課程資訊
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  科際整合法律學研究所  
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% 
 
 
課程進度
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