論文の概要: Temporal Frictions and Judicial Outcomes: Analyzing the Impact of Time Delays on Criminal Sentencing in Cook County (2020-2024)

• arxiv url: http://arxiv.org/abs/2512.16849v1
• Date: Thu, 18 Dec 2025 18:22:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-19 18:10:32.204105
• Title: Temporal Frictions and Judicial Outcomes: Analyzing the Impact of Time Delays on Criminal Sentencing in Cook County (2020-2024)
• Title（参考訳）: 時間的摩擦と司法アウトカム:クック郡における犯罪感に及ぼす時間遅延の影響の分析(2020年-2024年)
• Authors: Yifei Tong,
• Abstract要約: 本研究は, イリノイ州クック郡において, 犯罪犯罪と逮捕の間の時間的遅れが, COVID-19時代における判決結果とどのように関連しているかを検討する。 この研究は、より厳しい刑罰とより長い遅れが関係しているかどうかを問うとともに、裁判の中断期間中の犯罪タイプや制度的文脈によって、これらの関連性が異なるかどうかを問う。 以上の結果から, 人口動態, ケースの複雑さ, 犯罪カテゴリー, パンデミック関連障害を考慮に入れた場合でも, より長い遅延は, より厳密なセンテンスの結果と一貫して関連していることが明らかとなった。
• 参考スコア（独自算出の注目度）: 2.28438857884398
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study examines how time delays between criminal offenses and arrests are associated with sentencing outcomes in Cook County, Illinois, during the COVID-19 era. Using administrative court records from 2020 to 2024, the analysis focuses on cases in which arrests did not occur immediately, allowing for systematic variation in procedural delay. The study asks whether longer delays are linked to more severe punishments and whether these associations differ across offense types and institutional contexts during periods of court disruption. The findings indicate that longer delays are consistently associated with harsher sentencing outcomes, even after accounting for demographic characteristics, case complexity, offense category, and pandemic-related disruptions. These associations are particularly pronounced in violent and sexual exploitation cases. While the analysis does not establish causal effects, the consistency of results across multiple empirical approaches suggests that procedural timing is a meaningful feature of judicial decision-making rather than a neutral administrative artifact. By documenting how institutional delays correlate with punishment severity, this study contributes to empirical research on judicial discretion, court efficiency, and inequality in the administration of justice, highlighting the importance of procedural fairness alongside formal legal criteria.
• Abstract（参考訳）: 本研究は, イリノイ州クック郡において, 犯罪犯罪と逮捕の間の時間的遅れが, COVID-19時代における判決結果とどのように関連しているかを検討する。 2020年から2024年までの行政裁判所の記録を用いて、この分析は、逮捕が直ちに起こらないケースに焦点を当て、手続き遅延の体系的な変化を可能にする。 この研究は、より厳しい刑罰とより長い遅れが関係しているかどうかを問うとともに、裁判の中断期間中の犯罪タイプや制度的文脈によって、これらの関連性が異なるかどうかを問う。 以上の結果から, 人口動態, ケースの複雑さ, 犯罪カテゴリー, パンデミック関連障害を考慮に入れた場合でも, より長い遅延は, より厳密なセンテンスの結果と一貫して関連していることが明らかとなった。 これらの協会は特に暴力的および性的搾取事件で顕著である。 この分析は因果効果を定めていないが、複数の経験的アプローチにまたがる結果の整合性は、手続き的タイミングが中立的な行政的アーティファクトではなく、司法決定の重要な特徴であることを示唆している。 本研究は、制度上の遅延が罰の重大さとどのように関連しているかを文書化することにより、司法行政における司法判断、裁判所効率、不平等に関する実証的研究に寄与し、正式な法的基準とともに手続き的公正の重要性を強調している。

関連論文リスト

• LegalChainReasoner: A Legal Chain-guided Framework for Criminal Judicial Opinion Generation [6.754329137382816]
  我々は,新たな法律AIタスクである司法意見生成を提案する。 同時に、法的推論と判決を同時に生成する。 われわれのアプローチは、柔軟な知識注入とエンドツーエンドの意見生成を保証する。
  論文  参考訳（メタデータ） (2025-08-31T10:22:47Z)
• IBPS: Indian Bail Prediction System [3.1254215477461553]
  ベイルの決定は、インドの裁判所でしばしば上訴される事項の1つである。 インドの刑務所人口の75%以上が囚人である。 本稿では,AIを活用した意思決定支援フレームワークであるIndian Bail Prediction System(IBPS)を紹介する。
  論文  参考訳（メタデータ） (2025-08-11T03:44:17Z)
• AppealCase: A Dataset and Benchmark for Civil Case Appeal Scenarios [47.83822985839837]
  本稿では,91件の民事事件の1万対の実世界と一致した第1インスタンスと第2インスタンスの文書からなるFiceCaseデータセットを提案する。 このデータセットには、判断の逆転、逆転理由、引用された法的規定、クレームレベルの決定、第2のインスタンスに新たな情報があるかどうかという5つの側面に沿った詳細なアノテーションも含まれている。 実験結果から, すべてのモデルが判定逆転予測タスクにおいて50%未満のF1スコアを達成し, 魅力シナリオの複雑さと課題を浮き彫りにしていることがわかった。
  論文  参考訳（メタデータ） (2025-05-22T10:50:33Z)
• 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)
• Exploiting Contrastive Learning and Numerical Evidence for Confusing Legal Judgment Prediction [46.71918729837462]
  訴訟の事実記述文を考慮し、法的判断予測は、事件の告訴、法律記事、刑期を予測することを目的としている。 従来の研究では、標準的なクロスエントロピー分類損失と異なる分類誤差を区別できなかった。 本稿では,モコに基づく教師付きコントラスト学習を提案する。 さらに,事前学習した数値モデルにより符号化された抽出された犯罪量による事実記述の表現をさらに強化する。
  論文  参考訳（メタデータ） (2022-11-15T15:53:56Z)
• Sequential Multi-task Learning with Task Dependency for Appeal Judgment Prediction [28.505366852202794]
  法的判断予測(LJP)は、告訴、関連する法律記事、刑期などの判断結果を自動的に予測することを目的としている。 本稿では,上訴裁判所の控訴審判決を判断する上訴判断予測(AJP)について検討する。 本稿では,これらの課題に対処するために,SMAJudge (Task Dependency for Appeal Judgement Prediction) を用いた逐次マルチタスク学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-09T08:51:13Z)
• Deep Interpretable Criminal Charge Prediction and Algorithmic Bias [2.3347476425292717]
  本稿では, ポストホックな説明のバイアス問題に対処し, 将来の刑事告発を受けるかどうかの信頼性の高い予測を行う。 提案手法は,実生活データセット上での予測精度とリコールの一貫性と信頼性を示す。
  論文  参考訳（メタデータ） (2021-06-25T07:00:13Z)
• 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。