論文の概要: The New Pro Se: Generative AI and the Surge in Federal Civil Self-Representation

• arxiv url: http://arxiv.org/abs/2605.29493v1
• Date: Thu, 28 May 2026 07:19:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:55.934167
• Title: The New Pro Se: Generative AI and the Surge in Federal Civil Self-Representation
• Title（参考訳）: 新しいPro Se: ジェネレーティブAIと連邦市民の自己表現の激しさ
• Authors: Or Cohen-Sasson,
• Abstract要約: 生成AIツールへのアクセスが広まり、連邦民事訴訟はプロセ(自己表現された)原告が著しく増加した。 本稿では,280万件の申請書を用いてそのシフトを分析する。 連邦民事原告率は、GenAI以前の11.33%から、GenAI後の16.94%に増加した。
• 参考スコア（独自算出の注目度）: 0.015153489743575324
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Since public access to generative AI tools became widespread, federal civil litigation has seen a marked increase in pro se (self-represented) plaintiffs. This paper analyzes that shift using ~2.8 million filings, asking whether the post-GenAI period is associated not only with more pro se filings, but also with detectable changes in complaint text, litigation outcomes, and the composition of pro se litigants. Using civil filing data from FY2008-2025, we find that the federal civil pro se plaintiff rate rose from 11.33% pre-GenAI to 16.94% post-GenAI, a 5.61 percentage-point increase that persists after trend and covariate-adjusted robustness checks. We then focus on Civil Rights and Other Statutory cases, where the increase is especially pronounced, and link case metadata to pro se complaints. Drawing on stylometric AI detection indicators, we develop an interpretable measure of AI-consistent drafting. Against a threshold calibrated to the pre-GenAI baseline, the net AI-flagged share is 13.9% of post-GenAI non-form complaints. Analysis of the AI-flagged complaints shows that they are more citation-dense, disproportionately associated with first-time rather than repeat filers, and geographically unevenly distributed. This composition pattern suggests that AI-consistent drafting is not merely a repeat-filer phenomenon; it also includes a modest, suggestive increase in name-inferred female plaintiffs. We find no evidence of improved win rates; in fact, AI-flagged complaints are more likely to be dismissed and to terminate at earlier procedural phases. These findings raise new questions about access to justice and court screening burdens, and sharpen the distinction between legal formality and legal efficacy.
• Abstract（参考訳）: 生成的AIツールへの公的なアクセスが広まると、連邦民事訴訟はプロセ(自己表現された)原告が顕著に増加した。 本稿では,280万件の申告書を用いて,原告の提出期間が,原告の提出件数の増加だけでなく,訴状,訴訟結果,原告の組成の変動が検出可能かどうかを問う。 FY2008-2025の民事出願データを用いて、連邦民事原告率は、GenAI以前の11.33%から16.94%へと上昇した。 次に、特にその増加が顕著な公民権およびその他の法定事例に注目し、訴状メタデータを原告訴にリンクする。 そこで我々は,スタイリスティックなAI検出指標に基づいて,AI一貫性の起草の解釈可能な尺度を開発した。 前GenAIベースラインに調整されたしきい値に対して、AIのフラグ付きシェアは、ポストGenAIの非フォーム苦情の13.9%である。 AIにフラッグされた苦情の分析は、それらが引用深度が高く、再帰的なパフォーマーよりも初回と不均等に関連付けられ、地理的に不均一に分散していることを示している。 この構成パターンは、AI一貫性の起草は単に繰り返しフィルター現象であるだけでなく、名前推論された女性原告の質素で示唆的な増加も含んでいることを示唆している。 実のところ、AIにフラッグをかけた苦情は取り消され、初期の手続き段階で終了する可能性が高い。 これらの発見は、司法と裁判所の審査の負担に対する新たな疑問を提起し、法的形式と法的効力の区別を厳しくする。

関連論文リスト

• Insights into Security-Related AI-Generated Pull Requests [0.0]
  33,000以上のAI生成プルリクエスト(PR)を分析し、エージェントAIによる675件のセキュリティ関連の提出を識別する。 その結果,セキュリティ関連のAI PRでは,一連の脆弱性が繰り返し発生することがわかった。 AI PRのコミットメッセージの品質は、以前の研究で報告された人間のPRとは対照的に、受け入れやレイテンシに制限効果がある。
  論文  参考訳（メタデータ） (2026-04-21T20:20:20Z)
• APR: Penalizing Structural Redundancy in Large Reasoning Models via Anchor-based Process Rewards [61.52322047892064]
  テスト時間スケーリング(TTS)は、Large Reasoning Models(LRM)の機能を大幅に強化した。 我々は, LRM が推論過程において最終回答を得た後も, 再検討なしに反復的自己検証を頻繁に行うことを観察した。 本稿では,Anchor-based Process Reward (APR)を提案する。
  論文  参考訳（メタデータ） (2026-01-31T14:53:20Z)
• Preventing the Collapse of Peer Review Requires Verification-First AI [49.995126139461085]
  我々は、真理結合、すなわち、過度に科学的真理をトラックする場所のスコアの厳密さを提案する。 プロキシ・ソブリン評価に向けた相転移を駆動する2つの力の形式化を行う。
  論文  参考訳（メタデータ） (2026-01-23T17:17:32Z)
• Hybrid Retrieval-Augmented Generation Agent for Trustworthy Legal Question Answering in Judicial Forensics [30.232667436008978]
  司法設定に適した混成法的QAエージェントを提示する。 検索強化世代(RAG)とマルチモデルアンサンブルを統合し、信頼性、監査性、継続的なアップグレード可能なカウンセラーを提供する。
  論文  参考訳（メタデータ） (2025-11-03T15:30:58Z)
• Reduced AI Acceptance After the Generative AI Boom: Evidence From a Two-Wave Survey Study [40.26767449635043]
  本稿では,ChatGPTのローンチ前後におけるAIに対する公的な態度の変化について検討する。 AIが「全く受け入れられない」と回答した回答者の割合は23%から30%に増加した。 これらの変化は、教育、言語、性別格差の拡大の観点から、既存の社会的不平等を増大させてきた。
  論文  参考訳（メタデータ） (2025-10-27T17:47:58Z)
• Almost AI, Almost Human: The Challenge of Detecting AI-Polished Writing [55.2480439325792]
  本研究では、AI-Polished-Text Evaluationデータセットを用いて、12の最先端AIテキスト検出器を体系的に評価する。 我々の発見によると、検出器は、最小限に洗練されたテキストをAI生成としてフラグ付けし、AIの関与度を区別し、古いモデルや小さなモデルに対するバイアスを示す。
  論文  参考訳（メタデータ） (2025-02-21T18:45:37Z)
• Hybrid Deep Learning for Legal Text Analysis: Predicting Punishment Durations in Indonesian Court Rulings [0.0]
  本研究は,文長の深層学習に基づく予測システムを開発した。 我々のモデルは,CNNとBiLSTMとアテンション機構を組み合わせたもので,R2乗のスコアは0.5893。
  論文  参考訳（メタデータ） (2024-10-26T07:07:48Z)
• Copyleft for Alleviating AIGC Copyright Dilemma: What-if Analysis, Public Perception and Implications [4.959125079708047]
  AIGC著作権のジレンマはAIGCの発展を著しく阻害し、社会全体に多大な損害を与える可能性がある。 以前の研究は、AIガバナンスのコピーレフトを提唱したが、実体分析は行わなかった。 主な発見は、a) 一般的にジレンマを知覚する、b) 緩やかな制限の下で認可されたAIGCを使用する、c) AIGCのコピーレフトに陽性で、将来的にそれを使用する意思がある、といったものだ。
  論文  参考訳（メタデータ） (2024-02-19T15:20:35Z)
• Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
  AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。 偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。 問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
  論文  参考訳（メタデータ） (2023-04-16T11:22:59Z)

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。