
与大数据拥抱的司法改革
司法改革,现已进入攻坚阶段。在落实司法责任制、组成新型办案团队之后,如何提高办案质量和效率,如何破解“同案不同判”,如何建立更为严密的监督机制,是当前司法体制改革必须破除的难题和啃下的“硬骨头”。
攻坚克难正当时,大数据、人工智能等来助力。去年以来,各地政法机关把体制机制改革与现代科技应用深度融合起来,把司法机关内部挖潜与有效利用社会资源结合起来,进一步优化司法资源配置,实现了办案质量效率的飞跃和司法公信力的不断提升。
1.统一标准,大数据提升办案质效
2017年5月,贵州省贵阳市花溪区公安分局民警熊国健和他的同事办理了一起故意伤害案。嫌疑人和受害人是工友,因为一点儿口角打了起来,最后受害人被鉴定为轻伤二级,此案作为刑事案件立案。
对于熊国健这样刚刚入警不久的年轻侦查员来说,即便是案情简单的故意伤害案,对该取哪些证据、怎样取,也并没有一个十分清晰的思路。“之前办案都是老同志带着我们凭着经验办案,听老同志说这个案子可以了,就报到下一个环节去,但经常因为证据缺东少西,被打回来。”熊国健说。
很多地方法院积极适应互联网时代的办案要求,打造“背包上的智慧法院”。图为重庆云阳法院使用电子设备,实现乡村审判移动数字化。饶国君摄光明图片/视觉中国
2017年1月,旨在统一证据标准指引的政法大数据办案系统在贵阳市花溪区落地试点。该系统要求公检法三家在系统中嵌入证据标准指引应用模块,如果不符合证据标准指引的要求,案件将无法流转至下一环节。
有了证据标准的指引,熊国健和他的同事们就像有了老师的辅导,从办案之初就非常注重收集证据。当案子办完,他登录政法大数据系统,按要求上传证据材料,标注证据文件项,证据材料完备后,一键推送到法制部门审核。在进行完实质审查后,法制部门直接在系统内将案件移送至检察机关。
然而,看似完备的证据材料,到了花溪区检察院公诉科检察官龙江手里时却出了问题。证据标准指引系统具备电子卷宗识别功能,系统提示,这个案件有程序违法风险。
原来,侦查人员在正式立案之后没有对犯罪嫌疑人进行讯问,制作讯问笔录,而是把立案之前的供述即询问笔录作为证据使用,这是人工审查时容易忽略的问题。
龙江随即让办案民警再次对犯罪嫌疑人进行讯问,制作相关笔录,补充侦查之后,就顺利地起诉到了法院。
由于案件证据确实充分,法官在向被告人送达起诉书后的第三天就组织了开庭。“这个案子,整个刑事部分可能有15分钟左右的质证就全部结束了,然后我们就将剩下的时间和精力更多地放在调解被告人和被害人的赔偿纠纷上。”花溪区人民法院刑事审判第三团队法官张立说。
最终,这起案件的被告人自愿认罪并积极赔偿了受害人,取得了被害人的谅解,法庭对他从轻处罚,处以缓刑。
杭州铁路运输法院,工作人员把文件放进“菜鸟小G”智能配送机器人的抽屉,通过小G递送文件。光明图片/视觉中国
数据显示,截至6月30日,贵阳市花溪区运用政法大数据办案系统流转到法院的已受理案件112件,其中立案111件,结案105件,结案率94.59%,高于全省平均18.27个百分点;服判息诉90件,一审服判息诉率85.7%,高于全省平均10.1个百分点。
“对于80%的普通刑事案件来说,证据标准指引的应用明显提升了审判质效。经过一段时间的运行,一线干警逐渐适应了证据标准指引使用办法,在办理疑难复杂案件的过程中,证据标准指引发挥出智慧辅助作用,成为侦查员、检察官、法官的得力办案助手。”中国人民大学法学院教授陈卫东指出。
2.智能裁判,着力破解“同案不同判”
2016年3月,江苏省南京市秦淮区人民法院刑二庭庭长戴娟审理了一起交通肇事案。开庭后,她把案卷材料导入“同案不同判预警系统”,系统自动计算出了适用于本案的量刑结果——2年有期徒刑。但是,戴娟基于对当事人双方家庭情况的了解,不想作出这样的判决。
戴娟又在系统预设的“本案特殊情形信息输入窗口”中加入当事人双方签订谅解书、被告积极赔偿的信息后,系统显示,类似或相同条件案件的判决结果大多为1年到1年半有期徒刑,缓期1年到1年半执行。这正是戴娟认为的,对双方当事人都很人性化的判决。
“事实上,这个系统在某种程度上既提高了判决的准确性,也提高了办案的效率。同时,我觉得更多的是增强了我们做出判决时的信心。”戴娟对记者说。
陈卫东表示,应该看到,以“智能审判辅助系统”为代表的大数据技术并不是要代替法官做裁判,更不是要制造“机器人法官”,各地法院的探索恰恰表明,大数据技术可以帮助法官高效及时地从过往判例中获得精准、精确的参考,增强法官的信心,提高法官自由裁量权的运用水平。
大数据技术的应用,既能辅助法官裁判,也能为新型专业办案团队提供技术支撑。
广东佛山市公安局发布的反电信诈骗App“天盾”,可以智能识别、拦截和封堵涉嫌电信诈骗黑名单号码。李胜利摄光明图片/视觉中国
在广东深圳福田区,密布着全市70%以上的金融总部。金融交易活跃的同时也造成了金融纠纷案件数量巨大。过去,这些金融案件由不同法官审理,既耗时耗力,又难以统一裁判尺度。以专门办理信用卡案件的部门为例,改革前,这里21人,一年办理案件5000多起,平均办案周期6个月。
2016年,福田法院与阿里巴巴公司合作开发了“金融纠纷案件智能裁判”系统,用大数据技术形成庭审要素表。当法官将信用卡类案件的起诉要素输入系统后,案件的相关信息以及诉讼材料就可以自动生成。法官开庭时只需要对要素进行审核,进行打钩式审理。
在这一系统开发的基础上,形成了由1名法官配备3名助理的信用卡纠纷案件审判团队。该团队成立仅半年就审结5000多起信用卡类案件。
“借助科技力量建立符合司法规律、符合改革方向的新型专业办案团队,为办案质效的提升发挥了巨大作用。”陈卫东认为。
3.创新方式,实现监管全流程无死角
2017年6月的一天,夏女士来到四川省成都市中级人民法院诉讼服务大厅。作为案件当事人,她对案子的审理期限产生了质疑。
“我这个案子都两个多月了,我不知道它到底进行到哪一步了。”夏女士焦急地对记者说。
类似夏女士这样的质疑实际上非常普遍。司法改革后,取消了院庭长审判环节,监督管理该如何做?传统的“人盯人、人盯案”的监管模式,既不符合改革的导向,也无法适应庞大的案件量。这一难题,如何破解?
成都中院探索建立的静默化监管机制,试图破解这一难题。通过这一机制,成都中院实现了网上办案流程信息的全程记录,从立案到归档,案件全过程可控制、节点可查询、进程可预期。
“单纯依靠法官‘脑袋装、笔头记’,很可能导致效率监管有漏洞、不到位。”成都中院副院长龚成表示。
在了解了夏女士的来意后,诉讼服务大厅工作人员引导夏女士在自助服务终端输入相应案号,平台自动生成一份审判效率分析报告。报告中明确给出审理天数111天,其中鉴定环节耗时65天。看到报告,夏女士的质疑瞬间消除。
与此同时,法院的办案系统上自动弹出窗口,将当事人的相关查询情况自动推送给法官。这一系列“动作”的背后,就是静默化流程监管机制在发挥作用。
据介绍,静默化流程监管机制大胆尝试用大数据的方式进行内部监督管理。通过对业务条线的梳理,将审判流程细化为183个工作节点,68个监控节点。一旦流程上出现问题,系统将自动预警或发出催办提醒。同时,成都中院还对过往3年近65万起案件进行梳理,建立了有海量数据的案例库,一旦出现与绝大多数案例判决结果偏差过大的情况,系统会立即报警。
“静默化监管机制,就像开车一样,一旦超速违章了,摄像头就会闪,形成监管记录。”龚成说。
据统计,该机制自2017年试运行以来,仅半年时间,在收案率上升84.89%的情况下,结案数同比增长209.81%;平均审理天数由原来的75.68天,下降为60.51天。
科技助力司法改革所发挥的效能,正在各地政法机关的大胆实践中逐步显现出来。
“要养成运用现代科技开展工作的思维习惯,加强现代科技应用能力培训,帮助干警熟悉掌握大数据、人工智能等现代科技手段,提高运用新知识、新技术破解司法工作难题的能力和水平。”在刚刚结束的全国司法体制改革推进会上,中共中央政治局委员、中央政法委书记孟建柱如是说。
未来,科技必将为司法体制改革带来更加广阔的发展前景,为提升司法质量效率和公信力提供更加有力的支撑。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09