In common law, the outcome of a new case is determined mostly by precedent cases, rather than by existing statutes. However, how exactly does the precedent influence the outcome of a new case? Answering this question is crucial for guaranteeing fair and consistent judicial decision-making. We are the first to approach this question computationally by comparing two longstanding jurisprudential views; Halsbury's, who believes that the arguments of the precedent are the main determinant of the outcome, and Goodhart's, who believes that what matters most is the precedent's facts. We base our study on the corpus of legal cases from the European Court of Human Rights (ECtHR), which allows us to access not only the case itself, but also cases cited in the judges' arguments (i.e. the precedent cases). Taking an information-theoretic view, and modelling the question as a case outcome classification task, we find that the precedent's arguments share 0.38 nats of information with the case's outcome, whereas precedent's facts only share 0.18 nats of information (i.e., 58% less); suggesting Halsbury's view may be more accurate in this specific court. We found however in a qualitative analysis that there are specific statues where Goodhart's view dominates, and present some evidence these are the ones where the legal concept at hand is less straightforward.


翻译:在普通法中,新案件的结果大多由先例案件而不是现有法规来确定。然而,判例如何影响新案件的结果?回答这个问题对于保证公平和一致的司法决策至关重要。我们是第一个通过比较两个长期法律判例观点来计算这一问题的。 Halsbury认为先例的论据是判决结果的主要决定因素,Goodhart认为,最重要的证据是先例的事实。我们的研究依据的是欧洲人权法院(ECtHR)的法律案件数量,它不仅允许我们查阅案件本身,而且允许我们查阅法官论点中引用的案件(即判例案例)。 以信息理论观点和模拟问题作为案件结果分类任务,我们发现,判例的论点与案件结果有0.38纳特比特,而先例的事实只分享0.18纳特的信息(即58%以下);建议Halsbury的好观点在具体法院中比较准确,而这些观点在定性分析中则比较不直截了当。

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
已删除
将门创投
3+阅读 · 2019年4月12日
Arxiv
1+阅读 · 2021年6月14日
Arxiv
0+阅读 · 2021年6月4日
VIP会员
相关VIP内容
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
相关资讯
已删除
将门创投
3+阅读 · 2019年4月12日
Top
微信扫码咨询专知VIP会员