Responsible Integration of AI in Public Legal Education: Regulatory Challenges and Opportunities in Albania
Notice bibliographique
Résumé
Artificial Intelligence (AI) is being used increasingly worldwide to provide better legal education to the public by providing them with easily accessible and automated legal information. However, its integration into justice systems raises significant legal, ethical, and policy concerns. In Albania, where legal literacy remains low despite ongoing judicial reforms, AI-driven tools present both an opportunity and a challenge. This study explores the legal and regulatory implications of incorporating AI into public legal education, analyzing potential risks related to misinformation, algorithmic bias, data privacy, and human rights compliance. Using a doctrinal legal research approach, the study examines Albania's existing legal framework, including constitutional provisions on access to justice, data protection laws, and the justice reform strategy and subsequent legislation. This is followed by a comparative legal analysis of AI-driven legal education initiatives in Estonia, the United Kingdom, Canada, and Singapore. This analysis provides insights into regulatory best practices. Furthermore, the study evaluates AI's alignment with international human rights norms, particularly the right to legal information under UN Sustainable Development Goal 16. The findings of this study reveal the existing gaps in Albania's legal system regarding AI-driven legal education and emphasize the need for including strong legal protections. The study proposes policy recommendations aiming at the usage of AI tools to enhance public legal literacy while maintaining legal accuracy, transparency, and accountability. These recommendations include AI oversight mechanisms, legal accuracy standards, and ethical AI guidelines that are tailored to Albania's socio-political context. The responsible integration of AI capabilities into legal education can help Albania improve public trust in its justice system and strengthen democratic participation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».