基于大数据的司法公正风险量化问题研究

韦姗姗

关键词：司法公正；风险量化；层次分析法

对司法公正风险进行量化评估，及时发现司法公正风险问题，是实现司法公正的重要途径。当前，大数据在司法公正领域的研究和算法应用才刚开始，大多停留在纯粹司法角度的理论探讨，针对这一问题，为提高司法公正风险的精准度量，本文提出基于大数据的司法公正风险量化方法研究，以经典的层次分析法为例，提出计算思路，从而为司法公正风险量化评估提供新思路，以及为大数据背景下的司法公正风险防控提供理论支撑。

1基于大数据的司法公正风险量化概述

大数据技术正在驱动社会治理应用创新，促进信息化与社会科学的紧密结合，实现社会科学的智能化、专业化。基于大数据的司法公正风险量化是多门学科、多个研究领域、多种技术综合应用的结果，在此背景下，司法体系可以依托大数据、云计算、神经网络、人工智能等现代科技，通过智能化，将数据收集、储存、分析、利用等环节融为一体，对司法过程与结果进行统一化管理、控制及应用，挖掘潜在规律信息，进而实现司法公正风险的量化。

2司法公正风险量化的必要性

2.1司法公正风险量化的意义

司法是国家权力机关通过适用法律解决社会领域纠纷的活动，是为争议双方当事人提供非武力解决争议的手段。司法公正是指在司法活动中，严格依照法定程序，平等对待所有当事人，准确严格适用法律，依法作出裁判，保障双方当事人的合法权利，最大限度地达到整个社会对公平正义的期望，最大限度地保证公平正义的一种良性状态。

开展基于大数据的司法公正风险量化研究可为司法体系量化评估提供新思路新方法，以及为大数据背景下的司法公正风险防控提供理论支撑、技术支持。同时，由于司法数据量庞大，现有的计算受到多方面的局限，虽可用作定量分析，但无法量化出风险级别，因此需要选取一个风险量化的数学模型，构建风险函数，将风险归一化至某一区间内并将其划分为若干个风险级别，以便针对不同级别的风险采取不同的措施。司法公正风险量化是通过数学方法将司法公正的影响因素分层分类计算，以得到一个归一化的值，并由这个值可判断其处于哪个风险区间。

2.2司法公正风险量化的作用

学术界对司法公正影响因素的研究主要有2方面，即局部研究和整体研究。局部研究主要是针对影响司法公正要素中的某一要素或者对司法过程中的某一方面进行剖析。有的学者以媒体监督为视角，阐述了媒体监督的双刃剑作用。整体研究是指探究影响司法公正实现的全部因素，并按照一定标准对其进行分类。目前，主要有“四要素说”“五要素说”和“六要素说”。关于司法公正实现的影响因素的研究，从方法上来看，目前的研究大多在理论研究层面，一般采用文献分析法、案例分析法和比较分析法进行研究，缺乏具体的实证研究、数据研究。因此，亟需使用风险量化评估模型将各影响因素进行量化评估，以得到风险区间。近年来，量化评估方法在我国法学研究与法律实践中得到了较为广泛的应用，其中包含对司法公正进行分析评价的内容。现有的案件质量评估体系属于典型的量化评价，在数据获取上也具有相对稳定的来源，可作为实现司法公正量化分析的基础，但很难达到统计学上衡量评价结果科学性的“效度”指标，评估结果也不能完全揭示评估对象的真实情况。近年来，计算法学的研究进一步促进了法学领域与计算机科学、现代统计学、人工智能等学科的交叉融合，使用可量化或客观的手段降低了法律体系中的主观性，提高了立法与司法的实用性、科学性。

3司法公正风险量化的方法

首先结合实际调研数据、实证资料开展司法公正的影响因素分析，挑选出与司法公正强相关的特征因素，并将其作为司法公正量化计算的基本输入；然后对每个特征因素进行量化计算研究，将定性的表征数字化，为司法公正风险量化评估提供输入。本文将司法公正划分为5个维度，即“司法公正的影响因素=司法制度+司法程序+裁判质量+法官素质+司法环境”[2]，根据每个维度所具有的含义得到一级指标，每一个一级指标下再细分出更具体的二级指标。司法公正的影响因素指标体系就是将影响司法公正实现的因素转化成可量化、直观且可验证的具体指标，以建构具有严格逻辑关系的体系。通过统计分析或其他相关理论，基于相关司法数据确定各个因素与司法公正是否存在相关性以及是否存在因果联系，从而挑选出多层级的司法公正影响因素指标体系。

目前，风险评估模型在很多领域都有所应用，但在司法公正方面的应用文献极少。现在学者研究的风险评估模型分類多种多样，最常见的有层次分析法（AHP）．聚类分析法、决策树法、回归模型、模糊综合分析法等。层次分析法（AHP）具有较强的系统性分析能力，针对形成原因复杂的多类型风险，此方法能够快速梳理出风险的层级关系，能为后续的风险评估建立清晰的识别框架[3]。聚类分析法是将评估指标涉及的相关数据做聚类处理，降低了风险评估的难度，同日寸能够应对评估数据的升级，以适应信息系统的发展变化[4]。决策树法将风险进行区分并依据风险的特性，建立有针对性的风险评估指标体系，以提供风险评估的科学性[5]。回归模型依据信息系统的变化情况，建立模型，推测风险与变化之间的内在联系，并得到信息系统的风险值[6]。模糊综合分析法利用模糊数将定性评价转化为模型能够分析的数学变量，因此，即使缺乏历史数据的支撑，其仍然能够建立有效的审判风险定量评估模型。

层次分析法（AHP）是评估方法中最经典的，同时也是解决复杂决策问题常用的一种方法。层次分析法（AHP）将与决策总是相关的元素分解成目标层、准则层、因素层等，然后对各层次中的指标进行定性和定量分析。本文以层次分析法（AHP）为例对司法公正风险量化，步骤如下。

（1）构建司法公正风险量化指标，确定指标体系的结构，结构有目标层、准则层和指标层。

（2）通过专家打分法对指标进行两两比较，根据表1确定两两因素比较的量化值，形成判断矩阵XNN，见式（1），同时计算指标一致性CI，见式（2），其中Ⅳ参照表2平均随机一致性表，计算一致性比例CR，见式（3），当一致性比例小于0.1时，一致性在可接受范围内；若一致性比例大于0.1，则说明判断矩阵的一致性不满足要求，需要重新调整判断矩阵，直到矩阵一致性小于0.1。

（3）根据判断矩阵XNN求解最大特征值max和特征向量w，此时的特征向量就是指标的权重。首先归一化判断矩阵得到：

本文所划分的准则层有5个因素，每个准则层下面有多个因素，根据专家评价后的结果构建矩阵，得到评价矩阵：

4结束语

司法活动所产生的数据量庞大，需要评估模型计算后才能实现量化分析，本文基于经典的层次分析法提出了司法公正风险的量化过程，能为司法公正风险量化提供一定理论依据。