論文の概要: Estimating Time to Clear Pendency of Cases in High Courts in India using Linear Regression

• arxiv url: http://arxiv.org/abs/2307.12549v1
• Date: Mon, 24 Jul 2023 06:37:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-25 15:21:08.811980
• Title: Estimating Time to Clear Pendency of Cases in High Courts in India using Linear Regression
• Title（参考訳）: 線形回帰を用いたインドの高等裁判所における事件発生時刻の明確化
• Authors: Kshitiz Verma, Anshu Musaddi, Ansh Mittal, Anshul Jain
• 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。 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。
• 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. The High Court National Judicial Data Grid (HC-NJDG) indexes all the cases pending in the high courts and publishes the data publicly. In this paper, we analyze the data that we have collected from the HC-NJDG portal on 229 randomly chosen days between August 31, 2017 to March 22, 2020, including these dates. Thus, the data analyzed in the paper spans a period of more than two and a half years. We show that: 1) the pending cases in most of the high courts is increasing linearly with time. 2) the case load on judges in various high courts is very unevenly distributed, making judges of some high courts hundred times more loaded than others. 3) for some high courts it may take even a hundred years to clear the pendency cases if proper measures are not taken. We also suggest some policy changes that may help clear the pendency within a fixed time of either five or fifteen years. Finally, we find that the rate of institution of cases in high courts can be easily handled by the current sanctioned strength. However, extra judges are needed only to clear earlier backlogs.
• 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。 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。 本稿では,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。 このように、論文で分析されたデータは、2年半以上に及ぶ期間にまたがる。 ご覧の通りです 1) 高等裁判所の係争事件は時間とともに直線的に増加している。 2 高等裁判所の裁判官に対する訴訟の負荷が非常に不均一であり、高等裁判所の裁判官が他の裁判所の100倍の負荷を受ける。 3 高等裁判所においては、適切な措置が講じられなければ、年金事件の解決に百年もかかることがある。 また、5年か15年という一定期間内にペンデンシーをクリアするのに役立つ政策変更も提案しています。 最後に, 高等裁判所における事件発生率を, 現行の認定力で容易に把握できることを見いだした。 しかし、余分な判断は、以前のバックログをクリアするためにのみ必要です。

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)
• 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)
• 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)
• Predicting delays in Indian lower courts using AutoML and Decision Forests [0.0]
  本稿では,出願時に利用可能な事例情報に基づいて,インドの下級裁判所における遅延を予測する分類モデルを提案する。 このモデルは2010年に提出された4200万件の訴訟のデータセットと、10年間にわたる結果に基づいて構築されている。 最良のモデルは81.4%の精度を達成し、精度、リコール、F1は0.81であることが判明した。
  論文  参考訳（メタデータ） (2023-07-30T17:41:47Z)
• Analyzing HC-NJDG Data to Understand the Pendency in High Courts in India [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。 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。
  論文  参考訳（メタデータ） (2023-07-20T06:25:53Z)
• LawngNLI: A Long-Premise Benchmark for In-Domain Generalization from Short to Long Contexts and for Implication-Based Retrieval [72.4859717204905]
  LawngNLIは米国法的な見解から構築されており、高い精度で自動ラベルが付けられている。 短いコンテキストから長いコンテキストまでドメイン内の一般化のベンチマークを行うことができる。 LawngNLIは、含意に基づくケース検索と議論のためのシステムを訓練し、テストすることができる。
  論文  参考訳（メタデータ） (2022-12-06T18:42:39Z)
• 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)
• 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)
• 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。