【摘 要】
:
随着人工智能、大数据等技术的发展,行政裁量自动化已经成为政务管理的重要一部分,它不仅可以帮助管理者更加准确地做出行政裁量决策,而且还可以通过精密的计算程式来实现更加高效的行政裁量。通过采用裁量基准算法化,行政裁量过程可以被有效地复原。自动化裁量具有保持裁量结果中立性和提高裁量结果同一性的优势,使得“同案同判”的行政决策更加科学有效合理。然而,自动化裁量也存在相应的风险,尽管依据计算逻辑运行的裁量控
论文部分内容阅读
随着人工智能、大数据等技术的发展,行政裁量自动化已经成为政务管理的重要一部分,它不仅可以帮助管理者更加准确地做出行政裁量决策,而且还可以通过精密的计算程式来实现更加高效的行政裁量。通过采用裁量基准算法化,行政裁量过程可以被有效地复原。自动化裁量具有保持裁量结果中立性和提高裁量结果同一性的优势,使得“同案同判”的行政决策更加科学有效合理。然而,自动化裁量也存在相应的风险,尽管依据计算逻辑运行的裁量控制系统可以提供相当程度的操作简便性,但它也存在着不可忽视的僵硬性缺点,从而导致个案正义受到损害:裁量的格式化和特殊个案两者之间存在着矛盾,自动化裁量所代表的技术理性会让执法者陷入路径依赖,自动化行政也会导致部分裁量程序简化甚至缺失。对引发的问题需要从主观和客观两个方面来考虑:客观上,自动化裁量技术存在一定的缺陷,而且相关法律规范也有待完善;主观上,行政主体在运用新技术时缺乏主动性。不管怎样,在自动化裁量作用于政府公共服务的场景中,行政主体的能动性不仅不能被削弱,必须通过适当的激励机制设计来保证和加强。即使人工智能科技发展迅速,也不能代替人们的主导地位。行政裁量的最终目标是实现个案正义,而将法律规则转变为算法程序是一个繁复的系统性工程,需要在工具的机械性和个案的特殊性间取得平衡,以实现有效、高效的裁量。随着行政裁量载体的变化,裁量治理的理念也发生了重大转变:通过法律规定行政裁量自动化的适用范围,以技术正当程序构建自动化裁量的外部沟通方式,以系统控制程序促进自动化裁量的内部人机融合,从而构成自动化裁量过程的人机协同机制。
其他文献
随着在线自适应学习的快速发展,教学方式逐步走向线上线下融合的模式,大量教学资源实现了平台共享,通过此类方式在线教育学习平台产生了大量的准实时的在线学习记录,从而为知识状态诊断、自适应学习计划制定、动态学习策略生成、学习进度追溯提供了实现基础。知识追踪(Knowledge Tracing,KT)已经发展成为在线教育系统的重要组成部分,作为在线教育系统的一个关键组成部分,知识追踪通过追踪每个学习者的学
随着社会经济的快速发展,各行业对机器视觉的依赖在逐年提升。因其能够提供直观、有效的分析方法,助力实现车辆的自动或辅助驾驶,机器视觉在智能交通系统和智能网联汽车领域获得了极其广泛的应用。在智能网联汽车的研究中,精确的车道识别可以辅助机动车及骑车者的自动跟踪;与机动车道不同,非机动车道往往在车道宽度、标记方式等诸多方面存在较大的差异。为此,本文专门针对多场景自行车道检测问题的复杂性和多态性进行研究,为
代码异味是指任何可能导致代码深层次问题的症状,其通常是由开发人员在程序中的设计缺陷或不良编码习惯而引起。传统代码异味识别方法因缺乏规范的判断标准而带有较强的主观性,并受开发者、开发语言、开发方法等多种因素影响。代码异味强度是异味严重性程度的表征,划分异味的不同强度有助于开发者对不同异味处理进行优先级排序,从而使高危险性代码问题得到优先处理,以减少软件项目的开发与维护成本。目前有关异味强度的研究资料
软件缺陷是软件可靠性降低的重要原因,研究人员通过建立软件缺陷预测模型预测缺陷,进而通过合理分配用于保障软件质量的资源。随着机器学习理论的不断创新,许多研究者利用机器学习算法建立软件缺陷预测模型,然而目前关于软件缺陷预测相关的研究并不能取得理想的效果。主要存在以下四个问题:(1)用于训练和预测的数据集往往存在数据规格不统一和特征冗余问题,增加了模型的复杂度和过拟合风险。(2)对模型的基本分类器研究不
电磁逆散射是根据测量得到的散射数据来重构未知目标的物理参数分布,获得目标的位置、轮廓、结构等信息,具有无接触探测的特点,广泛应用于车站机场安检、雷达目标识别、穿墙成像、医学成像、卫星遥感、地球物理探测等领域。电磁逆散射问题的控制方程具有非线性和不适定性的特征,传统求解方法包括线性近似算法和迭代优化算法,这两种算法都属于非学习类求解方法,其中线性近似算法求解速度较快,但是重构精度不高;迭代优化算法的
语义分割是对图片进行像素级别的分类,进而实现对图片像素级别的理解。传统的语义分割需要利用大量的标注数据来训练网络,才能达到较好的性能。但这些数据的标注会极大地消耗人力物力。另外,传统语义分割的泛化能力不足,无法实现图片分割的真正智能化。因此,近年来基于少量训练数据的小样本语义分割成为研究的热点。小样本语义分割是利用少量的支持集数据对查询集图片中的目标物体进行分割。目前常用的一大类方法是基于原型网络
颗粒作为一种常见的分析测量对象,在工业、医学和农业等领域应用广泛。目前,基于图像的颗粒分析算法能够方便快捷地统计颗粒数目并分析颗粒参数,成为国内外众多学者在图像领域的研究重点。但颗粒图像普遍存在光照强度不均,对比度低,相互粘连等情况,现有的分割方法容易产生欠分割和过分割现象。为解决上述问题,本文提出了一种基于二次超像素分割与改进Logit Boost的颗粒图像分割算法(TS-EL),有效地提高了颗
近些年随着人工智能技术的发展进步,智能化移动机器人开始逐渐的在我们的生活中崭露头角,视觉SLAM技术可以帮助机器人在陌生的环境中进行自我定位和构建周围环境的地图,在室内各种复杂多变的环境中完成作业任务。目前基于特征点匹配的视觉SLAM算法大多数都假设外部环境是静态的,但是在现实环境中不可避免的会出现一些移动物体,例如室内行走的行人和被搬动的桌子等,所以在现实环境中并不能满足静态环境这一基本假设,这
本文的主要研究内容包括四个部分,其总体目标是通过深入剖析挖掘股票收益互换背后存在的法律风险,在此基础上分析比较境内外监管立法对股票收益互换的监管思路和方法以及其存在的问题,为我国股票收益互换监管法律制度的完善提供域外立法参考与经验借鉴,同时结合我国实际情况提出合理性建议。第一部分,结合交易双方的交易需求差异,就股票收益互换的概念功能进行基本介绍,并在此基础上分析了股票收益互换所具有的私密性与定制性
在教育改革日益深化的今天,推动技术与高等教育的深度融合,促进了学校教育信息化过程,利用信息技术在时间和空间上的极大优势,学生学习方式得到改进,是顺应互联网时代高校创新人才培养的重要方式和客观要求。在线教育,学习者经过课前预习、课后学习和课上参加听讲课程等活动,从而获得知识与技能。在这一学习的过程当中,学习者如果有激情减退、抛弃课程等状况会以行为这样一种外化的方式来体现。本文对学生的行为进行了分析,