論文の概要: Analyzing HC-NJDG Data to Understand the Pendency in High Courts in
India
- arxiv url: http://arxiv.org/abs/2307.10615v1
- Date: Thu, 20 Jul 2023 06:25:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-21 14:28:22.874472
- Title: Analyzing HC-NJDG Data to Understand the Pendency in High Courts in
India
- Title（参考訳）: HC-NJDGデータ分析によるインドの高等裁判所の罰則の理解
- Authors: Kshitiz Verma
- Abstract要約: インド司法裁判所は、あらゆるレベルで裁判所で待機している何百万もの事件の重荷に苦しんでいる。
本稿では,インドの24の高等裁判所で収集したデータについて分析する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Indian Judiciary is suffering from burden of millions of cases that are lying
pending in its courts at all the levels. In this paper, we analyze the data
that we have collected on the pendency of 24 high courts in the Republic of
India as they were made available on High Court NJDG (HC-NJDG). We collected
data on 73 days beginning August 31, 2017 to December 26, 2018, including these
days. Thus, the data collected by us spans a period of almost sixteen months.
We have analyzed various statistics available on the NJDG portal for High
Courts, including but not limited to the number of judges in each high court,
the number of cases pending in each high court, cases that have been pending
for more than 10 years, cases filed, listed and disposed, cases filed by women
and senior citizens, etc. Our results show that: 1) statistics as important as
the number of judges in high courts have serious errors on NJDG (Fig. 1, 2, 10,
11, Table V). 2) pending cases in most of the high courts are increasing rather
than decreasing (Fig. 3, 13). 3) regular update of HC-NJDG is required for it
to be useful. Data related to some high courts is not being updated regularly
or is updated erroneously on the portal (Fig. 14). 4) there is a huge
difference in terms of average load of cases on judges of different high courts
(Fig. 6). 5) if all the high courts operate at their approved strength of
judges, then for most of the high courts pendency can be nullified within 20
years from now (Fig. 21, 22). 6) the pending cases filed by women and senior
citizens are disproportionately low, they together constitute less than 10% of
the total pending cases (Fig. 23 - 27) 7) a better scheduling process for
preparing causelists in courts can help reducing the number of pending cases in
the High Courts (Fig. 29). 8) some statistics are not well defined (Fig. 31).
- Abstract（参考訳）: インドの司法機関は、あらゆるレベルで裁判所で係争中の何百万もの事件に苦しめられている。
本稿では,インド共和国における24の高等裁判所(hc-njdg,high court njdg)において収集したデータを分析した。
2017年8月31日から2018年12月26日までの73日間のデータを収集しました。
したがって、私たちによって収集されたデータは、ほぼ16ヶ月の期間にまたがる。
我々は,高等裁判所のNJDGポータルにおいて,高等裁判所の裁判官数,高等裁判所に係留する事件数,10年以上保留されている事件数,提出された事件数,登録された事件数,女性・高齢者の訴訟数など,さまざまな統計分析を行った。
結果はこう示しています
1) 高等裁判所判事の数はNJDG(第1、第1、第2、第10、第11、第V表)に重大な誤差がある。
2)ほとんどの高等裁判所の仮設事件は減少せず、増加傾向にある(第3、第13図)。
3)HC-NJDGの定期的な更新が必要である。
一部の高等裁判所に関するデータは定期的に更新されず、ポータルで誤って更新される(第14図)。
4) 異なる高等裁判所の裁判官に対する判例の平均負荷には大きな差がある(第6図)。
5) すべての高等裁判所が裁判官の承認した力で運営している場合、今後20年以内に上級裁判所の年金は無効にすることができる(第21、第22図)。
6) 女性及び高齢者が起こした留置件数は不当に低く、合計留置件の10%未満である(第23-27図)
7)高等裁判所の仮設事件件数を減少させるため、裁判所における事案作成のスケジューリングプロセスの改善が図られる(第29図)。
8)いくつかの統計は明確に定義されていない(第31図)。
関連論文リスト
- End-to-End Optimization and Learning of Fair Court Schedules [46.76273076646004]
合衆国の刑事裁判所は毎年何百万もの事件を処理している。
被告のスケジューリングの好みは、しばしば最優先事項である。
本稿では,エンドツーエンドで訓練された機械学習モデルと効率的なマッチングアルゴリズムを組み合わせた,共同最適化および学習フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-22T20:40:53Z) - Multi-Defendant Legal Judgment Prediction via Hierarchical Reasoning [49.23103067844278]
マルチディペンダント・ケースの各被告に対する判断結果を自動予測することを目的としたマルチディペンダント・LJPの課題を提案する。
マルチディペンダント LJP の課題は,(1) 各被告の識別不能な判断結果, (2) 訓練と評価のための実世界のデータセットの欠如である。
論文 参考訳（メタデータ） (2023-12-10T04:46:30Z) - JudgeLM: Fine-tuned Large Language Models are Scalable Judges [54.007823006976516]
大規模言語モデル (LLM) を拡張性判断器 (JudgeLM) として微調整し, LLM を効率よく, かつ効率的に評価する手法を提案する。
まず, タスクシード, LLM 生成回答, GPT-4 生成判断を含む包括的, 大規模, 高品質なデータセットを提案する。
次に、微調整LDMにおける重要なバイアスを判断として分析し、位置バイアス、知識バイアス、フォーマットバイアスとみなす。
論文 参考訳（メタデータ） (2023-10-26T17:48:58Z) - LeCaRDv2: A Large-Scale Chinese Legal Case Retrieval Dataset [20.315416393247247]
大規模法ケース検索データセットLeCaRDv2(バージョン2)を紹介する。
800のクエリと430万件の刑事事件文書から抽出された55,192の候補で構成されている。
評価,ペナルティ,手順の3つの重要な側面を考慮し,既存の関連基準を充実させる。
データセットのすべてのケースは、刑事法を専門とする複数の法律専門家によって注釈付けされています。
論文 参考訳（メタデータ） (2023-10-26T17:32:55Z) - Estimating Time to Clear Pendency of Cases in High Courts in India using
Linear Regression [0.0]
インド司法裁判所は、あらゆるレベルで裁判所で待機している何百万もの事件の重荷に苦しんでいる。
高等法院司法データグリッド(HC-NJDG)は、高等法院で保留中のすべての事件をインデックス化し、そのデータを公開している。
我々は、2017年8月31日から2020年3月22日までの229日間に、HC-NJDGポータルから収集したデータを分析した。
論文 参考訳（メタデータ） (2023-07-24T06:37:02Z) - ClassActionPrediction: A Challenging Benchmark for Legal Judgment
Prediction of Class Action Cases in the US [0.0]
米国におけるクラスアクションケースに焦点を当てた、挑戦的なLJPデータセットを初めてリリースしました。
これは、裁判所がしばしば使用する事実の要約ではなく、苦情を入力として含む、より難しくより現実的なタスクに焦点を当てた、共通の法体系における最初のデータセットである。
我々のLongformerモデルは、最初の2,048トークンしか考慮していないにもかかわらず、明らかに人間のベースライン(63%)を上回っている。さらに、詳細なエラー解析を行い、Longformerモデルが人間の専門家よりも格付けがかなり優れていることを発見した。
論文 参考訳（メタデータ） (2022-11-01T16:57:59Z) - A Survey on Legal Judgment Prediction: Datasets, Metrics, Models and
Challenges [73.34944216896837]
法定判断予測(LJP)は,事実記述に基づく判断結果の自動予測に自然言語処理(NLP)技術を適用している。
6言語で31のLJPデータセットを分析し、その構築過程を示し、LJPの分類方法を定義する。
異なる訴訟の8つの代表的データセットに対する最先端の結果を示し、オープンな課題について議論する。
論文 参考訳（メタデータ） (2022-04-11T04:06:28Z) - JUSTICE: A Benchmark Dataset for Supreme Court's Judgment Prediction [0.0]
我々は、自然言語処理(NLP)研究やその他のデータ駆動アプリケーションで容易に利用できるように、SCOTUS裁判所の高品質なデータセットを作成することを目指している。
先進的なNLPアルゴリズムを用いて以前の訴訟を分析することにより、訓練されたモデルは裁判所の判断を予測し、分類することができる。
論文 参考訳（メタデータ） (2021-12-06T23:19:08Z) - What About the Precedent: An Information-Theoretic Analysis of Common
Law [64.49276556192073]
一般的な法律では、新しい事件の結果は、既存の法令ではなく、前例によって決定されることが多い。
私たちは、2つの長年にわたる法学的な見解を比較することで、この問題に最初に取り組みました。
前例の主張は事件の結果と0.38ナットの情報を共有しているのに対し、前例の事実は0.18ナットの情報しか共有していない。
論文 参考訳（メタデータ） (2021-04-25T11:20:09Z) - Investigating sentence severity with judicial open data -- A case study
on sentencing high-tech crime in the Dutch criminal justice system [3.35887644871588]
プライバシー法により、欧州の司法公開データ(裁判所判決など)は通常匿名化されている。
これにより、例えば犯罪者に関する情報の一部が取り除かれるため、センデンシングに対する犯罪学的な研究がどの程度匿名化されたオープンデータを利用することができるのかという疑問が生じる。
2015～2020年の間,裁判所判決25,366件の判決分析を行い,特に文の重大性と高度なICT使用との関連について検討した。
最も重要な結果は、第一に、先進的なICTを使用する犯罪者は、他の犯罪者と比較して長文で判決を受けることである。
論文 参考訳（メタデータ） (2021-04-09T17:12:21Z) - Equality before the Law: Legal Judgment Consistency Analysis for
Fairness [55.91612739713396]
本論文では,LInCo(Legal Inconsistency Coefficient)の判定不整合性評価指標を提案する。
法的な判断予測(LJP)モデルを用いて異なる集団の裁判官をシミュレートし、異なる集団で訓練されたLJPモデルによる判断結果の不一致を判断する。
私達はLInCoを実際の場合の不一致を探検するために使用し、次の観察に来ます:(1)地域およびジェンダーの不一致は法制度でありますが、ジェンダーの不一致は地方不一致より大いにより少しです。
論文 参考訳（メタデータ） (2021-03-25T14:28:00Z)
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。