Cuestionario de predicción de resultados de litigios con IA

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

1. Según la guía, ¿qué informan principalmente la mayoría de las herramientas de análisis de litigios?
   • Previsiones garantizadas de resultados de casos individuales.
   • Tasas base históricas descriptivas extraídas de expedientes
   • Preferencias políticas personales de los jueces
   • Términos de liquidación privada de acuerdos sellados
2. ¿Por qué los críticos cuestionaron la alta precisión reportada por el estudio de 2016 de los casos del Tribunal Europeo de Derechos Humanos?
   • Utilizó muy pocos casos para medir la precisión.
   • Ignoró los nombres de los jueces.
   • Utilizó el resumen de los hechos del propio tribunal, que se redacta después de conocerse el resultado.
   • Predijo sólo casos que ya se habían resuelto
3. ¿Cómo limita el efecto de selección asociado con la hipótesis de Priest-Klein la predicción de resultados?
   • Los casos decididos no son una muestra aleatoria porque la mayoría de los casos se resuelven
   • Los jueces se asignan al azar, por lo que no existen patrones.
   • Los expedientes federales excluyen todos los casos civiles
   • Sólo se registran las decisiones de apelación
4. ¿Qué prohibió Francia en 2019?
   • Todo el acceso electrónico a los registros judiciales.
   • El uso de la IA por parte de los abogados en los expedientes judiciales
   • Publicación de cualquier decisión judicial en línea.
   • Utilizar los datos de identidad de los jueces para evaluar o predecir sus prácticas profesionales.
5. Cuando un modelo tiene solo unas pocas sentencias anteriores para un juez y un tipo de moción específicos, ¿qué sugiere la guía en lugar de informar la tasa bruta?
   • Excluir permanentemente a ese juez del análisis
   • Usar métodos jerárquicos o bayesianos para acercar la estimación a la tasa general del tribunal
   • Suponiendo una tasa del 50 por ciento para cada muestra delgada
   • Duplicar la muestra contando cada fallo dos veces.
6. En la predicción de litigios, ¿qué significa que un modelo esté bien calibrado?
   • Tiene razón en todos los casos en sus datos de entrenamiento.
   • Utiliza la arquitectura de aprendizaje automático más nueva.
   • Los resultados que ofrece una probabilidad del 70 por ciento ocurren aproximadamente el 70 por ciento de las veces.
   • Produce la misma predicción para todos los jueces.
7. ¿Qué es la fuga en un modelo de resultados de litigios?
   • Usar características que solo se conocen después del resultado.
   • Pérdida de datos del expediente debido a errores de almacenamiento
   • Compartir los resultados del modelo con el abogado contrario
   • Capacitación sobre demasiados casos judiciales estatales
8. Según la guía, ¿dónde podrían resultar más útiles las predicciones sobre litigios?
   • Decidir una única disputa novedosa sin precedentes
   • Reemplazo de la investigación legal sobre la autoridad de control
   • Elegir qué juez será asignado
   • Presupuesto, rangos de liquidación y decisiones en muchos casos, donde los errores se promedian