基于大數據的司法公正風險量化問題研究

韋姍姍

關鍵詞：司法公正；風險量化；層次分析法

對司法公正風險進行量化評估，及時發現司法公正風險問題，是實現司法公正的重要途徑。當前，大數據在司法公正領域的研究和算法應用才剛開始，大多停留在純粹司法角度的理論探討，針對這一問題，為提高司法公正風險的精準度量，本文提出基于大數據的司法公正風險量化方法研究，以經典的層次分析法為例，提出計算思路，從而為司法公正風險量化評估提供新思路，以及為大數據背景下的司法公正風險防控提供理論支撐。

1基于大數據的司法公正風險量化概述

大數據技術正在驅動社會治理應用創新，促進信息化與社會科學的緊密結合，實現社會科學的智能化、專業化。基于大數據的司法公正風險量化是多門學科、多個研究領域、多種技術綜合應用的結果，在此背景下，司法體系可以依托大數據、云計算、神經網絡、人工智能等現代科技，通過智能化，將數據收集、儲存、分析、利用等環節融為一體，對司法過程與結果進行統一化管理、控制及應用，挖掘潛在規律信息，進而實現司法公正風險的量化。

2司法公正風險量化的必要性

2.1司法公正風險量化的意義

司法是國家權力機關通過適用法律解決社會領域糾紛的活動，是為爭議雙方當事人提供非武力解決爭議的手段。司法公正是指在司法活動中，嚴格依照法定程序，平等對待所有當事人，準確嚴格適用法律，依法作出裁判，保障雙方當事人的合法權利，最大限度地達到整個社會對公平正義的期望，最大限度地保證公平正義的一種良性狀態。

開展基于大數據的司法公正風險量化研究可為司法體系量化評估提供新思路新方法，以及為大數據背景下的司法公正風險防控提供理論支撐、技術支持。同時，由于司法數據量龐大，現有的計算受到多方面的局限，雖可用作定量分析，但無法量化出風險級別，因此需要選取一個風險量化的數學模型，構建風險函數，將風險歸一化至某一區間內并將其劃分為若干個風險級別，以便針對不同級別的風險采取不同的措施。司法公正風險量化是通過數學方法將司法公正的影響因素分層分類計算，以得到一個歸一化的值，并由這個值可判斷其處于哪個風險區間。

2.2司法公正風險量化的作用

學術界對司法公正影響因素的研究主要有2方面，即局部研究和整體研究。局部研究主要是針對影響司法公正要素中的某一要素或者對司法過程中的某一方面進行剖析。有的學者以媒體監督為視角，闡述了媒體監督的雙刃劍作用。整體研究是指探究影響司法公正實現的全部因素，并按照一定標準對其進行分類。目前，主要有“四要素說”“五要素說”和“六要素說”。關于司法公正實現的影響因素的研究，從方法上來看，目前的研究大多在理論研究層面，一般采用文獻分析法、案例分析法和比較分析法進行研究，缺乏具體的實證研究、數據研究。因此，亟需使用風險量化評估模型將各影響因素進行量化評估，以得到風險區間。近年來，量化評估方法在我國法學研究與法律實踐中得到了較為廣泛的應用，其中包含對司法公正進行分析評價的內容。現有的案件質量評估體系屬于典型的量化評價，在數據獲取上也具有相對穩定的來源，可作為實現司法公正量化分析的基礎，但很難達到統計學上衡量評價結果科學性的“效度”指標，評估結果也不能完全揭示評估對象的真實情況。近年來，計算法學的研究進一步促進了法學領域與計算機科學、現代統計學、人工智能等學科的交叉融合，使用可量化或客觀的手段降低了法律體系中的主觀性，提高了立法與司法的實用性、科學性。

3司法公正風險量化的方法

首先結合實際調研數據、實證資料開展司法公正的影響因素分析，挑選出與司法公正強相關的特征因素，并將其作為司法公正量化計算的基本輸入；然后對每個特征因素進行量化計算研究，將定性的表征數字化，為司法公正風險量化評估提供輸入。本文將司法公正劃分為5個維度，即“司法公正的影響因素=司法制度+司法程序+裁判質量+法官素質+司法環境”[2]，根據每個維度所具有的含義得到一級指標，每一個一級指標下再細分出更具體的二級指標。司法公正的影響因素指標體系就是將影響司法公正實現的因素轉化成可量化、直觀且可驗證的具體指標，以建構具有嚴格邏輯關系的體系。通過統計分析或其他相關理論，基于相關司法數據確定各個因素與司法公正是否存在相關性以及是否存在因果聯系，從而挑選出多層級的司法公正影響因素指標體系。

目前，風險評估模型在很多領域都有所應用，但在司法公正方面的應用文獻極少。現在學者研究的風險評估模型分類多種多樣，最常見的有層次分析法（AHP）．聚類分析法、決策樹法、回歸模型、模糊綜合分析法等。層次分析法（AHP）具有較強的系統性分析能力，針對形成原因復雜的多類型風險，此方法能夠快速梳理出風險的層級關系，能為后續的風險評估建立清晰的識別框架[3]。聚類分析法是將評估指標涉及的相關數據做聚類處理，降低了風險評估的難度，同日寸能夠應對評估數據的升級，以適應信息系統的發展變化[4]。決策樹法將風險進行區分并依據風險的特性，建立有針對性的風險評估指標體系，以提供風險評估的科學性[5]。回歸模型依據信息系統的變化情況，建立模型，推測風險與變化之間的內在聯系，并得到信息系統的風險值[6]。模糊綜合分析法利用模糊數將定性評價轉化為模型能夠分析的數學變量，因此，即使缺乏歷史數據的支撐，其仍然能夠建立有效的審判風險定量評估模型。

層次分析法（AHP）是評估方法中最經典的，同時也是解決復雜決策問題常用的一種方法。層次分析法（AHP）將與決策總是相關的元素分解成目標層、準則層、因素層等，然后對各層次中的指標進行定性和定量分析。本文以層次分析法（AHP）為例對司法公正風險量化，步驟如下。

（1）構建司法公正風險量化指標，確定指標體系的結構，結構有目標層、準則層和指標層。

（2）通過專家打分法對指標進行兩兩比較，根據表1確定兩兩因素比較的量化值，形成判斷矩陣XNN，見式（1），同時計算指標一致性CI，見式（2），其中Ⅳ參照表2平均隨機一致性表，計算一致性比例CR，見式（3），當一致性比例小于0.1時，一致性在可接受范圍內；若一致性比例大于0.1，則說明判斷矩陣的一致性不滿足要求，需要重新調整判斷矩陣，直到矩陣一致性小于0.1。

（3）根據判斷矩陣XNN求解最大特征值max和特征向量w，此時的特征向量就是指標的權重。首先歸一化判斷矩陣得到：

本文所劃分的準則層有5個因素，每個準則層下面有多個因素，根據專家評價后的結果構建矩陣，得到評價矩陣：

4結束語

司法活動所產生的數據量龐大，需要評估模型計算后才能實現量化分析，本文基于經典的層次分析法提出了司法公正風險的量化過程，能為司法公正風險量化提供一定理論依據。