Entre o Discreto e o Contínuo: Desafios e Oportunidades para o Ensino e a Prática Jurídica
Bibliographic record
Abstract
Resumo: Este artigo explora a tensão entre a natureza discreta da computação e a dimensão contínua da experiência jurídica, argumentando que essa tensão representa um desafio fundamental para a aplicação da inteligência artificial (IA) no Direito. A partir de uma revisão bibliográfica e de um diálogo interdisciplinar (Filosofia da Mente, Física Quântica, Ciência da Computação, Teoria do Direito), o artigo analisa os fundamentos teóricos da IA, suas implicações para o Direito e os desafios para o ensino jurídico na era digital. A obra de Pontes de Miranda é utilizada como referência para a análise da complexidade do Direito, e a crítica à Teoria do Fato Jurídico serve como estudo de caso. O artigo discute os riscos da IA (vieses, falta de transparência, etc.) e propõe a adoção do conceito de sistemas híbridos com clusters humanos, onde a colaboração entre juristas e máquinas é fundamental. São apresentadas propostas para a reformulação dos currículos de Direito e para o desenvolvimento de novas competências nos profissionais da área. O artigo conclui que o futuro do Direito depende de uma abordagem ética, responsável e interdisciplinar da IA.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.023 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.010 | 0.044 |
| Scholarly communication | 0.022 | 0.020 |
| Open science | 0.002 | 0.011 |
| Research integrity | 0.004 | 0.007 |
| Insufficient payload (model declined to judge) | 0.016 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".