机构名称：
¥ 3.0
摘要：本文考察了加拿大联邦法院移民法中暂缓遣返申请的决策，重点研究了暂缓遣返的批准率如何取决于由哪位法官裁决案件。本文部署了一种计算自然语言处理形式，使用大型语言模型机器学习过程 (GPT-3) 从在线联邦法院案卷中提取数据。本文回顾了通过这一过程确定的数千份暂缓遣返申请的结果模式，并揭示了许多法官的暂缓遣返批准率存在很大差异。本文认为，联邦法院应采取措施，鼓励暂缓遣返决策更加一致，并告诫不要过度依赖暂缓遣返，以确保驱逐出境符合宪法程序正义保护。本文还展示了如何使用机器学习来进行实证法律研究项目，而这些项目在几年前成本过高或技术难度较大，并展示了如何利用越来越多地用于增强国家权力而牺牲边缘化移民的技术来审查移民法领域的法律决策，希望能够以增强移民权利的方式实现。本文还通过向其他非商业研究人员提供用于该项目的代码以及大量联邦法院案卷数据集，为加拿大更广泛的计算法律研究领域做出了贡献。
使用 AI 检查抽签运气 III 中的决策
主要关键词
相关文件推荐
