課程資訊
課程名稱
身分法專題研究四
Seminar on Family and Succession Law (Ⅳ) 
開課學期
108-2 
授課對象
法律學院  科際整合法律學研究所  
授課教師
 
課號
LAW7447 
課程識別碼
A21 M8700 
班次
 
學分
2.0 
全/半年
半年 
必/選修
選修 
上課時間
星期二8,9(15:30~17:20) 
上課地點
 
備註
教室:霖研五1702。
限碩士班以上
總人數上限:18人 
 
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

主題:人工智慧與法律分析(AI and Legal Analytics)

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。

近來人工智慧(artificial intelligence, AI)飛躍發展,廣泛應用至各領域例如下棋、圖像辨識、無人駕駛系統等,法學領域也出現了號稱「世界上第一個人工智慧律師」的ROSS,為客戶提供諮詢服務。AI相關資訊技術能為法實證研究帶來新的突破:在系統化、科學化地收集資料(法院裁判等)後,運用演算法(algorithms)找出資料間的規則,理解真實情狀(real world),並以此規則用以預測新案件之結果。

本課程將藉由閱讀
KEVIN D. ASHLEY, ARTIFICIAL INTELLIGENCE AND LEGAL ANALYTICS : NEW TOOLS FOR LAW PRACTICE IN THE DIGITAL AGE (2017)
與同學一起探討如何將AI運用於法實證研究,包括:連結法律文本至法律論理的計算模型(computational model of legal reasoning)、針對特定結果生成贊成與反對之主張、預測案件結果,以及用法律人能理解的方式來說明結果。

除閱讀文獻外,授課教師也將以自己過去的研究成果為例,具體說明並實際展演如何將決策樹(decision tree learning)、人工神經網路(artificial neural network)等機器學習(machine learning)方法,應用於家事法院裁判之分析與預測。 

課程目標
理解人工智慧對法學之影響,以及相關技術如何應用於法學實務與研究工作,包含法律論理的模型建立與法律文本分析;修課同學無庸具備統計或程式語言能力。本課程重點在培養同學對AI與法有基本概念,不包含實作。授課教師將於107-2開設法學量化研究方法、108-1開設legal anlytics等實作課程。 
課程要求
一、修習者對法實證研究(量化方法)有基本概念,理解其意義與目的,但不要求實作經驗。

二、第一次上課時進行課程簡介,並決定日後課堂報告和評論之順序,請修課同學務必出席。

1.課堂報告
每次上課由1位同學進行課堂報告,內容為文本之導讀(作摘要),報告時間為50分鐘。報告之4天前上傳報告內容(word或ppt)於CEIBA,俾利負責評論之同學準備。

2.評論
每次上課由1位同學擔任評論人,針對該週之閱讀文本以及報告內容發表感想,每位評論人須發言至少10分鐘。

3.平時成績
除了課堂報告、評論和書面報告外,平常上課的發言表現亦為評分的依據。所有同學必須事先看過當週的文本,課堂報告開始前,老師會抽點同學說明文本大意,發言2分鐘以內即可。因此,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。

4.書面報告
課堂報告後一個月內,應繳交8,000字以上之書面報告,包含6,000字以上的文本導讀內容,2,000字以上的個人意見。 
預期每週課後學習時數
 
Office Hours
每週四 13:00~15:00 
參考書目
 
指定閱讀
 
評量方式
(僅供參考)
 
No.
項目
百分比
說明
1. 
課堂報告 
40% 
 
2. 
評論與平時表現 
20% 
 
3. 
書面報告 
40% 
 
 
課程進度
週次
日期
單元主題
第1週
  課程簡介 
第2週
  黃詩淳、邵軒磊,〈酌定子女親權之重要因素:以決策樹方法分析相關裁判〉,《臺大法學論叢》(TSSCI),47卷1期(2018年3月),頁299-344 
第3週
  黃詩淳、邵軒磊,〈運用機器學習預測法院裁判:法資訊學之實踐〉,《月旦法學》,270期(2017年10月),頁86-96 
第4週
  PART I - COMPUTATIONAL MODELS OF LEGAL REASONING
1 - Introducing AI & Law and Its Role in Future Legal Practice 
第5週
  (國慶日放假) 
第6週
  2 - Modeling Statutory Reasoning 
第7週
  (教師出國請假) 
第8週
  3 - Modeling Case-based Legal Reasoning 
第9週
  4 - Models for Predicting Legal Outcomes 
第10週
  5 - Computational Models of Legal Argument (p.127-144) 
第11週
  5 - Computational Models of Legal Argument (p.144-168) 
第12週
  PART II - LEGAL TEXT ANALYTICS
6 - Representing Legal Concepts in Ontologies and Type Systems (p.169-184) 
第13週
  6 - Representing Legal Concepts in Ontologies and Type Systems (p.185-209) 
第14週
  7 - Making Legal Information Retrieval Smarter 
第15週
  8 - Machine Learning with Legal Texts 
第16週
  9 - Extracting Information from Statutory and Regulatory Texts 
第17週
  10 - Extracting Argument-Related Information from Legal Case Texts