判決書心證分析
編輯歷史
| 時間 | 作者 | 版本 |
|---|---|---|
| 2015-10-12 11:39 – 11:39 | r2188 – r2189 | |
顯示 diff（144 行未修改）
|
||
| 2015-05-18 07:48 – 07:58 | r1987 – r2187 | |
顯示 diff（40 行未修改）
2. 時間：以2014年12月31日往前推1蒐年
3. 設定查詢條件：刑事（高等法院）、承審法官：曾德水
- * 曾德水法官的案件已經砍好柴了，這幾天料理一下再讓大家夾菜~位
+ 4. 撈取資料下載：http://station.ninthday.info/~jeffy/law-bank.zip（2015/）5/18
+
+ * 說明：共抓取曾德水法官資料共 9,995 筆（86年~104年），爲了方便大家瀏覽做了一個目錄菜單方便大家選菜。檔案解壓縮後直接使用瀏覽器開啓根目錄下的 lb_index.html。左邊有一個年份列表，點選後右邊會開啓那個年份的資料列，點選想看的判決書會另外開啓新視窗。* 曾德水法官的案件已經砍好柴了，這幾天料理一下再讓大家夾菜~位
+ *祝大家用餐愉快~
*法官姓名
*罪名
（29 行未修改）
*搭啦~~~ 今天帶了增援兵力來, 除了肚子吃很撐以外果然也有成果啦!!! 哈哈哈~~~ 這位也是我們同系的學弟, 技術部分也很強~ 今天抓資料的成果就再請他上來簡略描述一下囉 :DDD
*嗨，大家好，我是吃飽飽不小心掉坑的蜜蜂，在上次的大松和大家有一面之緣。目前以抓曾德水的資料做測試，分批慢慢的抓回來先放在資料庫裡存放。
- *阿嘍哈~~更新一下爬資料進度，曾德水法官的案件列表已經抓完，正在一篇篇的抓判決的內容，有9,968篇。溫柔的抓取，沒有使用暴力，所以拉長抓資料的間隔~！請稍待片刻唷~*機器學習（決策樹）：格致
+ *阿嘍哈~~更新一下爬資料進度，曾德水法官的案件列表已經抓完，正在一篇篇的抓判決的內容，有9,968篇。溫柔的抓取，沒有使用暴力，所以拉長抓資料的間隔~！請稍待片刻唷~*
+ *各位大家好，已經上菜嘍~祝大家用餐愉快 ;)機器學習（決策樹）：格致
*先來認領一下... 大家好我是格致, 語言基礎的機器分類及學習方法這邊我或許可以幫得上忙 :D
*社群網絡分析
（61 行未修改）
|
||
| 2015-05-13 12:56 – 13:04 | r1930 – r1986 | |
顯示 diff（109 行未修改）
以幫助詐欺案件(但宣稱帳戶被盜用)為例，我們在看案件時會重視的證據有：帳戶被盜者被騙經過的證據(求職剪報、通聯、即時通、e-mail、line…)、掛失止付的記錄、報警記錄、窘迫處境的證據、帳戶狀況(是否常用、裡面是否有錢)。不過更為嚴重的與其說是證據取捨，而是例稿判決的問題。也就是不怎麼查，就直接判有罪的問題。
也就是說，不同的案件類型，真的值得分析的東西其實很不一樣(性侵類就先不說了，反正絕大多數是不公開判決)，要怎麼用程式來抓這些分析要素，我真的不太懂…。
- 另外，如果要監督法官的不當判決，還有另一種方式，就是看例稿駁回數。
+ 另外，如果
+ *請問例稿判決的話是不是在判決書上就會出現制式文句?如果是的話可以用文句比對之類的方法來判斷嗎?要監督法官的不當判決，還有另一種方式，就是看例稿駁回數。
之前我有做過刑訴361條，上訴二審未附具體理由。原本的立法意旨是避免空白上訴，結果有部分的二審法官濫用，只要他覺得上訴理由看起來沒什麼道理就直接駁掉，根本不開庭。把哪些法官最常用361駁回上訴，其中有多少件是幾乎相同的例稿，可以用來了解法官的認真度。
也就是說，可以詢問律師，知不知道實務上有哪些打混摸魚的判決方式，掌握這種模式，透過程式來抓出哪些法官喜歡用這種模式來判案，就可以了解這個法官的認真度。
（20 行未修改）
*不過如果從監督法官判決的角度來看，我覺得本文的啟示性有限。
+ *
+ 關於二呆林提出的[所說個決定到底屬於自由派或保守派，我覺得可能是依照做先判斷定的法官屬於保守派或自由派，再依(藉由法官判決以外的言論表態甚至是其選民性質，事先預設法官屬性)照法官判斷定判斷決定屬於保守或自由派。
*
|
||
| 2015-05-13 12:55 | r1929 | |
顯示 diff（137 行未修改）
|
||
| 2015-05-13 12:54 – 12:55 | r1924 – r1928 | |
顯示 diff（126 行未修改）
**這邊我不是很懂，案件來自哪個法院，為何與O’Connor法官的決定有關？可能是因為我不了解美國法院的生態就是了。
*也就是說，統計作預測的方式，是以在言詞辯論前即已存在的某些特徵，來預測言詞辯論後的結果。但是本文也強調，此處抓取的特徵與決定的結果，在解釋上並沒有因果關係，比較像是相關而已。
- *而本文的結論是：統計作的預測比專家作的預測來得準。
+ *而本文的結*是：統計作的預測比專家作的預測來得準。
*
- *我目前看不出來本文是用程式去抓取相關特徵而得出。甚至我覺得資料庫比較像靠手工完成的(或至少有部分必須靠手工)。理由就是：一個決定到底屬於自由派或保守派，其實難以單靠電腦程式來判斷，或者至少是，如果是用電腦程式來判斷，我看不出本文是如何設計這個程式。
+ *我目前看不*來本文是用程式去抓取相關特徵而得出。甚至我覺得資料庫比較像靠手工完成的(或至少有部分必須靠手工)。理由就是：一個決定到底屬於自由派或保守派，其實難以單靠電腦程式來判斷，或者至少是，如果是用電腦程式來判斷，我看不出本文是如何設計這個程式。
*
*本文對我的啟示是：其實不一定要抓取很多判決的細節，有些看似很容易抓取的特徵，對結果來說，就有一定程度的預測性。
*
*不過如果從監督法官判決的角度來看，我覺得本文的啟示性有限。
+
+ *
|
||
| 2015-05-11 20:27 – 20:29 | r1907 – r1923 | |
顯示 diff（65 行未修改）
「惟」是法官的想法
- 最末段為量刑
+ 最末段
+ 補充一下，「惟」是轉折語氣，通常是有「但是」的意思，未必完全是法官想法，但會是法官在判決時的考量。（比方說先前判決是XXXX，惟考量OOOO因素，故ZZZZ）為量刑
*所需技術
（64 行未修改）
|
||
| 2015-05-11 07:55 – 08:10 | r1863 – r1906 | |
顯示 diff（39 行未修改）
* 法源網址：http://www.lawbank.com.tw/
2. 時間：以2014年12月31日往前推1蒐年
- 3. 設定查詢條件：刑事（高等法院）、承審法官：曾德水 欄位
+ 3. 設定查詢條件：刑事（高等法院）、承審法官：曾德水
+ * 曾德水法官的案件已經砍好柴了，這幾天料理一下再讓大家夾菜~位
*法官姓名
*罪名
（89 行未修改）
|
||
| 2015-05-08 14:48 – 14:55 | r1782 – r1862 | |
顯示 diff（71 行未修改）
*搭啦~~~ 今天帶了增援兵力來, 除了肚子吃很撐以外果然也有成果啦!!! 哈哈哈~~~ 這位也是我們同系的學弟, 技術部分也很強~ 今天抓資料的成果就再請他上來簡略描述一下囉 :DDD
- *嗨，大家好，我是吃飽飽不小心掉坑的蜜蜂，在上次的大松和大家有一面之緣。目前以抓曾德水的資料做測試，分批慢慢的抓回來先放在資料庫裡存放。*機器學習（決策樹）：格致
+ *嗨，大家好，我是吃飽飽不小心掉坑的蜜蜂，在上次的大松和大家有一面之緣。目前以抓曾德水的資料做測試，分批慢慢的抓回來先放在資料庫裡存放。
+ *阿嘍哈~~更新一下爬資料進度，曾德水法官的案件列表已經抓完，正在一篇篇的抓判決的內容，有9,968篇。溫柔的抓取，沒有使用暴力，所以拉長抓資料的間隔~！請稍待片刻唷~*機器學習（決策樹）：格致
*先來認領一下... 大家好我是格致, 語言基礎的機器分類及學習方法這邊我或許可以幫得上忙 :D
*社群網絡分析
（56 行未修改）
|
||
| 2015-04-30 11:21 – 11:22 | r1773 – r1781 | |
顯示 diff（2 行未修改）
司改會在申訴不適任法官與檢察官的過程中發現，許多判決的案情事實、背景近似，適用的法規也雷同，但不同的法官卻做出迥然不同的判決結果，在法定刑與法官自由心證之間是否有法官恣意的問題，因此希望透過資訊工具進行分析量化。
- *相關專案
+ *相關專案or參考
貪汙判決分析
裁判書小幫手
Data-Centric Government 的二十大類資料
妨害性自主量刑分析研究小組期中報告-以刑法第221條第1項強制性交罪為例
+ https://dsp.im/
*工作內容
（120 行未修改）
|
||
| 2015-04-19 08:20 – 08:40 | r1658 – r1772 | |
顯示 diff（38 行未修改）
* 法源網址：http://www.lawbank.com.tw/
2. 時間：以2014年12月31日往前推1蒐年
- 3. 條件：刑事（高等法院）、承審法官：曾德水 欄位
+ 3. 設定查詢條件：刑事（高等法院）、承審法官：曾德水 欄位
*法官姓名
*罪名
（26 行未修改）
*斷詞
- *搭啦~~~ 今天帶了增援兵力來, 除了肚子吃很撐以外果然也有成果啦!!! 哈哈哈~~~ 這位也是我們同系的學弟, 技術部分也很強~ 今天抓資料的成果就再請他上來簡略描述一下囉 :DDD*機器學習（決策樹）：格致
+ *搭啦~~~ 今天帶了增援兵力來, 除了肚子吃很撐以外果然也有成果啦!!! 哈哈哈~~~ 這位也是我們同系的學弟, 技術部分也很強~ 今天抓資料的成果就再請他上來簡略描述一下囉 :DDD
+ *嗨，大家好，我是吃飽飽不小心掉坑的蜜蜂，在上次的大松和大家有一面之緣。目前以抓曾德水的資料做測試，分批慢慢的抓回來先放在資料庫裡存放。*機器學習（決策樹）：格致
*先來認領一下... 大家好我是格致, 語言基礎的機器分類及學習方法這邊我或許可以幫得上忙 :D
*社群網絡分析
（38 行未修改）
*這篇文章其實是這個model 的簡明版介紹，裡面有提到他們是如何建立這個model，和對照組就是以"法律人"的組成來判斷聯邦最高法院的判決。方式值得參考。
- *本文就是在玩一種猜猜看的遊戲。比較專家和統計誰比較會預測最高法院(或某個法官)的決定。專家就是考量各種因素作出預測，而統計就是依據過去的案例來作預測。
+ *本文就是在*
+ 玩一種猜猜看的遊戲。比較專家和統計誰比較會預測最高法院(或某個法官)的決定。專家就是考量各種因素作出預測，而統計就是依據過去的案例來作預測。
*統計作預測的方式是：抓取案件中的某些特徵，從過去擁有某些特徵會傾向得出某些結果，來預測在將來出現有類似特徵的案件，最高法院就會作出類似決定。
*舉例：預測O’Connor法官(保守派)的決定
（12 行未修改）
|
||
| 2015-04-18 13:50 – 13:53 | r1612 – r1657 | |
顯示 diff（68 行未修改）
*爬資料
*斷詞
- *機器學習（決策樹）：格致
+
+ *搭啦~~~ 今天帶了增援兵力來, 除了肚子吃很撐以外果然也有成果啦!!! 哈哈哈~~~ 這位也是我們同系的學弟, 技術部分也很強~ 今天抓資料的成果就再請他上來簡略描述一下囉 :DDD*機器學習（決策樹）：格致
*先來認領一下... 大家好我是格致, 語言基礎的機器分類及學習方法這邊我或許可以幫得上忙 :D
*社群網絡分析
（55 行未修改）
|
||
| 2015-04-18 04:31 – 05:38 | r1575 – r1611 | |
顯示 diff（36 行未修改）
(2015/02/14)
1. 資料庫：法源，關鍵字：曾德水
- 2. 時間：以2014年12月31日往前推1蒐年 欄位
+ * 法源網址：http://www.lawbank.com.tw/
+ 2. 時間：以2014年12月31日往前推1蒐年
+ 3. 條件：刑事（高等法院）、承審法官：曾德水 欄位
*法官姓名
*罪名
*案情事實
- *使用斷詞系統去比對案情結構的相似度→詞句組成及詞頻分析→量化
+ *使用斷dropbox詞系統去比對案情結構的相似度→詞句組成及詞頻分析→量化
*決策樹
*判決結果
（81 行未修改）
|
||
| 2015-02-14 05:58 – 06:32 | r1259 – r1574 | |
顯示 diff（20 行未修改）
目標選定
- *初步可先從一位法官單一罪名開始
- * a. 初步討論:台灣高等法院曾德水法官 (討論日期：2015/
- 2/14)* b. 以2014年年底為準，往前推10年
- *
- 2. 妨害性自主
- *或者立基於貪污判決分析的結果，所做出來的database為分析
- *先抓確定的案件
- *妨害性自主的類型通常是不公開案件，沒辦法作…
- *已定讞案件
- *三審判決確定近十年
+ *初步可先從一位法官單一罪名開始
+ . 妨害性自主
+ * 3. 者立基於貪污判決分析的結果，所做出來的database為分析
+ * 4. 妨害性自主案件*妨害性自主的類型通常是不公開案件，沒辦法作…
- **由三審
- *判決往三→二→一審抓
+ 5. 標的案件定a. 讞案件
+ *三b. 判決確定近十年
+ *由c. 審判決往三→二→一審抓
*我倒覺得應該從一審抓，因為三審判決常常寫得很簡略。二審是會針對一審的結果決定改判或維持原判，所以結論就是一審無論如何都避不掉。
*會由三審往回爬資料，是因為必須是已三審定讞的案件，所以先由三審的判決書做判決書的範圍的圈定。
*法律法源網的判決查詢，會附歷審判決，可能有幫助
- 暫定資料蒐集目標：高等法院 刑事庭法官曾德水
+ 暫定*資料蒐集目標：高等台灣法院 刑事庭法官曾德水
- 資料欄位
+ (2015/02/14)
+ 1. 資料庫：法源，關鍵字：曾德水
+ 2. 時間：以2014年12月31日往前推1蒐年 欄位
*法官姓名
*罪名
（15 行未修改）
*＋＋
- 「猶不知悔改」前是前科
- 「等語云云」前是法官不採的
+ 「猶*判決書內容的用詞語句
+ 不知悔改」前是前，科指被告
+ 「等語云云」前是法法官說的話，官不採的
「惟」是法官的想法
（63 行未修改）
|
||
| 2015-02-14 05:58 – 05:58 | r1257 – r1258 | |
顯示 diff（37 行未修改）
*法律法源網的判決查詢，會附歷審判決，可能有幫助
- 暫定資料蒐集目標：高等法院 曾德水
+ 暫定資料蒐集目標：高等法院 刑事庭法官曾德水
資料欄位
（86 行未修改）
|
||
| 2015-02-14 05:51 – 05:56 | r1182 – r1256 | |
顯示 diff（21 行未修改）
目標選定
*初步可先從一位法官單一罪名開始
- 1. 殺人罪
+ * a. 初步討論:台灣高等法院曾德水法官 (討論日期：2015/
+ 2/14)* b. 以2014年年底為準，往前推10年
+ *
2. 妨害性自主
*或者立基於貪污判決分析的結果，所做出來的database為分析
（2 行未修改）
*已定讞案件
*三審判決確定近十年
- *由三審判決往三→二→一審抓
+
+ **由三審
+ *判決往三→二→一審抓
*我倒覺得應該從一審抓，因為三審判決常常寫得很簡略。二審是會針對一審的結果決定改判或維持原判，所以結論就是一審無論如何都避不掉。
*會由三審往回爬資料，是因為必須是已三審定讞的案件，所以先由三審的判決書做判決書的範圍的圈定。
（91 行未修改）
|
||
| 2015-02-14 05:33 – 05:41 | r1160 – r1181 | |
顯示 diff（32 行未修改）
*會由三審往回爬資料，是因為必須是已三審定讞的案件，所以先由三審的判決書做判決書的範圍的圈定。
*法律法源網的判決查詢，會附歷審判決，可能有幫助
+
+ 暫定資料蒐集目標：高等法院 曾德水
資料欄位
（53 行未修改）
*案由：例詐欺。因為在抓取上非常容易，沒什麼理由不抓。好處是可以將不同案件很大略地分類，缺點是並不精確。
以上為各類案件皆重要且容易抓的項目。
+
各罪論的差異
（28 行未修改）
|
||
| 2015-02-14 05:22 – 05:31 | r1110 – r1159 | |
顯示 diff（21 行未修改）
目標選定
*初步可先從一位法官單一罪名開始
- *殺人罪
- *妨害性自主
- *強姦罪
- *猥褻
+ 1. 殺人罪
+ 2. 妨害性自主
*或者立基於貪污判決分析的結果，所做出來的database為分析
*先抓確定的案件
（94 行未修改）
|
||
| 2015-02-14 03:48 – 04:46 | r1021 – r1109 | |
顯示 diff（6 行未修改）
裁判書小幫手
Data-Centric Government 的二十大類資料
+ 妨害性自主量刑分析研究小組期中報告-以刑法第221條第1項強制性交罪為例
*工作內容
（1 行未修改）
*決策樹
*文本關連分析
+ *從實際案例回推
+ *去掉部分資訊，ex被告
+
+ 呈現
+ *判決產生器
+ *心理測驗
目標選定
- *初步可先從個別罪名單純的項目開始
+ *初步可先從一位法官單一罪名開始
*殺人罪
*妨害性自主
（9 行未修改）
*會由三審往回爬資料，是因為必須是已三審定讞的案件，所以先由三審的判決書做判決書的範圍的圈定。
*法律法源網的判決查詢，會附歷審判決，可能有幫助
+
資料欄位
*法官姓名
（15 行未修改）
*好噢！謝謝你 :D
*＋＋
+
+ 「猶不知悔改」前是前科
+ 「等語云云」前是法官不採的
+ 「惟」是法官的想法
+
+ 最末段為量刑
*所需技術
（59 行未修改）
|
||
| 2015-02-03 07:39 – 07:41 | r995 – r1020 | |
顯示 diff（63 行未修改）
*我們去訪談一位法官吧XD，在法官的訓練過程中應該是有這方面的訓練，也許可依此建立判決的標準決策樹，然後再試著丟案件進去，看看這個決策樹的判決結果。
*Oh yeah~ 吃吃喝喝! (誤)
+ *感謝Keith 的加入~ 資訊人和法律人需要進一步溝通，才會知道我們要如何來解析"法官心證<-->判決"這個玩意兒。因此有拜訪法官的想法。
普遍性的抓取項目
（41 行未修改）
|
||
| 2015-02-03 06:51 – 06:51 | r984 – r994 | |
顯示 diff（62 行未修改）
*因此應用在判決書的心證分析上, 我們就需要先針對單一法官的判決書內容進行關鍵因素分析及提取(專家人工), 然後建立出類似像 1999 或是鐵達尼號乘客資訊那樣子能將重點資訊羅列的資料表, 資料量夠的話就可以熵基礎的資訊理論(Entropy-based Information Theory), 用現成的決策樹工具(CART, C4.5, ID3..etc)為基礎建立出上面例子所顯示的決策樹, 也就等於是萃取出了該法官的"心證地圖". 然後接著才能夠進行單一法官或是多個法官的心證分析或預測.
*我們去訪談一位法官吧XD，在法官的訓練過程中應該是有這方面的訓練，也許可依此建立判決的標準決策樹，然後再試著丟案件進去，看看這個決策樹的判決結果。
+ *Oh yeah~ 吃吃喝喝! (誤)
普遍性的抓取項目
（41 行未修改）
|
||
| 2015-02-03 06:47 – 06:49 | r952 – r983 | |
顯示 diff（61 行未修改）
(當然這例子是有點古怪);
*因此應用在判決書的心證分析上, 我們就需要先針對單一法官的判決書內容進行關鍵因素分析及提取(專家人工), 然後建立出類似像 1999 或是鐵達尼號乘客資訊那樣子能將重點資訊羅列的資料表, 資料量夠的話就可以熵基礎的資訊理論(Entropy-based Information Theory), 用現成的決策樹工具(CART, C4.5, ID3..etc)為基礎建立出上面例子所顯示的決策樹, 也就等於是萃取出了該法官的"心證地圖". 然後接著才能夠進行單一法官或是多個法官的心證分析或預測.
+ *我們去訪談一位法官吧XD，在法官的訓練過程中應該是有這方面的訓練，也許可依此建立判決的標準決策樹，然後再試著丟案件進去，看看這個決策樹的判決結果。
普遍性的抓取項目
（41 行未修改）
|
||
| 2015-02-03 06:25 – 06:46 | r768 – r951 | |
顯示 diff（57 行未修改）
* 建議：以下都是考量重點，但一開始可以先盡量簡化，再陸續加上viarables (變數)，分階段進行。例如，全部的判決，可以只先看法官是誰、"判決結果"亦即主文的罪名和刑度即可，刑度的部分，可以僅看死刑、徒刑和罰金(併科罰金)，而先忽略褫奪公權部分，判決的事實和法官心證形成的理由，也可以在第一階段蒐集資料時先忽略。也就是說，抓data 的範圍應由寬到窄採"十分逼近法"，我們只要關心"關聯性"即可，先不用思考太精細的部分。
+ *根據KOKO上方提到的相同概念, 在資訊科學領域的應用方法就是決策樹, 我這邊附上上次國發會一個類似案例的投影片供大家參考 : 1999 投訴案件最後指派給環保局處理的決策過程 ;
+ *另一個是Wiki : Dicision Tree 上的圖例, 是根據已沉沒的鐵達尼號乘客的資料以及罹難與否, 反過來看罹難與乘客資訊的關係 : Suvival of passengers on the Titanic
+ (當然這例子是有點古怪);
+ *因此應用在判決書的心證分析上, 我們就需要先針對單一法官的判決書內容進行關鍵因素分析及提取(專家人工), 然後建立出類似像 1999 或是鐵達尼號乘客資訊那樣子能將重點資訊羅列的資料表, 資料量夠的話就可以熵基礎的資訊理論(Entropy-based Information Theory), 用現成的決策樹工具(CART, C4.5, ID3..etc)為基礎建立出上面例子所顯示的決策樹, 也就等於是萃取出了該法官的"心證地圖". 然後接著才能夠進行單一法官或是多個法官的心證分析或預測.
普遍性的抓取項目
（41 行未修改）
|
||
| 2015-02-03 06:24 | r767 | |
顯示 diff（102 行未修改）
|
||
| 2015-02-03 06:20 – 06:22 | r739 – r766 | |
顯示 diff（51 行未修改）
*斷詞
*機器學習（決策樹）：格致
+ *先來認領一下... 大家好我是格致, 語言基礎的機器分類及學習方法這邊我或許可以幫得上忙 :D
*社群網絡分析
*語言學言辭分析
（46 行未修改）
|
||
| 2015-02-02 17:06 – 17:06 | r732 – r738 | |
顯示 diff（26 行未修改）
*我倒覺得應該從一審抓，因為三審判決常常寫得很簡略。二審是會針對一審的結果決定改判或維持原判，所以結論就是一審無論如何都避不掉。
*會由三審往回爬資料，是因為必須是已三審定讞的案件，所以先由三審的判決書做判決書的範圍的圈定。
+ *法律法源網的判決查詢，會附歷審判決，可能有幫助
資料欄位
*法官姓名
（70 行未修改）
|
||
| 2015-02-02 08:31 – 08:42 | r679 – r731 | |
顯示 diff（7 行未修改）
Data-Centric Government 的二十大類資料
- *內容
+ *工作內容
+ 可能方法
+ *決策樹
+ *文本關連分析
+
目標選定
*初步可先從個別罪名單純的項目開始
（11 行未修改）
*會由三審往回爬資料，是因為必須是已三審定讞的案件，所以先由三審的判決書做判決書的範圍的圈定。
資料欄位
- 解構心證的list
*法官姓名
*罪名
（21 行未修改）
*社群網絡分析
*語言學言辭分析
+
* 建議：以下都是考量重點，但一開始可以先盡量簡化，再陸續加上viarables (變數)，分階段進行。例如，全部的判決，可以只先看法官是誰、"判決結果"亦即主文的罪名和刑度即可，刑度的部分，可以僅看死刑、徒刑和罰金(併科罰金)，而先忽略褫奪公權部分，判決的事實和法官心證形成的理由，也可以在第一階段蒐集資料時先忽略。也就是說，抓data 的範圍應由寬到窄採"十分逼近法"，我們只要關心"關聯性"即可，先不用思考太精細的部分。
（14 行未修改）
各罪論的差異
犯罪事實、證據取捨、量刑因素隨著不同的案件類型，會有不同的常見模式或是問題。但是這麼內容分析的東西，我實在不知道怎麼用程式來作分析，有點難以想像。
- 以收受賄賂類的案件為例，我們在看案件時會重視的證據有：金流證明(提存款記錄、帳冊)、違背或不違背職務的行為、送錢者的證詞、共犯證詞。此類案件送錢者、共犯的證詞常常是定罪的關鍵，而最容易出問題的狀況就是直接證據只有送錢者(即白手套)的證詞，另外就是檢調為了取供而讓涉案者轉汙點證人，調查局的不正訊問(之後會出現翻供的問題)。
+ 以收受賄賂類的案件為例，我們在看案件時會重視的證據有：金流證明(提存款記錄、帳冊)、違背或不違背職務的行為、送錢者的證詞、共犯證詞。此類案件送錢者、共犯的證詞常常是定罪的關鍵，而最容易出問題的狀況就是直接證據只有送錢者(即白手套)的證詞，另外就是檢調為了取供而讓涉案者轉汙點證人，調查局的不正訊問(之後會出現翻供的問題)。
以販毒案為例，我們在看案件時會重視的證據有：毒品類型(一級、二級)、重量、有無通聯、有無監聽譯文、監聽譯文有無暗語、證人證詞、是否有販毒相關工具(分裝袋、磅秤、帳冊)、是否釣魚辦案。其中證人證詞最常出現問題，因為證人供出毒品來源可減刑，然後吸毒者供詞也經常反覆。然後販毒案非常常見的抗辯是合購、代買，行為類型很像，但是因為涉及販賣、轉讓、幫助吸食的差異，所以在判斷上又很難分。所以販毒案比較容易出現坐雲霄飛車的情形，一審判無期，二審判一年，或是剛好倒過來。
以幫助詐欺案件(但宣稱帳戶被盜用)為例，我們在看案件時會重視的證據有：帳戶被盜者被騙經過的證據(求職剪報、通聯、即時通、e-mail、line…)、掛失止付的記錄、報警記錄、窘迫處境的證據、帳戶狀況(是否常用、裡面是否有錢)。不過更為嚴重的與其說是證據取捨，而是例稿判決的問題。也就是不怎麼查，就直接判有罪的問題。
（24 行未修改）
|
||
| 2015-02-02 06:50 – 06:50 | r674 – r678 | |
顯示 diff（41 行未修改）
*目前不會！因為時間卡到了～但可以線上技術交流～
*好噢！謝謝你 :D
+ *＋＋
*所需技術
（50 行未修改）
|
||
| 2015-02-02 06:50 – 06:50 | r669 – r673 | |
顯示 diff（41 行未修改）
*目前不會！因為時間卡到了～但可以線上技術交流～
*好噢！謝謝你 :D
- *
*所需技術
（50 行未修改）
|
||
| 2015-02-02 06:50 | r668 | |
顯示 diff（40 行未修改）
*太感謝了！2/14的大松淑華會去嗎？想和你聊聊 :D 我的FB
*目前不會！因為時間卡到了～但可以線上技術交流～
- *好噢！謝謝你 :D
+ *好噢！謝謝你 :D
+ *
*所需技術
（50 行未修改）
|
||
| 2015-02-02 06:50 – 06:50 | r664 – r667 | |
顯示 diff（40 行未修改）
*太感謝了！2/14的大松淑華會去嗎？想和你聊聊 :D 我的FB
*目前不會！因為時間卡到了～但可以線上技術交流～
- *好噢！謝謝你
+ *好噢！謝謝你 :D
*所需技術
（50 行未修改）
|
||
| 2015-02-02 06:50 | r663 | |
顯示 diff（39 行未修改）
*我本身有做語言學言辭分析的經驗，如果有需要幫忙可以找我～
*太感謝了！2/14的大松淑華會去嗎？想和你聊聊 :D 我的FB
- *目前不會！因為時間卡到了～但可以線上技術交流
+ *目前不會！因為時間卡到了～但可以線上技術交流～
*好噢！謝謝你
（51 行未修改）
|
||
| 2015-02-02 06:50 – 06:50 | r658 – r662 | |
顯示 diff（40 行未修改）
*太感謝了！2/14的大松淑華會去嗎？想和你聊聊 :D 我的FB
*目前不會！因為時間卡到了～但可以線上技術交流
- *好噢！
+ *好噢！謝謝你
*所需技術
（50 行未修改）
|
||
| 2015-02-02 06:50 | r657 | |
顯示 diff（39 行未修改）
*我本身有做語言學言辭分析的經驗，如果有需要幫忙可以找我～
*太感謝了！2/14的大松淑華會去嗎？想和你聊聊 :D 我的FB
- *目前不會！因為時間卡到了～但可以線上上技術交流
+ *目前不會！因為時間卡到了～但可以線上技術交流
*好噢！
（51 行未修改）
|
||
| 2015-02-02 06:50 – 06:50 | r655 – r656 | |
顯示 diff（40 行未修改）
*太感謝了！2/14的大松淑華會去嗎？想和你聊聊 :D 我的FB
*目前不會！因為時間卡到了～但可以線上上技術交流
- *好噢！那我
+ *好噢！
*所需技術
（50 行未修改）
|
||
| 2015-02-02 06:50 | r654 | |
顯示 diff（39 行未修改）
*我本身有做語言學言辭分析的經驗，如果有需要幫忙可以找我～
*太感謝了！2/14的大松淑華會去嗎？想和你聊聊 :D 我的FB
- *目前不會！因為時間卡到了～但但可以線上上技術交流
+ *目前不會！因為時間卡到了～但可以線上上技術交流
*好噢！那我
（51 行未修改）
|
||
| 2015-02-02 06:50 – 06:50 | r652 – r653 | |
顯示 diff（95 行未修改）
|
||
| 2015-02-02 06:50 – 06:50 | r650 – r651 | |
顯示 diff（39 行未修改）
*我本身有做語言學言辭分析的經驗，如果有需要幫忙可以找我～
*太感謝了！2/14的大松淑華會去嗎？想和你聊聊 :D 我的FB
- *目前不會！因為時間卡到了～但可以獻但可以線上上技術交流
+ *目前不會！因為時間卡到了～但但可以線上上技術交流
*好噢！那我
（51 行未修改）
|
||
| 2015-02-02 06:50 – 06:50 | r647 – r649 | |
顯示 diff（40 行未修改）
*太感謝了！2/14的大松淑華會去嗎？想和你聊聊 :D 我的FB
*目前不會！因為時間卡到了～但可以獻但可以線上上技術交流
- *好噢
+ *好噢！那我
*所需技術
（50 行未修改）
|
||
| 2015-02-02 06:50 – 06:50 | r645 – r646 | |
顯示 diff（39 行未修改）
*我本身有做語言學言辭分析的經驗，如果有需要幫忙可以找我～
*太感謝了！2/14的大松淑華會去嗎？想和你聊聊 :D 我的FB
- *目前不會！因為時間卡到了～但可以獻但可以線上技術交流上技術交流
+ *目前不會！因為時間卡到了～但可以獻但可以線上上技術交流
*好噢
（51 行未修改）
|
||
| 2015-02-02 06:50 | r644 | |
顯示 diff（40 行未修改）
*太感謝了！2/14的大松淑華會去嗎？想和你聊聊 :D 我的FB
*目前不會！因為時間卡到了～但可以獻但可以線上技術交流上技術交流
- *
+ *好噢
*所需技術
（50 行未修改）
|
||
| 2015-02-02 06:50 | r643 | |
顯示 diff（39 行未修改）
*我本身有做語言學言辭分析的經驗，如果有需要幫忙可以找我～
*太感謝了！2/14的大松淑華會去嗎？想和你聊聊 :D 我的FB
- *目前不會！因為時間卡到了～但可以獻但可以獻上技術交流上技術交流
+ *目前不會！因為時間卡到了～但可以獻但可以線上技術交流上技術交流
*
（51 行未修改）
|
||
| 2015-02-02 06:50 – 06:50 | r640 – r642 | |
顯示 diff（40 行未修改）
*太感謝了！2/14的大松淑華會去嗎？想和你聊聊 :D 我的FB
*目前不會！因為時間卡到了～但可以獻但可以獻上技術交流上技術交流
- *那
+ *
*所需技術
（50 行未修改）
|
||
| 2015-02-02 06:50 | r639 | |
顯示 diff（39 行未修改）
*我本身有做語言學言辭分析的經驗，如果有需要幫忙可以找我～
*太感謝了！2/14的大松淑華會去嗎？想和你聊聊 :D 我的FB
- *目前不會！因為時間卡到了～但可以獻上技術交流
+ *目前不會！因為時間卡到了～但可以獻但可以獻上技術交流上技術交流
*那
（51 行未修改）
|
||
| 2015-02-02 06:50 | r638 | |
顯示 diff（40 行未修改）
*太感謝了！2/14的大松淑華會去嗎？想和你聊聊 :D 我的FB
*目前不會！因為時間卡到了～但可以獻上技術交流
- *
+ *那
*所需技術
（50 行未修改）
|
||
| 2015-02-02 06:50 | r637 | |
顯示 diff（39 行未修改）
*我本身有做語言學言辭分析的經驗，如果有需要幫忙可以找我～
*太感謝了！2/14的大松淑華會去嗎？想和你聊聊 :D 我的FB
- *目前不會！因為時間卡到了～
+ *目前不會！因為時間卡到了～但可以獻上技術交流
*
（51 行未修改）
|
||
| 2015-02-02 06:50 | r636 | |
顯示 diff（40 行未修改）
*太感謝了！2/14的大松淑華會去嗎？想和你聊聊 :D 我的FB
*目前不會！因為時間卡到了～
+ *
*所需技術
（50 行未修改）
|
||
| 2015-02-02 06:49 – 06:50 | r633 – r635 | |
顯示 diff（39 行未修改）
*我本身有做語言學言辭分析的經驗，如果有需要幫忙可以找我～
*太感謝了！2/14的大松淑華會去嗎？想和你聊聊 :D 我的FB
+ *目前不會！因為時間卡到了～
*所需技術
（50 行未修改）
|
||
| 2015-02-02 04:38 – 06:49 | r299 – r632 | |
顯示 diff 判決書心證分析
- 目標
+ *目標
司改會在申訴不適任法官與檢察官的過程中發現，許多判決的案情事實、背景近似，適用的法規也雷同，但不同的法官卻做出迥然不同的判決結果，在法定刑與法官自由心證之間是否有法官恣意的問題，因此希望透過資訊工具進行分析量化。
- 相關專案
+ *相關專案
貪汙判決分析
裁判書小幫手
+ Data-Centric Government 的二十大類資料
- 工作內容
- *爬判決書
+ *內容
+ 目標選定
*初步可先從個別罪名單純的項目開始
*殺人罪
（1 行未修改）
*強姦罪
*猥褻
+ *或者立基於貪污判決分析的結果，所做出來的database為分析
+ *先抓確定的案件
+ *妨害性自主的類型通常是不公開案件，沒辦法作…
*已定讞案件
*三審判決確定近十年
*由三審判決往三→二→一審抓
- *抓取項目
+ *我倒覺得應該從一審抓，因為三審判決常常寫得很簡略。二審是會針對一審的結果決定改判或維持原判，所以結論就是一審無論如何都避不掉。
+ *會由三審往回爬資料，是因為必須是已三審定讞的案件，所以先由三審的判決書做判決書的範圍的圈定。
+ 資料欄位
+ 解構心證的list
*法官姓名
*罪名
*案情事實
*使用斷詞系統去比對案情結構的相似度→詞句組成及詞頻分析→量化
+ *決策樹
*判決結果
*刑期
*死刑、無期徒刑、有期徒刑
+ *如以殺人案件為例，分成死刑、無期徒刑、10年以上有期徒刑；如果是貪污案，則可能可以分為"污多少錢判多少
*判決理由（法官心證）
*使用斷詞系統去比對案情結構的相似度→詞句組成及詞頻分析→量化
（1 行未修改）
*小孩殺父母
*我本身有做語言學言辭分析的經驗，如果有需要幫忙可以找我～
+ *太感謝了！2/14的大松淑華會去嗎？想和你聊聊 :D 我的FB
+
+ *所需技術
+ *爬資料
+ *斷詞
+ *機器學習（決策樹）：格致
+ *社群網絡分析
+ *語言學言辭分析
+
+ * 建議：以下都是考量重點，但一開始可以先盡量簡化，再陸續加上viarables (變數)，分階段進行。例如，全部的判決，可以只先看法官是誰、"判決結果"亦即主文的罪名和刑度即可，刑度的部分，可以僅看死刑、徒刑和罰金(併科罰金)，而先忽略褫奪公權部分，判決的事實和法官心證形成的理由，也可以在第一階段蒐集資料時先忽略。也就是說，抓data 的範圍應由寬到窄採"十分逼近法"，我們只要關心"關聯性"即可，先不用思考太精細的部分。
+
+ 普遍性的抓取項目
+ *法院別：例台北地院、高雄地院。可看城鄉、地域差距。
+ *案號：例102年度訴字第254號。基本的判決要素，方便回查。
+ *被告：不同被告會有不同的事實、罪名、刑度，也才能回查。
+ *判決日期：隨著時間的變遷，法院整體、個別法官可能都會有變化。
+ *法官
+ *辯護人：有無辯護人，或誰辯護會對案件結果有影響。
+ *罪名：例殺人罪。
+ *有罪否：可能會出現有罪、無罪、其他(例：免訴)
+ *刑度：要注意有所謂的「宣告刑」和「執行刑」的差別。比較有實質意義的是「執行刑」。另外，考量到定執行刑是數罪併罰的結果，在分析刑度上其實還要納入罪數的考量。
+ *案由：例詐欺。因為在抓取上非常容易，沒什麼理由不抓。好處是可以將不同案件很大略地分類，缺點是並不精確。
+ 以上為各類案件皆重要且容易抓的項目。
+
+ 各罪論的差異
+ 犯罪事實、證據取捨、量刑因素隨著不同的案件類型，會有不同的常見模式或是問題。但是這麼內容分析的東西，我實在不知道怎麼用程式來作分析，有點難以想像。
+ 以收受賄賂類的案件為例，我們在看案件時會重視的證據有：金流證明(提存款記錄、帳冊)、違背或不違背職務的行為、送錢者的證詞、共犯證詞。此類案件送錢者、共犯的證詞常常是定罪的關鍵，而最容易出問題的狀況就是直接證據只有送錢者(即白手套)的證詞，另外就是檢調為了取供而讓涉案者轉汙點證人，調查局的不正訊問(之後會出現翻供的問題)。
+ 以販毒案為例，我們在看案件時會重視的證據有：毒品類型(一級、二級)、重量、有無通聯、有無監聽譯文、監聽譯文有無暗語、證人證詞、是否有販毒相關工具(分裝袋、磅秤、帳冊)、是否釣魚辦案。其中證人證詞最常出現問題，因為證人供出毒品來源可減刑，然後吸毒者供詞也經常反覆。然後販毒案非常常見的抗辯是合購、代買，行為類型很像，但是因為涉及販賣、轉讓、幫助吸食的差異，所以在判斷上又很難分。所以販毒案比較容易出現坐雲霄飛車的情形，一審判無期，二審判一年，或是剛好倒過來。
+ 以幫助詐欺案件(但宣稱帳戶被盜用)為例，我們在看案件時會重視的證據有：帳戶被盜者被騙經過的證據(求職剪報、通聯、即時通、e-mail、line…)、掛失止付的記錄、報警記錄、窘迫處境的證據、帳戶狀況(是否常用、裡面是否有錢)。不過更為嚴重的與其說是證據取捨，而是例稿判決的問題。也就是不怎麼查，就直接判有罪的問題。
+ 也就是說，不同的案件類型，真的值得分析的東西其實很不一樣(性侵類就先不說了，反正絕大多數是不公開判決)，要怎麼用程式來抓這些分析要素，我真的不太懂…。
+ 另外，如果要監督法官的不當判決，還有另一種方式，就是看例稿駁回數。
+ 之前我有做過刑訴361條，上訴二審未附具體理由。原本的立法意旨是避免空白上訴，結果有部分的二審法官濫用，只要他覺得上訴理由看起來沒什麼道理就直接駁掉，根本不開庭。把哪些法官最常用361駁回上訴，其中有多少件是幾乎相同的例稿，可以用來了解法官的認真度。
+ 也就是說，可以詢問律師，知不知道實務上有哪些打混摸魚的判決方式，掌握這種模式，透過程式來抓出哪些法官喜歡用這種模式來判案，就可以了解這個法官的認真度。
+
+ *參考文獻
+ "Competing Approaches to Predicting Supreme Court Decision Making" (2004) (http://www.wusct.wustl.edu/media/man1.pdf)
+ *這篇文章其實是這個model 的簡明版介紹，裡面有提到他們是如何建立這個model，和對照組就是以"法律人"的組成來判斷聯邦最高法院的判決。方式值得參考。
+
+ *本文就是在玩一種猜猜看的遊戲。比較專家和統計誰比較會預測最高法院(或某個法官)的決定。專家就是考量各種因素作出預測，而統計就是依據過去的案例來作預測。
+ *統計作預測的方式是：抓取案件中的某些特徵，從過去擁有某些特徵會傾向得出某些結果，來預測在將來出現有類似特徵的案件，最高法院就會作出類似決定。
+ *舉例：預測O’Connor法官(保守派)的決定
+ *1.下級法院的決定是自由派的？是，則撤銷改判
+ *不是的話，則往下走。
+ *2.案件是來自於第二、三、特區、聯邦巡迴上訴法院？是，則維持。不是的話，則往下走…(請自行參figure 1)
+ **這邊我不是很懂，案件來自哪個法院，為何與O’Connor法官的決定有關？可能是因為我不了解美國法院的生態就是了。
+ *也就是說，統計作預測的方式，是以在言詞辯論前即已存在的某些特徵，來預測言詞辯論後的結果。但是本文也強調，此處抓取的特徵與決定的結果，在解釋上並沒有因果關係，比較像是相關而已。
+ *而本文的結論是：統計作的預測比專家作的預測來得準。
+ *
+ *我目前看不出來本文是用程式去抓取相關特徵而得出。甚至我覺得資料庫比較像靠手工完成的(或至少有部分必須靠手工)。理由就是：一個決定到底屬於自由派或保守派，其實難以單靠電腦程式來判斷，或者至少是，如果是用電腦程式來判斷，我看不出本文是如何設計這個程式。
+ *
+ *本文對我的啟示是：其實不一定要抓取很多判決的細節，有些看似很容易抓取的特徵，對結果來說，就有一定程度的預測性。
+ *
+ *不過如果從監督法官判決的角度來看，我覺得本文的啟示性有限。
|
||
| 2015-01-31 16:58 – 16:59 | r290 – r298 | |
顯示 diff（28 行未修改）
*義憤殺人
*小孩殺父母
- *
+ *我本身有做語言學言辭分析的經驗，如果有需要幫忙可以找我～
|
||
| 2015-01-31 16:58 | r289 | |
顯示 diff（31 行未修改）
|
||
| 2015-01-31 16:58 | r288 | |
顯示 diff（28 行未修改）
*義憤殺人
*小孩殺父母
+ *
|
||
| 2015-01-25 16:14 – 16:22 | r270 – r287 | |
顯示 diff- 判決書恩仇記
+ 判決書心證分析
目標
司改會在申訴不適任法官與檢察官的過程中發現，許多判決的案情事實、背景近似，適用的法規也雷同，但不同的法官卻做出迥然不同的判決結果，在法定刑與法官自由心證之間是否有法官恣意的問題，因此希望透過資訊工具進行分析量化。
- 現有相關專案
+ 相關專案
貪汙判決分析
裁判書小幫手
（23 行未修改）
|
||
| 2015-01-25 09:18 – 09:21 | r259 – r269 | |
顯示 diff（25 行未修改）
*死刑、無期徒刑、有期徒刑
*判決理由（法官心證）
+ *使用斷詞系統去比對案情結構的相似度→詞句組成及詞頻分析→量化
*義憤殺人
*小孩殺父母
|
||
| 2015-01-25 07:42 – 08:16 | r72 – r258 | |
顯示 diff（1 行未修改）
目標
司改會在申訴不適任法官與檢察官的過程中發現，許多判決的案情事實、背景近似，適用的法規也雷同，但不同的法官卻做出迥然不同的判決結果，在法定刑與法官自由心證之間是否有法官恣意的問題，因此希望透過資訊工具進行分析量化。
+
+ 現有相關專案
+ 貪汙判決分析
+ 裁判書小幫手
工作內容
- *
+ *爬判決書
+ *初步可先從個別罪名單純的項目開始
+ *殺人罪
+ *妨害性自主
+ *強姦罪
+ *猥褻
+ *已定讞案件
+ *三審判決確定近十年
+ *由三審判決往三→二→一審抓
+ *抓取項目
+ *法官姓名
+ *罪名
+ *案情事實
+ *使用斷詞系統去比對案情結構的相似度→詞句組成及詞頻分析→量化
+ *判決結果
+ *刑期
+ *死刑、無期徒刑、有期徒刑
+ *判決理由（法官心證）
+ *義憤殺人
+ *小孩殺父母
|
||
| 2015-01-25 07:41 | r71 | |
顯示 diff（6 行未修改）
|
||
| 2015-01-25 07:36 – 07:41 | r1 – r70 | |
顯示 diff- 判決小幫手
+ 判決書恩仇記
+ 目標
+ 司改會在申訴不適任法官與檢察官的過程中發現，許多判決的案情事實、背景近似，適用的法規也雷同，但不同的法官卻做出迥然不同的判決結果，在法定刑與法官自由心證之間是否有法官恣意的問題，因此希望透過資訊工具進行分析量化。
- This pad text is synchronized as you type, so that everyone viewing this page sees the same text. This allows you to collaborate seamlessly on documents!
+ 工作內容
+ *
|
||
| 2015-01-25 07:35 | r0 | |
顯示 diff+ 判決小幫手
+ This pad text is synchronized as you type, so that everyone viewing this page sees the same text. This allows you to collaborate seamlessly on documents!
|
||