論文の概要: Predicting Court Decisions for Alimony: Avoiding Extra-legal Factors in Decision made by Judges and Not Understandable AI Models

• arxiv url: http://arxiv.org/abs/2007.04824v1
• Date: Thu, 9 Jul 2020 14:14:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-12 03:12:18.144593
• Title: Predicting Court Decisions for Alimony: Avoiding Extra-legal Factors in Decision made by Judges and Not Understandable AI Models
• Title（参考訳）: 有罪判決の予測: 裁判官による決定における法外的要因の回避と理解不能なAIモデル
• Authors: Fabrice Muhlenbach, Long Nguyen Phuoc and Isabelle Sayn
• Abstract要約: この目的のために,ランダムな森林と回帰モデルを組み合わせた説明可能なAIモデルを提案する。 フランスの司法管轄区域が引き起こした離婚問題において、多くの裁判所決定を使用することで、裁判官が下した決定には法外的要因があるかどうかを判断する。
• 参考スコア（独自算出の注目度）: 0.02578242050187029
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The advent of machine learning techniques has made it possible to obtain predictive systems that have overturned traditional legal practices. However, rather than leading to systems seeking to replace humans, the search for the determinants in a court decision makes it possible to give a better understanding of the decision mechanisms carried out by the judge. By using a large amount of court decisions in matters of divorce produced by French jurisdictions and by looking at the variables that allow to allocate an alimony or not, and to define its amount, we seek to identify if there may be extra-legal factors in the decisions taken by the judges. From this perspective, we present an explainable AI model designed in this purpose by combining a classification with random forest and a regression model, as a complementary tool to existing decision-making scales or guidelines created by practitioners.
• Abstract（参考訳）: 機械学習技術の出現により、従来の法的慣行を覆す予測システムを得ることが可能になった。 しかしながら、人間を置き換えるシステムに導かれるのではなく、裁判所の決定における決定要因の探索は、裁判官が行う決定機構をよりよく理解することを可能にしている。 フランスの司法管轄区域が生み出した離婚問題における大量の裁判所決定と、アリモニーの割り当てを許可する変数を見て、その量を定義することで、裁判官が下した決定には法外的要因があるかどうかを判断する。 この観点から、我々は、ランダム森林と回帰モデルを組み合わせた分類を、既存の意思決定尺度や実践者が作成したガイドラインに補完するツールとして設計した説明可能なAIモデルを提案する。

関連論文リスト

• Using LLMs to Discover Legal Factors [0.6249768559720122]
  私たちは、法律ドメインを効果的に表現する要因を見つけるために、大きな言語モデルを使用します。 提案手法は, 原告の意見を入力として, 一連の要因と関連する定義を生成する。 人間の関与が最小限に抑えられた半自動的アプローチが,適度な成功率でケースアウトを予測できる因子表現を生み出すことを実証した。
  論文  参考訳（メタデータ） (2024-10-10T00:42:10Z)
• (Un)certainty of (Un)fairness: Preference-Based Selection of Certainly Fair Decision-Makers [0.0]
  公正度指標は、さまざまな領域にわたる意思決定プロセスにおける差別と偏見を評価するために使用される。 我々は差別評価を強化するために格差の不確実性を定量化する。 我々は、意思決定者よりも好みを定義し、最適な意思決定者を選択するためにブルートフォースを利用する。
  論文  参考訳（メタデータ） (2024-09-19T11:44:03Z)
• Towards Explainability in Legal Outcome Prediction Models [64.00172507827499]
  我々は、前例が法的NLPモデルの説明可能性を促進する自然な方法であると主張している。 法的な先例の分類法を開発することで、人間の判断と神経モデルを比較することができる。 モデルが合理的に結果を予測することを学習する一方で、前例の使用は人間の判断とは違い、ということがわかりました。
  論文  参考訳（メタデータ） (2024-03-25T15:15:41Z)
• The Ethics of Automating Legal Actors [58.81546227716182]
  我々は、裁判官の役割の自動化は、特に一般的な法体系において、難しい倫理的課題を提起すると主張している。 我々の主張は、単に法律を適用するのではなく、法律を積極的に形成する際の裁判官の社会的役割から従う。 モデルが人間レベルの能力を達成できたとしても、法的プロセスの自動化に固有の倫理的懸念は残るだろう。
  論文  参考訳（メタデータ） (2023-12-01T13:48:46Z)
• Causal Fairness for Outcome Control [68.12191782657437]
  本稿では,自動システムにおいて,公平かつ公平な結果変数を最適化することを目的とした,結果制御と呼ばれる特定の意思決定タスクについて検討する。 本稿では、まず因果レンズを通して利益の概念を分析し、特定の個人が肯定的な決定によってどれだけの利益を得られるかを明らかにする。 次に、保護された属性の影響を受けている可能性があることに留意し、これを分析するために使用できる因果的ツールを提案する。
  論文  参考訳（メタデータ） (2023-06-08T09:31:18Z)
• Causal Fairness Analysis [68.12191782657437]
  意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。 我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。 本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
  論文  参考訳（メタデータ） (2022-07-23T01:06:34Z)
• A Justice-Based Framework for the Analysis of Algorithmic Fairness-Utility Trade-Offs [0.0]
  予測に基づく意思決定システムでは、異なる視点が異なってくる可能性がある。 意思決定者の短期的なビジネス目標はしばしば、意思決定対象が公平に扱われたいという願望と矛盾している。 本稿では,これらの価値を優先した選択を明確化するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-06T20:31:55Z)
• Inverse Online Learning: Understanding Non-Stationary and Reactionary Policies [79.60322329952453]
  エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。 一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。 本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。 UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
  論文  参考訳（メタデータ） (2022-03-14T17:40:42Z)
• Legal perspective on possible fairness measures - A legal discussion using the example of hiring decisions (preprint) [0.0]
  雇用決定の特定の適用に適用可能な、さまざまな公正の概念を説明します。 本研究は,それぞれの公正解釈について,その長所と短所を分析し,法的観点から評価する。
  論文  参考訳（メタデータ） (2021-08-16T06:41:39Z)
• ILDC for CJPE: Indian Legal Documents Corpus for Court Judgment Prediction and Explanation [3.285073688021526]
  CJPE(Court Judgment Prediction and Explanation)の課題を提案する。 CJPEは、ケースの説明可能な結果を予測するために、自動化システムを必要とします。 我々の最良の予測モデルは、人間の法律専門家の精度が78%であるのに対して、94%である。
  論文  参考訳（メタデータ） (2021-05-28T03:07:32Z)
• Decision Rule Elicitation for Domain Adaptation [93.02675868486932]
  ヒトインザループ機械学習は、専門家からラベルを引き出すために人工知能(AI)で広く使用されています。 この作業では、専門家が意思決定を説明する決定ルールを作成できるようにします。 決定規則の適用はアルゴリズムのドメイン適応を改善し、専門家の知識をAIモデルに広めるのに役立つことを示す。
  論文  参考訳（メタデータ） (2021-02-23T08:07:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。