MétaCan
Menu
Retour à la cohorte
Enregistrement W7127553611

The rise of AI in procedural jurisprudence: global innovations, legal frameworks, and future implications

2025· article· en· W7127553611 sur OpenAlex
M. K. Srinivas, M. S. Benjamin

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueMyPrints@UOM (Mysore University Library) · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueArtificial Intelligence in Law
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccountabilityAdversarial systemProcess (computing)Transformative learningNormativeLegal aspects of computingAutomationShadow (psychology)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper investigates the transformative role of Artificial Intelligence (AI) in procedural jurisprudence, examining how AI reshapes case management, regulatory oversight, dispute resolution, and predictive adjudication. The study aims to map emerging applications, assess risks, and propose a coherent framework for the integration of AI into global legal systems. Theoretical Framework: Grounded in business process management and procedural law theory, the paper conceptualizes AI as a co-author of corporate will, a private regulator, and a shadow arbiter. It introduces the notion of “procedural AI jurisprudence” and situates it within comparative law, algorithmic due process, and theories of process sovereignty. Method: A comparative legal-analytical method is applied doctrinal normative approach, drawing on case studies from Austria, Brazil, Canada, Estonia, Singapore, the United Kingdom, and the United States. The research synthesizes doctrinal analysis, regulatory reviews, and evaluation of experimental systems such as Prometea in Argentina and AI-based resocialization initiatives in Abu Dhabi. Results and Discussion: Findings reveal a spectrum of judicial AI adoption, ranging from automation of inmate documentation to multimodal risk detection in penal systems. While AI enhances efficiency and consistency, it introduces risks of bias, accountability gaps, and process failures. To address these challenges, the paper proposes the “Procedural AI Stack,” integrating rights and remedies matrices, bias/error controls, adversarial AI parties, and Automation Impact Statements. Comparative insights underscore the uneven global trajectory of AI in law and the urgent need for harmonized safeguards. Research Implications: The study highlights the necessity of establishing cross-border legal standards, procurement protocols, and accountability mechanisms. It calls for the recognition of AI as both a tool and a potential party within legal processes, requiring new doctrines such as the Model-of-Record and structured risk heatmaps for judicial procurement. Originality/Value: This paper advances the discourse by framing AI as a procedural actor rather than a mere technological aid. It provides a layered model for integrating AI into legal processes that balances innovation with ethical safeguards, offering a roadmap for policymakers, jurists, and technologists to design transparent, accountable, and future-ready judicial systems.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,777
Score d'incertitude au seuil0,656

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,286
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle