論文の概要: From Punishment to Protection: Charting Six Decades of U.S. Juvenile Justice Through Topic Modeling and LLM-Assisted Analysis
- arxiv url: http://arxiv.org/abs/2606.20597v1
- Date: Mon, 18 May 2026 22:37:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 19:15:20.307341
- Title: From Punishment to Protection: Charting Six Decades of U.S. Juvenile Justice Through Topic Modeling and LLM-Assisted Analysis
- Title（参考訳）: 罰から保護へ--トピックモデリングとLCM支援分析による合衆国少年司法の6年を振り返る
- Abstract要約: 計算手法は、その変化を大規模に追跡できるのか?
アメリカ合衆国では1970年から2025年の間に60,470の意見に当てはまる。
少年司法訴訟の全範囲をカバーする10のテーマにまとめられた182の異なる法的トピックを特定している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Juvenile courts handle two very different kinds of cases: young people accused of crimes, and children at risk in their own families, and both streams have been changing dramatically over the past fifty years. This paper asks: what has shifted, and can computational methods track that change at scale? Topic modeling and LLM-assisted trend analysis is applied to 60,470 U.S. appellate opinions spanning 1970 to 2025, identifying 182 distinct legal topics organized into 10 themes covering the full range of juvenile justice litigation. The results are striking. Child welfare litigation tripled its share of the corpus. Sex offender registration cases more than doubled. Traditional punitive mechanisms, judicial transfer to adult court and the juvenile death penalty, declined sharply. A new cluster of sentencing cases emerged after 2010, reflecting landmark Supreme Court rulings that fundamentally redrew the constitutional limits on juvenile punishment. Analysis also shows that legal vocabulary shifts decade by decade: the language courts used in the 1970s can be unrecognisable by the 2020s, even for the same underlying legal question. The fastest-growing area of the corpus has fractured into dozens of jurisdiction-specific variants that no single topic can capture. In both cases, case counts alone would miss the full arc of doctrinal change. This paper demonstrates that large-scale, reproducible analysis of appellate case law, quantitative trends and doctrinal arcs alike, is possible and practically useful. It also reveals critical risks that any AI-based decision support tool used in juvenile justice and trained on such corpus will encounter: temporal mismatch, vocabulary drift, jurisdictional fragmentation, and the divergence of delinquency and child welfare into two parallel legal systems. Addressing these risks must be a fundamental requirement for any tool used in this domain.
- Abstract（参考訳）: 少年裁判所は、犯罪で告発された若者と、自分の家族の危険にさらされている子どもの2つの非常に異なるケースを扱っている。
計算手法は、その変化を大規模に追跡できるのか?
トピックモデリングとLLMによる傾向分析は、1970年から2025年までの60,470件の米国議会の意見に適用され、182件の異なる法的トピックが、少年司法訴訟の全範囲をカバーする10のテーマにまとめられている。
結果は印象的だ。
児童福祉訴訟はコーパスのシェアを3倍にした。
性犯罪者の登録件数は倍増した。
伝統的な懲罰の仕組み、成人裁判所への司法移転、少年死刑は激減した。
2010年以降、少年罰に関する憲法上の制限を根本的に撤廃するという最高裁判所の判決を反映して、新たな判例が出現した。
1970年代に使用された言語裁判所は、同じ法的問題であっても、2020年代には認識できない可能性がある。
コーパスの最も急速に成長している地域は、単一のトピックをキャプチャできない、数十の管轄区固有の変種に分類されている。
どちらの場合も、ケースカウントだけでは、ドクトリンの変化の完全な弧を見逃してしまう。
本論文は, 大規模かつ再現可能なケース法則, 量的傾向, ドクトリン弧等の解析が可能であり, 実用上有用であることを示す。
また、少年司法で使用され、そのようなコーパスで訓練されたAIベースの意思決定支援ツールが遭遇する重大なリスクも明らかにしている。
これらのリスクに対処することは、このドメインで使用されるツールの基本的な要件でなければならない。
関連論文リスト
- Temporal Frictions and Judicial Outcomes: Analyzing the Impact of Time Delays on Criminal Sentencing in Cook County (2020-2024) [2.28438857884398]
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。
論文 参考訳（メタデータ） (2025-12-18T18:22:32Z) - Not ready for the bench: LLM legal interpretation is unstable and out of step with human judgments [2.8622281002418357]
近年の学問では、法的実践者が解釈ツールキットに大きな言語モデル(LLM)を追加することが提案されている。
この研究は、法学者や連邦判事が最近実施したLSM解釈に対する実証的な議論を提供する。
我々の英語調査は、モデルが安定した解釈判断を提供していないことを示している。
論文 参考訳（メタデータ） (2025-10-29T10:21:25Z) - 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) - 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) - DELTA: Pre-train a Discriminative Encoder for Legal Case Retrieval via Structural Word Alignment [55.91429725404988]
判例検索のための識別モデルであるDELTAを紹介する。
我々は浅層デコーダを利用して情報ボトルネックを作り、表現能力の向上を目指しています。
本手法は, 判例検索において, 既存の最先端手法よりも優れている。
論文 参考訳（メタデータ） (2024-03-27T10:40:14Z) - 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) - SAILER: Structure-aware Pre-trained Language Model for Legal Case
Retrieval [75.05173891207214]
判例検索は知的法体系において中心的な役割を果たす。
既存の言語モデルの多くは、異なる構造間の長距離依存関係を理解するのが難しい。
本稿では, LEgal ケース検索のための構造対応プレトランザクショナル言語モデルを提案する。
論文 参考訳（メタデータ） (2023-04-22T10:47:01Z) - Legal and Political Stance Detection of SCOTUS Language [9.906317924458456]
我々は,自動姿勢検出法を用いて,米国最高裁判所の公用文書を分析した。
SCOTUS正義の2つの異なるイデオロギー指標を口頭弁論書を用いて計算する。
世論に反応する判事は口頭弁論中にイデオロギーを表現する傾向にある。
論文 参考訳（メタデータ） (2022-11-21T18:45:57Z) - 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) - A Multi-Task Benchmark for Korean Legal Language Understanding and
Judgement Prediction [19.89425856249463]
韓国の法律AIデータセットであるLBox Openの大規模なベンチマークについて紹介する。
この法定コーパスは150万の韓国の先例(2億6400万トークン)で構成され、そのうち過去4年間に63万の判決が下された。
2つの分類課題は事例名(10k)と個々の事例の事実記述による法令(3k)の予測である。
LJP タスクは,(1) 1k 件の犯罪事例からなり,そのモデルに詳細な量の予測,労働への投獄,及び与えられた事実に対する労働範囲のない投獄が求められる。
論文 参考訳（メタデータ） (2022-06-10T16:51:45Z) - 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。