مقدمه:
در سرمقاله شماره ۲۰ نشریه توضیح دادیم که این نشریه چه رویکردهایی را دنبال خواهد کرد و تحقیق و توسعه در چه زمینهها و شاخههایی از حقوق باید انجام شود. یکی از زمینههایی که در آن مقاله اشاره شد، عبارت بود از “تأثیر تکنولوژی اطلاعات بر نظام حقوقی” به طور عام و بر “حقوق قضایی” به طور خاص. در این سرمقاله قصد داریم همکاری پژوهشی خاصی را میان دستگاه قضایی و پژوهشگران حقوقی پیشنهاد کنیم. این همکاری از طریق تحلیل کیفی تماتیک (الگو محور) انجام میشود و طی آن، رویههای قضایی غالب و قوی شناسایی و ترویج میشوند. در این سرمقاله توضیح میدهیم که کدام ظرفیتهای قانونی وجود دارند که همکاری دستگاه قضایی و مراکز پژوهشی را تسهیل میکنند، اما هنوز این ظرفیتهای قانونی مورد استفاده قرار نگرفتهاند و چگونه میتوان با استفاده از این ظرفیت قانونی به تحلیل کیفی تماتیک در آرای قضایی پرداخت و به کمک این تحلیلها، رویههای قضایی غالب و قوی را شناسایی و ترویج نمود؟
۱- ظرفیت قانونی استفاده نشده برای همکاری پژوهشی نظام قضایی با مراکز پژوهشی:
ظرفیت قانونی این همکاری پژوهشی عبارت است از حکم مقرر در ماده ۶۵۰ قانون آیین دادرسی کیفری. بخش استفادهنشده و فعلیتنیافته این ظرفیت قانونی هم عبارت است از عدم تصویب آییننامه مذکور در تبصره ۲ این ماده قانونی. در این ماده قانونی آمده است:
“به منظور ساماندهی پروندهها و اسناد قضایی، ارائه بهتر خدمات قضایی و دستیابی به آمار و گردش کار قضایی در سراسر کشور، همچنین ارائه آمار و اطلاعات دقیق در خصوص جرائم، متهمان، بزهدیدگان و مجرمان و سایر اطلاعات قضایی «مرکز ملی دادههای قوه قضاییه» در مرکز آمار و فناوری اطلاعات قوه قضاییه با استفاده از افراد موثق راهاندازی میشود.” اگرچه سالها از راهاندازی “مرکز ملی دادههای قوه قضاییه” میگذرد، اما حکمی که در تبصره ۲ این ماده آمده است تاکنون اجرایی نشده است. همین امر موجب شده است که همکاری پژوهشی مورد نظر بین نظام قضایی و مراکز پژوهشی شکل نگیرد. در تبصره ۲ ماده مزبور تصریح شده است که “اسناد، مدارک و اطلاعات این مرکز با رعایت قوانین و مقررات به موجب آییننامهای که ظرف سه ماه از تاریخ تصویب این قانون توسط شورا (این شورا با عنوان “شورای راهبری دادرسی الکترونیکی” در ماده ۶۴۹ همان قانون تعریف و مستقر شده است) تهیه و به تصویب رئیس قوه قضاییه میرسد، در اختیار مراکز علمی، پژوهشکدهها و پژوهشگران قرار میگیرد. استفاده از اسناد، مدارک و اطلاعات مزبور نباید موجب هتک حرمت و حیثیت اشخاص شود. انتشار اطلاعات مربوط به هویت افراد مرتبط با دادرسی از قبیل نام، نام خانوادگی، شماره پستی و شماره ملی آنان جز در مواردی که قانون تجویز کند، ممنوع است.” متاسفانه با وجود گذشت ده سال از این حکم قانونی، هنوز آییننامه مذکور در تبصره ۲ این ماده به تصویب نرسیده است و در نتیجه، نه قوه قضاییه توانسته است خود از این توده عظیم اطلاعات انباشته به گونهای معنادار و اثربخش استفاده کند!! و نه زمینه استفاده از آن را برای مراکز پژوهشی فراهم کرده است.!!
۲- مفهوم تحلیل کیفی تماتیک :
تحلیل کیفی تماتیک (Thematic Analysis) یک روش تحقیق کیفی است. این تحلیلها به کمک نرمافزارهای جامع و قدرتمندی انجام میشود که قادرند با سرعت و دقت بالا الگوها (تمها)ی پنهان شده در دادههای انبوه را شناسایی و تفسیر کنند.
تحلیل کیفی تماتیک در بسیاری از زمینهها کاربرد دارد؛ مثلاً در تحقیقات اجتماعی، به کمک تحلیل تماتیک میتوان به بررسی نظر و نگرش گروههای مختلف اجتماعی در خصوص مسائل خاص پرداخت. یا در تحقیقات سلامت، میتوان از طریق تحلیل تماتیک تجربیاتِ انبوهی از بیماران را شناسایی و دستهبندی نمود و نگرشهای کادر درمانی و الگوهای رفتاری مرتبط با بیماریها و درمانها را شناسایی و طبقهبندی کرد. همچنین در تحقیقات آموزشی، به کمک تحلیل تماتیک میتوان تجربیات دانشآموزان، معلمان و والدین را در چند الگو (تم) مشخص طبقهبندی کرد. همچنین در تحقیقات حقوقی و قضایی، میتوان به کمک تحلیل تماتیک آرای قضایی، تجربیات حقوقی افراد و الگوهای تصمیمگیری قضایی و… را شناسایی و طبقهبندی کرد.
3- توده عظیم آرای قضایی نیازمند تحلیل کیفی تماتیک
طبق آمار اعلامشده، هر سال بیش از ۱۰ میلیون رای قضایی صادر میشود. این توده عظیم اطلاعات پیچیده و انبوه، زمینهای بسیار مساعد برای انجام پژوهشهای کیفی تماتیک فراهم میکند. حجم عظیم، پیچیده و تودهوار این مجموعه به گونهای است که تحلیل دستی این دادهها نه تنها زمانبر و پرهزینه است، بلکه ممکن است از دقت کافی نیز برخوردار نباشد. استفاده از هوش مصنوعی (AI) و یادگیری ماشین (ML)[1] در تحلیل کیفی تماتیک میتواند فرآیند تحلیل را تسهیل و تسریع کرده و نتایج دقیقتری را نیز ارائه دهد. انجام این حجم از پژوهش نیازمند همکاری نظام قضایی با نهادهای پژوهشی است. در این زمینه، نویسندگان پیشنهاد میکنند که با استفاده از ظرفیت قانونی فعلیتنیافتهای که شرح آن گذشت، این همکاری پژوهشی ساماندهی شود. در این همکاری پژوهشی میتوان دهها میلیون رای صادرشده در چند سال اخیر را به صورت موضوعی و با دقت علمی طبقهبندی کرد. در جریان این همکاری پژوهشی و برای طبقهبندی این آرای قضایی میتوان ترکیبی از توان نرمافزاری قوه قضاییه و توان علمی پژوهشگران و مراکز پژوهشی را استفاده کرد. به کمک این تحلیلها میتوان رویههای قضایی غالب و قوی را شناسایی کرد و به ترویج و تبیین آنها پرداخت. به عنوان مثال، دادگاههای حقوقی در پذیرش “عدول از شرط فاسخ با رضایت مشروطله” رویههای مختلفی دارند. در این گونه موارد، به کمک تحلیل کیفی تماتیک میتوان تمام آرای قضایی صادرشده با این موضوع را استخراج کرد، آنها را طبقهبندی نمود، فراوانی آرایی که عدول از شرط فاسخ را مسموع میدانند مشخص کرد و آمار آن را با آرایی که عدول از شرط فاسخ را مسموع نمیدانند مقایسه کرد. استدلالهای هر یک از این دو رویه را -که در آرای قضایی آمده است- مشخص کرد و در نهایت، رویههای غالب و قوی را ترویج و تبیین نمود و رویههای ضعیف یا نادر را معرفی کرد.
اهمیت این تحلیلهای تماتیک ناشی از آن است که بسیاری از مواردی که تعدد رویه وجود دارد به گونهای است که به دلایل مختلف، شرایط یا امکان عملی برای طرح آن در هیات عمومی دیوان عالی کشور وجود ندارد. در این موارد، تحلیل کیفی تماتیک به منزله مکملی قوی برای کاهش تعدد رویه و پیشبینیناپذیری نظام قضایی قابل استفاده است، چرا که به کمک این تحلیل میتوان به سرعت رویههای قضایی غالب و قوی را شناسایی، ترویج و اشاعه نمود.
4- مزایای استفاده از تحلیل کیفی تماتیک در آرای قضایی:
استفاده از هوش مصنوعی، همراه با فراهم نمودن دسترسی پژوهشگران برای انجام تحلیل کیفی تماتیک از میلیونها رأی قضایی میتواند مزایای بسیاری را فراهم کند. اهم این مزایا عبارتند از:
1. شناسایی و دستهبندی الگوهای رایج در آرای قضایی
2. شناسایی رویههای قضایی غالب و قوی
3. بهبود انسجام و اتقان رویههای قضایی
4. افزایش سرعت و کارایی در پردازش و پژوهشهای کاربردی حقوق
5. تجمیع و تحلیل دادههای قضایی به منزله ثروت و سرمایه سازمانی
6. استفاده از نتایج تحلیل در هنگام تدوین بخشنامههای قضایی، دستورالعملها و استانداردها
7. استفاده از نتایج این تحلیلها در برنامههای دانشافزایی قضایی
8. افزایش شفافیت و انسجام در تصمیمگیریهای قضایی
9. حمایت از نوآوری و هوشمندسازی فرایندهای قضایی
5- چالشها و محدودیتها:
با این همه، مسلم است که استفاده از این روش تحقیق با چالشهای متعددی مواجه است. برخی از این چالشها به شرح زیر هستند:
5-1. نیاز به دادههای کافی برای یادگیری ماشینی:
الگوریتمهای یادگیری ماشین برای عملکرد بهینه نیاز به دادههای آموزشی کافی و متنوع دارند. جمعآوری و آمادهسازی دادههای مناسب برای آموزش الگوریتمها میتواند چالش برانگیز باشد.
5-2. پیچیدگی دادههای قضایی:
دادههای قضایی ممکن است بسیار پیچیده و چندوجهی باشند. تحلیل این دادهها نیاز به الگوریتمهای پیشرفته و تخصصی دارد که قادر به درک و تحلیل تمامی جنبههای مختلف دادهها باشند.
5-3. مسائل اخلاقی، قانونی و حریم خصوصی:
استفاده از هوش مصنوعی در تحلیل دادههای قضایی میتواند مسائل اخلاقی و قانونی مرتبط با نقض حریم خصوصی را مطرح کند. حفاظت از اطلاعات شخصی و اطمینان از رعایت اصول اخلاقی و احکام قانونی در استفاده از دادهها باید به دقت مورد توجه قرار گیرد.
5-4. موانع قانونی:
اگرچه استفاده از اطلاعات پروندههای قضایی برای کاربردهای پژوهشی در ماده ۶۵۰ ق آدک و تبصرههای آن تجویز شده است، اما با توجه به دو قید “هتک حرمت و حیثیت اشخاص” و “ممنوعیت انتشار هویت افراد” که در تبصره ۲ این ماده آمده است، نیازمند اتخاذ تدابیری است که باید در آییننامه مربوط پیشبینی شود.
6- تجارب سایر کشورها در زمینه استفاده از هوش مصنوعی در تحلیل پروندههای قضایی:
در خصوص استفاده از هوش مصنوعی در تحلیل تماتیک پروندههای قضایی، تجربیات متعددی در کشورهای توسعه یافته از جمله ایالات متحده آمریکا، انگلستان، فرانسه و چین وجود دارد.[2] برخی از آنها عبارتند از:
6-1. استفاده از هوش مصنوعی درتحلیل تماتیک آراء قضایی در ایالات متحده آمریکا:
در ایالات متحده، اقدامات متعددی در زمینه استفاده از هوش مصنوعی برای تحلیل تماتیک آراء قضایی استفاده شده است. این اقدامات، با استفاده از الگوریتمهای NLP به شناسایی الگوها و تمهای مشترک در آراء قضایی پرداخته و نتایج دقیقی ارائه دادهاند که به بهبود انسجام و هماهنگی در نظام قضایی کمک کرده است. [3]
6-2. استفاده از هوش مصنوعی در تحلیل تماتیک آرای قضایی در انگلستان:
در انگلستان نیز استفاده از هوش مصنوعی در تحلیل تماتیک آرای قضایی در دستور کار قرار گرفته است.[4] این گونه تجربیات در سایر کشورها نیز وجود دارد که از جمله میتوان به کشورهای چین، فرانسه و… اشاره کرد. در اینکشورها، استفاده از هوشمصنوعی در تحلیل کیفی تماتیک در زمینههایمختلفی انجام شده است. برخی از این زمینهها عبارتند از: حقوق کار، حقوق مهاجرت، حقوق بشر، حقوق محیط زیست، عدالت کیفری و…
و کلام آخر اینکه برای بهرهگیری از فناوری اطلاعات و قابلیتهای هوش مصنوعی در بهبود و ارتقای فرایندهای قضایی ظرفیتهای قانونی لازم، فراهم است. امکان فنی و اجرایی آن هم وجود دارد، اما عملاً از این ظرفیت قانونی و امکان فنی استفادهای در خور نشده است. توجه اولیای امور به این مهم میتواند بهرهوری نظام قضایی را ارتقا داده و از تعدد رویههای قضایی به عنوان یک آسیب سازمانی بکاهد. بعون الله تعالی.
[1]. یادگیری ماشین (Machine Learning) یکی از محورهای موضوعی هوش مصنوعی است. در این حوزه به ماشینها و سیستمهای کامپیوتری امکان داده میشود تا ازدادهها یادگیری داشته باشند و بر اساس الگوهای استخراج شده از این دادهها، تصمیمگیری کنند و پیشبینیهایی ارائه دهند. به عبارت دیگر، یادگیری ماشین به این معناست که به جای برنامهنویسی دقیق هر گام و اقدامی که ماشین باید انجام دهد، ماشین را آموزش میدهیم که از دادهها خودش الگوها و قوانین را استخراج کند و از آنها برای انجام کارهای مختلف استفاده کند.
[2]. Imran Ahmed Qureshi. H., Rizvi. Aatir, Watto. Muhammad Ramzan, (2024), The Role of Al Systems in Judiciary and its Implication on Society, Pakistan Journal of Law, Analysis and Wisdom, Volume No. 3,
[3]. Hedges. Ronald. J, (2024), Artificial Intelligence Discovery & Admissibility Case Law,
The American Association for the Advancement of Science (AAAS), (2022), Artificial Intelligence Courts: Materials for Judges.
[4]. Brooks. Chay, Gherhes. Cristian, Vorley. Tim (2019), Artificial intelligence in the legal sector: pressures and challenges of transformation, Cambridge Journal of Regions, Economy and Society, doi:10.1093 /cjres /rsz026
Hodge. Lord, (2023) The Law and AI: where are we going? Lecture at De Montfort University, Leicester.
