人工智能时代法学实践教育模式的五维变革

李 倩，李保芳

(昆明理工大学 法学院，云南 昆明 650500)

早在2018年，教育部、中央政法委在《关于坚持德法兼修实施卓越法治人才教育培养计划2.0的意见》中曾明确提出要“强化法学实践教育”。在人工智能技术日益发展的今天，如何革新法学实践教育以应对科技进步中的人才需求，以及如何借助科技手段优化法学实践教育的培养过程已成为新的时代命题。对此，2020年《新文科建设宣言》积极呼吁应通过现代信息技术赋能文科教育，聚焦法学等学科的应用型人才培养。在实践层面，北京大学、中国人民大学、浙江大学、中国政法大学、西南政法大学等高校率先探索，已通过设立法律人工智能实验室、实践基地与系统平台等手段革新法学实践教育模式。尽管如此，囿于我国传统法学实践教育的多年惯性，以及对人工智能技术应用模式的疑虑，如何客观审视当下法学实践教育的实然困境与人工智能技术的工具价值，并找准人工智能技术优化法学实践教育的具体路径等问题亟待探究。

一、当下我国高校法学实践教育的现实困境

(一)法学实践教育环节流于同质化与浅表化

1.法学本科、硕士、博士的实践教育同质化。按照目前法学教育层次设置，应当有法学本科、法学硕士、法律硕士以及法学博士四种一一对应的实践教育机制。但在实践过程中，高校往往对这四类学生采用同一或接近的实践教学模式与评价机制，其教学要求与内容大同小异，导致学生在完成高校主导的实践环节后，法律技能仍较为单一，处理实务工作的能力并无显著区分。这种严重的同质化现象无法与相应的学历层次精准匹配，难以分别满足各个群体，尤其是以培养实务型法律人才为目的的法律硕士的实践需求。此外，相对理论教学而言，实践教学往往未被高校高度重视，实践教育环节仅作为高校对其自身性质的技术性弥补，因此该环节在不同学历层次学生之间的同质化现象仍广泛存在。

2.实践教育内容缺乏针对性与个性化。随着法科生的个体意识不断增强，人生观价值观呈现出多样发展的趋势，学生从学科偏好到就业意向都千差万别，而我国法学院几乎都仍在沿用传统的实习方式完成实践教育，固化的实践内容和僵化的实践方式难以满足学生个性化发展。早在2017年，付子堂教授已提出，“在大数据时代，实践不仅仅是实习，实践教学的途径和方法要多样化，要教会学生使用大数据思维和大数据方法分析案件。”[1]时至今日，各法学院的实践教学方式仍未有太多实质性变化，学生还是主要从单一的校外单位实习中进行实践学习，田野调查、问卷分析、参与实践课题等重要方式往往被忽略。

3.法学实践教育内容浅表化。我国法学实践教育分为校内实践与校外实践两种基本模式。校内实践主要通过模拟法庭、法律诊所等方式进行，但大多注重流程，具有较强表演色彩，而且开展次数也有限，导致其形式意义高于实质意义。校外实践以专业实习方式为主，即在法院、检察院、律所、公司等体验工作，时长通常为3—6月不等。尽管实践环节已经尽量被规范化，但是还是不能避免一部分学生为得到相应实践学分，仅通过“表格实习”“盖章实习”等方式滥竽充数，没有真正地参与到具体法律实务工作之中。有部分学生即使参与实际操作，也仅从事事务性的工作，跟进完整案件与接触核心内容的时间较少，能够深度参与“人工智能+法律”实务的机会则更少，浅尝辄止或盲人摸象式的实践难以实现实践环节设立的初衷。

(二) 法学实践教育与数字技术融合过于机械化

人工智能、大数据、云计算、物联网等新技术正在引发人类社会的第四次工业革命[2]，以人工智能驱动的“第四次教育革命”也悄然来临。在此背景下，亟待考虑如何运用数字技术推动法学实践教育发展。为此，国内外高校都积极寻求法学实践与数字技术的融合之道。其中，美国起步较早，斯坦福大学已为“法律、科学和技术”专业的法律硕士提供高水平的实践项目，其内容涵盖电子商务、互联网与社会、法律和生物科学、计算机与法律、知识产权诉讼信息交换、跨大西洋技术法律论坛六个方面[3]。而国内在此方面起步较晚，除了中国政法大学开发的“同案不同判预警系统”“虚假诉讼预警系统”，以及北大法宝与北京理工大学法学院联合建立的“人工智能法学教育实践基地”等较有代表性的成果之外，我国法学实践教育与数字技术的融合总体上仍较为机械化。一方面，所融合的技术较为简单，难以体现法学专业性。目前，绝大部分法学院局限于借助邮箱、微信群、QQ群等信息传输手段进行实践教育管理，并融合多媒体课件展示、远程教育平台等媒介开展实践教学，主要关注信息的传达和检索，倾向通过单方面的灌输，缺乏优质的针对性信息筛选和有效的沟通反馈。这些融合只是将普适性数字技术简单用于法学实践教育的部分环节中，难以体现数字技术对于法学实践教育在专业层面的影响。另一方面，所融合的内容较为浅显，欠缺法律实务的体系性。现阶段法学界对人工智能与各部门法之间内在联系的认识缺乏稳定性，“人工智能+法学”的学科交叉尝试主要停留在表面[4]，规范的学科融合尚未形成。

(三) 实务人才供给与人工智能时代需求错位

根据麦可思研究院发布的《就业蓝皮书：2021中国本科生就业报告》，法学专业目前仍属毕业生规模较大、就业率较低的专业。虽然我国法学教育达到了空前规模，但法学毕业生的就业率却较为低迷，很多毕业生面临着毕业即失业的窘境。其中，造成法学毕业生结构性过剩的主要原因在于法律人才供给与社会实践需求的错位。一直以来，我国的法学教育基本上形成了以法律知识体系传授为中心的知识灌输型人才培养模式。在教学过程中，教师侧重法学理论知识传授，对于专业实习等实践环节的组织度、参与度与评价度不高。这样一来，法学毕业生在面对鲜活案例时常常束手无策，具体表现为书状错误、事实分析与法律适用混乱、法律解释错误、程序知识不足且使用障碍、法庭辩论技巧欠缺等[5]。然而，当下法律行业所大量需求的，恰恰是具备法律应用能力的实务型毕业生，而非纸上谈兵的书斋型毕业生。尤其是在“互联网+”“人工智能+”新业态带来便利的同时，新技术也引发复杂伦理困境与法律风险。科技的规范、有序、和谐发展急需通晓智能科技、能够切实解决问题的复合型法治人才[6]。面对当下重理论而轻实践的法学教育模式，以提升实践能力为导向的法律人才供给侧改革亟待开展。

二、 人工智能优化法学实践教育的基本范畴

(一) 人工智能实现全过程实践的教育导向

相较于传统实践教育，人工智能通过打破高校与实务部门之间的空间界限，拓宽学生学习的时间与内容边界，得以有效将实践教育融入法科生培养的全过程。以华宇法律人工智能平台构建的智慧教学系统为例，学生可通过“奕课堂”与“AI教学助手”等功能，实现在课前、课中、课后，以及课内、课外均深度接受实践教育理念。除此之外，借助虚拟仿真实验室、模拟庭审、智能案例库、法律文书自动生成软件等人工智能技术，学生可以在任何时间、任何地点、不限次数地对实践内容进行学习，且这些海量资源可支撑学生对不同深度、不同广度以及不同方向的实践内容进行选择。这样以来，法学实践教育的交互性和趣味性大大提升，且学生能够将问题及时反馈给指导教师，方便老师及时答疑或调整教学进度，使教师从传统课堂的知识灌输者变为实践的引导者。总体来看，通过人工智能所建构的多样化学习场景与个性化反馈机制，实践教育得以贯穿法学教育的整个过程。

(二) 人工智能塑造沉浸式的实践体验

相较于传统的法学实践教育，人工智能为法学实践教学提供了全新的学习情境[7]，通过沉浸式体验提升学生参与实践的动力与效果。在智慧法院、智慧检察院、智慧律所等建设如火如荼的背景下，人工智能技术将实务部门的工作与校内实践衔接，为沉浸式体验提供实务真实素材。其中，2020年杭州建立了全国首个智慧司法联合实验室暨区块链公证研究院。该研究院与监狱、高校等部门开展密切合作，在“智慧监狱”“智慧戒毒”“智慧矫正”等领域成果斐然，为法学生实践教学提供重要线上平台。从微观层面看，人工智能技术与法学实践的融合能给学生带来更高质量的体验。其中，运用虚拟现实技术、增强现实技术可创设出虚实相生的实务场景，为实践教学营造身临其境的条件；运用全息投影、数字孪生等技术呈现庭审3D影像，学生能够得到同等真实的视觉效果，从一线视角了解实务工作。在人工智能时代，智慧环境塑造的沉浸式体验为缺少真实训练环境的日常校内实践教育带来新的机遇，有助于将实践环节实质化。

(三) 人工智能供给多维度的实践评价

在全域数据终端技术的支持下，对于法学实践教育过程数据的伴随式采集、多维度采集、追踪采集成为可能，实践教育评价要素得以变得更为丰富，可从对学生单一的应试能力考察，转变为对法律文书写作、法律事实陈述、法庭证据甄别与法律法规适用等一系列能力的综合考察。在多维度立体评价的基础上，可进一步实现有的放矢的实践教学矫正与反馈。简言之，通过具体的过程性评价指标与最终的智能评估报告，师生能够清晰了解实践进度与实践效果，以及存在的问题与原因，教师可根据数据及时调整实践教学进度、教学内容以及教学策略，学生则可根据这种“私人订制”的反馈及时发现不足，有针对性地调整学习方法与状态，这种良性循环模式能够有效提升法学实践教育的质量与效率。

三、人工智能提升法学实践教育的深层逻辑

(一)克服人工智能法律系统中的算法偏见

与传统文科相比较，新文科应当从传统的人文社科方法转向现代科技及学会算法，将文科的定性方法与定量方法相统一，彰显新文科的科学性[8]。不可否认，人工智能技术以其强大的运算能力优化法学实践教育，但人工智能法律系统的固有技术问题也不容忽视。其中，法律、教育领域的大数据的评估标准尚未统一，容易出现信息孤岛化现象；且人工智能算法的可追溯性和可解读性还不成熟，“算法黑箱”“算法偏见”问题难以解决。其产生原因在于系统的研发队伍主要是人工智能专家而非教育专家，他们缺少对教育理论和教育实践的深度把握[9]。法律系统大数据实质上应当是人类社会在法律方面的数字表征，但系统开发者往往缺少对于法学理论和实践的深度把握，致使系统反映的只是人工智能专家的价值观念。因此，在人工智能法律系统的开发过程中应积极投入法学人才，对绘制法律知识图谱、筛选大数据案例、过滤清洗数据及构建逻辑推理算法等环节进行专业把关，将法律思维注入机器思维，缓解算法自身问题[10]，确保人工智能法律系统符合法律与伦理。

(二) 避免法学教育对人工智能的过度依赖

技术进步及其带来的成就，很容易让人陷入“技术万能”的迷信[11]。对于学生来说，如果在法学实践过程中遇到困难就不假思索地诉诸人工智能，动辄依赖人工智能所提供的信息进行速食学习，则会弱化思考过程，抑制学生在实践过程中的深度学习和思考。对于法学实践教育教师而言，法学实践教育应当是引导学生不断深入法律实务的过程，若过分依赖人工智能技术，会使教师教学活动的创造性教学能力减弱，且削弱实践教学中的情感性工作。教师应对于人工智能技术给出的指令、结论和资源进行充分甄别之后，再将筛选后的内容推送给学生，避免弱化教师的引领价值以及法学实践教育的育人指向。因此，在人工智能与法学实践教育相融合的过程中，必须时刻警惕陷入唯技术论的陷阱[12]，以回归法学实践教育的本质，防止技术成为法学实践教育中唯一的、决定性的标准和工具。

(三) 坚守法学教师对人工智能的主导地位

法学实践教育本质是课程的实践化，法学生通过对法律实践过程的参与或者模拟参与，在解决问题的过程中体验法学知识与方法的可能运用，养成法律职业素养，形成解决法律问题的初步能力[13]。在传统的法学实践教育中，教师的引导发挥着至关重要的作用。而在人工智能时代，知识传授环节可以在信息技术的帮助下进行[14]。因此，科技泛化引发了各类职业替代恐慌，其中甚至也包括法学教师。若只是简单将教师与人工智能的信息处理能力相比，教师确实在收集、检索、存储、加工信息等方面远不如人工智能。然而，在我国法学教育坚持立德树人，德法兼修的当下，法学教育必须培养具有社会主义核心价值观的法治人才。在培养法科生职业软实力时，其中所需要的价值判断能力、创造性思维能力和社会背景连接能力等是人工智能所无法具备的[15]。因此，未来教育中，人工智能将会以“教书”为主，而教师则以“育人”为重[16]。人工智能与法学实践教育的融合对于教师最大的帮助就是利用技术优势，将教师从繁琐机械的教育环节中解放出来，让教师将有限的时间投入到更有意义、有价值、有创造性的实践教育工作中，以提高法学实践教育的效率。因此，法学实践教育应当使教师与技术互为补充，最终形成以法学生为中心、法学教师为主导、人工智能为辅助的法学实践教育格局。

四、人工智能时代下法学实践教育变革路径

(一)法学实践教育目标明晰化

新中国成立后，关于我国法学教育目标的争论一直存在。党的十八届四中全会将法学教育的任务界定为“专门法治人才”。教育部、中央政法委《关于坚持德法兼修实施卓越法治人才教育培养计划2.0的意见》又将法学教育的目标由原来的“卓越法律人才”转变为“卓越法治人才”，要求法学教育培养懂国情、能贯彻中国特色社会主义法治理论的法治人才，这意味着我国法学教育混合法治人才根本理念的回归[17]。其中，卓越法治人才需具备应用型、复合型、创新型法治人才的内涵，而人工智能时代的法学实践教育必须切实服务好这一人才培养目标。对于法学实践教育而言，培养法科生的应用能力是最为直接的目标，培养学生的复合型能力是其进阶目标，而培养学生在解决新兴实际问题时的创新型能力是高阶目标。尤其在人工智能时代背景下，由于实务部门也在积极拥抱人工智能技术，实务部门所需要的卓越法治人才不仅要具有扎实的法学理论知识储备与基本法律实务技能，并且也期待法学生在传统实践的基础上对于人工智能的基本原理、技术特征等有一定的掌握，具备一定水平的人工智能技术应用能力。

(二) 法学实践教育环节智慧化

通过在法学实践教育的教学方法与教学内容中融入人工智能技术，校内实践与校外实践的诸多环节应走向智慧化。其中，案例智能推送功能将有效充实校内实践环节。校内实践包括案例教学、法律诊所、模拟法庭、法庭辩论等形式，这些形式的教学都离不开实际案例，而我国校内法学实践教育中接触的案例大多较为陈旧，难以满足学生对于最新司法动向的学习需求。人工智能环境下的案例推送，通过大数据对裁判文书的归纳整理与深度挖掘，能够为校内实践教育提供丰富的教学资源。此外，智能答疑功能将显著优化校外实践环节。在校外实践环节中，学生往往遇到诸多基础却重要的法律实务难题，以致影响实践的效率与进度。智能答疑功能技术通过算法实现对实践中常见问题的整合，并随着算法不断更新和实务标本不断扩充，充实基础问题库，使得学生能够运用关键词查找、分类检索、流程查找等方式自行解决大部分问题，减少对于基础问题的咨询求助。这样一来，学生能够将有限的实践时间真正花费在对关键问题的探索上，实现高效率、有质量的校外实践。

(三) 法学实践教育平台联动化

对于不同的法学实践教育平台，高校应进行多维度资源整合，以促成各平台之间互联互通，打破信息孤岛。一旦实现平台联动，学生的实践数据可共享给授权的平台，以优化数据供给端口，并为学生的个性化评价提供优质数据，也为法学实践教育的评估提供全面可靠的数据支撑。

1.法学实践教育平台联动是校内实践平台的联动。高校法学院可结合各自学校的特色，搭建校内跨学科实践平台，广泛整合法学与人工智能、社会学、管理学、医学、系统工程等交叉学科的实践资源，避免高校之间的法学实践同质化，创建带有本校特色的法学院，培养具有学校特色的复合型应用型法治人才。

2.校内外实践平台联动。通过国内大学的联合培养，共享优质实践教育的教学资源，实现跨区域的实践资源供给，以促进法科生实践能力的区域均衡发展，有效缓解中西部人才紧缺的现状。

3.高校与实务部门实践平台联动。通过打造高校法学院与实务部门相衔接的平台，在实践教育中聘请资深法官、检察官、律师、法务人员等法律实务人员参与实践教学过程，运用平台进行实务讲座、开设课程、模拟法庭、法律诊所等，建立法学院和实务部门的深度合作。

4.国内外实践平台联动。通过与国外法学院、法院与检察院等机构合作，采用联合讲座、联合培养、共享课程、派出实习等方式，让法学生体会不同法律背景下的实务工作，熟悉国际法律规则，提升涉外法治人才的培养质量。

(四) 法学实践教育队伍复合化

当前我国的校内法学实践教育队伍主要由专任法学教师组成，这些教师大多是从高校法学院毕业后直接进入高校工作，对实务工作的了解相对较少，且无法系统掌握交叉学科知识，基本上属于一支科研型教育队伍。为适应人工智能时代法学实践教育需求，切实推进“人工智能法学”与“法学+交叉学科”的发展，建设复合型教师队伍。目前，各法学院推进法学实践教育的主要方法是采取“双导师”等方式，寻求法学理论与实践知识，或法学学科与其他学科的交叉传授。这种方式固然有助于提升法科生的综合能力，但由不同学科的教师组成的教育队伍可能产生不同专业各说各话，难以有机融合的弊端。鉴于此，在前述“双导师”机制的基础上，应注重提升法学教师自身的复合型能力，尤其是法律实务能力，以及运用数字知识转移平台模型等必要技术手段的能力[18]，以真正实现教师自身法学理论、实务知识与基础数据技术的融会贯通。也只有通过提升法学教师的理论实务“双肩挑”能力，才能对学生形成良好的示范与引领效果，以提升法学实践教学的效果。概言之，法学实践教育队伍的复合化不仅需要这个队伍能力组成的复合，还需要教师个体能力的复合，只有这样，法学实践教育才能够实现教学相长与良性循环。

(五) 法学实践教育评价个性化

在人工智能时代，法学实践教育可以通过识别不同学生的个性和潜质，结合学生的个性化需求，以及法学本科、法学硕士、法律硕士与法学博士等不同学历层次实现法学实践教育评价与反馈的个性化。法学实践教育的个性化，符合学生学习方式多元化和实践内容复杂化的客观需求。卓越法治人才的培养，必须着眼于以学生发展为中心[19]。其中，实践环节的实施和评价也应该去同质化，以适应学生的实践兴趣与自身优势。通过人工智能与法学实践的融合，即通过针对实践环节的全域数据终端，捕捉获取实践学习过程中不同形态的数据信息并上传云端数据库进行反馈，实现全过程、多角度地进行数据采集。这样一来，整个实践过程全景数据得以呈现，使得单一维度评价转向多维度评价，并在总结性评价的基础上加入过程性评价。质言之，个性化评价能够有针对性地为每一位学生的实践过程进行“精准画像”，为学生“私人订制”实践报告，并为学生匹配适合个体需要的资源和设定个性化成长方案。这一机制既能作为后续评价的基础，也能作为一种无形的激励，使学生能够通过这种非强制的手段获得成就感，刺激学生更加积极地在整个实践过程中探索学习，保持全过程的参与，促进法学实践能力培养的真正落地。

五、结语

鉴于我国当下法学实践教育中存在形式化、浅表化等固有难题，及其难以满足人工智能时代应用型法治人才需求的客观现状，通过精准利用人工智能技术反哺法学实践教育，可有效提升法科生实务能力，帮助毕业生主动适应人工智能时代的法律领域新业态；同时，在借助人工智能技术的过程中，也需克服算法偏见的弊端，避免对技术的过度依赖，坚持法学实践教育的人文底色。因此，法学实践教育应充分利用人工智能技术，在教育目标清晰化、教育环节智能化、教育平台联动化、教育队伍复合化以及教育评价个性化五个维度实现路径革新。在未来，人工智能技术服务于法科生教育，以及在法学实践教育中融入智能技术元素，是应用型复合型卓越法治人才培养的必由之路。