

2. Отраслью материального права не является:

а) конституционное право; б) гражданское процессуальное право;

в) уголовное право; г) административное право.

3. Частью системы права считается:

а) метод правового регулирования; б) институт права;

в) закон; г) нормы морали.

4. Частью системы права не является:

а) правовая норма; б) институт права;

в) правовой акт; г) отрасль права.

5. Критерием деления права на отрасли является:

а) правовая структура; б) институт права;

в) метод правового регулирования; г) юридическое единство правовых норм.

6. Элементом структуры нормы права является:

а) коллизия; б) дефиниция;

в) статья; г) санкция.

7. На содержание правила поведения указывает элемент нормы права:

а) диспозиция; б) санкция;

в) гипотеза; г) дефиниция.

8. Элементом структуры нормы права не является:

а) санкция; б) гипотеза;

в) дефиниция; г) диспозиция.

9. Элемент нормы права, указывающий на правовые последствия для лица, не соблюдающего норму права, называется:

а) диспозиция; б) санкция;

в) гипотеза; г) дефиниция.

10. Элемент нормы права, указывающий на конкретные обстоятельства, при наличии которых действует правовая норма:

а) диспозиция; б) санкция;

в) гипотеза; г) дефиниция.

11. Под структурой правовой нормы понимается:

а) правило поведения, которому должны следовать участники

общественных отношений;

б) обстоятельства, при наличии которых норма будет действовать;

в) диспозиция;

г) ее характерное внутреннее строение.

12. Под гипотезой подразумевается:

а) правило поведения, указывающее на жизненное обстоятельство,

при наличии которого реализуется норма;

б) часть юридической нормы, указывающая на фактические

жизненные обстоятельства при наличии или отсутствии которых

она реализуется;

в) часть юридической нормы, содержащая правило поведения,

которому должны следовать участники общественных отношений;

г) часть юридической нормы, предусматривающая ответственность

за нарушение требований закона.

13. Диспозиция бывает:

а) абсолютная; б) бланкетная;

в) запрещающая; г) императивная.

Право 10

Тема «Система права»

Ответы: 1 — в; 2 — б; 3 — б; 4 — в; 5 — в.

6 — г; 7 — а; 8 — в; 8 — б; 10 — в; 11 — г; 12 — б; 13 — б.

Структура и процесс системы ювенальной юстиции

За последние 30 лет система ювенальной юстиции претерпела значительные изменения. Эта секция описывает систему, уделяя особое внимание структуре и процессам, связанным с просрочкой платежа и статусом обида имеет значение. (более…)

Часто задаваемые вопросы
Найдите ответы на самые частые вопросы о ювенальной юстиции система.(более…)

Блок-схема дела
См. наглядное изображение того, как дела обычно проходят через система ювенальной юстиции. (подробнее….)

Связанные публикации
Обратитесь к публикациям OJJDP, в которых представлена ​​информация, связанная с к структуре и процессу ювенальной юстиции. Эти публикации предоставить ценную справочную информацию и контекст для статистические данные, представленные в информационном бюллетене.(подробнее)

Кроме того, OJJDP публикует годовой отчет по статистике суда по делам несовершеннолетних и серию связанных фактологических бюллетеней, которые анализируют Прохождение дел через систему ювенальной юстиции. Эти публикации, основанные на данных, предоставленных судами в Национальный архив данных судов по делам несовершеннолетних, можно получить через Statistical Briefing Book страница о несовершеннолетних в суде: связанные публикации.

 

USA.gov | Конфиденциальность | Политика и отказ от ответственности | Закон о свободе информации | Карта сайта | Задать вопрос | OJJDP Home
Компонент программ Управления юстиции, Министерство юстиции США

Структура судебной системы

Правовая структура в ОАЭ состоит из двух систем: федеральной судебной системы под председательством Федерального верховного суда как высшей судебной власти в ОАЭ и местных судебных департаментов на уровне местного самоуправления.

На федеральном уровне Министерство юстиции осуществляет надзор за судами и прокуратурой в ОАЭ. Он назначает судей и лицензирует адвокатов, экспертов и юридических переводчиков.

Статьи с 94 по 109 Конституции ОАЭ описывают общие принципы этих двух систем, а детали оставляют на усмотрение местных судебных органов. Каждый из семи эмиратов сохраняет за собой право выбора: либо участвовать в федеральной судебной системе, либо поддерживать свою собственную местную судебную систему.Эмираты Шарджа, Аджман-Фуджейра и Умм-аль-Кувейн подчиняются федеральной судебной системе.

Однако на местном уровне Судебный департамент Абу-Даби в Абу-Даби, Суды Дубая в Дубае и Суды RAK в Рас-Аль-Хайме имеют свои собственные независимые судебные департаменты, обладающие юрисдикцией в вопросах, которые не были переданы Федеральной судебной системе в соответствии с Конституция.

Юрисдикция

Статья 105 Конституции позволяет в соответствии с федеральным законом передать всю или часть юрисдикции местного суда эмирата федеральным судам первой инстанции. Однако местный эмиратский суд не может лишить юрисдикцию федерального суда.

Апелляции

Федеральные законы определяют обстоятельства, при которых апелляции на решения местных судебных органов по уголовным, гражданским, хозяйственным и другим делам могут быть поданы в федеральные суды.

Конституция поясняет, что некоторые споры должны рассматриваться Федеральным Верховным судом на федеральном уровне, а не на местном уровне или уровне эмирата.Они подробно описаны в статьях 99 и 102 Конституции.

Далее Федеральный закон № 11 от 1973 года регулирует судебные отношения между эмиратами.

Ссылки по теме:

Как работает судебная система Канады?

Суды в Канаде помогают людям справедливо разрешать споры, будь то споры между отдельными лицами или между отдельными лицами и государством. В то же время суды интерпретируют и провозглашают законы, устанавливают стандарты и решают вопросы, затрагивающие все аспекты жизни канадского общества.

Судебная власть Канады является одной из ветвей нашей системы правительства, остальные являются законодательной и исполнительной властью. В то время как судебная власть разрешает споры в соответствии с законом, включая споры о том, как осуществляется законодательная и исполнительная власть, законодательная власть (парламент) имеет право принимать, изменять и отменять законы. Исполнительная власть (в частности, премьер-министр и министры, государственная служба, а также различные агентства, советы и комиссии) отвечает за исполнение и обеспечение соблюдения законов.

Суды толкуют и применяют Конституцию, а также законы, принятые на обоих уровнях власти. Они также развивают и применяют общее право.

Независимые суды являются отличительной чертой сильного демократического общества.

Судебная система Канады сложна. Каждая провинция и территория имеет свои собственные суды, а также суды, обладающие национальной юрисдикцией. Верховный суд Канады осуществляет контроль над всей системой.

Основной задачей судов является отправление правосудия, т. е. обеспечение справедливого разрешения споров и судебного преследования за преступления в соответствии с правовой и конституционной структурой Канады. Провинции и территории несут ответственность за обеспечение всех судов, находящихся под их юрисдикцией, от строительства и обслуживания зданий судов до предоставления персонала и ресурсов, таких как переводчики, судебные репортеры для подготовки стенограмм, шерифы и услуги регистратуры, до оплаты провинциальных/территориальных судебные судьи.Федеральное правительство назначает и оплачивает работу судей высших судов в каждой провинции, а также судей федерального уровня. Он также отвечает за управление Верховным судом Канады и судами, созданными на федеральном уровне.

Большинство споров разрешается до того, как они будут рассмотрены судьей.

Суды – не единственный механизм урегулирования разногласий между людьми. Менее формальные процессы включают альтернативное разрешение споров, частный коммерческий арбитраж и участие в административных советах и ​​трибуналах.Даже по вопросам, которые никогда не доходят до суда, судебные решения влияют на выбор и действия людей. Они дают рекомендации о том, что такое закон и как люди должны вести себя, чтобы обеспечить его соблюдение.

В следующих разделах мы объясним структуру судебной системы – как организованы суды и как различные элементы связаны друг с другом. В последнем разделе рассматриваются некоторые принципы и институты, которые помогают сохранить справедливость и независимость судебной системы Канады.

13.7: Космос и культура: NPR

Верховный суд Соединенных Штатов: храм сложности и самоусиливающихся петель обратной связи? Чип Сомодевилла / Getty Images скрыть заголовок

переключить заголовок Чип Сомодевилла / Getty Images

Верховный суд Соединенных Штатов: храм сложности и самоусиливающихся петель обратной связи?

Чип Сомодевилла / Getty Images

Вопреки своей цели обеспечения справедливости и равенства перед законом, на практике американская правовая система все больше отдает предпочтение богатым и политически влиятельным группам. Захват Конгресса донорами кампании и лоббистами, ускоренный решением Верховного суда в Citizens United , является одним из ярких примеров, но эта динамика власти вездесуща в политических и правовых институтах. Этот фаворитизм сильных мира сего можно лучше всего понять как глубоко переплетенный и даже неизбежный результат усложнения правовых институтов.

Коррупция — это динамический процесс. Существует симбиотическая связь между правовой системой и влиятельными регулируемыми интересами, которые приносят взаимную выгоду по мере того, как они становятся более сложными и всеохватывающими.Симбиоз права и власти носит фрактальный характер и встречается на всех уровнях иерархии правовой системы.

Во-первых, законы открывают новые, частично непредсказуемые стратегические пространства для акторов внутри системы. Творческие акторы ищут смежные возможные действия в преобладающей правовой среде для достижения желаемых целей. Естественно, эти инновации вызывают непредвиденное поведение.

Непредвиденные последствия устраняются путем создания новых законов, которые снова создают частично непредсказуемые стратегические пространства, которыми, как и следовало ожидать, в дальнейшем манипулируют могущественные интересы.Это может создать замкнутые петли взаимно усиливающих друг друга законов и действий, которые являются основой властных структур.

По иронии судьбы, этот обреченный на провал цикл обеспечивает как поражение намерений законодателя, так и расширение его полномочий. Когда регулируемые субъекты творчески уклоняются от целей законодательства, это должно представлять собой ошибку со стороны законодателей. Наоборот, это дает им возможность разрабатывать еще больше законов, чтобы исправить дефекты старых.

Например, законы о запрете наркотиков уполномочивают полицию вмешиваться в сети незаконного оборота наркотиков.Однако усиление вмешательства полиции повышает риск продажи наркотиков и, следовательно, цену. Это привлекает больше торговцев наркотиками и побуждает их продавать еще больше наркотиков. Хуже того, запрет стимулирует разработку новых опасных соединений, которые обходят существующие законы, а также более сильнодействующих, концентрированных форм существующих наркотиков для облегчения сокрытия и транспортировки. Эти новые социальные проблемы тревожат общество и побуждают к принятию еще более жестких законов.

Власть полиции (и власть, вытекающая из нее) и тюрьмы процветают вместе с торговлей наркотиками во взаимозависимых отношениях.Как однажды пошутил Милтон Фридман: «Если посмотреть на войну с наркотиками с чисто экономической точки зрения, роль правительства состоит в том, чтобы защищать наркокартель. Это буквально правда».

Во-вторых, положительная обратная связь между регулирующим органом и регулируемым сектором усиливается на системном уровне по мере того, как обширные сети законов порождают все возрастающую юридическую сложность. Эта эмерджентная сложность создает свои собственные частично непредсказуемые стратегические пространства, которые приносят пользу знающим, повторяющимся деятелям по сравнению с их менее искушенными коллегами.

Во время судебного разбирательства, например, стороны с глубокими карманами используют различные законы, чтобы похоронить своих противников в разоблачении, и подают шквал досудебных ходатайств, чтобы добиться отклонения иска или благоприятного урегулирования. Крупные корпорации также часто предпочитают сложные схемы регулирования, потому что они блокируют потенциальных конкурентов, повышая входные барьеры. В то время как мелкие фермеры изо всех сил пытаются соблюдать обширные правила FDA, EPA и USDA, например, крупные агропредприятия нанимают армии адвокатов для соблюдения этих правил.Из-за возрастающей сложности правовое регулирование часто наделяет полномочиями те же самые субъекты, которых намеревается лишить прав.

В-третьих, эта совместная эволюция закона и действия делает гораздо больше, чем просто создает частично непредсказуемые и, следовательно, пригодные для использования стратегические пространства для регулируемых субъектов. Важно отметить, что это позволяет денежным интересам влиять на содержание законов, их применение или положение власти в правовой системе. Создание государственных институтов для регулирования экономической деятельности, например, создает возможность для корпоративных интересов проникнуть в регулирующие органы и таким образом «захватить» эти институты.

Этот захват может быть явным и преднамеренным или возникать естественным образом в результате кровосмесительных отношений, созданных «вращающейся дверью» между промышленностью и регулирующими органами. В любом случае, беглое изучение американских административных агентств, регулирующих органов и даже президентских кабинетов и Конгресса показывает, что как демократические, так и республиканские администрации были полностью проникнуты симпатизирующими промышленности технократами. Возможно, это повреждение является особенностью, а не ошибкой. Деньги любят власть и самоусиливающиеся петли правового регулирования, а их открытые стратегические пространства концентрируют и то, и другое.

Эта модель эволюции права как коэволюционного процесса бросает вызов преобладающему мнению, что политики могут контролировать правовых результатов. Идея о том, что мы можем контролировать , предполагает, что наши действия заранее известны тем, кто стремится к законному контролю, и также вызывают какие бы то ни было результаты. Но правовая система существует в неограниченном государственном пространстве, где возможности, предоставляемые правовыми институтами, нельзя предсказать заранее.

Законы, которые были созданы по определенным причинам, могут использоваться для множества других целей, основанных на непредсказуемых социальных изменениях, которые затем влияют на направленность законов в тесно взаимосвязанных и самоусиливающихся петлях обратной связи. По мере того как правовая система расширяет свое разнообразие, специализацию и избыточность, возрастающая сложность приносит пользу группам, которые лучше всего могут использовать ее растущие экологические ниши.

Язык причина и следствие должны быть заменены включением частично непредусмотренных стратегических пространств, которые совместно образуют самоусиливающиеся силовые структуры .

Использование закона для регулирования социального поведения может радикально изменить структуры власти, встроенные в общество. Мы должны внимательно рассмотреть возможность того, что по мере того, как правовая система охватывает все большую широту человеческого поведения, законы служат соседними возможными нишами на благо сильных и в ущерб слабым.

Кэрин Девинс учится на третьем курсе юридического обозрения юридического факультета Дьюка

границ | Структура и динамика современного федерального прецедентного права Соединенных Штатов

Введение

В этом документе исследуется структура и возникающая динамика федерального прецедентного права Соединенных Штатов с течением времени и в разных юрисдикциях.Мотивация этой работы двояка. Во-первых, мы хотим продемонстрировать масштабный анализ юридического корпуса: насколько нам известно, это крупнейшее исследование по количеству дел на сегодняшний день. Во-вторых, мы хотим провести социоюридический метаанализ, чтобы объяснить сетевые свойства и поведение юридического корпуса как эндемичные для правовой системы.

Чтобы обосновать необходимость подхода больших данных к изучению права, возьмем, к примеру, анализ стенограмм лондонского суда Олд-Бейли, показывающий растущую нетерпимость к насилию с течением времени [1].К сожалению, как и корпус из суда Олд-Бейли, этот корпус слишком велик для отдельного человека или группы, чтобы его можно было просмотреть и проанализировать. Следовательно, мы должны разработать автоматизированные вычислительные методы для изучения и понимания этого набора артефактов важных институтов общества. Таким образом, мы сможем количественно понять, как функционирует правовая система, как она меняется и как она соотносится с обществом, в которое она встроена.

Как специалисты по информации сначала мы изучаем сеть цитирования, используя графический анализ и теорию информации, чтобы исследовать динамику новизны и привязанности поступающих дел, выявляя самоусиливающиеся центры цитирования, а также редко связанные локусы.Параллельно мы классифицируем и изучаем содержимое корпуса, используя методы тематического моделирования и обработки естественного языка. Затем мы накладываем тематическое пространство на сеть цитирования, используя графическую нейронную сеть DeepWalk, чтобы продемонстрировать взаимосвязь между цитированием и тематическими измерениями при навигации по юридическому корпусу. Наконец, мы моделируем закон с течением времени, оценивая растущую важность дел и то, как масштабируются окружные дела с ростом населения, чтобы дать информацию о классификации правовой системы как социальной структуры.Имея в своем распоряжении необходимый объем памяти и вычислительную мощность, мы используем это созвездие теоретических взглядов на информацию, чтобы пролить свет на контуры правового ландшафта.

Эта составная картина никоим образом не является всесторонним исследованием; Целью этой работы является количественная оценка и оценка предположений о сети, созданной не случайным образом, а на принципах stare decisis и подчиненных прецедентным ограничениям иерархической судебной структуры. Мы надеемся, что эти идеи откроют возможности для инноваций в юридических технологиях и заложат основу для широкомасштабных социально-правовых комментариев, основанных на данных, как это сделали предыдущие исследования записей, созданных национальной судебной системой.

Предыдущая работа

Большое и растущее количество литературы заимствовано из теории графов, теории информации и физики для системного анализа свода законов. Отредактированный том «Закон как данные» [2] представляет собой недавнюю компиляцию большей части этой работы. Читатель отсылается к [3]; [4]; [5]; [6]; [7,8] для работ по укладке грунта здесь, но конкретно Liebon et al. [9], чья работа наиболее близка к этой статье по концепции, а также Smith [10] и Coupette et al. [11], работа которой ближе всего к данной статье по объему.За исключением Смита и Купетта и др., все вышеупомянутые работы сосредоточены на подмножествах данных, проанализированных в последующей статье. Смит и Купетт и др. соответственно предлагают структурные гипотезы и приближаются к обобщенной аналитической структуре. Наконец, хотя это и не приложение для публикации мнений, Katz et al. [12] представил пример использования этих методов, чтобы помочь ответить на конкретный исследовательский вопрос: а именно, что движет ростом закона и его сложностью в Соединенных Штатах и ​​Германии.

Объем набора данных и обработка

Набор данных, использованный для этого анализа, был получен от Court Listener (www.courtlistener.com), который поддерживает почти полный набор федеральных дел с 1926 года и далее, а также практически полный набор Верховного суда США. дел до 1926 г. Мы используем модификатор «современный» для этой работы, учитывая, что набор данных является плотным для всех опубликованных решений федеральных судов по состоянию на 1926 г. (см. ниже). Мы воспользовались возможностью массовой загрузки Court Listener, чтобы получить набор данных из 1 317 233 федеральных судебных решений, охватывающих Верховный суд, апелляционные суды, окружные суды, суды по делам о банкротстве и большинство судов специальной юрисдикции.Ссылки на корпуса, не входящие в базу данных Court Listener, например, решения государственных судов, законодательные акты, постановления, обзоры законов и т. д., были удалены, в результате чего осталось 11 451 351 ссылка из федерального дела в федеральное дело о построении сети.

Набор данных хранился как в виде корпуса, так и в виде сети цитирования с идентификаторами документов. Мы поддерживали базу данных MongoDB, оптимизированную для хранения документов, и базу данных Neo4J, оптимизированную для хранения графовых сетей. Цитаты в тексте определяют направленные ребра, которые образуют сеть графа цитирования.Учитывая размер сети (таблица 1), мы использовали NetworKit [13], пакет Python, который работает на нескольких ядрах центрального процессора (ЦП) для достаточно высокой скорости обработки в среде высокопроизводительных вычислений (HPC). NetworKit вычислял метрики промежуточности и центральности для всех узлов параллельно. В ходе этих вычислений было измерено 164 дня времени ядра и стенки, но чуть менее 6 дней в среде HPC MITRE.

ТАБЛИЦА 1 . Сетевые свойства судебного заключения.

Предварительные предположения и предварительный анализ

Учитывая иерархическую структуру судебной системы и важность, которую она придает концепциям stare decisis и приоритета, мы предполагаем, что наш анализ должен показать, inter alia :

• Разреженность, потому что некоторые дела имеют большее прецедентное значение, чем другие; более важные дела должны упоминаться в первую очередь за счет менее важных дел.

• Сильно асимметричная (возможно, распределенная по степенному закону) степень центральности среди случаев; мы ожидаем, что здесь действует динамика пропорциональной привязанности [14] (также известная как динамика предпочтительной привязанности [15]).Мы ожидаем, что эта почти безмасштабная динамика сведется к степенному распределению центральности узлов по мере установления закона с течением времени, хотя она может обрезать крайний хвост истинного степенного распределения.

• Дела Верховного суда должны занимать центральное место, затем идут апелляционные суды, а затем районные суды. Как правило, степень центральности узлов пропорциональна иерархии представленных судов.

• Учитывая, что дела выражают определенные правовые концепции, которые строятся друг на друге, мы должны быть в состоянии использовать эти концепции, чтобы проследить развитие правовой доктрины во времени.

• Интуиция предполагает, что юрисдикции имеют тенденцию со временем специализироваться, и если это так, то мы должны найти консолидацию в тематическом распределении, связанном с конкретной юрисдикцией.

Наконец, закон является продуктом социального взаимодействия (это особенно верно в Соединенных Штатах, где суды ограничены положением о «делах и разногласиях» Конституции Соединенных Штатов; в этом случае мы должны обнаружить, что правовая продуктивность коррелирует с динамикой масштабирования социальных систем.

Эти предположения служат отправной точкой предварительного эмпирического анализа для выявления сетевых эффектов иерархии и приоритета.

На протяжении всего настоящего исследования мы используем термин «Федеральное прецедентное право» для обозначения идей и заявлений, содержащихся в опубликованных заключениях федеральных судов США по статье III. Мы не делаем никаких утверждений относительно силы закона федеральных заключений или того, составляют ли они федеральное общее право так же, как общее право штата относится к законам штата, только то, что они являются частью судебной системы и выражают идеи судов. во времени и пространстве, будучи подчиненным иерархической структуре и ограничениям stare decisis и старшинству.

Далее мы обсудим нашу первоначальную работу по анализу этого большого массива данных и выделим некоторые важные выводы. Некоторые результаты подтверждают нашу интуицию о судебной системе, в то время как другие вызывают дополнительные вопросы и указывают на то, какой анализ следует провести дальше. Во-первых, мы обсудим структурные особенности графа цитирования, определенного среди судебных решений. Далее мы обсудим тематический анализ корпуса. В-третьих, мы исследуем взаимосвязь между сетью цитирования и семантической информацией соответствия тем, обучая графическую нейронную сеть изучению структурных вложений, которые предсказывают тематические вложения.В-четвертых, мы переходим к теоретико-информационному глубокому погружению в корпус с использованием нашего тематического анализа. Наконец, мы завершаем наш анализ обсуждением того, как правовая система вписывается в более широкую социальную динамику.

График цитирования федеральных судебных заключений

Чтобы изучить структуру федеральных судебных заключений, мы сначала рассматриваем корпус как сеть цитирования, в которой внутритекстовые цитаты из мнений в мнения образуют направленные связи. Анализируемый корпус содержит 1 317 233 мнения и 11 451 351 цитирование между ними.Как уже говорилось, выше , учитывая размер графика, мы использовали пакет Python NetworKit [16], который работает на нескольких ядрах центрального процессора (ЦП), что позволяет нам выполнять анализ структурных свойств Суда. Данные прослушивателя устанавливаются за разумный период времени. Базовая сетевая статистика представлена ​​в таблице 1. Следует отметить разреженность графика и наличие отдельных случаев и более 1,2 миллиона отдельных «островков» взаимосвязанных случаев.Эти особенности согласуются со структурой и функцией судебной системы, а именно с тем, что по данному делу цитируются только дела по существу и имеющие прецедентное значение. Также интересно отметить, что между всеми парами дел нет пути цитирования. Это может быть особенностью отдельных правовых понятий, не зависящих друг от друга. Это будет обсуждаться далее ниже .

Затем мы использовали среду высокопроизводительных вычислений (HPC) для вычисления показателей центральности для каждого случая в сети; Пакет Python NetworKit поддерживает параллельные вычисления меры центральности. Обратите внимание, что NetworKit имеет два алгоритма, которые аппроксимируют промежуточную центральность всех узлов в графе, а также алгоритм, который непосредственно ее вычисляет. Используя среду HPC, мы смогли выполнить прямое вычисление чуть менее чем за 6 дней (используя почти 164 дня основного времени). Распределения центральности показаны на рисунке 1.

РИСУНОК 1 . Меры центральности.

Центральность узлов

Чтобы подтвердить некоторые из наших основных предположений, мы вычислили оценки между значениями «между», «степень центральности» и «центральность собственного вектора» для каждого случая-узла.Каждый случай получил рейтинг от 0 до 1 317 233 для каждой метрики и составной ранговый балл для измерения его общей центральности узла. Составная ранговая оценка была создана путем суммирования трех ранжирований вместе для создания единого ранжирования по порядковой шкале, которое, по сути, служило удобным методом для нормализации показателей центральности. Как и ожидалось, главными центральными делами являются решения Верховного суда (таблица 2), при этом наиболее цитируемое дело Верховного суда, Андерсон против Либерти, демонстрирует наивысший балл по каждому показателю и составной балл центральности.

ТАБЛИЦА 2 . Самые центральные мнения.

Чтобы всесторонне оценить влияние иерархии на центральность узлов, мы собрали 1000 лучших узлов и сгруппировали их по юрисдикциям. Эти данные показаны на рисунке 2.

РИСУНОК 2 . Юрисдикция большинства центральных вариантов.

Следует отметить поразительное преобладание решений Верховного суда. Эти эмпирические данные подчеркивают иерархическую структуру правовой системы и роль stare decisis и приоритета.В целом, этот первоначальный структурный анализ сети цитирования среди судебных решений в значительной степени соответствовал нашим гипотезам: демонстрация разреженности, сильно перекошенной степени центральности среди дел и центральности, пропорциональной иерархии судов. Эти моменты согласуются с результатами предыдущей работы и с тем, как функционирует судебная система. В следующем разделе мы обсудим наши результаты анализа текста заключений путем создания набора тематических моделей судебных заключений.

Тематическое моделирование Federal Opinion

Тематическая модель идентифицирует группы слов, которые по смыслу встречаются вместе для представления тем, скрытых в наборе данных документов.Темы представлены как распределения вероятностей по словарю набора данных, в то время как распределение вероятностей по темам изучается для каждого документа [см. [16] для концептуального введения]. Тематические модели изучают темы без присмотра, что позволяет проводить как логический анализ, так и улучшать использование набора данных без затрат и предвзятости, связанных с маркировкой человеком. Тематические темы, возникающие в результате распределения по выделяющимся словам, могут быть явно помечены апостериорным анализом или могут сохраняться в виде неопознанных групп слов для последующих задач в наборе данных.

Для фиксации скрытых идей в наборе данных в виде набора слов (BoW) используются различные подходы к реализации. Следует отметить высокую популярность скрытого распределения Дирихле (LDA) [17], вероятностной тематической модели, которая сглаживает распределения по параметрам концентрации Дирихле. В качестве генеративной модели LDA не присваивает, а извлекает темы и идентичности слов из вероятностных распределений. При распределенной разреженности LDA поощряет ограничение, возможно, более одной, но не слишком большого количества тем, обсуждаемых в документе, и, возможно, более одного, но не слишком большого количества использований данного слова.

LDA реализован несколькими способами: выборка, оптимизация и обученные модели. Первоначальные реализации использовали выборку Гиббса, реализованную в MALLET [18]. Выборка Гиббса — это метод выборки Монте-Карло с использованием цепи Маркова, который позволяет проводить выборку распределения с большим количеством переменных. Вместо выборки из всех переменных сразу, каждая переменная выбирается по очереди, в зависимости от выборок предыдущих переменных. Выборка Гиббса требует больших вычислительных ресурсов и недетерминирована; обработка больших наборов данных требует методов аппроксимации, сформированных как задача оптимизации.

Онлайн-вариационный байесовский алгоритм [19], реализованный в sci-kitlearn [20], преобразует задачу выборки в задачу оптимизации, которая может быть решена с помощью стохастического градиентного спуска. Алгоритм чередуется между подвыборкой данных и корректировкой скрытой структуры на основе подвыборки [21].

Здесь мы используем набор инструментов для тематического моделирования Neural Toolkit (TMNT) (https://tmnt.readthedocs.io/, готовится к публикации), набор инструментов для тематического моделирования с открытым исходным кодом, предназначенный для вычисления тематических моделей на больших текстовых коллекциях с использованием вариационной нейронной сети. автоэнкодер (ВАЭ) [22]; [23].По своему подходу он аналогичен автокодированному вариационному выводу для тематической модели (AVITM), как описано в [24]. Нейронная сеть обучается как сеть логического вывода, которая сопоставляет документ непосредственно с распределением тем. Это полезно, потому что позволяет использовать графический процессор компьютера (GPU) для выполнения многих необходимых вычислений. Здесь важна эффективность, так как нам нужно построить модель темы для всех 1,3 миллиона документов в нашем корпусе, таким образом, используя всех мнений и юрисдикций, содержащихся в базе данных Court Listener.

Тематическая детализация

Чтобы провести стресс-тестирование количества полезных тем, поддерживаемых юридическим корпусом, мы обучили модели на наборе данных Court Listener, ограниченном тремя различными количествами скрытых тем: 20, 40, 80. После оценки с самыми высокими показателями для каждого количества тем, мы обнаружили, что варианты модели, ограниченные большим количеством тем, разделяли темы моделей с меньшим количеством тем: увеличение количества скрытых тем не просто побуждало модель находить более отдельные темы, но и поощряло модель. чтобы найти все более детализированные подтемы.Чтобы продемонстрировать это, мы проследим один юридический вопрос в моделях с 20, 40 и 80 темами, чтобы показать, как он распределяется по темам и подтемам по мере увеличения количества тем. В следующем примере мы выбрали темы интеллектуальной собственности, поскольку они казались особенно ясными, однако аналогичная динамика наблюдалась по обнаруженным темам.

В нашей модели из 20 тем Тема 11 в целом сосредоточена на интеллектуальной собственности, как видно из ее основных терминов, которые включают словоформы защиты собственности «авторское право», «патент» и «торговая марка», при этом уравновешивая экономические правовые вопросы «нарушения прав» и «монополии» в контексте «торговли» и «конкуренции» (рис. 3).Хотя Тема 10 модели из 20 тем также содержит важные термины «изобретение» и «патент» в качестве релевантных терминов, она содержит больше терминов, касающихся экологических тем, в частности «nepa» (национальный закон об охране окружающей среды), «eis» (заявление о воздействии на окружающую среду). ), «спецификация», «экологический» и «EPA». Таким образом, он сосредоточен не на интеллектуальной собственности, а на экологической политике и процессах. Поэтому мы с уверенностью оцениваем одну и только одну из 20 тем модели как имеющую отношение к интеллектуальной собственности.

РИСУНОК 3 . Наиболее релевантные термины для Темы 11 20-кратной модели.

В нашей модели из 40 тем мы находим две темы, семантически сходные с темой 11 модели из 20 тем: темы 6 и 29 (рис. 4). Эти темы показывают, что единая тема интеллектуальной собственности была разделена на две темы, каждая из которых имеет дополнительную специализацию. Тема 6 посвящена товарным знакам и авторскому праву, о чем свидетельствуют слова «торговая марка», «авторское право» и «знак», а тема 29 посвящена патентам, о чем свидетельствуют слова «изобретение», «патент» и «запатентовано».”

РИСУНОК 4 . Наиболее релевантные термины из темы 29 и шесть из 40-тематической модели.

Кроме того, увеличение количества тем увеличивает детализацию идеи. Например, модель из 40 тем становится все более конкретной в своих идеях: процессы «foia», вопросы «сходства» и «путаницы», а также контекст «реклама» и «веб-сайт». В свою очередь, производные от «интеллектуальной собственности» темы 1 модели с 80 темами включают, например, тему, связанную с продуктом, с характерными терминами «функции», «устройство» и «дизайн».Таким образом, хотя мы видим увеличение разнообразия концепций по мере увеличения количества тем, они, кажется, появляются как более тонкие точки их более широких заголовков тем с меньшим количеством тем и более грубой классификацией.

Расширение тематической модели для включения структуры

Card et al. [25] включают метаданные в свою реализацию VAE-TM, чтобы управлять неконтролируемым процессом кластеризации [25]. Авторы отличают «метки», которые были созданы совместно с их документом (в генеративной истории), от «ковариантных» априорных значений, которые влияют на темы, скрытые в последующем документе. Искусно продемонстрировав ценность и эффективность отслеживания тем по ковариантной структуре или встраивания тем вместе с их метками, Card et al. (2018, стр. 2037–2038) мотивируют структурное тематическое моделирование (STM) для юридического корпуса, ожидая, что метаданные, такие как год рассмотрения дела или юрисдикция, могут повлиять на скрытые темы дела или привлечь к ним внимание.

Настройка

Хотя стандартный стандартный LDA не использует априорные значения, среда скрытого представления VAE позволяет объединять априорные метаданные с BoW документа.TMNT на основе VAE построен на основе популярных библиотек машинного обучения, таких как AutoGluon [26] для удобства использования, а также поиска по сетке параметров и pyLDAvis [27] для визуализации тематической модели и качественного анализа (рис. 3, 4). , 7, 8). TMNT также поддерживает включение ковариации и, следовательно, является предпочтительным инструментом для усилий STM.

Начнем с подсети подключенного центра цитирования между Plessy v. Ferguson, 163 United States 537 (1896) и делом, решение по которому начало сокращаться: Brown v.Совет по образованию, 347, США, 483 (1954). Этот компонент размером с 1808 документов включает в себя район цитирования первого края каждого центрального узла. Учитывая, что Браун против Совета по образованию напрямую цитирует дело Плесси против Фергюсона, каждый из них принадлежит к сети цитирования первого края другого, что приводит к тесно связанному компоненту с максимальным расстоянием в три края цитирования между любыми двумя узлами. Таким образом, учитывая исторически-прогрессивный характер этого компонента, мы могли бы ожидать, что темы появятся, когда они обусловлены годом, с, возможно, дополнительными сложностями, возникающими, когда год взаимодействует с другой ковариантой, юрисдикцией, а темы обусловлены составной ковариантой.

Потенциальные недостатки

Хотя тематически связанный характер компонента Плесси-Брауна позволяет провести локальное тестирование с жестким экспериментальным контролем, такая обучающая выборка может иметь значительные экстраполяционные ограничения. Прежде всего, мы можем ожидать потери связности тем и недоумения, если полностью связанный компонент цитирования разделен на большее количество тем, чем он может поддерживать. Кроме того, обучающая выборка (1265 документов с разбивкой 70–15–15 %) может быть слишком мала для осмысленного представления токенов с векторами, созданными путем случайного назначения.Кард и др. (2018, стр. 2037) предлагает обучение с использованием предварительно обученных вложений слов для представления токенов. TMNT поддерживает предварительно обученные вложения слов, включая word2vec [28], GloVe [29] и fasttext [30], и будет использоваться в будущей работе.

Включение ковариатных априорных данных

Чтобы отразить вышеупомянутую работу по тематической детализации, мы запустили TMNT по ряду тем, с 20 темами в качестве нижней границы поиска и 80 темами в качестве верхней границы. Ванильный выпуск сводился к 22 темам, причем темы лежали на линии взаимодействия между двумя его основными компонентами. Основные тематические термины включают идеи образования и (де)сегрегации, как и ожидается от неконтролируемого моделирования подсети Plessy-Brown (BoW).

С настоятельной необходимостью разделить темы, мы обусловили обучающий набор Плесси-Брауна составной ковариантой юрисдикции дела и года (десятилетия). Имея 400 вариантов составных ковариат, сеть принудительно разделила свои темы, но сошлась на 50 темах, что является слишком большим количеством скрытых тем, чем может поддерживаться нашим небольшим набором подключенных данных.«Слишком много» оценивалось по резкому падению показателя нормализованной точечной взаимной информации между обучением и тестированием, что подразумевало превышение статистических артефактов.

При более внимательном рассмотрении основных компонентов в распределении тем Плесси-Брауна становится очевидным некоторый линейный прогресс от терпимости к криминализации: темы во втором квадранте (рис. 5) беспристрастно относятся к «элементарным», «посещаемости», «зонам». », «соседство» и «десегрегация», а продвижение по линии идентичности доходит до тем «преступности» и «преследования».” Со второй попыткой структурного тематического моделирования, но на этот раз с условием только его десятилетия (всего 14 десятилетий), тематическая модель, включающая ковариант «десятилетие», лишь немного разделяет темы, но сходится обратно к 22 темам, уменьшая озабоченность. чрезмерной обусловленности. Примечательно, что вариант «Десятилетие», кажется, проецирует распределение тем модели Vanilla на пространство более низкого измерения. В то время как сохраняется прогресс от беспрепятственного принятия к судебному преследованию, из этой проекции, кажется, появляются более широкие идеи прав и свобод, включая женские (репродуктивные) права (рисунок 6), которые исторически возникли вместе с движением за гражданские права 2 .Тщательное расследование и анализ необходимы для того, чтобы содержательно разделить юридический корпус, сохраняя при этом целостность лежащих в его основе статистических данных. По мере продвижения нашей работы мы будем постепенно двигаться от сосредоточения внимания на отдельном связанном компоненте к тематическому моделированию всего юридического корпуса для улучшения анализа и использования структурных сетей. Тем не менее, эти первоначальные анализы демонстрируют способность находить социальные изменения и развитие правовой доктрины в корпусе с использованием НЛП и статистических методов.

РИСУНОК 5 . Сентиментальная прогрессия в тематическом пространстве подсети Плесси-Брауна, ванильная тематическая модель.

РИСУНОК 6 . Сентиментальная прогрессия в тематическом пространстве тематической модели Плесси-Брауна обусловлена ​​декадой случая.

Тематическая модель, хотя и сама по себе информативна, также предоставляет нам дополнительные данные, которые мы можем затем присвоить каждому мнению в корпусе и использовать вместе с сетью цитирования. Подобно Лейбону и др. (2018), теперь мы можем проанализировать взаимосвязь между структурой сети и темами, содержащимися в каждом мнении. Сначала мы обратимся к этим результатам и последуем за этим анализом с помощью теоретико-информационного анализа федерального прецедентного права во времени и пространстве (юрисдикция).

Связывание сети цитирования и тематической модели

Еще один способ исследовать связь между сетью цитирования и пространством тем — использовать методы машинного обучения на основе графов, целью которых является изучение встраивания структурных узлов. Это вложение, также известное как вектор признаков, затем используется в качестве входных данных для статистической модели, обученной для вывода темы из встраивания.В то время как модель с 20 темами определяет основные правовые области в наборе данных Court Listener, полезные для широкой классификации, модели с 40 и 80 темами могут выявить более мелкие проблемы. Таким образом, векторы-документы, созданные на основе модели с 20 темами, использовались ниже по течению в качестве вложений графовой нейронной сети, которые обеспечивают структурный обзор корпуса. Точность этой модели пропорциональна силе связи между пространством цитирования и пространством темы. Он отвечает на вопрос, можно ли использовать местонахождение мнения в сети цитирования, чтобы точно определить его тему.

В наших экспериментах мы выбираем алгоритм DeepWalk [31] для изучения структурного встраивания федеральной сети цитирования мнений из-за его впечатляющей производительности с некоторыми эталонными задачами классификации с несколькими метками, выполненными на графе. Алгоритм также обладает высокой масштабируемостью, что делает его идеальным для сети такого размера. DeepWalk — это неконтролируемый метод изучения признаков, который обобщает проверенные исследования встраивания слов, происходящие из сообщества обработки естественного языка (NLP).Интуиция состоит в том, что случайные блуждания по графу аналогичны предложениям, которые питают методы НЛП — мы переходим от последовательностей слов к рассмотрению коротких случайных блужданий по графу. Этот подход позволяет функциям, изученным DeepWalk, кодировать структуру сообщества и сходство с соседями. Распределение степеней узлов во многих социальных сетях следует степенному закону; следовательно, появление вершин при коротком случайном блуждании также будет подчиняться степенному закону. В оригинальной статье указывается, что частота слов в естественном языке также подчиняется степенному закону, и, поскольку методы НЛП учитывают этот факт, интуитивно понятно, что подходы, основанные на методах НЛП, также добились бы здесь впечатляющих результатов.Алгоритм DeepWalk основан на следующей задаче оптимизации:

MinimizeΦ−log⁡Pr({vi−w,⋯,vi−1,vi+1,⋯,vi+w}|Φ(vi)) вложение узла, vi представляет вершины, а w представляет окно вокруг узла vi. Эта формулировка определяет вложение, которое максимизирует вероятность контекста узла, т. е. его соседей в пределах определенного количества переходов.

Рисунок 7A демонстрирует способность DeepWalk различать окрестности 10 знаковых дел Верховного суда, используя только два из 128 измерений.Каждая точка на рисунке представляет собой мнение, а процитированный исторический случай определяется цветом точки. Разделение уже очевидно при использовании только двух измерений, а полное встраивание кодирует гораздо более тонкую структурную информацию, которая была полностью использована в моделях машинного обучения, обсуждавшихся выше .

РИСУНОК 7 . Результаты прогнозирования DeepWalk для 10 дел Landmark Верховного суда: (A) График рассеяния дел с уменьшенным размером, показывающий относительное соседство (пространственное расположение) и взаимосвязь дел с помощью цвета; (B) матрица путаницы для модели случайного леса, правильное предсказание показано более светлой диагональю.

Оказывается, можно точно определить тему мнения (argmax встраивания TMNT), используя только встраивание сети цитирования (вывод из DeepWalk). Неудивительно, что связь между структурным встраиванием и текстовым встраиванием будет сильной. Целью классификации для каждого мнения была самая большая участвующая тема из модели из 20 тем, а входными признаками были 128 значений из структурного встраивания, созданного с помощью DeepWalk. Мы обучили полиномиальный логистический классификатор и случайный лес, при этом случайный лес работал примерно на два процента лучше на 20-процентном наборе задержек.На рисунке 7B показана матрица путаницы из модели случайного леса. Диагональ указывает на правильные прогнозы, и мы видим, что связь между структурным встраиванием DeepWalk и тематическим встраиванием TMNT очень сильна.

Методы теории информации

По завершении моделирования темы (обсуждалось выше ) у нас была дополнительная информация о каждом мнении (узле) на графике цитирования в виде вектора чисел, представляющего вероятность присутствия каждой обнаруженной темы. по мнению.Это, в дополнение к информации о заключении, такой как дата публикации и юрисдикция, предоставило дополнительные способы изучения динамики федеральных судов Соединенных Штатов. В этом анализе мы использовали методы теории информации для количественной оценки изменений мнений во времени и пространстве. Сначала мы обсудим методы, а затем перейдем к результатам. Как обсуждалось ниже , некоторые обнаруженные динамики имеют правдоподобные объяснения, в то время как другие потребуют дополнительного последующего анализа для адекватного понимания.

Новизна, быстротечность и резонанс

Количество цитирований и другие показатели центральности обычно используются для количественной оценки важности и влияния в сетях цитирования. Однако эти меры зависят от наличия сети цитирования. Мы пытаемся количественно оценить влияние мнения чисто семантически, без привязки к сети цитирования.

Структура судов Соединенных Штатов делает Федеральное прецедентное право Соединенных Штатов исключительно интересным корпусом для изучения семантического влияния.Прецедентная доктрина stare decisis, вместе с иерархической структурой судебной системы подразумевают, что единственное мнение высшего суда может сильно повлиять на будущие мнения нижестоящих судов. Причем влияние асимметрично; одно решение суда низшей инстанции вряд ли окажет такое же влияние на суды высшей инстанции или даже на суды других округов. Здесь экзогенная структура определяет способ и поток влияния, в отличие от корпуса академических статей, которые теоретически имеют более слабую экзогенную структуру.

Для количественной оценки семантического влияния мы начнем с теоретико-информационной величины дивергенции Кульбака-Лейблера (KLD). Вообще говоря, KLD измеряет разницу между двумя распределениями вероятностей. Результаты когнитивной науки подтверждают интерпретацию KLD как меры неожиданности [32]. Другие ранее использовали KLD в сочетании с тематическим моделированием в качестве меры удивления в контексте естественного языка [33,34]. Здесь мы используем модель из 80 тем, обученную на всем корпусе, чтобы вывести распределение вероятностей тем для каждого документа.Весь последующий анализ мы выполняем на этих векторах документов.

Для дальнейшей количественной оценки семантического влияния мы используем три показателя, определенные Барроном и др.: новизна, быстротечность и резонанс [35]. Эти меры основаны на распределении вероятностей темы для каждого документа, полученном с помощью вышеупомянутой тематической модели. Новизна измеряет, насколько неожиданным является документ, учитывая темы распространения предыдущих документов. Документы высокой новизны вводят в корпус новые темы или комбинации тем.Точно так же скоротечность измеряет неожиданность документа, учитывая последующие документы. Документы с высокой временностью содержат темы или комбинации тем, которые не сохраняются в корпусе. Наконец, резонанс — это разница между новизной и скоротечностью. Документ с высоким резонансом вводит новые темы, которые сохраняются, в то время как низкий резонанс указывает на документы, которые вводят новые темы, которые не сохраняются.

Формальная математическая спецификация наших показателей выглядит следующим образом:

Мы используем модель темы для создания распределения вероятности темы для каждого документа в корпусе.Это распределение можно рассматривать как N-мерный вектор fi, где N — количество тем, заданное тематической моделью. Мы используем модель с 80 темами в наших последующих анализах, поэтому здесь N = 80. N-й элемент fni каждого документа количественно определяет относительную распространенность темы n в документе i.

KLD между двумя векторами документов определяется следующим образом:

Для двух мнений i и j KLD между соответствующими векторами документов fi и fj составляет:

DKL( fi∥fj) ≡∑n = 1Nfni log(fnifnj)

Обратите внимание, что расхождение KL асимметрично.Отсюда следует, что:

DKL( fi∥fj) ≠DKL( fj∥fi)

Затем мы определяем множество всех случаев в той же цепи, опубликованных в течение предыдущего и последующих w лет, как Sprev(i) и Ssub(i), соответственно. Во всем анализе здесь использовалось окно в 10 лет. Хотя было протестировано множество различных размеров окна, мы остановились на 10 не из теоретических соображений, а потому, что это давало самый сильный сигнал.

Затем мы вычисляем вектор центроида, вычисляя среднее значение всех векторов в наборе.

f(c)(S)≡1|S|∑fj ∈Sfj

Вектор центроида представляет типичное мнение в каждой цепи в каждом окне времени. Мы определяем новизну как:

Nw(i)≡ DKL( fi∥fprev(c))

И быстротечность как:

Tw(i)≡DKL(fi∥fsub(c))

Наконец, резонанс — это просто разница между новизна и быстротечность:

Учитывая структуру судебной системы Соединенных Штатов и то, что на суды больше всего влияют дела, относящиеся к их юрисдикции, мы рассчитываем новизну и быстротечность каждого решения с окном в 10 лет и сравниваем мнения с мнениями в течение такая же схема.

Результаты теории информации

Быстротечность против новизны

Мы начнем с изучения взаимосвязи между новизной и быстротечностью.Можно было бы ожидать найти сильную корреляцию между новизной и быстротечностью; мнения с высокой новизной, как правило, имеют соответственно высокую скоротечность. Новое часто забывается. По большей части мнения в корпусе очень точно следуют этой тенденции. На рис. 8 показана взаимосвязь между новизной и быстротечностью. Мы видим, что в высшей степени новые мнения, как правило, не оставляют длительного влияния на юриспруденцию. Наклон линейной регрессии указывает на склонность к новизне или быстротечности.Подгонка с наклоном <1 указывает на смещение новизны, тогда как подгонка с наклоном >1 указывает на смещение быстротечности. Линейная регрессия, предварительно сформированная на корпусе, дает наклон 0,97, близкий к 1. На рис. 8 также показан наклон линии регрессии для каждой цепи, а также для Верховного суда. Все схемы имеют наклон чуть меньше 1. Это указывает на небольшой уклон в сторону новизны. Верховный суд ближе всего к 1 с наклоном 0,97. 10-й округ имеет наибольшее смещение новизны с наклоном 0.87. В целом судебной системе Соединенных Штатов не хватает сильного уклона на новизну или мимолетность. Это означает, что изменения в судебной системе происходят медленно, как следует из stare decisis . Кроме того, предвзятость новизны согласуется с представлением о том, что закон со временем становится устоявшимся, и люди склонны обращаться в суд с новыми делами и разногласиями.

РИСУНОК 8 . Соотношение скоротечности и новизны.

Новизна с течением времени

Рассматривая новизну с течением времени, мы видим два эффекта: средняя новизна увеличивается с течением времени, а 95-процентный доверительный интервал с начальной загрузкой сокращается с течением времени.На рис. 9 показана средняя новизна для всех случаев с течением времени. Каждая цепь следует аналогичному шаблону. С 1920 по 1970 год средняя новизна увеличивается со временем и имеет большой доверительный интервал, что означает разброс данных. После 1970 г. средняя новизна имеет гораздо более низкий доверительный интервал и перестает расти. Значимость этих тенденций была протестирована с использованием стандартного теста Манна-Кендалла с уровнем, установленным на 0,05, и была признана значимой, что соответствует нашим предположениям, сделанным на основе изучения графика. Наличие статистически значимой тенденции предполагает, что уменьшение доверительного интервала является результатом большего количества мнений в год, а не истинной дисперсии средней новизны.

РИСУНОК 9 . Средняя новизна корпуса по годам.

Этот вывод о том, что новизна увеличивается с течением времени, возможно, предполагает ускорение темпов развития права. Нововведение с низким средним значением в начале 20 века предполагает, что закон действовал сравнительно медленно; новые мнения не отклонялись от того, что было раньше. Означает ли это, что скорость закона увеличивается? С чего бы это? Возможно, закон масштабируется с населением, темп жизни увеличивается с размером города. Это рассматривается более подробно, ниже .

ArticleRank и резонанс

Другой способ количественной оценки влияния мнения — использовать ArticleRank. ArticleRank — это показатель центральности, тесно связанный с алгоритмом Google PageRank. Алгоритм ArticleRank оказался полезным при анализе показателей цитирования. В отличие от традиционно используемой меры количества цитирований, ArticleRank не одинаково взвешивает все цитирования. Цитаты из других влиятельных мнений имеют больший вес [36].

Коррелируют ли наши чисто семантические показатели влияния с ArticleRank?

Мы обнаружили, что ArticleRank и резонанс в значительной степени являются ортогональными мерами.В таблице 3 показана корреляция Пирсона между ArticleRank и новизной, скоротечностью и резонансом. По-видимому, в нашем корпусе нет значимой корреляции между показателями влияния на основе цитирования и семантическими показателями влияния. Высокий ArticleRank не означает, что мнение будет иметь высокий или низкий резонанс.

ТАБЛИЦА 3 . Корреляция между ArticleRank и семантическими показателями.

Jensen Shannon Distance

В приведенном выше анализе мы сравнили тенденции внутри цепей.В последующих разделах мы хотим изучить тенденции между схемами. Чтобы количественно определить расстояние между цепями, мы вычисляем расстояние Дженсена-Шеннона (JSD) между парами цепей. В отличие от KLD, который является типом f-дивергенции, расстояние JSD является истинной метрикой расстояния и, следовательно, симметрично. JSD между двумя векторами p и q определяется как квадратный корень из среднего значения KLD между каждым вектором и их средним вектором. Здесь мы используем JSD, а не KLD, потому что между цепями меньше ощущается «направление».С новизной, например, в вопросе есть направленность, значит, есть конкретный способ применения КЛД. Однако при сравнении 6-го контура с 7-м контуром в анализе нет определенной направленности, поэтому необходимо использовать JSD, а не KLD. Конкретный расчет JSD:

Расстояние между контурами

Чтобы изучить, как контуры изменяются с течением времени, мы вычисляем среднее JSD между каждой парой контуров за каждый год. Эти данные показаны на рисунке 10A.В очередной раз тренд проверяется с помощью теста Манна-Кендалла и оказывается значимым на уровне 0,05. Результаты указывают на значительное увеличение расстояния между судами с течением времени. Расстояние начинает увеличиваться медленнее в 1970-х годах.

РИСУНОК 10 . Среднее JSD среди цепей с течением времени и соответствующая энтропия: (A) Показывает увеличение среднего JSD и уменьшение дисперсии с течением времени среди цепей; (B) Показать относительно небольшое изменение энтропии с течением времени среди цепей.

Наиболее очевидной причиной увеличения семантической дистанции будет специализация. Многие отмечают специализацию среди судей, даже среди судей без специальной юрисдикции, см. в целом Баума [37,38] и Вассермана и Слака [39]. Эта гипотеза кажется разумной, поскольку кругообороты в общих чертах соответствуют географическому местоположению, а поскольку общества специализируются на деятельности в геопространственном отношении (например, банковское дело и торговля ценными бумагами в Нью-Йорке), суды будут непропорционально рассматривать дела, связанные с этой социальной деятельностью.Учитывая эту динамику среди отдельных судей и роль старшинства и stare decisis , можно ожидать, что со временем это вызовет более общую специализацию в пределах юрисдикции. Если бы это было так, то можно было бы также ожидать, что средняя энтропия мнений со временем упадет. Однако на рисунке 10В показано, что энтропия во времени остается, по существу, постоянной. Корреляция Пирсона между годом и энтропией составляет -0,022 при значении p 5,2E-22. Между энтропией и временем не существует никакой корреляции, и, следовательно, нет никаких доказательств какой-либо растущей специализации.

Мы также можем увидеть это отсутствие специализации для цепей с течением времени, посмотрев на частоту наиболее распространенных тем в цепях. В контексте тематической модели суд, специализирующийся на конкретном типе дел, должен появиться как конкретная тема, имеющая высокое значение в векторах вероятности документа для все большей доли дел с течением времени. Чтобы исследовать эту возможность, для каждого случая в схеме мы определили тему, которая имела максимальную вероятность в векторе вероятности темы, а затем построили график распределения наиболее вероятных тем за период с 1950 по 2010 год.На рис. 11 показаны эти распределения для 9-го контура. Распределения сгруппированы по десятилетиям и отображаются для каждой из 20-, 40- и 80-тематических моделей. Из графиков видно, что ни одна тема никогда не была наиболее вероятной более чем в 25% случаев за это десятилетие, а для моделей с 40 и 80 темами крайне редко одна тема оказывалась наиболее вероятной в более чем 25% случаев. чем 10% случаев за это десятилетие. Графики других 10 цепей демонстрируют поведение, в целом аналогичное рисунку 11.

РИСУНОК 11 . Распределение тем максимальной вероятности по десятилетиям для каждой тематической модели.

Отсутствие консолидации в тематических распределениях юрисдикций свидетельствует об отсутствии специализации с течением времени, но остается вопрос о том, что является причиной увеличения расстояния между цепями. Одна из возможностей состоит в том, что увеличение расстояния цепи является результатом того, что Смит называет «законной кластеризацией». Причина кластеризации в сети цитирования очевидна.Он пишет: «Суд, скорее всего, будет ссылаться на то, что имеет отношение к юрисдикции. Судья предпочтет привести дело из своего собственного суда или из вышестоящего суда в своей юрисдикции, чем из какой-то отдаленной юрисдикции» [10]. Существует высокая корреляция между расстоянием в сети цитирования и семантическим расстоянием. Вполне разумно заключить, что судьи также склонны использовать юридически релевантные формулировки и концепции. Увеличение семантической дистанции между цепями можно объяснить увеличением количества кластеров внутри сети.Эту гипотезу можно проверить несколькими способами. Корреляция между семантическим расстоянием между схемами и кластеризацией в сети цитирования может быть измерена. Кроме того, если семантическая кластеризация является причиной увеличения семантического расстояния, можно было бы ожидать, что семантическое расстояние между нижестоящими судами и вышестоящими судами в одной и той же юрисдикции будет постоянно ниже, чем семантическое расстояние между нижестоящими судами в разных юрисдикциях. Эти анализы поставлены в очередь для нашего следующего исследования.

Исследование масштабирования и скорости закона

Было показано, что многие сложные системы демонстрируют зависимость масштабирования по степенному закону. Эти отношения были обнаружены в биологических системах, например, масштабирование скорости метаболизма в зависимости от веса [40]. Важно отметить, что отношения масштабирования в биологических системах являются сублинейными, более крупные организмы метаболизируют более эффективно. Мы находим законы масштабирования и в социальных системах, таких как города. Некоторые аспекты городов, связанные с инфраструктурой, масштабируются сублинейно [41].Более крупные города используют эффективность и требуют меньше инфраструктуры на одного жителя, чем более мелкие города. В отличие от биологических систем, социальные и экономические аспекты городов масштабируются сверхлинейно. Исследования Бетанкура, Уэста и других показывают, что эти сверхлинейные отношения масштабирования являются результатом свойств социальных сетей городов и возросшего взаимодействия между жителями.

Далее мы исследуем свойства масштабирования правовой системы Соединенных Штатов. С одной стороны, правовая система Соединенных Штатов действует как инфраструктура, государственное учреждение, предназначенное для обеспечения справедливости для своих граждан.С этой точки зрения можно представить, что правовая система масштабируется сублинейно, как и другие элементы инфраструктуры. С другой стороны, закон — это глубоко социальная деятельность, и дела, которые он рассматривает, возникают в результате социальных взаимодействий между людьми. В этом случае мы ожидаем, что закон будет масштабироваться сверхлинейно. Следует также отметить, что мы ограничили набор данных, использованный для этого анализа, Верховным судом США (как наиболее влиятельным) и округами 1–11 (как имеющими некоторую геопространственную связь через границы юрисдикции).Юрисдикции, основанные на предмете, были удалены, поскольку они имеют очень небольшую геопространственную связь с конкретным регионом.

Мы используем две разные метрики для количественной оценки масштабирования правовой системы. Во-первых, это общее количество мнений, поданных за год. Это просто измеряет производительность схемы. Мы также учитываем ArticleRank, который количественно определяет степень влияния данной юрисдикции на правовую систему. Начнем с рассмотрения динамики числа случаев по годам и населения отдельно.Для данных о населении мы использовали ежегодные оценки переписи населения США для населения США по штатам. 3 Неудивительно, что население штата растет совсем не так, как мнение окружающих судебных органов.

Масштабирование – линейные регрессии

Мы используем линейные регрессии для количественной оценки этих свойств масштабирования. Мы наносим количество дел, опубликованных в каждом окружном суде штата, по сравнению с населением штата как по линейным осям, так и по логарифмической шкале.Если линейная регрессия хорошо объясняет данные на логарифмическом графике, где a > 1, это придаст правдоподобности идее о том, что количество случаев экспоненциально растет с населением штата. Если данные лучше объясняются регрессией данных с линейными осями или если ни одна из регрессий не объясняет данные хорошо, можно сделать вывод, что данные не следуют степенному закону, подобному масштабному соотношению. На рис. 12 показан пример зависимости нагрузки от данных о населении в логарифмическом масштабе; регрессия отображается синей линией.Регрессия предполагает, что отношение масштабирования является почти линейным с наклоном 0,97, что указывает на то, что закон масштабируется где-то между социальной инфраструктурой и социальным взаимодействием.

РИСУНОК 12 . Пример графика заболеваемости по сравнению с населением за 2009 год.

Мы проводим такой же анализ данных для каждого года в наборе данных, с 1926 по 2020 год, как на линейной, так и на логарифмической осях. Линейные регрессии на линейных осях приводят к наклонам, которые значительно увеличиваются со временем от почти 0 до более 1.7. Наклоны линейной регрессии по логарифмическим осям указывают на взаимосвязь между населением и нагрузкой, которая со временем меняется от очень сублинейной, с наклоном около 0,4, до близкой к линейной. Значения r-квадрата регрессий с линейными осями начинают уменьшаться в 1970-х годах, в то время как значения r-квадратов логарифмических регрессий начинают неуклонно увеличиваться с той же скоростью. Эти результаты, взятые вместе, предполагают, что свойства линейного масштабирования Федерального прецедентного права США начали проявляться только в 1970-х годах.Почти линейное масштабирование предполагает, что закон в целом не выигрывает от эффективности, как инфраструктура, которая масштабируется сублинейно. Закон также не выигрывает от лавинообразного эффекта социального взаимодействия. Кроме того, можно ожидать, что крупнейшие юрисдикции будут давать непропорционально большое количество мнений. Вместо этого количество мнений оказывается прямо пропорциональным населению штата. Опять же, это говорит о том, что право является «гибридным». Это означает, что это одновременно продукт социального взаимодействия, а также инфраструктура, поддерживающая общее функционирование общества.

Временное масштабирование по цепи

Ранее мы рассмотрели взаимосвязь масштабирования между населением штата и количеством авторских мнений. Эти отношения масштабирования являются статическими и исследуют отношения между состояниями в один момент времени. Далее мы исследуем масштабирование каждой схемы с течением времени. Мы группируем штаты по цепи и суммируем население каждого штата в цепи, чтобы найти общую историческую численность населения каждой цепи. На рис. 13 представлены результаты и статистика для каждой подгонки. Мы находим, что масштабирование каждой схемы суперлинейно. Минимальный и максимальный наклоны линейной регрессии составляют 1,9 и 7,3 при среднем значении 3,96. Значения r-квадрата варьируются от 0,52 до 0,94 со средним значением 0,8. Единственным истинным выбросом является цепь 10. Распределение для цепи 10 визуально не соответствует линии регрессии, и значение r-квадрата 0,52 оказывает дополнительную поддержку. Чем отличается схема 10? Цепь 10 включает большую часть запада и юго-запада Америки и имеет небольшое население по сравнению с ее размером.Возможно, эта более низкая плотность населения вызывает меньше социально-правовых коллизий и взаимодействий, тем самым делая эту схему исключением.

РИСУНОК 13 . График годовой нагрузки по сравнению с населением по схемам и статистические данные для подбора линейной регрессии годовой нагрузки по сравнению с численностью по схемам.

Интересно, что при рассмотрении в целом, т. е. агрегировании по всем цепям, обнаруживается сублинейное масштабирование. Эти результаты, в сочетании с предыдущими результатами, рисуют странную картину.Отношение масштабирования между состояниями в данный момент времени является сублинейным. Отношения масштабирования внутри одной и той же схемы во времени суперлинейны. Те же сверхлинейные отношения, которые существуют в цепях во времени, существуют и в отдельных состояниях во времени. Вероятно, это функция уровня агрегирования, используемого в анализе, пример парадокса Симпсона. В соответствии с положением о «делах и разногласиях» можно было бы ожидать, что производительность суда будет тесно связана с общественной деятельностью, находящейся в пределах его юрисдикции, и, таким образом, будет иметь сверхлинейный масштаб.В дополнение к удовлетворению этого априорного ожидания, внутрисхемная активность, а не межконтурная активность, управляет приоритетом. Таким образом, хотя окружная юрисдикция не тесно связана с окружающим ее населением, в конечном счете суперлинейное масштабирование от цепи к цепи лучше всего моделирует темпы закона с течением времени.

Статья Ранг Степенное масштабирование

Описание

В своей статье 2007 г. «Сеть права» Т. Смит показал, что американское прецедентное право представляет собой безмасштабную сеть, в которой число цитирований подчиняется степенному закону. [10].Смит предположил, что эта структура является результатом так называемой преимущественной привязанности. Часто цитируемые мнения более заметны и, следовательно, с большей вероятностью будут цитироваться в будущем. В этом разделе мы расширяем эту работу, подгоняя степенной закон не к количеству цитирований, а к рейтингу статей дела. ArticleRank менее чувствителен к динамике предпочтительной привязанности. Относительно неизвестный случай может получить высокий рейтинг статьи, если его цитируют в нескольких знаковых делах. Мы также отдельно изучаем распределение ArticleRank в делах федерального округа, федерального апелляционного суда и Верховного суда США, чтобы сравнить динамику.На рис. 14 дополнительная кумулятивная функция распределения (CCDF) распределений ArticleRank представлена ​​сплошными линиями, а соответствующие им степенные зависимости представлены пунктирными линиями.

РИСУНОК 14 . Статья Рейтинг CCDF по типу юрисдикции.

Результаты

Мы используем статистические методы, разработанные в [42] и реализованные в python в [43]. Изучая CCDF распределения ArticleRank на рис. 14, основное различие между тремя типами федеральных судов становится очевидным.Решения Верховного суда имеют гораздо более высокий рейтинг статей, чем решения федеральных апелляционных инстанций, а решения федеральных апелляционных инстанций имеют гораздо более высокий рейтинг статей, чем решения федеральных округов. Этот результат следует ожидать. Высшие суды имеют больше влияния, чем нижестоящие суды. Масштабный показатель альфа каждого распределения показан в Таблице 4. Масштабный показатель определяет тяжесть хвоста распределения. Низкий показатель масштабирования означает, что распределение имеет больший вес в хвосте или более высокоранговые случаи.Высокий показатель масштабирования означает, что в распределении меньше случаев высокого ранга. Таблица показывает, что суды более высокой инстанции имеют более низкие показатели масштабирования или более высокоранговые дела.

ТАБЛИЦА 4 . Экспонента масштабирования для каждого типа корта.

Поскольку степенные законы являются математическими объектами, никто не ожидает идеального соответствия степенным законам данных, собранных из реальной системы. В этом случае трудно однозначно сказать, является ли аппроксимация по степенному закону статистически значимой. Как правило, следует рассматривать совпадения нескольких различных асимметричных распределений, предполагая, что наилучшее соответствие набора является истинным базовым распределением.Следуя Alstott, мы используем сравнительные методы для оценки соответствия распределений. Мы подгоняем несколько распределений-кандидатов к данным и вычисляем логарифмическое отношение правдоподобия для каждого, чтобы определить, какое распределение лучше всего объясняет данные. Результаты аппроксимации по степенному закону, а также логарифмические отношения правдоподобия показаны в таблице 5. Положительное значение логарифмического отношения правдоподобия указывает на то, что первое распределение лучше подходит, чем второе, а отрицательное значение указывает на обратное. .Экспоненциальное распределение — чрезвычайно плохой кандидат. Результаты неубедительны для двух высших судов, Верховного суда и федеральных апелляционных судов; для обоих судов отношение логарифмического правдоподобия между степенным законом и логарифмически-нормальным распределением близко к нулю. Окружной суд имеет степенное и логарифмически нормальное логарифмическое отношение правдоподобия, равное -0,47, что указывает на то, что логарифмически нормальное распределение подходит значительно лучше, чем степенной закон. Опять же, высокие значения p указывают на то, что эти результаты не являются окончательными в отношении соответствия степенному закону.

ТАБЛИЦА 5 . Соответствие степенному закону распределения по типам судов. p — значения логарифмических отношений правдоподобия указаны в скобках.

Т. Смит показал, что число цитирований в Федеральном прецедентном праве США подчиняется четкому безмасштабному распределению [10]. Наши результаты выполняются по другой метрике, ArticleRank, и выполняются на значительно большей выборке корпуса. Наши результаты, в отличие от Т. Смита, показывают, что ArticleRank, хотя и является распределением с тяжелым хвостом, не является однозначно степенным законом.Одна из двух причин может объяснить это несоответствие. Во-первых, ArticleRank не сильно зависит от числа цитирований, которые получает мнение. Как эмпирически, так и аналитически было показано, что распределение степеней в безмасштабных сетях следует степенному закону [15], но другие аналитически показали, что распределение PageRank в безмасштабных сетях отклоняется от степенного закона для больших и малых значений [15]. 44]. Если этот результат верен как для ArticleRank, так и для PageRank, это могло бы объяснить отклонения в наших данных.Во-вторых, наши подборы проводились на гораздо большей выборке, чем у Смита. Возможно, сеть федерального прецедентного права Соединенных Штатов на самом деле не лишена масштаба, хотя для подтверждения или опровержения этой гипотезы потребуется дополнительная работа. Например, когда публикуется знаменательное дело, оно может изначально активно цитироваться в соответствии с предпочтительной динамикой прикрепления; однако по мере того, как эта часть закона становится хорошо урегулированной, она может подвергаться судебным разбирательствам реже, что приводит к меньшему количеству цитирований и, таким образом, нарушает динамику предпочтительной привязанности и усекает степенной закон до чего-то более близкого к экспоненциальному распределению.

Заключение

В этом документе исследована структура и динамика современного федерального прецедентного права США. Набор данных был больше, чем предыдущая работа, о которой нам известно. Хотя не все выполненные анализы были новыми, например, другие анализировали структуру сети цитирования в некоторых случаях, мы продемонстрировали способность выполнять этот анализ в очень больших масштабах, и наши анализы подтвердили ранее выдвинутые гипотезы о характеристиках сети цитирования, а именно: разреженность и степень центральности, которая сильно искажена и пропорциональна иерархии представленных судов. Другие анализы, проведенные на этих данных, были новыми в этой области и продемонстрировали, что эти методы могут выявлять изменения, происходящие в обществе, которые затем отражаются в изменениях в правовой системе общества. Добавление структуры тематического моделирования в сеть цитирования дало основу для отслеживания развития правовой доктрины во времени. В будущем анализе мы надеемся изучить дополнительные конкретные направления развития правовой доктрины [по аналогии с конституционным анализом, предпринятым 47].Результаты анализа с тематическим моделированием также опровергают распространенное мнение о том, что юрисдикции с течением времени специализировались на определенных типах дел, даже если цепи разошлись, что измеряется определенными показателями расстояния. Мы находим сигнатуры stare decisis и приоритет в данных за счет увеличения ArticleRank в судебной иерархии и распределения, которое не является явно безмасштабным или экспоненциальным. Это также предоставляет количественные доказательства того, что кейсы строятся очень целенаправленно. Хотя это и не шокирует, поучительно знать, что эти данные содержат правильные сигналы. Мы также обнаруживаем влияние пункта «дела и разногласия» на динамику масштабирования производства мнений, масштабирующуюся сверхлинейно с ростом населения, предполагая, что на суды напрямую влияет социальное взаимодействие. Кроме того, этот анализ подчеркнул влияние контроля приоритета, показав, что «правильный» уровень анализа, скорее всего, представляет собой округ, а не суды в целом.Кроме того, наш анализ показывает, что в 1970-х годах произошли изменения в динамике федеральных судов. Мы намерены исследовать это подробнее в следующем исследовании.

Заявление о доступности данных

Все необработанные данные были получены путем массовой загрузки с сайта www.courtlistener.com.

Вклад авторов

KA, JH, MK, JK, SM, CP, ZS, WT и RZ выполнили анализ, MK и BB разработали проект, все авторы внесли равный вклад в создание рукописи.

Финансирование

Это исследование финансировалось инновационной программой MITRE.

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Примечание издателя

Все претензии, изложенные в этой статье, принадлежат исключительно авторам и не обязательно представляют претензии их дочерних организаций или издателя, редакторов и рецензентов.Любой продукт, который может быть оценен в этой статье, или претензии, которые могут быть сделаны его производителем, не гарантируются и не поддерживаются издателем.

Сноски

1 Интересной связью, возникшей в модели с 80 темами, была высокая значимость товарного знака для темы, связанной с банковским делом. Банки изначально были строго регулируемыми, очень местными учреждениями с невзрачными похожими названиями. Когда регулирование ослабло и местные банки начали расширять свое географическое присутствие, произошли конфликты имен и последовали судебные разбирательства.

2 См., например, Quanquin, H., 2019, который иллюстрирует параллельное возникновение феминизма и гражданских прав чернокожих [45], и Pierson, MD, 2005, который пересматривает «патриархальный институт» рабства в 1850-х годах, предупреждая, что, хотя «поток влияния шел в обоих направлениях» (стр. 387), «слишком мало внимания уделялось тому, как ранняя феминистская кампания влияла на борьбу с рабством» (стр. 387). 398) [46].

3 Данные ежегодных оценок численности населения США.Ю. и Штаты, а также для Пуэрто-Рико | ФРЕД | Сент-Луис Фед.

Ссылки

2. Ливермор, Массачусетс, Рокмор, Д.Н. Право как данные: вычисления, текст и будущее юридического анализа . Санта-Фе, Нью-Мексико: SFI Press (2019).

Google Scholar

3. Боммарито М.Дж., Кац Д.М., Целнер Д.Л., Фаулер Д.Х. Меры расстояния для сетей динамического цитирования. Physica A: Stat Mech it Appl (2010) 389(19):4201–8. doi:10.1016/j.physa.2010.06. 003

Полный текст CrossRef | Академия Google

4.Боммартио М., Кац Д., Айзекс-Си Дж. Эмпирический обзор совокупности письменных решений налогового суда США. Va Tax Rev. (2011) 30(3):523–58.

Google Scholar

5. Боммарито М., Кац Д., Зелнер Дж. Закон как бесшовная сеть? Сравнение различных сетевых представлений Корпуса Верховного суда США (1791–2005 гг.). В: Материалы 12-й Международной конференции по искусственному интеллекту и праву (ICAIL ’09). IEEE (2010).

Google Scholar

6.Дадгостари Ф., Гим М., Белинг П.А., Ливермор М.А., Рокмор Д.Н. Исправление к: Моделирование поиска закона как предсказания. Артиф Интелл Л (2020) 29:1. doi:10.1007/s10506-020-09264-2

Полный текст CrossRef | Google Scholar

7. Эш Э., Чен Д.Л. Отображение геометрии права с использованием вложений документов. Эш, Эллиотт и Чен, Дэниел Л., Отображение геометрии права с использованием вложений документов (2018). Доступно по адресу: https://ssrn. com/abstract=3305761 (по состоянию на 6 июля 2020 г.).

Google Scholar

8.Фаулер Дж. Х., Джонсон Т. Р., Сприггс Дж. Ф., Чон С., Уолбек П. Дж. Сетевой анализ и право: измерение юридической важности прецедентов в Верховном суде США. Политический анализ (2007) 15: 324–46. doi:10.1093/pan/mpm011

CrossRef Full Text | Google Scholar

9. Лейбон Г., Ливермор М., Хардер Р., Ридделл А., Рокмор Д. Обход закона: геометрические инструменты для количественной оценки влияния в мультисети юридических мнений. Артиф Интелл Л (2018) 26(2):145–67. дои: 10.1007/s10506-018-9224-2

Полнотекстовая перекрестная ссылка | Google Scholar

11. Coupette C, Beckedorf J, Hartung D, Bommarito M, Katz DM. Измерение закона во времени: сетевая аналитическая основа с приложением к законам и постановлениям в США и Германии. Фронт Физ (2021) 9:1. doi:10.3389/fphy.2021.658463

Полный текст CrossRef | Google Scholar

13. Штаудт К. Л., Сазонов А., Мейерхенке Х. NetworKit: набор инструментов для крупномасштабного сложного сетевого анализа. Net Sci (2016) 4(4):508–30. doi:10.1017/nws.2016.20

Полный текст CrossRef | Google Scholar

16. Мор Дж. В., Богданов П. Введение. Тематические модели: что они собой представляют и почему они важны. Поэтика (2013) 41(6):545–69. doi:10.1016/j.poetic.2013.10.001

Полный текст CrossRef | Google Scholar

17. Blei DM, Ng AY, Jordan MI. Скрытое распределение Дирихле. J Learn Res (2003) 3: 993–1022.

Google Scholar

19.Хоффман М., Бах Ф., Блей Д. Онлайн-обучение скрытому распределению Дирихле. Adv Neural Inf Process Syst (2010) 23:1.

Google Scholar

20. Pedregosa F, Varoquaux G, Gramfort A, Michel V, Thirion B, Grisel O, et al. Scikit-learn: Машинное обучение в Python. J Machine Learning Res (2011) 12:2825–30.

Google Scholar

21. Хоффман М.Д., Блей Д.М., Ван С., Пейсли Дж. Стохастический вариационный вывод. J Machine Learning Res (2013) 14:1303–47.

Google Scholar

22. Кингма Д.П., Веллинг М. Вариационное байесовское автокодирование. В: Материалы 2-й Международной конференции по представительствам в обучении (ICLR). IEEE (2014).

Google Scholar

23. Резенде Д.Дж., Мохамед С., Вирстра Д. Стохастическое обратное распространение и приблизительный вывод в глубоких генеративных сетях. В: Материалы 31-й Международной конференции по машинному обучению. ПМЛР (2014). п. 1278–86.

Google Scholar

24.Шривастава Н., Саттон С. Вариационный вывод автокодирования для тематических моделей. В: Международная конференция по обучающим представлениям. IEEE (2017).

Google Scholar

25. Card D, Tan C, Smith NA. NEural модели для документов с метаданными. Proc 56th Annu Meet Assoc Comput Linguistics (2018) 1: 2031–40. doi:10.18653/v1/p18-1189

Полнотекстовая перекрестная ссылка | Google Scholar

26. Эриксон Н., Мюллер Дж., Ширков А., Чжан Х., Ларрой П., Ли М. и др. AutoGluon-Tabular: надежный и точный AutoML для структурированных данных .Препринт arXiv (2020 г.).

Google Scholar

27. Сиверт С., Ширли К.Е. LDAvis: метод визуализации и интерпретации тем. В: Материалы семинара по интерактивному изучению языков, визуализации и интерфейсам. IEEE (2014). п. 63–70. doi:10.3115/v1/w14-3110

Полный текст перекрестной ссылки | Google Scholar

28. Миколов Т., Суцкевер И., Чен К., Коррадо Г., Дин Дж. Распределенные представления слов и фраз и их композиционность. В: NIPS’13: Материалы 26-й Международной конференции по нейронной информации.IEEE (2013). п. 3111–9.

Google Scholar

30. Жоулин А., Грейв Э., Бояновски П., Миколов Т. Набор приемов для эффективной классификации текстов. В: Материалы 15-й конференции Европейского отделения Ассоциации компьютерной лингвистики: Том 2. Валенсия, Испания: Краткие статьи (2017). п. 427–31. doi:10.18653/v1/e17-2068

Полный текст перекрестной ссылки | Google Scholar

31. Пероцци Б., Аль-Рфу Р., Скиена С. DeepWalk. В: Материалы 20-й Международной конференции ACM SiGKDD по обнаружению знаний и интеллектуальному анализу данных.Нью-Йорк: ACM (2014). doi:10.1145/2623330.2623732

CrossRef Полный текст | Google Scholar

35. Barron ATJ, Huang J, Spang RL, DeDeo S. Люди, институты и инновации в дебатах о Французской революции. Proc Natl Acad Sci USA (2018) 115:4607–12. doi:10.1073/pnas.1717729115

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

36. Li J, Willett P. ArticleRank: основанная на PageRank альтернатива количеству цитирований для анализа сетей цитирования. Ap (2009) 61(6):605–18. doi:10.1108/00012530911005544

Полный текст CrossRef | Google Scholar

37. Баум Л. Специализация и признание полномочий: Верховный суд и нижестоящие федеральные суды. Polit Res Q (1994) 47(3):1. doi:10.2307/448849

CrossRef Полный текст | Google Scholar

39. Вассерман М.Ф., Слэк Д.Д. Может ли быть слишком много специализации? В: Специализация в специализированных судах. Чикаго, Иллинойс: Обзор права Северо-Западного университета (2021).п. 1.

Google Scholar

40. West GB, Brown JH. Происхождение законов аллометрического масштабирования в биологии от геномов до экосистем: к количественной объединяющей теории биологической структуры и организации. J Exp Biol (2005) 208:1575–92. doi:10.1242/jeb.01589

Полный текст CrossRef | Google Scholar

41. Bettencourt LMA, Lobo J, Helbing D, Kuhnert C, West GB. Рост, инновации, масштабирование и темп жизни в городах. Proc Natl Acad Sci (2007) 104:7301–6.doi:10.1073/pnas.0610172104

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

42. Clauset A, Shalizi CR, Newman MEJ. Распределения по степенному закону в эмпирических данных. SIAM Ред. (2009 г.) 51:661–703. doi:10.1137/070710111

Полный текст CrossRef | Google Scholar

44. Авраченков К., Лебедев Д. PageRank свободных растущих сетей . Вальбонн, Франция: Тех. представитель (2006).

Google Scholar

45. Quanquin H. Рабство нельзя прикрыть сукном или банданой»: эволюция нападок белых аболиционистов на «патриархальный институт». J Early Republic (2005) 25 (3): 383–415.

Google Scholar

46. Пирсон, доктор медицины. Зачем изучать раннее американское движение за права женщин? Am J (2019) 68(1):1.

Google Scholar

47. Rockmore DN, Fang C, Foti N, Ginsburg T, Krakauer DC. Культурная эволюция национальных конституций. J Am Soc Inf Sci Technol (2018) 69 (3): 483–494. doi:10.1002/asi.23971

Полный текст CrossRef | Google Scholar

Microsoft Word — WP 6 Troper.docx

%PDF-1.4 % 1 0 объект > эндообъект 7 0 объект /Заголовок /Тема /Автор /Режиссер /CreationDate (D:202203250-00’00’) /ModDate (D:20131008152116-04’00’) >> эндообъект 2 0 объект > эндообъект 3 0 объект > эндообъект 4 0 объект > эндообъект 5 0 объект > эндообъект 6 0 объект > поток приложение/pdf

  • Microsoft Word — WP 6 Troper.docx
  • лидсд
  • 2013-10-08T15:20:47-04:00PScript5.dll версии 5.2.22013-10-08T15:21:16-04:002013-10-08T15:21:16-04:00Acrobat Distiller 9.5.2 (Windows)uuid:8af79e06-82dd-4302-be40-847010b155e4uuid:929-51d2-4d31-accb-d13ebabcf3d6 конечный поток эндообъект 8 0 объект > эндообъект 9 0 объект > эндообъект 10 0 объект > эндообъект 11 0 объект > эндообъект 12 0 объект > эндообъект 13 0 объект > эндообъект 14 0 объект > эндообъект 15 0 объект > эндообъект 16 0 объект > эндообъект 17 0 объект > эндообъект 18 0 объект > эндообъект 19 0 объект > эндообъект 20 0 объект > эндообъект 21 0 объект > эндообъект 22 0 объект > эндообъект 23 0 объект > эндообъект 24 0 объект > эндообъект 25 0 объект > эндообъект 26 0 объект > эндообъект 27 0 объект > эндообъект 28 0 объект > эндообъект 29 0 объект > эндообъект 30 0 объект > эндообъект 31 0 объект > эндообъект 32 0 объект > эндообъект 33 0 объект > эндообъект 34 0 объект > эндообъект 35 0 объект > эндообъект 36 0 объект > эндообъект 37 0 объект > эндообъект 38 0 объект > эндообъект 39 0 объект > эндообъект 40 0 объект > эндообъект 41 0 объект > эндообъект 42 0 объект > эндообъект 43 0 объект > эндообъект 44 0 объект > эндообъект 45 0 объект > эндообъект 46 0 объект > эндообъект 47 0 объект > эндообъект 48 0 объект > эндообъект 49 0 объект > эндообъект 50 0 объект > эндообъект 51 0 объект > эндообъект 52 0 объект > эндообъект 53 0 объект > /ProcSet [/PDF /Text /ImageC /ImageB /ImageI] >> эндообъект 54 0 объект > поток xڝXɎ#7+(dAroAm{K»J*x2VEOR/_XKNՔ? |-.b+IJ1V2Nb0lo6JA /BN-1

    Правовая система | Верховный суд

    Правовая система Ямайки известна как система «общего права». Система общего права является одним из трех основных типов правовых систем в мире. Двумя другими являются гражданское право (основанное на кодексах) и религиозное право (основанное на религиозных текстах). Некоторые правовые системы включают комбинацию двух или, в некоторых случаях, всех трех этих типов.

    Система общего права зародилась в Англии и в своей самой ранней форме была основана на общественных обычаях и нормах, признанных и приведенных в исполнение решениями и постановлениями судов.Со временем термин «общее право», используемый в широком смысле, стал включать в себя эти ранние обычаи, а также законодательные акты и судебные решения, толкующие их применение. Таким образом, система общего права стала законом (обычаем, статутами и судебными решениями), общим для всей Англии. Ямайка, как и остальная часть Карибского Содружества, имеет правовую систему общего права, унаследованную от Англии.

    В системе общего права судебные решения в значительной степени зависят от предыдущих судебных решений.Если закон регулирует спор, судебное толкование этого закона определяет, как применяется закон. В соответствии с доктриной Stare Decisis  (лат. «оставить решение в силе») суды в нашей системе общего права обязаны следовать решениям и постановлениям по ранее решенным делам или прецедентам , где факты и вопросы существенно одинаковые. Таким образом, на Ямайке решение суда имеет обязательную силу для аналогичных дел, рассматриваемых тем же судом или судами низшей инстанции в рамках судебной структуры .Решение не имеет обязательной силы для судов более высокой инстанции, но может рассматриваться как орган убеждения. Решения судов за пределами Ямайки не имеют обязательной силы, но могут также рассматриваться как орган убеждения, если нет местного дела, которое урегулировало бы вопрос

    .

    Дела, которые рассматриваются судами, касаются множества повседневных ситуаций. Кроме того, споры, связанные с новыми открытиями, технологиями, социальными изменениями или глобальными событиями, часто вызывают новые правовые вопросы, которые ранее не были определены на Ямайке и для которых не существует обязывающего прецедента.Наша система общего права позволяет нашим судьям обращаться к другим юрисдикциям или использовать прошлый или настоящий судебный опыт для аналогий, чтобы помочь в принятии решений в таких ситуациях. Эта гибкость позволяет судам рассматривать новые ситуации, чтобы ни один достойный истец не остался без средства правовой защиты. В то же время доктрина stare decisis обеспечивает определенность, единообразие и предсказуемость, что способствует стабильной правовой среде.

    В системе общего права споры разрешаются путем состязательного обмена доказательствами и аргументами.Противоборствующие стороны представляют свои аргументы перед нейтральным лицом, устанавливающим факты. В зависимости от типа дела установщиком фактов может быть либо присяжный, либо судья. Там, где судья сидит с присяжными, присяжные устанавливают факты. Если судья заседает один, судья несет двойную ответственность за определение соответствующего применимого закона, а также за установление доказанных фактов. Когда судья заседает с присяжными, судья дает указание присяжным о применении соответствующего закона к фактам, которые присяжные сочтут доказанными. Присяжные или судья, в зависимости от обстоятельств, оценивают доказательства, применяют соответствующий закон к фактам и таким образом приходят к решению.После вынесения решения сторона, в отношении которой вынесено решение, (за исключением стороны обвинения по уголовному делу о вынесении оправдательного приговора) , может обжаловать это решение в вышестоящей судебной инстанции.

    В соответствии с нашей системой общего права все граждане любого ранга или статуса подчиняются одному и тому же набору законов, и осуществление государственной власти ограничено этими законами. Верховный суд уполномочен пересматривать законодательство, но только для того, чтобы определить, соответствует ли оно конституционным требованиям.

    Добавить комментарий

    Ваш адрес email не будет опубликован.