課程名稱 |
法律資料分析專題一 Seminar on Legal Analytics (Ⅰ) |
開課學期 |
109-2 |
授課對象 |
法律學院 法律研究所 |
授課教師 |
黃詩淳 |
課號 |
LAW7137 |
課程識別碼 |
A21 M3620 |
班次 |
|
學分 |
2.0 |
全/半年 |
半年 |
必/選修 |
選修 |
上課時間 |
星期四3,4(10:20~12:10) |
上課地點 |
霖研一1501 |
備註 |
總人數上限:18人 |
Ceiba 課程網頁 |
http://ceiba.ntu.edu.tw/1092LAW7137_ |
課程簡介影片 |
|
核心能力關聯 |
核心能力與課程規劃關聯圖 |
課程大綱
|
為確保您我的權利,請尊重智慧財產權及不得非法影印
|
課程概述 |
法學研究的重要關懷或目標,是促進法律解釋適用的可預測性與安定性,希望相似的案件得到類似的結果,因此必須要先掌握「現在的法律解釋適用之情況」亦即法院裁判。傳統的法學研究方法例如解釋學、比較法,未必關注法院裁判,即使有,也可能僅處理單一、具代表性的裁判(leading case),對之表示贊成、批判或理論補充,而無法系統地掌握法院裁判的現狀。實證研究方法的引進,目的即在改善此問題。隨著機器學習演算法、自然語言處理等資料科學(data science)的進展,大量法律文本(含裁判)的分析成為可能,形成「法律資料分析」學(legal analytics)。本課程之目的在培養同學使用資料科學的技術來分析較大量的裁判,實踐法實證研究。
本課程從資料分析的基本,亦即量化實證研究的編碼方式開始,到模型的選定、適用以及結果的解釋、呈現,讓同學實踐法律資料分析。具體方式請見課程要求。
本課程為「資訊科技時代的司法心理學課群」之一部,詳情參見網站https://www.ntupli.com。開學後的加簽名額將優先保留給欲修習本課群的同學。
|
課程目標 |
培養同學使用資料分析工具,分析裁判資料,並從中發掘及解決問題。 |
課程要求 |
2/25第一次上課時間將進行課程簡介,並決定各自的主題與報告順序,請務必出席。此外,準時出席以及積極參與課程十分重要。缺席和請假超過三次者不授予學分。由於經常要實作,請同學攜帶筆電。
3/11之前各組應與老師約面談,決定題目與分析之裁判範圍。
課程安排將分成三大部分:
一、裁判編碼(標記)
本課程的前四週將進行法律資料分析的導論以及裁判編碼(資料標記)的教學。3/18-4/15則實作標記,老師與助教在場指導。
二、資料分析技術
本課程僅會介紹分析裁判研究時常用的演算法,內容與一般程式語言課程不同。在教學完畢後,將有三週的時間,讓同學實際操作模型、報告進度,並與助教、老師討論如何解決問題。
三、資料呈現
最後將進行資料呈現(亦即如何視覺化,包括製圖、表、mark down等)方法的學習與實作。
6/10每組同學應繳交成果報告,並參加6月下旬課群的成果發表會。
|
預期每週課後學習時數 |
|
Office Hours |
另約時間 |
指定閱讀 |
|
參考書目 |
李仁鐘、李秋緣(2017), R語言資料分析:從機器學習、資料探勘、文字探勘到巨量資料分析
[第二版],臺北:博碩。
KEVIN D. ASHLEY, ARTIFICIAL INTELLIGENCE AND LEGAL ANALYTICS : NEW TOOLS FOR LAW
PRACTICE IN THE DIGITAL AGE (2017). |
評量方式 (僅供參考) |
No. |
項目 |
百分比 |
說明 |
1. |
專題成果 |
70% |
|
2. |
上課參與 |
30% |
|
|
週次 |
日期 |
單元主題 |
第1週 |
02/25 |
課程簡介與分組。 |
第2週 |
03/04 |
法律資料分析的概念與流程簡介 |
第3週 |
03/11 |
資料分析前沿技術(學術演講)。在本週之前與老師面談,決定題目與分析之裁判範圍。 |
第4週 |
03/18 |
標註介面說明與標註要點 |
第5週 |
03/25 |
標註實作1 |
第6週 |
04/01 |
放假 |
第7週 |
04/08 |
標註實作2 |
第8週 |
04/15 |
法律資料分析技術簡介1 |
第9週 |
04/22 |
法律資料分析技術簡介2 |
第10週 |
04/29 |
模型建立實作1 |
第11週 |
05/06 |
模型建立實作2 |
第12週 |
05/13 |
分析結果呈現 |
第13週 |
05/20 |
綜合整理準備 |
第14週 |
05/27 |
結果呈現1 |
第15週 |
06/03 |
結果呈現2 |
第16週 |
06/10 |
成果繳交 |