1. Aletras N, Tsarapatsanis D, Preoţiuc-Pietro D, Lampos V. 2016. Predire le decisioni giudiziarie della Corte europea dei diritti dell'uomo: una prospettiva di elaborazione del linguaggio naturale. PeerJ Informatica 2:e93.
2. Brennan T, Dieterich W, Ehret B. Valutazione della validità predittiva del sistema di valutazione dei rischi e dei bisogni Compas. Giustizia penale e comportamento. 2009;36(1):21-40. DOI: 10.1177/0093854808326545
3. J. Collenette, K. Atkinson e T. Bench-Capon, "Strumenti di intelligenza artificiale spiegabili per il ragionamento legale sui casi: uno studio sulla Corte europea dei diritti dell'uomo", Intelligenza artificiale, vol. 317, pag. 103861, 2023. DOI: 10.1016/j.artint.2023.103861
4. Alghazzawi, D., Bamasag, O., Albeshri, A., Sana, I., Ullah, H., & Asghar, MZ (2022). Previsione efficiente delle sentenze dei tribunali utilizzando un modello di rete neurale LSTM+ CNN con un set di funzionalità ottimale. Matematica, 10(5), 683.
5. Arajärvi, N. e Holden, L. (2021). Linee guida conformi al GDPR per il trattamento dei dati personali nei documenti legali.
6. B. Goodman e S. Flaxman, “Regolamenti dell'Unione europea sul processo decisionale algoritmico e un 'diritto alla spiegazione'”, AI Magazine, vol. 38, n. 3, pp. 50–57, settembre 2017. DOI: 10.1609/aimag.v38i3.2741
7. Badii, C., Bellini, P., Difino, A., & Nesi, P. (2020). Piattaforma IoT per smart city che rispetta gli aspetti di privacy e sicurezza del GDPR. Accesso IEEE, 8, 23601-23623.
8. Benjamin van Giffen, Dennis Herhausen, Tobias Fahse, Superare le trappole e i pericoli degli algoritmi: una classificazione dei pregiudizi e dei metodi di mitigazione dell'apprendimento automatico, Journal of Business Research, 2022. DOI: 10.1016/j. jbusres.2022.01.076
9. Branting, LK, Pfeifer, C., Brown, B., Ferro, L., Aberdeen, J., Weiss, B., ... & Liao, B. (2021). Previsione giuridica scalabile e spiegabile. Intelligenza artificiale e diritto, 29, 213-238.
10. Brundage, M., Avin, S., Clark, J., Toner, H., Eckersley, P., Garfinkel, B., ... & Amodei, D. (2018). L'uso dannoso dell'intelligenza artificiale: previsione, prevenzione e mitigazione. arXiv prestampa arXiv:1802.07228.
11. Butterworth, M. (2018). L’ICO e l’intelligenza artificiale: il ruolo dell’equità nel quadro del GDPR. Revisione di diritto informatico e sicurezza, 34(2), 257-268.
12. Chung, YA, Zhang, Y., Han, W., Chiu, CC, Qin, J., Pang, R., & Wu, Y. (2021, dicembre). W2v-bert: Combinazione di apprendimento contrastivo e modellazione linguistica mascherata per la pre-formazione vocale autosuperata. Nel 2021 IEEE Automatic Speech Recognition and Understanding Workshop (ASRU) (pp. 244-250). IEEE. https://huggingface.co/dbmdz/bert-base-italian-xxl-cased
13. Cortes, C. e Vapnik, V. (1995). Reti di vettori di supporto. Apprendimento automatico, 20(3), 273–297.
14. Csányi, GM; Nagy, D.; Vági, R.; Vadasz, JP; Orosz, T. Sfide e problemi aperti dell'anonimizzazione dei documenti legali. Simmetria 2021, 13, 1490. DOI: 10.3390/sym13081490
15. Datajust https://acteurspublics.fr/articles/exclusif-le-ministere-de-la-justice-renonce-a-son-algorithme-datajust
16. DECRETO LEGISLATIVO n. 28 del 4 marzo 2010, art. 5, “Condizioni di procedibilità e rapporti con il processo”. Disponibile al sito ufficiale: <https://www.gazzettaufficiale.it/eli/id/2010/03/05/010G0050/sg>.
17. Deeks, A. (2019). La richiesta giudiziaria di un’intelligenza artificiale spiegabile. Columbia Law Review, 119(7), 1829-1850. DOI: 10.7717/peerj-cs.93
18. Devlin, J., Chang, M.-W., Lee, K. & Toutanova, K. (2018). BERT: Pre-formazione di trasformatori bidirezionali profondi per la comprensione del linguaggio (citare arxiv:1810.04805).
19. Direzione generale di statistica e analisi organizzativa (DG-Stat) <https://webstat.giustizia.it/SitePages/Home.aspx>.
20. Doccano, annotazione testuale per esseri umani, https://doccano.herokuapp.com, ultimo accesso 15-10-2023
21. Garau, C., Nesi, P., Paoli, I., Paolucci, M., & Zamperlin, P. (2020, luglio). Una piattaforma big data per città intelligenti e sostenibili: casi di studio sul monitoraggio ambientale in Europa. In Conferenza internazionale sulla scienza computazionale e le sue applicazioni (pp. 393-406). Cham: Springer International Publishing.
22. Gu, J., Wang, Z., Kuen, J., Ma, L., Shahroudy, A., Shuai, B., ... e Chen, T. (2018). Recenti progressi nelle reti neurali convoluzionali. Riconoscimento di modelli, 77, 354-377.
23. Hassan, F., Domingo-Ferrer, J., & Soria-Comas, J. (2018). Anonimizzazione dei dati non strutturati tramite riconoscimento di entità nominate. Decisioni di modellazione per l'intelligenza artificiale.
24. HLEG, A. (2019). Linee guida etiche per un’intelligenza artificiale affidabile. Gruppo di esperti ad alto livello sull'intelligenza artificiale, 8, della Commissione europea (2019)
25. Hochreiter, S. e Schmidhuber, J"urgen. (1997). Memoria lunga a breve termine. Neural Computation, 9(8), 1735–1780.
26. Hsun-Ping Hsieh, Jiawei Jiang, Tzu-Hsin Yang, Renfen Hu e Cheng-Lin Wu. 2022. Predire il successo delle richieste di mediazione utilizzando le proprietà del caso e le informazioni testuali per ridurre l'onere a carico del tribunale. Cifra. Governatore: Ris. Pratica. 2, 4, articolo 30 (ottobre 2021), 18. DOI: 10.1145/3469233
27. Il progetto OSCAR (Open Super-large Crawled Aggregated coRpus) è un progetto open source che mira a fornire risorse e set di dati multilingue basati sul web per applicazioni di machine learning (ML) e intelligenza artificiale (AI). https://oscar-project.org, accesso il 15-10-2023
28. Kate Anya Geraghty, Jessica Woodhams. La validità predittiva degli strumenti di valutazione del rischio per le donne delinquenti: una revisione sistematica. Aggressività e comportamento violento. Volume 21, 25-38 (2015). DOI: 10.1016/j.avb.2015.01.002
29. Katz, Daniel e Bommarito, II e Blackman, Josh. (2016). Un approccio generale per prevedere il comportamento della Corte Suprema degli Stati Uniti. PLOS UNO. 12.10.1371/journal.pone.0174698
30. LA LEY. Giurimetria. Estratto il 13 marzo 2023 da <https://jurimetria.laleynext.es/content/QueEs.aspx>.
31. Licari, D., & Comandè, G. (2021). ITALIAN-LEGAL-BERT: un modello linguistico trasformatore pre-addestrato per il diritto italiano. Negli Atti del Knowledge Management for Law Workshop (KM4LAW), 26 settembre 2022, Bolzano, Italia.
32. Lundberg, SM e Lee, SI (2017). Un approccio unificato per interpretare le previsioni dei modelli. Progressi nei sistemi di elaborazione delle informazioni neurali, 30.
33. Medvedeva, M., Vols, M., & Wieling, M. (2020). Utilizzo del machine learning per prevedere le decisioni della Corte Europea dei Diritti dell'Uomo. Intelligenza artificiale e diritto, 28, 237-266.
34. Medvedeva, M., Wieling, M., & Vols, M. (2023). Ripensare il campo della previsione automatica delle decisioni giudiziarie. Intelligenza artificiale e diritto, 31(1), 195-212.
35. OPUS è una raccolta crescente di testi tradotti dal web https://opus.nlpl.eu, accesso il 15-10-2023
36. Previsione. <https://predictice.com/fr>.
37. Progetto Giustizia Agile del PON Governance e Capacità Istituzionale, https://www.unitus.it/it/unitus/mappatura-della-ricerca/articolo/giustizia-agile
38. Regolamento generale sulla protezione dei dati dell'Unione Europea 2016/679, GDPR. Accesso: 15-10-2023. <https://gdpr.eu/what-is-gdpr/>.
39. Richterich, A. (2018). L'agenda dei big data: etica dei dati e studi critici sui dati (p. 154). Stampa dell'Università di Westminster.
40. Sánchez, D. e Batet, M. (2016). C-sanitized: un modello di privacy per la redazione e la sanificazione dei documenti. Giornale dell'Associazione per la scienza e la tecnologia dell'informazione, 67(1), 148-163.
41. SICID (Sistema Informativo Distrettuale sul Contenzioso Civile): https://www.tribunale.napolinord.giustizia.it/documentazione/D_59023.pdf
42. Sistemi giudiziari europei – Rapporto di valutazione CEPEJ – Ciclo di valutazione 2022 (dati 2020) <https://rm.coe.int/cepej-report-2020-22-e-eb/1680a86279>.
43. Super.AI. Documento Redact, https://super.ai/super-redact/document-redact
44. Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, AN, Kaiser, Ł. & Polosukhin, I. (2017). L'attenzione è tutto ciò di cui hai bisogno. In I. Guyon, UV Luxburg, S. Bengio, H. Wallach, R. Fergus, S. Vishwanathan e R. Garnett (a cura di), Advances in Neural Information Processing Systems, 30 (pp. 5998–6008). Curran Associati, Inc.

Informazioni sul capitolo

Informazioni bibliografiche