Skip to content
返回搜索结果

法律内容分析 — 法律文本的系统性分析

提出者
Interdisciplinary; foundational content analysis by Harold Lasswell (1940s); applied to legal texts by empirical legal scholars from the 1970s onward
年份
1940s–1970s (applied systematically to legal texts)
类型
Systematic qualitative-quantitative text analysis
类别
Domain-specific humanities/social science

本文为机器翻译,尚未经过审校。 阅读英文原文

字号

它有什么作用?

法律内容分析将内容分析的系统性程序应用于法律文本——法规、规章、判例、条约和法律评论——以识别法律材料语料库中的模式、主题和趋势。它结合了定性法律学术研究和定量社会科学方法,使研究人员能够得出可重复的、基于证据的关于法律是如何被书写、应用或随时间变化的结论。

方法背后的直觉

设想你需要回答这个问题:“在过去的四十年里,就业歧视法是否变得更能保护工人?”阅读所有相关的法规和法院裁决将是难以管理的,而选择少数标志性案例则会变成断章取义。法律内容分析通过定义一个系统的语料库,创建一个明确的编码方案——例如,将每个法律条款标记为相对于工人保护是扩大、收缩还是中性——然后将该方案一致地应用于所有文件来解决这个问题。其结果是对法律中模式的透明、可复制的描述,而单独仔细阅读代表性文本无法提供这种描述。

历史学

内容分析作为一种系统性方法,于20世纪40年代在传播学研究中得到发展,哈罗德·拉斯韦尔及其同事将其应用于政治宣传。克劳斯·克里彭多夫(Klaus Krippendorff)于1980年出版的手册确立了跨学科采用的标准方法论框架。实证法律学者从20世纪70年代和80年代开始,特别是在法律与社会运动的背景下,将内容分析应用于判例和法规。自20世纪90年代以来,数字化法律数据库的增长使得大型语料库的法律内容分析在实践上变得可行,到21世纪初,它已成为实证法律研究中公认的方法。

何时使用

当研究问题需要对大量法律文本中的模式进行系统性、基于证据的描述,而不是对少量选定案例进行仔细阅读时,请使用法律内容分析。它适用于实证法律研究、社会法律研究、比较法研究、立法历史分析和政策评估。该方法适用于至少包含20-30份文件的语料库;对于非常小的语料库(少于10份文本),仔细的原则阅读更为有效。不要将法律内容分析用作原则推理的替代品:它描述了法律的内容或其应用方式,但本身无法评估法律解释是否正确,或者一项规则在规范上是否合理。当研究问题主要涉及单个判例的推理逻辑时,应避免使用它。

局限与注意事项

  • 编码类别必然会简化细微的法律文本;复杂的司法推理可能因分类简化而被扭曲。
  • 为实质性法律概念建立可靠的代码手册既耗时,又需要法律和方法论方面的专业知识。
  • 研究结果描述了文本模式,但没有解释法律为何采取特定形式——因果推断需要额外的方法。
  • 从抽样语料库进行统计概括取决于抽样的质量;有偏见的语料库构建会产生有偏见的结论。
  • 结果对单元化选择敏感;不同的合理选择可能从同一语料库中产生不同的结果。

来源中的条件不能替代独立的科学审查或分析引擎的验证。

优势

  • 产生基于明确且有据可查的编码程序的透明、可复制的研究结果。
  • 能够处理传统仔细阅读无法分析的大型语料库。
  • 结合了定性法律分析和定量社会科学方法,促进了跨学科交流。
  • 揭示了案例法学分析无法看到的长期趋势和跨司法管辖区的模式。
  • 编码员间信度程序使研究人员的解释性选择可见且可被质疑。

应用

  • 追溯法院对一项宪法权利的解释在数十年的上诉判决中是如何变化的。
  • 比较不同国家立法机构在监管法规中如何定义关键术语——例如“消费者”或“环境损害”。
  • 衡量国际人权条约条款被纳入国内立法的比率。
  • 分析某一领域的司法判决是否引用了学术研究,以及引用了哪种类型的研究。
  • 评估反歧视法规在不同时期是否扩大或缩小了受保护的个人类别。
  • 检查法定条款的语言复杂性和可读性,以评估普通读者对其可及性。

使用方式

使用方式

1

研究人员精确地定义了要研究的法律文本范围——例如,1980年至2020年间关于特定原则的所有联邦巡回法院判决,或某一特定机构发布的所有环境法规。必须记录清晰的包含和排除标准,以便语料库是可重复的,并且能够抵御选择性抽样的指控。

2

构建一个代码手册,规定要应用于每个文本单元的类别、变量和编码规则。类别可能包括实质性法律概念(确认或否认的权利、规定的处罚、定义的范围)、形式特征(长度、引用模式)或解释性判断(对原告或被告有利的结果)。每个类别必须定义得足够精确,以便不同的编码员能够独立地达成相同的分类。

3

当语料库太大而无法进行穷尽编码时,会使用随机抽样或分层抽样来抽取一个代表性样本。然后,研究人员决定分析单元——条款、句子、段落、完整的判决——并在整个过程中一致地应用单元化规则。单元化决策直接影响分析可以检测到的模式。

4

根据代码手册阅读每个文本单元并为其分配代码。对于定量法律内容分析,代码是数字的或分类的,并且可以进行统计汇总。对于定性变体,代码捕捉主题意义并进行迭代细化。混合方法对同一语料库进行频率计数和解释性类别的编码。

5

语料库的一个子集——通常是10-20%——由第二位编码员独立编码。计算编码员间信度,最常用的是Cohen's kappa或Krippendorff's alpha。低于0.67的alpha值表明代码手册清晰度不足,需要修改后才能继续。信度证据与研究结果一起报告,以支持透明度。

6

对编码数据进行分析以回答研究问题:频率分布、交叉制表、随时间变化的趋势线或定性主题摘要。然后,研究人员根据法律原则和制度背景解释研究结果,区分文本中的模式与其因果或规范性解释,后者需要额外的论证。

常见陷阱

  • 未经试点就进行编码——将未经测试的代码手册应用于整个语料库会导致系统性错误编码,从而使分析无效;在进行全面编码之前,务必在随机子集上进行试点并进行修改。
  • 忽略编码员间信度——没有信度检查的单编码员研究无法与个人化解读区分开来;即使最终只有一个编码员对整个语料库进行编码,也要报告kappa或alpha值。
  • 将频率视为意义——计算一个术语在法规中出现的次数并不等于其法律意义;频率数据必须根据原则背景进行解释。
  • 语料库选择偏差——在没有正当理由的情况下将语料库限制在易于访问或知名的判决中,会引入选择效应,从而削弱系统性分析的主张。
  • 混淆描述与评估——法律内容分析可以告诉你法律的内容;它不能告诉你法律是否好;混淆这两个层面会误导读者。

常见问题

法律内容分析与原则法律研究有何不同?

原则研究通过仔细阅读权威来源来解释和系统化法律规则,通常旨在说明法律是什么或应该是什么。法律内容分析将明确、可重复的编码方案应用于定义的语料库,以描述大量文本中的实证模式。原则研究评估法律意义;法律内容分析则计算和分类文本特征。两者常常是互补的:内容分析的结果可以通过对关键案例的原则分析来背景化。

法律内容分析是否需要定量方法?

否。定性法律内容分析在不将其还原为数字计数的情况下,识别和分类语料库中的主题。定量变体以数字方式对类别进行编码,并报告频率或统计关系。混合方法兼顾两者。其关键特征是应用于定义语料库的系统性、有据可查的编码——量化是可选的。

可接受的编码员间信度水平是多少?

克里彭多夫(Krippendorff)建议,从数据中得出的结论至少应达到0.80的alpha值,初步结论至少应达到0.67。在社会科学研究中,Cohen's kappa高于0.60通常被认为是可接受的。低于这些阈值的值表明代码手册类别定义不足,在进行全面编码之前必须进行修改。

我的语料库需要多大?

没有固定的最小值,但当语料库足够大,以至于系统抽样或全面枚举比仔细阅读更有效时,该方法最为可靠。粗略地说,包含30个或更多文件的语料库能从内容分析程序中获得有意义的好处。对于非常小的语料库(少于10份文件),定性原则分析或案例研究方法通常更合适。

我可以使用自动文本分析工具进行法律内容分析吗?

可以,但要谨慎。自然语言处理分类器、主题模型或关键词上下文检索等工具可以帮助对大型语料库进行编码。然而,自动编码必须在随机子集上与人工编码进行验证,并且法律研究人员必须结合算法工具无法提供的法律背景来解释输出。自动化可以加快编码速度;它不能取代判断。

相关方法

参考文献

  1. Krippendorff, K. (2004). Content Analysis: An Introduction to Its Methodology (2nd ed.). Sage Publications.

    ISBN:978-0761915454
    已复制。
  2. Nourse, V., & Shaffer, G. (2014). Varieties of New Legal Realism: Can a New World Order Prompt a New Legal Theory? Cornell Law Review, 95(1), 61–137.

    打开出版物文献
    已复制。