ML-based models in support of selected legal and administrative activities

• Autorzy: Łaganowska Monika , Mikołajewska Maria , Mikołajewski Dariusz

Identyfikatory

DOI

10.34767/SIMIS.2025.02.08

Warianty tytułu

PL

Modele oparte na uczeniu maszynowym wspierające wybrane działania prawne i administracyjne

• Języki publikacji: EN

Abstrakty

EN

This article discusses the application of machine learning (ML) models in improving legal and administrative processes. It highlights how ML techniques such as natural language processing and predictive analytics can automate routine tasks such as document classification, legal research, and case outcome prediction. The authors discuss the benefits of ML-based systems, including increased efficiency, reduced human error, and increased access to justice. Ethical issues are addressed, particularly regarding algorithmic bias, transparency, and accountability in decision-making. Case studies are presented to illustrate the real-world implementation of these technologies in courts and public administration. The article concludes by emphasizing the need for interdisciplinary collaboration and regulatory frameworks to ensure responsible and effective integration of ML in legal domains.

PL

Artykuł omawia zastosowanie modeli uczenia maszynowego (ML) w ulepszaniu procesów prawnych i administracyjnych. Podkreśla, w jaki sposób techniki ML, takie jak przetwarzanie języka naturalnego i analityka predykcyjna, mogą automatyzować rutynowe zadania, takie jak klasyfikacja dokumentów, badania prawne i przewidywanie wyników spraw. Autorzy omawiają korzyści płynące z systemów opartych na ML, w tym zwiększoną wydajność, zmniejszenie liczby błędów ludzkich i zwiększony dostęp do wymiaru sprawiedliwości. Poruszane są kwestie etyczne, w szczególności dotyczące stronniczości algorytmicznej, przejrzystości i odpowiedzialności w podejmowaniu decyzji. Przedstawiono studia przypadków, aby zilustrować rzeczywiste wdrożenie tych technologii w sądach i administracji publicznej. Artykuł kończy się podkreśleniem potrzeby interdyscyplinarnej współpracy i ram regulacyjnych w celu zapewnienia odpowiedzialnej i skutecznej integracji ML w domenach prawnych.

Słowa kluczowe

EN

computer science; law; artificial intelligence; machine learning; legal applications; administrative applications

PL

informatyka; prawo; sztuczna inteligencja; uczenie maszynowe; zastosowania prawne; zastosowania w administracji

• Wydawca: Instytut Informatyki Uniwersytet Kazimierza Wielkiego
• Czasopismo: Studia i Materiały Informatyki Stosowanej
• Rocznik: 2025
• Tom: T. 17, nr 2
• Strony: 42--47
• Opis fizyczny: Bibliogr. 28 poz.

Twórcy

autor

Łaganowska Monika

• Politechnika Bydgoska, ul. Kaliskiego 7, 85-796 Bydgoszcz

autor

Mikołajewska Maria

• Wydział Prawa i Administracji, Uniwersytet Gdański, ul. Bażyńskiego 8, 80-309 Gdańsk

autor

Mikołajewski Dariusz

• Wydział Informatyki, Uniwersytet Kazimierza Wielkiego, ul. Kopernika 1, 85-074 Bydgoszcz

Bibliografia

• 1. Li, Q., Peng, H., Li, J., Xia, C., Yang, R., Sun, L.,Yu, P.S.,He, L. A Survey on Text Classification: From Traditional to Deep Learning. ACM Trans. Intell. Syst. Technol.2022, 13, 1–41.
• 2. Wan, Z. Text Classification: A Perspective of Deep Learning Methods. arXiv2023,arXiv:2309.13761.
• 3. Wierczyński,G., Wiewiórowski, W.R. Informatyka prawnicza. Nowoczesne technologie informacyjne w pracy prawników i administracji publicznej,wyd. 4, Wolters Kluwer, Warszawa 2016.
• 4. Ciurak,P., Wierczyński, G. Nowe technologie wpracy prawnika, Arche, Gdańsk 2021.
• 5. Rojszczak, M. Prawne aspekty systemów sztucznej inteligencji -zarys problemu. Sztuczna inteligencja, blockchain, cyberbezpieczeństwo oraz dane osobowe. Wydawnictwo C.H Beck 2019, s. 1-22.
• 6. Zaidani H, Koulali R, Maizate A, Ouzzif M. Augmentation and Classification of Requests in Moroccan Dialect to Improve Quality of Public Service: A Comparative Study of Algorithms. Future Internet. 2025, 17(4), 176.
• 7. Wierczyński, G., Wiewiórowski,W.R. Prawne aspekty informatyki, (w:)Informatyka ekonomiczna: teoria i zastosowania, red. S. Wrycza, J. Maślankowski, Wydawnictwo Naukowe PWN, Warszawa 2019.
• 8. Wei, F., Keeling, R., Huber-Fliflet, N., Zhang, J., Dabrowski,A., Yang, J., Mao, Q.,Qin, H. Empirical Study of LLM Fine-Tuning for Text Classification in Legal Document Review. In Proceedings of the 2023 IEEE International Conference on Big Data (BigData), Sorrento, Italy, 15–18 December 2023; pp. 2786–2792.
• 9. Sokołowski,M., Wierczyński,G.Informatyzacja procesu udostępniania informacji prawnych w Austrii i w Polsce –różnice i podobieństwa, (w:) Informatyzacja postępowania sądowego i administracji publicznej, red. J. Gołaczyński, Warszawa 2010, C.H. Beck, s. 269-278.
• 10. Wiewiórowski W. Dane osobowe w inteligentnym mieście korzystającym z rozwiązań Internetu rzeczy[w:] Internet rzeczy bezpieczeństwo w smartcity [red.:] G. Szpor, C.H.Beck, Warszawa 2015, ss. 24.
• 11. Nair, A.R., Singh, R.P., Gupta, D., Kumar, P. Evaluating the Impact of Text Data Augmentation on Text Classification Tasks Using DistilBERT. Procedia Comput. Sci.2024, 235, 102–111.
• 12. Wiewiórowski W. Kwanty informacji o osobie. Prawne aspekty przetwarzania danych o osobach i „obiektach” pochodzących z rozproszonych zbiorów[w:] P., Z. Rau, M. Wągrowski [red.:]Nowoczesne systemy łączności i transmisji danych narzecz bezpieczeństwa. Szanse i zagrożenia,LEX Wolters Kluwer, Warsaw 2013, p. 8.
• 13. Simmons R. Big Data, Machine Judges, and the Legitimacy of the Criminal Justice System. SSRN,2018,52(2),1067-1118.
• 14. Wiewiórowski W.R. Profilowanie osób na podstawie ogólnodostępnych danych[w:] A. Mednis [red.:] Prywatność a ekonomia. Ochrona danych osobowych w obrocie gospodarczym, Wyd. WPiA Uniwersytetu Warszawskiego, Warszawa 2013, s. 16
• 15. Wiewiórowski W.R. Prawne aspekty udostępniania usług administracji publicznej w modelu chmury[w:] G. Szpor [red.:] Internet –Cloud computing. Przetwarzanie w chmurze, C.H.Beck, Warszawa 2013, ss. 38.
• 16. Wiewiórowski W.R. Prawna ochrona danych biometrycznych w systemach teleinformatycznych pracodawcy. Cele przetwarzania a zakres ochrony[w:] A. Nerka, T. Wyka [red.:]Ochrona danych osobowych podmiotów objętych prawem pracy i prawem ubezpieczeń społecznych. Stan obecny i perspektywy zmian, Wolters Kluwer Polska, Warszawa 2012, s. 10.
• 17. Wiewiórowski W.R. Automatyzacja rozstrzygnięć i innych czynności w sprawach indywidualnych załatwianych przez organ administracji publicznej[współautor:] G. Sibiga [w:]J. Gołaczyński [red.:] Informatyzacja postępowania sądowego i administracji publicznej, C.H.Beck, Warszawa 2010, s. 13.
• 18. Gryz, J., Rojszczak M. Black box algorithms and the rights of individuals: No easy solution to the" explainability" problem. Internet Policy Review 10 (2), 1-24.
• 19. Mikołajewska E., Mikołajewski, D. Informatyka afektywna w zastosowaniach cywilnych i wojskowych. Zeszyty Naukowe/Wyższa Szkoła Oficerska Wojsk Lądowych im. gen. T. Kościuszki, 2013, 2, 171-184.
• 20. Veziroğlu, M., Veziroğlu, E.,Bucak, İ.Ö. Performance Comparison between Naive Bayes and Machine Learning Algorithms for News Classification. In Bayesian Inference—Recent Trends; IntechOpen: London, UK, 2024.
• 21. Rojek, I., Mroziński, A., Kotlarz, P., Macko, M., Mikołajewski, D AI-Based Computational Model in Sustainable Transformation of Energy Markets. Energies 2023, 16, 8059.
• 22. Tabany, M.; Gueffal, M. Sentiment Analysis and Fake Amazon Reviews Classification Using SVM Supervised Machine Learning Model. JAIT2024, 15, 49–58.
• 23. Prokopowicz, P., Mikołajewski, D. Fuzzy approach to computational classification of burnout—Preliminary findings. Applied Sciences 2022, 12 (8), 3767.
• 24 .Łagutko, T., Zagajewski, A., Binek, Z., Motykiewicz-Janiak, R., Kończak, A. Wpływ e-commerce na Przemysł 4.0. Systemy Wspomagania w Inżynierii Produkcji 2023, 12(2), 99--108.
• 25. Banaś, D. RegTech jako sposób poprawy efektywności instytucji rynku emerytalnego Zeszyty Naukowe Politechniki Poznańskiej. Organizacja i Zarządzanie 2022, 86, 5--19.
• 26. Bex, F., Prakken, H. Can Predictive Justice Improve the Predictability and Consistency of Judicial Decision-Making? Frontiers in Artificial Intelligence and Applications, 2021, 346, 207-214.
• 27. Ashley, K.A Brief History of the changing roles of case prediction in AI and Law: Law in contextSocio-Legal Journal,2019, 36(1),93-112.
• 28. Bhilare, P.,Parab, N.,Soni, N.,Thakur, B.Predicting outcome of judicial cases and analysis using machine learning. International Research Journal in Engineering Technology, 2019, 6,326-330.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).