论文部分内容阅读
法律援助制度是国家以法律化、制度化的形式,为某些经济困难或特殊的当事人提供减费或免费的法律帮助,以保障其利益得以实现得一项法律制度。法律援助制度是世界各国普遍采用的司法救济制度,是人类社会法制文明和法律文化发展到一定阶段的必然产物,是现代社会衡量一个国家法治水平和文明进步程度的重要标志。中国法律援助制度的建设起步比较晚,2003年7月《法律援助条例》的颁布,中国法律援助制度才正式确立。而且,法律援助实际运行并不良好,其司法人权保障功能、社会保障功能、社会秩序稳定功能和法制完善功能并没有充分发挥。本文基于实证调查,以东莞市法律援助供需情况作为研究样本,分析、揭示其存在的问题,并立足东莞现实情况,设计一个切实可行的法律援助制度改革行动方案。本文内容主要包括以下几个方面:一、导论。该部分主要阐述为什么选择法律援助作为研究对象,为什么以东莞的法律援助为研究对象。法律援助不仅涉及社会公众切身的权利和利益,关乎社会稳定而且涉及社会正义观念的摇摆——穷人的正义抑或富人的正义,还涉及一些基本法律命题的可成立性。研究法律援助制度具有重要的理论和现实意义。选择东莞作为调查对象,主要出于三个方面的考虑:一是获取调查资源的可能性和便利性;二是东莞法律援助在全国具有典型性和代表性;三是改革行动方案实施的可能性。二、东莞法律援助供需现状。考察东莞法律援助的现状及存在的问题,从数量和质量两个方面对东莞法律援助进行分析,发现东莞法律援助的需求与供给存在紧张关系:供不应求且援助质量较低。三、现行解决措施存在的问题。介绍东莞为解决供需矛盾而采取的一系列措施,并分析其存在的不足之处。民事案件跟踪制的监督范围仅限于重大民事案件,占法律援助案件绝大多数的刑事案件无监督,而且法援处对于监督过程中发现的律师的重大违规行为没有权力实施相应的惩罚。因此,法律援助质量并没有因为案件跟踪制的实施而有所提高。“投标式”外派案件制度由于没有一个明确的中标标准以及相应的监督惩罚措施与之配套,并没有发挥调动律师办案积极性,提高法律援助质量的功能,反而成为某些人营私的手段。案件回访制只是一项慈善举措,回访反馈的信息不会对办案律师产生任何实质性的影响。社会律师轮流值班制度,在一定程度上缓解了法律援助处工作压力。但由于缺乏自愿性,加上没有相应的奖惩措施,律师对法律援助处指派的工作往往敷衍了事,不会投入大量的精力和时间,法律援助服务的质量难以保障。法律援助处为缓解人手不够的压力,与高校合作吸收一些学生到法律援助处实习。然而,学生主要做一些事务性的工作,并不从事业务性工作,其法律服务方面的能力得不到培养和锻炼,这极大地挫伤了高校学生参与法律援助的积极性。同时与其合作的高校层次较低,学生的水平不够。因此,法律援助处的人手紧缺问题并没有得到缓解。四、东莞法律援助运作不良的原因分析。本部分探讨东莞法律援助现状的成因,并认为法律资源匮乏、激励机制缺失是导致法律援助供需矛盾的主要原因。法律援助资金的多少是影响法律援助范围的最直接、最现实的因素。法律援助资金的多少,决定一个政府所能提供的法律援助的总量的多少,直接决定法律援助案件的多少。当法律援助资金充足时,法律援助的范围较广泛,受援条件也较为宽松;当法律援助资金短缺、法律服务资源有限时,不足以保障大部分法律援助申请人的每一项申请事项都得到许可,必然有一部分人、一部分案件被排除在法律援助之外。由于激励机制缺失,法律援助的实施主体的积极性不高,导致法律援助资源投入较少,法律援助工作人员以及律师的积极性没有最大限度的调动。因此,法律援助数量少且服务质量不高。五、东莞法律援助改革行动方案。根据东莞具体的社会环境和经济状况,运用经济学的动力理论、管理学的激励理论,设计一个旨在扩大法律援助覆盖面、提高法律援助质量的改革行动方案,为更多的人提供高质量的免费法律服务。法律援助的激励机制因激励对象不同分为:律师的激励机制、法律援助工作人员的激励机制、政府的激励机制、社会的激励机制、高校的激励机制。对政府的激励,主要是充分发挥法律援助维护社会稳定以及对经济发展的辅助作用,激励政府加大对法律援助的人力、资金投入。对社会的激励,主要采取经济激励,来鼓励社会个人和组织为法律援助提供资金支持。对高校的激励,主要运用内在性激励因素激励高校学生参与法律援助活动。对律师和法律援助工作人员的激励,主要采取了正面经济激励和价值归化与反面惩罚激励相结合。同时,引入新的代理方式——集体代理以及以当事人为中心的代理,并且完善其他相关规定,例如,法律援助受援人资格条件明晰化;及早介入诉讼程序,刑事案件法律援助的决定权由法律援助处统一行使;制作法律援助律师名册,赋予受援人有限选择权;受援人分担费用;非受援败诉方支付费用。六、结语。法律援助制度关系到民众切身利益,影响社会的稳定,对其改革应当科学谨慎。采用试点——评估——推广的方法,不仅可以减少改革的阻力,而且可以将改革失败的风险和损失减到最小。